基于优化残差组合的北斗卫星短期钟差预报研究

为解决传统模型因使用卫星钟差一次差分序列而导致预报精度差的问题，进一步提升预报精度，提出一种优化残差组合对卫星钟差一次差分序列进行预报的方法.该方法首先根据北斗卫星钟差序列的特点，利用四分位法(IQR)代替中位数法对一次差分序列进行预处理，然后利用自回归滑动平均模型(ARMA)将经过预处理后的卫星钟差一次差分序列分成趋势项和残差随机项，接着利用极限学习机(ELM)模型对残差部分进行建模预测，最后将ARMA模型的预测结果和ELM神经网络的残差预测结果求和后进行差分还原.结果表明：当卫星钟差呈非线性时，组合模型的预报精度比传统模型提升了38.2%，在北斗卫星钟差短期预报中具有一定的可行性.     

利用等价消去原理实现实时动态单点定位快速可靠收敛

无人机、自动驾驶等领域的快速发展对全球卫星导航系统实时动态定位提出了更高的精度要求,而传统基于多普勒测速的常速滤波模型和基于载波时间差分的位置变化滤波模型的定位精度难以实现动态目标位置信息的实时、准确、稳定获取。根据等价消去原理移除动态坐标参数,采用历元间差分观测值并充分顾及模型残差的影响,构建准静态卡尔曼滤波模型。利用滤波得到的模型残差对位置信息进行修正,极大削弱了直接采用相位时间差分获取位置变化量带来的模型残差累积。利用无人机和车辆平台采集的数据分别进行了GPS和北斗卫星导航系统（BeiDou satellite navigation system,BDS）的单频动态定位实验,结果显示,基于等价消去原理的滤波模型能实现优于30 s的定位收敛,相对首历元位置的三维定位偏差的标准差基本在10 cm以内,平面精度可达3 cm。另外,由于卫星数的差异,基于BDS的收敛速度和稳定性均优于GPS。     

基于Kalman滤波的动力学模型误差估计算法

本文分析介绍了模型误差对滤波解和预报残差影响的表达式.随后,针对GPS/INS松组合导航系统观测信息无冗余的情况,给出了基于Kalman滤波的动力学模型误差估计算法.最后利用一个车载实测数据证明了算法的有效性.     

GM(1,1)病态问题求解的调整计量单位法

分析了GM(1,1)模型中信息矩阵产生病态的原因,提出调整实测数据计量单位来降低信息矩阵的条件数。根据GM(1,1)模型原理,证明了调整实测数据计量单位不会影响模型的相对残差、平均残差及预测精度。数值实验分析结果表明,调整计量单位法是一种简单、易实现且精确解决GM(1,1)模型病态问题的实用方法。     

基于曲线拟合的AR模型在地铁施工监测中的应用

在地铁施工过程中,进行实时监测、数据分析与预报可以为施工安全提供保障。AR模型可用于对监测数据进行分析与预报,且具有一定的精度。文章在曲线拟合的基础上,计算得到原始观测数据与拟合数据之间的残差序列,代替由差分法计算得到的残差序列,从而建立改进的AR模型,并通过地铁施工监测实例对AR模型与改进的AR模型的预测结果精度进行验证。结果表明:改进的AR模型较AR模型预测结果精度更为准确、可靠。     

卫星间水平距离对双差电离层残差的影响分析

基于TCAR方法,对影响模糊度固定的电离层残差因素进行分析,指出同测站间基线的长短一样,差分卫星间的水平距离也能够影响双差电离层残差的大小,并用实测北斗三频数据验证。实验结果表明对17km短基线,较大的差分卫星间水平距离会降低窄巷模糊度固定的成功率;而对于72.6km的中等长度基线,当双差卫星间水平距离减小时双差电离层残差随之减小,利于窄巷模糊度的固定。     

GPS RAIM算法中的多异常值探测方法

讨论了通过最小二乘法求解GPS观测方程中残差和异常值的特性,推导并改进了利用最小二乘残差探测卫星数据异常值的方法.通过分析可知,尽管残差和异常值存在线性关系,但异常值并不能通过残差来确定,一些残差可能使异常值为零.通过将异常值以及异常值的个数全部转换为最小值的方法可以有效探测多个异常值.根据码信号的电离层和对流层延迟的...     

利用残差通道注意力网络的高光谱图像分类

残差网络能够有效地解决卷积神经网络出现的梯度消失问题,应用于高光谱图像分类取得了良好的效果,但简单地堆积残差单元并不能很好地提高模型性能。通道注意力机制能够有区别地处理卷积层输出的特征图,更好地利用对分类有用的特征通道。为了充分利用残差网络及通道注意力机制的特征提取能力,设计适用于高光谱图像分类的残差通道注意力网络。在残差单元中结合卷积层和通道注意力机制,实现对特征通道的重新调整,并在模型中实现局部残差学习和全局残差学习,促进信息传递,增强模型稳定性。实验结果表明,该方法用于Indian Pines数据和University of Pavia数据能够分别取得98.78%和99.22%的分类精度,在有限数量训练样本的情况下,能够达到较高的分类精度。     

回归分析中内外符合精度指标研究

为了改正目前用于评定回归分析模型的内、外符合精度指标存在的缺陷,提出利用误差理论,依据回归分析中建模数据的模型残差和检验数据的模型残差,分别推导出计算观测值单位权方差真值之无偏估计值的公式,并将其分别定义为模型内、外符合精度检验的指标,且认为这两个指标具有可比性,可以代替当前所用的内、外符合精度指标推广使用.     

傅里叶级数残差修正的TDGM(1,1)模型预测基坑地表沉降

基坑地表沉降预测是城市化进程中的难点问题,由于地表沉降的影响因素众多,使用单一模型预测难度较大.提出一种基于傅里叶级数残差修正的TDGM(1,1)模型(线性时变参数离散灰色模型),利用TDGM(1,1)模型对前期沉降数据进行建模,得到初始预测值和残差后,利用傅里叶级数对残差进行修正,以此修正预测结果.分析对比2组实验,结果表明,改进模型能够有效提高地表沉降预测精度.     

基于ASTER的蛇绿混杂岩带岩性识别

本文运用ASTER遥感数据识别与提取新疆南天山铜花山地区蛇绿混杂岩带岩性信息。首先,利用比值法快速区别岩性,并比较了识别同一种岩性的不同指数的性能;然后,将对数残差算法应用在ASTER数据的短波红外波段上,在区域尺度上把蛇绿岩杂岩体同围岩区分开来;最后,运用标准光谱数据和光谱角填图法识别出多种蛇绿岩成分及其空间分布。现有地质图和野外验证反映出该方法有一定效果。利用混淆矩阵对光谱角填图法分类结果定量评价,结果表明,把ASTER的可见光-近红外、短波红外波段数据结合在一起进行岩性分类,可以达到比单独用短波红外数据分类更高的分类精度。     

The filtering effect of orbit correction on geopotential errors

Summary The geophysical interpretation of satellite tracking residuals generally ignores the filtering effect of initial orbit correction on the true errors of the model. While the filtered information is usually regarded as lost, knowing the spectral characteristics of the filter is a great aid in the detailed interpretation of residuals, especially of global data sets. In this regard, we derive the filter characteristics (admittances) of orbit correction in the presence of geopotential-caused trajectory errors. We then apply the filter to determine the likely power of the lost radial information in crossover differences of sea heights determined from satellite altimetry or in the latitude lumped coefficients derived from them. For example, we find that resonant geopotential information with periods longer than the corrected orbit's arc length is largely lost in residual crossover data. Results are given for GEOSAT, ERS-1 and TOPEX/Poseidon in their Exact Repeat Missions, using calibrated variancecovariance matrices of the harmonic geopotential coefficients of several recent Earth gravity models. To prove that filtering is important, we first employed a simple cut of all perturbing terms with periods longer than the general tracking period (4 days for GEOSAT and ERS-1, and 10 days for TOPEX). But the cut is too crude a method from a theoretical viewpoint, and thus, we developed two new filters. A comparison of their admittances explains the differences (and sometimes anomalous behaviour) between them and the cut. Many numerical examples (single-satellite crossover errors and latitude lumped coefficient errors, as projected from the variance-covariance matrices) are presented.This paper has been presented during the Panel on Satellite Dynamics, at COSPAR 1994, in Hamburg, Germany.     

Analyzing Cognitive Conceptualizations Using Interactive Visual Environments

The conceptualization of spatio-temporal information is an interdisciplinary research area. The focus of this article is on human conceptualizations of spatio-temporal geographic phenomena (also referred to as events). Identifying and understanding human conceptualizations is a crucial component in defining the semantics of spatio-temporal information. However, most research focuses primarily on how humans imbue dynamic phenomena with meaning on a general level. In contrast, this article is concerned with contextual factors (specifically: individual differences) that are too often neglected in general theories and in the analysis of behavioral data. In other words, we are interested in individual or group strategies of participants that are not detected by classical analysis methods. Research on individual difference is gaining widespread attention in cognitive and spatial sciences and it is time to consider individual differences in the area of conceptualizing spatio-temporal information. To understand individual differences in behavioral data on how people conceptualize events, we have developed illustrative software and have combined them with established similarity measures. We demonstrate the feasibility of our approach, its usefulness in analyzing behavioral data, and results that can be obtained through this individualized analysis by reanalyzing four sets of experimental data we previously collected.     

基于增强DeepLabV3网络的高分辨率遥感影像分类

由于高分影像具有地物细节丰富、类别差异大等特点,现有的卷积神经网络影像分类方法普遍存在分类精度低、地物边界不准确等问题。鉴于此,本文提出一种基于增强DeepLabV3网络的影像分类模型。首先构建R-MCN网络结构,利用大小不同的卷积核并结合残差网络的思想进一步提取浅层网络的多尺度、多层次的特征信息;然后采用可学习的上采样方式,并将R-MCN提取的特征与高阶的语义信息相融合;最后通过提出的Mloss损失函数,获得遥感影像的地物分类结果。试验结果表明,相对于传统的卷积神经网络,本文方法能细化地物的边缘信息,改善分类效果,获得更高的影像分类精度。     

The use of local indicators of spatial association to improve LiDAR-derived predictions of potential amphibian breeding ponds

We examined whether spatially explicit information improved models that use LiDAR return signal intensity to discriminate in-pond habitat from terrestrial habitat at 24 amphibian breeding ponds. The addition of Local Indicators of Spatial Association (LISA) to LiDAR return intensity data significantly improved predictive models at all ponds, reduced residual error by as much as 74%, and appeared to improve models by reducing classification errors associated with types of in-pond vegetation. We conclude that LISA statistics can help maximize the information content that can be extracted from time resolved LiDAR return data in models that predict the occurrence of small, seasonal ponds.      

Comparison of SARAL and Jason-1/2 altimetry-derived geoids for geophysical exploration over the Indian offshore

Satellite with ARgos and ALtika (SARAL) altimeter includes the ALTIKA payload, a 35.75 GHz Ka band radar altimeter. High pulse repetition frequency of SARAL (4 KHz) satellite provides better along-track information. Jason-1/2 data have been extensively utilized as a follow-up of TOPEX/Poseidon altimeter data for its accurate measurements of the sea surface heights, particularly for geodetic mission of Jason-1. In this study, we have compared SARAL and Jason-1/2 altimetry-derived classical and residual geoids over the Indian offshore using Rapp’s, EGM96 and EGM08 gravity model coefficients, which are of interest for better understanding of geological and structural evolution/interpretation. SARAL and Jason-1/2 data have also been used over the two prominent geological features over the Indian offshore, namely the Bombay High in the western offshore and the 85°E Ridge in the Bay of Bengal. The SARAL altimetry-derived geoids could delineate these major geological/structural features with distinct residual geoidal lows.     

基于Vondark模型平滑精密单点定位(PPP)授时钟差解

精密单点定位技术(PPP)获得的用于精密授时的钟差解序列会受到观测噪声和模型误差影响,难以高精度描述原子频标的性能和稳定性。为进一步提高授时结果的可靠性,采用Vondark数据平滑方法对PPP的钟差序列进行平滑。算例结果表明平滑后的授时解精度和短期稳定度均有明显改进,同时还发现不同的钟差序列平滑过后效果不一样,认为适用该方法的情况是数据变化规律未知。     

相位补偿SAR差分干涉提取山区DEM算法及精度分析

首先,将去平干涉相位和外部DEM模拟的地形相位作差分,以降低干涉图的条纹率。然后,采用模拟的地形相位对差分干涉图的解缠相位进行补偿得到去平干涉图的解缠相位,并用此相位进行基线精化和高程提取。实验结果表明,该算法可得到高程精度更高的山区DEM。与常规干涉算法相比,它不仅可改善解缠精度,还可得到更加真实且相干性明显改善的相干图,减少因相干性低于解缠时设定的相干性阈值而产生的高程空洞区。相比于＂高程补偿＂算法,其可更有效地削弱残余系统相位以及解缠和外部DEM引入的随机相位误差的影响。     

密集卷积残差网络的遥感图像融合

针对传统的遥感图像融合方法通常会引起光谱失真的问题和大多数基于深度学习的融合方法忽略充分利用每个卷积层信息的不足,本文结合密集连接卷积网络和残差网络的特性,提出了一个新的融合网络。该网络通过建立多个密集卷积块来充分利用卷积层的分级特征,同时块与块之间通过过渡层加快信息流动,从而最大程度地对特征进行极致利用并提取到丰富的特征。该网络应用残差学习拟合深层特征与浅层特征之间的残差,加快网络的收敛速度。实验中利用GaoFen-1（GF-1）和WorldView-2/3（WV-2/3）的多光谱图像MS （Multispectral Image）和全色图像PAN（Panchromatic Image）（MS与PAN的空间分辨率之比为4）评估本文提出方法的有效性。从视觉效果和定量评估结果两个方面来看,本文方法得到的融合结果要优于所对比的传统方法和深度学习方法,并且该网络具有鲁棒性,能够泛化到不需要预训练的其他卫星图像。本文方法通过特征的重复利用实现了光谱信息的高保真并提高了空间细节分辨能力,有利于遥感图像的应用研究。     

城市地图数据合并的平差方法

地图数字合并是指在同名实体匹配的基础上,调整相关地物实体的几何位置,以实现同一地区不同来源地图数据库的集成和信息融合.城市地图数据有其自身独有的特点,因此在对城市地图数据库进行合并时,不仅要消除不同图形空间数据之间的差异,还需要精确保持实体原有形状.本文提出了一种基于最小二乘平差的合并算法,采用附带条件的间接平差方法,...