海底大地基准点圆走航模式定位模型及分析

圆走航模式是确定海底大地基准点位置的常用测量模式.本文对圆走航模式的定位效能进行了系统分析.首先分析了顾及声速剖面变化规律的声学测距非差定位模型和削弱系统误差影响的历元间差分定位模型,然后分析了圆走航模式下非差、单差定位模型的定位效能,包括位置参数的可估性,不同分量位置精度的最佳测量半径、所达到的理论精度,以及测距误差对定位参数的影响等.理论分析发现,在标准圆走航模式下,为确保基准位置不同分量精度应有不同的最佳测量半径,前后历元差分定位模型对高程分量不可估.模拟数据及实测算例均发现,圆走航模式下差分定位模型虽然削弱了测距系统误差的影响,但同时也降低了设计矩阵几何观测强度,甚至会造成观测模型病态化,导致差分模型深度信息估计精度明显削弱.     

顾及仪器参数和基准的高精度重力控制网抗差估计

考虑观测仪器系统参数以及异常观测数据对参数估值的影响,讨论了平差中系统参数、重力基准的选择,并采用抗差剔除或削弱异常观测数据的影响,采用实际观测数据进行了试算。     

我国沿海及海域1′×1′垂线偏差模型的研究与建立

研究并给出了建立我国沿海及海域 1′× 1′网格化垂线偏差数字模型的方法 ,由该模型计算任一点垂线偏差的方法 ,以及海洋垂线偏差的精度估计方法。采用文中给出的方法建立了我国沿海及海域 1′× 1′垂线偏差模型。采用沿海及岛屿高精度天文大地点检核了相应区域垂线偏差的计算精度 ,在此基础上分析并给出了 1′× 1′垂线偏差模型在不同区域计算任一点垂线偏差的精度估值。即 :在远海有少量重力数据区域精度为± 4″,在近海区域精度为± 1 5″,在沿海及附近岛屿精度优于± 1″。     

BDS/GPS融合定位中系统偏差补偿模型及其性能分析

多系统的融合定位可有效提高用户导航定位的连续性、可靠性及定位精度。针对BDS、GPS观测量间存在系统间偏差的实际情况,建立了顾及系统误差的BDS/GPS融合定位模型,即在函数模型中增加附加参数来吸收系统间偏差,构造了新的顾及先验信息的融合定位模型,分析了这种新融合模型的特点及其对定位结果的影响。利用不同品牌接收机在中国不同地域对新的融合模型进行试验,试验结果表明:BDS、GPS观测量存在系统间偏差,且不同接收机的系统间偏差量值并不一样;增加系统参数的融合定位模型能较好地吸收BDS、GPS观测量的系统间偏差的影响,改善其融合导航定位性能;在观测卫星数不足、单系统不能定位的情况下,考虑先验信息的融合定位模型仍能获得较好的定位结果。     

大地测量数据融合模式及其分析

一般情况下,基于观测信息和基于各类导出信息(如平差结果)的最小二乘融合是等价的,但若函数模型和随机模型存在误差时,则不同的数据融合模式会得出不同的结果.讨论了具有函数模型误差、随机模型误差的两种数据融合模式,即基于观测信息的融合模式和基于平差结果的融合模式,从理论和实际计算两个方面对两种融合模式的优缺点进行了讨论和分析.     

多类大地测量数据的融合方法及其比较

本文针对多类大地测量数据处理问题,讨论了多类大地测量数据的抗差解融合、方差分量估计解融合、基于抗差解的方差分量估计融合以及顾及参数先验信息的自适应融合等数据处理方法,采用这些方法能合理地调整不同种类观测量间的权比以及观测量与参数先验信息问的权比。实际算例表明,采用这些融合方法能明显地提高多类大地测量数据处理的结果精度。     

附加深度差和水平距离约束的深海控制点差分定位算法

针对现有方法确定海底控制点（应答器）三维坐标垂直解偏差大的问题，提出了附加控制点间深度差和水平距离约束的差分定位算法。首先研究了声速剖面的变化规律，并分析了声速剖面的不确定性对测距误差的影响。其次，根据测距误差的变化规律设计了相应的测线，并提出了适合这种走航策略的差分算法。仿真试验的结果显示，相比于传统方法（圆走航），控制点垂直解的偏差由30多个cm减小到了10 cm左右，表明本文提出的方法可以有效改善控制点定位垂直解偏差大的问题。     

海底控制点定位的半参数平差模型法

针对圆走航确定海底控制点三维绝对坐标存在垂直解精确度差的问题,本文提出了基于半参数平差模型处理测距系统误差的方法,首先分析了声速变化对测距误差的影响,其次在圆走航观测方程的基础上建立了水下控制点三维坐标解算的半参数平差模型,分别给出了观测时长为测距误差长周期项整数倍与非整数倍时的解算方法。仿真试验表明,当内波存在且观测时长不足测距误差长周期项的整数倍时,该方法相比于差分法和最小二乘法可明显提高水下控制点垂直解的精确度。     

�÷�����������Ӧ���ƽ�ȷ������ת������

???????Ч??????????????任????????????????????????????????????÷??????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????У????????????????????????????????????????     

基于卡尔曼滤波的AR模型及应用

时间序列参数估值的时变性与预报模型的定常性之间的差异,使得预报精度随着预报步数的增加而显著降低。基于此,构建基于卡尔曼滤波和自适应卡尔曼滤波的AR模型以实时更新其参数估值,取得了较好的拟合效果并提高了预报精度。