沉降观测AR模型的不确定性平差算法

在沉降观测过程中,获取的数据经常存在着不确定性,影响参数估计的可靠性和沉降预测的准确性。把不确定度作为参数融入AR模型,建立基于AR模型的不确定性平差模型。依据残差中不确定性传播规律,利用min-max估计准则,使得残差中的最大不确定度达到最小,从一个新的角度探讨不确定性观测数据的处理方法,得到基于不确定性算法的AR模型,扩展了现有误差理论。通过沉降实例进一步验证算法的优越性。     

基于GM(1,1)+AR模型的钟差短期预报改进算法研究

针对传统GM(1,1)+AR组合模型的缺点,提出一种可及时更新建模序列和增强数据间相关性的循环式钟差预报模型,在预报过程中根据预报时刻的不同实时调整AR模型阶数。考虑到原始钟差建模序列长度会对预报精度造成影响,分别使用2 h、6 h、12 h和24 h的钟差序列构建模型。实验结果表明,改进模型的预报精度较传统方法有一定提高,且预报结果更稳定;使用不同长度的钟差序列构建模型对预报结果有一定影响,其中二次多项式模型受原始序列长度的影响较大,改进模型受影响较小。     

基于F-范数的不确定性平差模型的解算方法

为提高基于F-范数的不确定性平差模型的解算效率，给出直接迭代算法进行参数估计。该算法无需SVD，解算过程简单且易于编程计算，同时给出迭代不收敛时的SVD-解方程算法。二元线性拟合及沉降观测AR模型的算例结果表明，这2种算法正确可行，与SVD-迭代算法具有等价性。当迭代收敛时，宜使用直接迭代算法，收敛速度更快，解算效率更高；当迭代不收敛时，可釆用SVD-解方程算法。     

变形观测数据时间序列建模中的几个问题

针对在变形观测数据时间序列建模中所遇到的问题,对变形观测数据时间序列建模中的数据预处理、模型选择、模型定阶与系统稳定性检验等问题进行了研究,提出了分析数据趋势项提取的AR模型方法,编写了C语言计算程序,实现了样条函数插值方法、周期项提取的差值法,建立ARMA分析模型,对变形预测数据与实际观测数据进行了比较.结果表明:该方法的正确性以及时间序列分析方法在变形数据处理与分析中的适用性与可行性.     

非高斯有色噪声影响下的高斯混合滤波算法

针对GNSS/SINS紧组合定姿定位系统在非高斯有色噪声环境下直接使用高斯混合扩展卡尔曼滤波（Gaussian mixture extend Kalman filter, GMEKF）出现的随机模型失配现象,提出一种顾及非高斯有色噪声影响的GMEKF优化算法。该算法在高斯混合模型对非高斯噪声近似的基础上,通过状态扩增和量测组差对非高斯噪声序列中的有色噪声成分进行白化处理,从精化随机模型的角度改善了GMEKF算法的性能。实验结果表明,在非高斯有色噪声环境下,相比于GMEKF,该算法对随机模型建模更准确,将其用于受非高斯有色噪声影响的定姿定位场合中可进一步提高导航解算精度。     

自回归建模预测及其分析

自回归建模(简称AR)是一个变量的未来值用它的历史数据加权之和来表示。本文用三种时序列(均值、一阶差分、二阶差分)进行AR建模预测,择优录用最佳序列。文中对乾县、乌加河、易县等台站的倾斜仪资料进行了自回归建模预测分析,用AIC信息准则判定最佳模型阶数,其预测精度与[4]文方法相当,并有提高。文中对预测时段长度进行了探讨。用确定的预测限对1985年10月5日沙河驿5.3级地震作了预测检验,证实震前有明显的异常。     

一种基于频谱分析和AR补偿的对流层延迟预报模型

利用实测天顶对流层延迟值（ZTD）,在无气象参数条件下,提出一种对流层延迟建模与预报方法。首先利用频谱分析,得到ZTD时间序列周期特性,并在此基础上对ZTD进行建模,给出模型参数计算方法。然后,基于频谱分析模型拟合ZTD,并与实测值进行比较分析。最后,将分析得到的拟合残差用AR模型进行改正并预报。结果表明,基于频谱分析和AR补偿的ZTD改正预报模型能够满足不同测试环境下的需求,精度达到cm级。     

基于边云协同的AR空间分析计算框架

地理数据的增强现实（AR）技术,是地理信息可视化的重要发展方向之一。受限于头戴式AR设备有限的计算能力,已有的地理信息AR研究多集中于地理信息的可视化,并未提供复杂的空间分析计算功能。本文提出了一套基于边缘计算与云计算协同的AR空间分析计算框架。AR端完成空间数据的可视化、人机交互、数据预处理等;云端则完成复杂的空间分析计算任务以及空间数据的持久化存储;边云二元存储方法和三维可视化模型-三维地理模型间的坐标转换模块完成AR端和云端间的高效链接;从而达到高效率的、端对端的协同计算。基于该框架,本文利用头戴式AR设备Hololens,并基于武汉市的建筑物三维数据和天空可视因子算法,实现了在AR可视化的同时进行复杂的空间计算。结果表明,在保证空间分析计算效率和精度的同时,Hololens性能表现稳定,三维空间可视化的体验良好（FPS约35）,证明了边云协同框架下的AR在空间分析计算具有广阔前景。     

多时间序列求关联维D_2

在利用Ｇ．Ｐ．法由单一时间序列计算关联维Ｄ_２的基础上，引入矩阵范数，提出了多时间序列数据联合计算关联维Ｄ_２的算法。这一算法是Ｇ．Ｐ．法的推广。验算结果表明这一算法正确、可行，能提高计算结果的可靠性。     

一种区域精密天顶对流层延迟组合预报模型

针对现有区域天顶对流层延迟(ZTD)模型属于函数或格网型,参数固定,且难以表达ZTD时空快速变化特性等问题,提出一种基于小波变换、傅里叶级数拟合、自回归(AR)、支持向量回归(SVR)的组合预报新模型构建方法。该模型在时域内对ZTD序列进行小波变换,分解出低频和高频序列。低频序列采用傅里叶级数拟合成时间函数,高频序列则由AR进行预报。在空间域内利用SVR建立位置参数向傅里叶级数参数的映射。在该模型中输入时间与位置信息即可获取ZTD预报值。利用94个GNSS基站2 a的ZTD数据进行建模,24个GNSS基站1 a的ZTD数据进行预测对比。结果表明,实测值与模型预报值之间的平均偏差为-2.02 mm,均方根误差为3.07 cm,优于大部分区域ZTD模型。在伪距单点定位测试中,该模型能够显著提高定位精度。实验表明,该组合模型具有较高的预报精度和可靠性,具有一定的应用价值。     

MEMS陀螺仪随机误差KF补偿方法的普适性验证

针对MEMS陀螺仪随机误差成为影响系统导航精度的主要因素及建模存在的普适性等问题，提出一种3次卡尔曼迭代估计的误差补偿方法。采用Allan方差对MEMS陀螺仪随机误差参数进行辨识，同时结合MEMS陀螺仪输出数据自相关与偏相关函数具备的拖尾性，设计基于时间序列ARMA的MEMS陀螺仪误差卡尔曼滤波模型。采用同型号6只MEMS陀螺仪惯性测量单元搭建测试环境，并开展导航验证实验，结果表明，经过滤波处理后的MEMS陀螺仪各项误差系数明显降低，且滤波效果随滤波次数的增加而增强。6组MEMS陀螺仪测试设备显现出的误差减弱趋势具有一致性，姿态误差对比结果也进一步验证了该方法的可行性。     

固体潮观测序列的AR建模方法

证明了某一波群的固体潮理论值加上一个白噪声可用一个ＡＲ（２） 过程表示,固体潮观测序列可用高阶的ＡＲ模型逼近。给出了由ＡＲ 模型参数求解观测序列功率谱的方法,并用九江台资料作了实例分析。该方法可用于对短观测序列进行谱分析,以便跟踪地震短临前兆。     

A study of oceanic reverberation modeling based on a nonlinear low-dimensional dynamic system

Acoustic reverberation signals generated by an experimental explosive source are analyzed by nonlinear dynamical methods. Three characteristic parameters, i.e., the correlation dimension, the largest Lyapunov exponent, and the Koimogorov en-tropy, are estimated in the reconstructed phase space. The results indicate that the reverberation signals are nonlinear. The Volterra adaptive prediction method is introduced to model the oceanic reverberation signals. The reverberation time series can be predicted in short term with small prediction errors. A preliminary conclusion can be reached that the nonlinear low-dimensional dynamic sys-tem model is more suitable for modeling oceanic reverberation than the classical random AR model.     

基于多传感器信息融合的城市边坡监测数据异常事件检测

为预防和管控城市突发地质灾害造成的人民生命和财产损失, 国家针对城市地质灾害易发地区部署了大量的各类传感器, 用来感知和监测城市边坡等地质体的变化情况, 以支持对地质灾害的预警。从边坡监测数据特点和时序数据分析技术出发, 针对监测数据噪声混杂、模式分析困难、预警阈值的不确定性等问题, 给出了一种基于多传感器信息融合的边坡监测数据异常事件检测方法。主要工作包括: ①边坡监测数据变化模式可以归结为周期项、趋势项以及噪声项的叠加, 实践中在预处理基础上对边坡监测数据进行周期为24 h的重采样, 同时趋势项可以近似看作是经典的牛顿运动, 以此构建形变运动模型, 为卡尔曼滤波的状态转移提供理论支持; ②采用集中式衰减记忆卡尔曼滤波, 引入衰减记忆因子, 对多传感器边坡监测数据进行特征级融合, 降低了噪声的影响, 提高了边坡监测数据的可靠性; ③引入惩罚系数, 应用改进的动态时间弯曲算法对于周期序列数据进行相似性度量。在此基础上基于K-means聚类和局部异常因子分析对边坡监测数据进行异常检测, 并基于3σ准则确定预警阈值。该方法能将正常模式和异常模式的时序数据进行区分, 有效检测出边坡监测数据的异常, 为灾害预防提供支持。最后以深圳市典型边坡监测数据为例验证了此方法的可行性。      

基于信噪比检验的双参数岭型Kalman滤波及其在BDS星地联合定轨中的应用

将Kalman滤波病态性诊断与处理相结合，提出基于信噪比检验的双参数岭型Kalman滤波。在分析Kalman 滤波的病态性以及岭型 Kalman 滤波的缺陷后，引入信噪比统计量度量每个待估参数受病态性影响的大小，将待估参数区分为涉扰参数和非涉参数，并利用两个岭参数对两类参数进行不同强度的修正，结合广义岭估计思想给出两个岭参数的选取方法。该算法在降低状态参数估计方差的同时尽量减少岭型Kalman滤波引入的偏差。利用STK仿真5颗GEO卫星+24颗MEO卫星+3颗IGSO卫星的北斗卫星星座并进行分布式自主定轨，结果表明提出的新算法能够有效改善病态性对Kalman滤波的不良影响，且相对于岭型Kalman滤波具有更高的定轨精度。     

考虑卡尔曼滤波伪观测值的Helmert方差分量估计及其在GPS/BDS组合PPP中的应用

在GPS/BDS组合PPP中，引入基于卡尔曼滤波的Helmert方差分量估计来确定PPP中各类观测值的权重，针对卡尔曼滤波预报值权阵与观测值权阵验前单位方差不一致的情况，将卡尔曼滤波预报值作为伪观测值，与观测值一并进行Helmert方差分量估计处理。实验证明，该方法能够在合理确定当前历元各类观测值权重的基础上，有效平衡观测信息与预报信息对参数估计的贡献，可显著改善GPS/BDS组合PPP的收敛速度与定位精度。     

EMD-Wavelet����ģ���ڶ�̬�������ݴ����е�Ӧ��

????????·????????????????GPS???ж?????????????????????η???????????????С????????????EMD????????????????????μ?????????????????EMD??Wavelet????????????????????????е?????????С????????EMD?????????????н???EMD?????????????????????????????????????С???Wavelet??Kalman?????Kalman?????EMD?????EMD??Wavelet??????????????????????С????????????????????????????EMD??Wavelet?????GPS??????μ??????????????????     

Kalman滤波在GPS/BDS组合伪距差分定位中的应用

随着各国卫星导航系统的蓬勃发展,单一的GPS系统时代正逐步转变为多系统并存且兼容的全球性卫星导航系统(GNSS)时代。相比于单一卫星导航系统,多系统组合将显著增加可视卫星数目、改善卫星空间几何结构,多系统组合导航定位将是必然的发展趋势。滤波算法是减小GNSS定位随机误差的重要方法,利用非线性滤波方法可消除多种随机误差,从而提高导航定位精度。该文实现了基于Kalman滤波的GPS/BDS组合的伪距差分定位,并将其与最小二乘方法进行比较。实验结果表明:基于Kalman滤波的GPS/BDS伪距差分的定位精度能达到分米级,在差分定位解算过程中,多卫星系统伪距差分精度明显优于单卫星系统伪距差分精度,Kalman滤波解算的精度明显优于最小二乘解算的精度。     

基于混沌时间序列的地下水位多步预测模型

利用相空间重构技术,并借助G-P算法、C-C方法和Wolf方法从宁陵地区地下水位一维时间序列中提取Lyapunov指数,结果表明此时间序列具有混沌特征。计算了宁陵地区地下水位时间序列的关联维数、时间延迟和最大Lyapunov指数,将局域加权一阶多步预测模型应用于地下水位预测。预测表明,此模型可有效应用于地下水位时间序列的多步预测。