迭代重构算法在三维水汽场构建中的应用

水汽是大气中活跃而富有变化的成分,在大气能量传输和天气系统的演变中起着非常重要的作用。以GPS斜路径湿延迟(SWD)为观测值,通过附加水平约束和垂直约束条件,建立联合观测方程,采用迭代重构算法,可以重构局地上空的三维水汽空间分布。结果表明:联合迭代重构算法要优于代数重构算法;在香港地基、渤海区域GPS三维水汽层析解算中,初值分别选用无线电探空资料、MM5探空资料得到的大气湿折射率的精度更高;最佳松弛因子的选取是算法实现关键,文中以均方根差RMS作为迭代质量优劣的标准对最优松弛因子进行搜索。     

代数重构算法在GNSS水汽层析解算中的应用

全球导航卫星系统(GNSS)水汽层析反演技术是目前获取对流层水汽三维分布的重要方法。考虑到代数重构算法在迭代反演中具有节省计算机内存且计算稳定度高的优点,对代数重构算法在GNSS水汽层析中的应用进行了研究。研究结果表明,受水汽在对流层中的分布情况的影响,传统的加法代数重构算法在实际的层析解算中,会出现较大的重构误差,而乘法代数重构算法和调整了松弛参数向量的加法代数重构算法则大大提高了层析解算的精度;代数重构算法较附加约束条件的层析解算方法更易受到观测值误差的影响,但采用乘法代数重构算法可以获得优于加法代数重构算法的结果。     

GNSS水汽层析的自适应代数重构算法

代数重构算法在对流层三维水汽反演中具有一定的优势,系统研究了加法代数重构、乘法代数重构、联合代数重构这3种算法,并发展了自适应代数重构算法。该算法针对3种传统算法中误差分配的不足进行了改正,提出了顾及体素块水汽密度变化对全球导航卫星系统(global navigation satellite system, GNSS)斜路径水汽含量影响的动态误差分配原则。此外,将基于GNSS信号的高度角定权模型引入到该算法中,使层析结果更靠近高精度的观测值。利用2016年7月徐州连续运行基准站系统的GNSS实测数据和探空站数据对该算法进行分析,试验结果表明,3种自适应算法反演的水汽密度的均方根误差、标准差、平均绝对偏差都低于传统算法,其中,均方根误差分别降低了25.91%、15.81%和24.64%。在小雨、中雨、大雨3种天气条件下,自适应代数重构算法的水汽廓线分布均优于传统算法的结果,其中,自适应联合代数重构算法反演的水汽廓线与探空廓线最一致。     

一种适用于电离层电子密度重构的AMART算法

针对传统乘法代数重构算法（MART）迭代精度不高的问题,提出一种自适应电离层层析新算法。一方面,该算法根据射线穿越像素点的截距和电子密度值的综合影响,合理地分配迭代差值;另一方面,提出一种与电子密度值相关的自适应松弛因子,有效克服传播噪声对电子密度反演的影响。试验采用全球电离层图（GIM）数据和GPS双频观测数据分别从单射线迭代和多射线迭代两个方面对新方法的可行性和优越性进行验证。试验结果表明,相对于传统的MART算法,本文方法反演电子密度剖面更接近电离层测高仪观测结果。     

基于Kalman滤波的断层扫描初步层析水汽湿折射率分布

给出了基于GPS信号湿延迟的层析格网模型的建立方法,对Kalman滤波层析水汽算法给出了详细的推导说明,采用给定的算法初步层析了香港区域水汽湿折射率分布.结果显示,基于Kalman滤波的层析算法可以较好地重构水汽的空间分布,较之附加约束条件的层析算法更加容易实现与计算.     

一种基于传统MART的电离层层析新算法

层析算法研究是电离层层析技术的关键。针对传统的乘法代数重构算法(MART)存在精度不高的问题,提出了一个改进的电离层层析算法(IMART)。该算法一方面将像素内的截距值与电子含量作为组合量,构造了新的组合量;另一方面改变了松弛因子的获取方式,削弱了噪声对反演结果的影响。利用GPS实测数据,对该算法的可靠性和优越性进行了仔细验证。根据统计分析和定量比较的结果,发现该算法表现出显著的重构精度且相较于其他经典层析算法有18%的提高。     

改进的半参数模型法在GNSS时间序列季节性信号提取中的应用

GNSS基准站坐标时间序列具有明显的季节性变化。基于谐波函数模型的最小二乘拟合方法只能得到固定振幅的季节性信号,而真实的季节性信号其振幅是变化的。采用半参数模型进行季节性信号提取时又存在最优平滑因子确定困难、迭代速度慢的问题。提出一种赋相对权比的半参数模型,采用迭代更快速的黄金分割法与改进效率法相结合的策略确定最优平滑因子。通过模拟数据实验,验证了改进模型的可用性。实验表明:改进方法的计算效率明显提高,对于10 a长度的模拟数据,相较GCV函数法搜索速度提高68.1%,相较L-曲线法速度提高25.8%;计算精度较最小二乘法和半参数模型法均有提高,所得残差中没有明显的季节性信号。     

加权距离排序的水汽层析算法

针对代数重构算法中投影顺序对迭代收敛速度及精度的影响,该文提出了基于加权距离排序的算法。该算法可以优化新选择的投影与先前所用的投影序列之间的角距离,同时能够使得投影分布均匀,从而减小相邻投影之间的相关性;同时对层析方程组按照精度高低进行分组,保证了最终解更接近于实际观测数据;并在所有的实验中使用了非负约束,使得结果符合水汽密度的非负特征。基于香港卫星定位参考站网数据的实验结果表明:加权距离排序算法能够提高代数重构算法的收敛速度与精度。     

基于水汽密度比例因子的三维水汽层析算法

针对传统水汽密度层析方法的缺点,设计并实现了一种基于水汽密度比例因子的三维水汽层析算法,提高了观测数据的利用率。利用香港CORS网的实测GPS和气象数据,并结合研究区域内45004探空站的探空数据,验证了该算法用于实测数据的可行性及精度,并分析了不同天气对层析新算法的影响。试验结果表明:该算法在观测数据的利用率上远大于传统层析方法,以探空数据为参考基准,RMS、水汽廓线相关系数和误差分布均优于传统方法。此外,降水天气对层析结果影响要比无降水天气的影响大。     

地基GPS水汽层析的投影面算法

水汽层析技术在研究气候变化、极端天气预警、辅助数值天气预报等方面发挥着重要作用。常规的水汽层析技术在计算层析方程系数时,需要进行大量的求交运算。对此,本文提出了一种投影面算法,提高了运算速度和反演的精度。本文采用的试验数据是香港卫星定位参考站网(SatRef)提供的GPS信号数据,与传统算法相比,投影面算法的计算速度更快、计算量更小,不受层析区域大小影响,水汽层析的结果与探空数据具有良好的一致性。     

A new two-step algorithm for ionospheric tomography solution

Ionospheric tomography inverse algorithms are usually an ill-conditioned problem because the geometric distribution of continuously operating reference GPS stations is not ideal for this task. In order to cope with such ill-conditioning, a new tomographic algorithm, termed two-step algorithm (TSA), is presented. The electron density is estimated in two steps: Phillips smoothing method (PSM) is first used to resolve the ill-conditioned problem in the ionospheric tomography system, and then, the PSM solution is input as an initial value to the multiplicative algebraic reconstruction technique (MART) and iteratively improved. Numerical simulations using the International Reference Ionosphere 2007 model demonstrate that the TSA is applicable to GPS-based ionospheric tomography reconstruction and is superior to PSM and MART when these techniques are used alone. The new algorithm is applied to reconstruct the ionospheric electron density distribution over China using GPS observations, and a comparison with ionosonde observations is made.     

Three-dimensional ionospheric tomography by an improved algebraic reconstruction technique

An improved algebraic reconstruction technique (IART) is presented for the tomographic reconstruction of ionospheric electron density (IED). This method applies the total electron content (TEC) measurements to invert the spatial distribution of the IED from a set of apriori IED distributions. In this new method, a data-driven adjustment of the relaxation parameter is performed to improve the computation efficiency and image quality of the classical algebraic reconstruction technique (ART). In addition, the new algorithm is also combined with ionospheric space discretization technique to simplify the inversion of IED, and it applies CHAMP occultation data to improve the vertical resolution. A numerical simulation experiment is carried out to validate the reliability of the new method. It is then applied to the inversion of IED from real GPS data. Inverted results show that the IART algorithm has better accuracy and efficiency than the conventional ART algorithm. The reliability of the IART algorithm is also validated by ionosonde data recorded at Wuhan station.     

基于影像序列的相机分步自动标定方法

相机的自动标定是计算机视觉中根据影像序列进行场景欧氏重建的关键问题。在引入计算机视觉几何中若干基本概念的基础上,讨论了基于影像序列分步进行相机自动标定的基本原理,推导了该自动标定方法的实用计算公式,提出了采用牛顿迭代法进行参数答解的方法。同时,首次提出了一种三像标准投影矩阵组向同一参考系投影矩阵的线性转换算法。实验结果表明,所述的基于影像序列的相机自动标定方法是正确有效的。     

基于影像序列的相机分步自动标定方法

相机的自动标定是计算机视觉中根据影像序列进行场景欧氏重建的关键问题.在引入计算机视觉几何中若干基本概念的基础上,讨论了基于影像序列分步进行相机自动标定的基本原理,推导了该自动标定方法的实用计算公式,提出了采用牛顿迭代法进行参数答解的方法.同时,首次提出了一种三像标准投影矩阵组向同一参考系投影矩阵的线性转换算法.实验结果表明,所述的基于影像序列的相机自动标定方法是正确有效的.     

基于GPS矢量观测信息的姿态确定算法

用于GPS姿态确定的矢量化算法可等价于两级最优问题。第一级把GPS载波相位观测量转换为矢量观测量。第二级是Wahba问题，即从矢量观测量获得最佳姿态解。Wahba问题可用四元数法求解，如QUEST方法。本文采用基于小角度的迭代法求解Wahba问题。在均衡星座或均衡基线务件下，两级最优解亦是全局最优解。实验结果表明迭代解的精度与QUEST解相同。实验中也应用了改进的TRIAD算法以比较两级最优解。     

加权总体最小二乘的效率优化算法

加权总体最小二乘法是理论上估计EIV模型参数相对严密的方法，其迭代过程中涉及的矩阵运算较为耗时，在处理大量级数据时尤其明显。PEIV模型有助于提高加权总体最小二乘法的计算效率。本文基于PEIV模型和经典最小二乘准则给出了一种加权总体最小二乘法算法，算法的推导过程简洁，易于理解，迭代过程中无需重构矩阵，减少了矩阵运算量。最后通过仿真试验验证了算法的可靠性。试验结果表明，本文算法可以取得与现有算法相同的参数估计精度且计算效率更高。     

快速同伦算法在非线性最小二乘平差中的应用

针对线性化近似法模型误差大,牛顿迭代法和高斯-牛顿法局部收敛等不足,而同伦算法在非线性数据处理方面有独到优势。通过对同伦路径跟踪过程中牛顿迭代终止判据和步长控制策略进行了改进,得到了一种快速、稳定的同伦路径跟踪算法。     

Is Newton's iteration faster than simple iteration for transformation between geocentric and geodetic coordinates?

Summary Two iterative algorithms for transformation from geocentric to geodetic coordinates are compared for numerical efficiency: the well known Bowring's algorithm of 1976, which employs the method of simple iteration, and the recent (1989) algorithm by Borkowski, which employs the Newton-Raphson method. The results of numerical tests suggest that the simple iteration method implemented in Bowring's algorithm executes approximately 30% faster than the Newton-Raphson method implemented in Borkowski's algorithm. Only two iterations of each algorithm are considered. Two iterations are sufficient to produce coordinates accurate to the comparable level of 1E-9 m, which exceeds the requirements of any practical application. Therefore, in the class of iterative methods, the classical Bowring's algorithm should be the method of choice.     

加速迭代硬阈值ISAR稀疏成像

加速迭代硬阈值(AIHT)作为一种压缩感知(CS)算法,具有计算复杂度低、内存占用小的特点,在较小数目的观测下,经过有限次迭代便能获得较好的重建效果。因此,本文将该算法应用到逆合成孔径雷达(ISAR)稀疏成像,对该方法的具体特征和适用性进行了详细分析。仿真结果表明,在相同信噪比和回波脉冲数条件下,基于AIHT的ISAR成像方法,相比于稀疏贝叶斯算法(SBL),在重建时间上缩短了至少2个量级;相比于迭代加权最小二乘法(IRLS)和平滑l0范数算法,在重建质量上提高了约3倍。经实测数据处理结果验证,在1/4原始脉冲数条件下,该方法仍具有良好的聚焦性能和压低旁瓣效果。