遥感影像空间尺度特性与最佳空间分辨率选择

尺度概念是理解地球系统复杂性的关键,尺度问题被认为是对地观测的主要挑战之一,而结合具体研究应用领域,由地学现象的尺度本身出发,选择所需遥感影像的最佳尺度和分辨率,是非常有现实意义的.本文在深入剖析了遥感影像的尺度特性和遥感影像尺度选择的意义的基础上,探讨了基于地统计学方法定量选择遥感影像最佳空间分辨率的方法.阐明了传统局部方差方法不能得到理想结果的原因:传统的局部方差方法的实质是基于变化地面面积计算影像局部方差的均值,而基于这样不同甚至是相差悬殊的地面面积进行局部方差计算,其结果必然不具有可比性.对此,本文提出了基于可变窗口与可变分辨率的改进局部方差方法,即依次降低空间分辨率时,高分辨率采用大窗口尺寸,低分辨率采用小窗口尺寸来维持计算窗口内的地面面积的一致,由此计算出的局部方差作比较来判定遥感影像最佳分辨率.进行了系列实验分析,得到了相关结论,分析得出这种基于地统计的方法来选择遥感影像最佳分辨率的方法,对遥感和GIS研究与地学应用具有一定的理论意义和指导意义.     

分组并行的交叠式Allan方差快速算法

针对标准式Allan方差计算效率低、稳定性差的问题,该文构建了一种局部交叠的快速Allan方差算法.该算法采用分组并行运算的方法,通过局部的交叠式处理,得到指数变步长的数据簇.然后利用标准Allan方差公式获得对应数据簇的Allan方差值,最后绘制双对数曲线分析误差类型与大小.仿真与实测结果表明:与标准式Allan方差相比较,该算法不仅能够更精确地分离和计算噪声系数,而且大幅度提高了解算效率,长度为720 000个样本点的数据解算时长从26.71 min 降低到0.35 s.     

CORS站高程非线性速度场及方差波动模型构建方法

本文描述了CORS站高程时间序列采用固定周期项建立线性速度场的基本概念，指出给定周期与实际周期存在偏差的问题。为此，提出了CORS站高程时间序列非线性速度场建模方法。该方法以线性最小二乘解作为迭代初值，利用高斯-牛顿迭代算法求解非线性速度场模型的未知参数，实现了CORS站高程时间序列数据的非线性建模；给出了拟合模型残差平方序列异方差特性的检验方法，阐述了建立GARCH（p，q）模型反映CORS站高程非平稳序列波动情况的基本准则。本文以国内外6个CORS站20余年的高程时间序列为研究对象，建立非线性速度场运动模型。结果表明：CORS站高程运动并不存在严格的整年或半年周期项，近似年周期运动最为明显，近似两年周期运动占比最小，年周期估计偏差达到12%，半年周期偏差18%，两年周期偏差6%，非线性建模精度和效果整体优于线性模型。利用ARCH检验法得到CORS站高程非线性模型的残差平方序列存在异方差性，即残差平方序列具有非平稳特性，引入GARCH（p，q）模型对CORS站高程分量非平稳残差平方序列建模，反映了残差平方序列的非平稳波动。验证了GARCH（p，q）模型对CORS站高程非平稳残差平方序列建模的可行性，为今后利用GARCH（p，q）模型对CORS站高程非平稳噪声序列建模和非线性速度场重构提供了思路。     

导航卫星原子钟频率稳定度估计的小波方差方法

国内外学者对小波方差理论在原子钟性能分析方面的应用做了一些研究,但相关文献对小波方差的定义及其表征稳定度的特性描述却并不完全一致,这给应用研究造成不便。为此,首先根据时域方差定义的原理,相应地提出了小波方差、重叠小波方差和小波总方差的概念,然后经综合归纳,针对性地选择给出了应用于原子钟频率稳定度估计的"尺度域"小波方差的定义计算公式及等效自由度的计算方法。最后,通过一个算例与时域方差进行比较分析,总结明确了两者的关系及小波方差的特点,从而说明小波系列方差可以有效地进行原子钟频率稳定度的估计。     

几种不同时频分析法对INS信号的分析和比较

目前用于分析INS随机噪声的方法主要有Fouirer变换、功率谱密度以及Allan方差法.针对INS信号中存在的几种噪声,分别给出了它们的功率谱密度函数和Allan方差;分析了它们在时频域表达中的不同特性;最后用模拟数据和实测数据对这3种时频域分析法进行了比较和验证.结果表明:相比于Fouirer变换和功率谱密度法,Allan方差法在随机噪声分析方面具有明显的优势,不仅能够分析出信号中不同噪声的特性,还能够确定其系数的大小.     

GNSS模糊度降相关性能的条件方差平稳度评价法

GNSS模糊度降相关通过整数变换优化条件方差的排列顺序,提高搜索效率。降相关和条件方差的关系及其评价是关键问题之一。针对这一问题,本文从理论上分析了排序后模糊度降相关与条件方差之间的数值关系,发现降相关性能与条件方差数值序列的平稳性有关,降相关性能越强,条件方差数值序列越平稳。基于这一理论关系,给出了"条件方差平稳度"定义,并将其作为评价降相关性能的指标。通过模拟和实测数据验证,并采用条件方差变化趋势图和搜索时间来定性和定量评价降相关性能,用以判定条件方差平稳度的合理性。试验结果表明,条件方差平稳度可以较精确直观地衡量模糊度的降相关性能。本文定义的指标揭示了模糊度降相关的本质。     

低精度光纤陀螺随机误差的辨识与仿真

陀螺随机漂移是影响惯性导航和组合导航精度的重要因素。为了有效辨识出光纤陀螺随机漂移噪声的参数,采用了自相关函数、功率谱密度和Allan方差对实测陀螺数据进行分析。实验结果表明:自相关函数、功率谱密度和Allan方差都能有效辨识出陀螺输出信号中的角度随机游走噪声,只有Allan方差能辨识出其中的角速率随机游走噪声。Allan方差可以为光纤陀螺随机漂移建模提供参考。     

顾及有色噪声的光纤陀螺随机噪声自适应滤波方法

作为光纤陀螺误差的重要组成部分,随机噪声严重影响着光纤陀螺的精度,对光纤陀螺随机噪声进行准确建模和补偿是提升陀螺精度的有效方式。本文针对光纤陀螺随机噪声的复杂性,难以对其进行精确分析,ARIMA （auto-regressive moving average）模型Kalman滤波中有色噪声不能使用状态扩充法建模的问题,扩展了Harvey方程,实现有色噪声白化。同时,考虑先验噪声的不确定性以及模型参数在线更新导致的参数与状态噪声相互耦合,分析了动态Allan方差估计量测噪声的不足,使用VBAKF （variational Bayesian adaptive Kalman filter）实时修正滤波状态噪声与量测噪声。试验表明,Harvey法较传统滤波建模方式,随机噪声序列方差降低40%,Harvey法结合VBAKF使序列方差降低了54%;VBAKF较动态Allan方差,可以更好地估计量测噪声。结果表明,此方法可有效抑制随机噪声Kalman滤波中有色噪声和随机模型不准确的影响,提高随机误差补偿精度。     

并行蚁群算法及其在区位选址中的应用

提出基于多叉树并行蚁群算法的区位选址优化方法.算法依据蚁群算法具有的并行特性,采用GPU(graphic processing unit,图形处理器)并行运算技术,对地理空间进行多又树划分,收集蚂蚁在多又树层间旅行时逐步留下的信息素信息,进行路径选优获得理想的候选解,从而为解决平面空间资源优化配置问题提供新的思路.实验结果表明,与普通蚁群算法相比,采用基于多叉树搜索的并行蚁群算法,能够发挥蚁群算法的并行特征,在短时问内求得较为理想的解,适合计算大区域的空间资源配置问题.     

SVM后验概率结合改进多尺度MRF的遥感影像分割方法

采用SVM方法估计似然概率,克服了混合高斯模型对观测场建模不准确的问题;通过改进的多尺度MRF模型,在标记场建模时充分考虑了各尺度之间和同一尺度内的相关性,进一步准确描述了标记场的统计特性.最后利用改进的建模方法,在序贯最大后验概率估计算法框架下进行影像分割.通过对人工合成影像和实际遥感影像的分割实验结果分析,证明了本文方法能够有效提高分割效果.     

GPS残差信号提取的时间序列分析方法

作者使用零基线单差模型研究并讨论了GPS量测噪声的时相关特性,并得出了GPS观测噪声具有类似白噪声或一阶高斯马尔科夫噪声的特殊性质。利用观测噪声所具备的这种特殊性质,作者首先尝试了从时间域的角度分离和提取了残差序列中的多路径信号特性,成功验证了多路径信号在连续两个恒星日内会有所重复的结论。作者提出了一种使用时相关分析法检测观测序列中周期信号(如冰期反弹、固体潮、极潮等)的设想并就其可行性进行了分析研究。最后,针对观测噪声的这种特殊性质,探讨了结合使用小波分析法提取GPS沉降监测信号的可行性。     

利用Allan方差分析GPS非差随机模型特性

非差GPS定位中,通常采用以观测值服从高斯白噪声条件的估计准则进行参数求解。研究表明卫星端误差、传播路径误差、测站环境误差等会破坏观测值的白噪声特性,并且未模型化误差同样具有不利影响。这不仅破坏了估计准则的假设条件,而且部分非白噪声有可能被状态参数吸收,影响估计的准确性。本文将观测值白噪声、有色噪声和未模型化误差一同纳入GPS非差随机模型,以验后残差来表征GPS数据的随机特性,进行Allan方差分析,研究噪声成分及其参数。结果表明,GPS非差噪声组合主要为WN+GM,相位白噪声为2.392mm,GM过程噪声为4.450mm/s,相关时间为52.074s,伪距白噪声为0.936m,GM过程噪声为0.833m/s,相关时间为14.737s,相位的GM过程噪声与卫星相关性较大,而其余噪声则与测站相关性较大,大量分析结果表明GPS非差随机模型并不服从高斯白噪声假设,有待精化。     

一种改进的GPS区域叠加滤波算法

GPS时间序列的空间滤波可以提高观测数据的信噪比，有利于获取更高精度的地壳形变信息。区域叠加滤波算法的空间滤波结果随着测站数和空间尺度不同而不同，不利于研究GPS时间序列中的形变信息。为了削弱区域叠加滤波受空间尺度的影响，提出一种不以空间尺度作为约束条件，同时引入相关系数和距离因子的区域叠加滤波算法。采用2010—2017年中国区域260个GPS连续观测站的时间序列展开空间滤波方法的研究，计算结果表明，对比相关性区域叠加滤波算法，考虑GPS时间序列之间的相关系数和距离因子更有利于提取GPS时间序列中的共模误差，且受空间尺度的影响较小。对比3种不同距离因子的区域叠加滤波算法，可知引入距离反比的空间滤波算法可实现更优的空间滤波。采用该方法空间滤波后可使GPS时间序列残差降低30%~40%，GPS速度场精度提高30%~40%。此算法实现了更优的GPS形变场估计，为研究中国区域的地壳运动和其动力学机制提供了可靠的数据基础。     

SDINS/GPS in-flight alignment using GPS carrier phase rate

The alignments of the strapdown inertial navigation system (SDINS) utilizing GPS carrier phase rate measurements is introduced. In this paper, a measurement model of GPS carrier phase rate under two antenna configurations is derived in order to be used for the SDINS alignment process. For in-flight alignment, the performance of the proposed SDINS/GPS integration method is analyzed using the covariance analysis and the overall performance is briefly confirmed by the navigation result of a van test. Furthermore, we find that during in-flight alignment the proposed SDINS/GPS integrated system using GPS carrier phase rate measurements can be implemented in real time because the integer ambiguity problem resulting from carrier phase measurements is avoided.     

Theory of second order stationary random processes applied to GPS coordinate time-series

The analysis of Global Positioning System (GPS) coordinates time series is a valuable tool in quantifying crustal deformations. The longer continuous GPS time series allow estimation of nonlinear signatures. As a matter of fact, besides the linear and periodic behaviors, other relevant signals are present in such time series as the so-called transient deformations. They can be related to, e.g., slow slip events, which play a crucial role in studying fault mechanisms. To give reliable estimates of these signals, an appropriate and rigorous approach for defining the deterministic and the stochastic models of the data is needed. We prove that the theory of the second order stationary random process (SOSRP) can be used to describe the stochastic behavior of the daily GPS time series. In particular, the second order stationarity condition has to be verified for the daily GPS coordinate time series to be described as a SOSRP. This method has been already used for modeling the gravity field of the earth and in predicting/filtering problems, and this work shows that it can also be useful for characterizing the colored noise in the GPS time series.     

Auto-covariance estimation of variable samples (ACEVS) and its application for monitoring random ionospheric disturbances using GPS

 Ionospheric variation may be considered as a stationary time series under quiet conditions. However, the disturbance of a stationary random process from stationarity results in the bias of corresponding samples from the stationary observations, and in the change of statistical model parameters of the process. From a general mathematical aspect, a new method is presented for monitoring ionospheric variations, based on the characteristic of time-series observation of GPS, and an investigation of the statistical properties of the estimated auto-covariance of the random ionospheric delay when changing the number of samples in the time series is carried out. A preliminary scheme for monitoring ionospheric delays is proposed. Received: 18 August 2000 / Accepted: 12 April 2001     

GPS phase accelerations for moving-base vector gravimetry

For airborne gravimetry using INS and GPS, the accelerations from both systems are differenced to yield the gravity acceleration. Usually, the GPS acceleration is determined by first solving for the position of the vehicle relative to a base station and subsequently taking two time derivatives of the vertical component. An alternative method is to time-differentiate the observed phases directly, thus avoiding the cycle ambiguity problem that must be solved for positioning and that is fraught with (certainly not insurmountable) difficulties in the event of a cycle slip. Due to the largely unpredictable receiver-clock errors and the imposition of the Selective Availability degradation, doubly differenced (in space) phase accelerations are used to obtain the relative vehicle accelerations. Test results for stationary receivers show that the acceleration vector can be determined from phase accelerations to an accuracy of 1 mgal for 40-s averages. The mathematical formulation of the acceleration determination also highlights certain other advantages over traditional methods, such as the avoidance of the E?tv?s correction, although a similar kind of velocity effect must be determined. Received: 9 September 1996 / Accepted: 14 April 1997     

载波相位约束整周模糊度在短基线RTK中的应用

针对单历元RTK定位中受到卫星升起、周跳频发等外界条件干扰时,整周模糊度长时间不能固定,严重影响RTK定位实时精度的问题。文中提出一种用载波相位约束整周模糊度的方法来提高模糊度固定率、Ratio值和解算精度,并且结合GPS单系统、GPS/GLONASS双系统两组实测数据进行未加入和加入载波相位约束整周模糊度的比较实验。结果表明该方法可行。     

GPS Application to Time Transfer and Dissemination

The Global Positioning System (GPS), in addition to providing precise navigation and positioning information, produces precise time and frequency measurements. These measurements result from the atomic clocks in the GPS satellites, which are closely coupled to Universal Coordinated Time as maintained by the U. S. Naval Observatory [UTC(USNO)]. The application of these measurements to timekeeping and other systems requiring precise time and frequency is distinct from the navigation/positioning mission. This article will describe the differences in application of GPS to time and frequency uses. These uses will be described in the major areas of timekeeping; stationary uses, such as communications networking; and mobile use for aircraft and shipboard applications. The major considerations in application and operation with precise and less-capable oscilators will be described. Examples and data will be presented to illustrate the applications. ? 1999 John Wiley & Sons, Inc.     

基于滑动L2优化准则的GPS坐标时间序列重构

GPS坐标时间序列中不仅包含白噪声,还包含闪烁噪声、随机漫步噪声等有色噪声,这些噪声将影响GPS应用的可靠性,甚至可能对一些地球物理现象做出错误的解释,因此降低GPS坐标时间序列中有色噪声的影响、提高GPS精度是一个重要和基本的问题。提出了一种滑动L₂优化估计方法(ML₂),通过选取合适的窗口建立L₂优化模型,再利用交替迭代乘子法求解每段时间序列的优化问题,并逐年滑动得到整段GPS坐标时间序列的估计。实验结果表明,ML₂方法与奇异谱分析、小波分解、滑动普通最小二乘法相比具有更好的重构效果。