一定分布模式下的最优Lp估计

观测数据在一定的分布模式下,需从理论上解决究竟用多大的ｐ值进行Ｌｐ估计（最优ｐ值的确定）,本文基于渐近方差整体最小的原则,给出了最优Ｌｐ估计的定义。观测数据中含有粗差（异常值）的扰动,其误差分布可视为污染分布,作者分析了最优ｐ值的大小,结果表明,若观测数据中含有不同大小、数量的粗差,为使Ｌｐ估计差最小,则ｐ将取［１．２,１．５］中的某一定值,Ｌｐ估计结果最优,此结论对测量数据处理具有一定的参考价值     

�����ص�������Ⱦ�ʹ���

????????????????????????????????????????????б????????????????????????????????????????????????????????????????????????????????????????仯?????????仯???????????????????????????δ??????????????????????????????????????????仯????????????????????????е?????????????????????????????????????????????????????????????С???????????0.01??????????????????1???????????????????????????????Ч???????     

һ�ֵ�Ӧ�������Լ��鷽��

?????????????????????????????????????÷???????????????????GPS???λ??????????????????????????????????????????????????????????????????????????Щ?????????????????γ??????????????     

����GPS��InSAR�۲��������봨������ά�ر��α�

?????????????????????InSAR???????????????????α??????????????????λ???????λ??????????????????????????????GPS??InSAR??????????????λ????????????????????????м????????????????????????????????????????????     

实时精密单点定位中周跳探测与修复的算法研究

提出了一种适用于实时GPS精密单点定位的周跳探测与修复的新算法。该算法步骤为：①利用M-W组合和电离层残差组合初步确定没有发生周跳和可能发生周跳的卫星;②利用当前历元与前一（或几个）历元的L1、L2和Lw观测值和第一步得出的没有发生周跳的卫星信息,采用基于历元间差分观测值的周跳处理模型对可能发生周跳的卫星进行周跳探测;③对第二步中周跳处理失败的卫星进行进一步的精化处理,以尽可能修复周跳。实验表明,新算法在实时GPS精密单点定位中可以准确地探测并修复周跳。     

多天线GPS软件系统

介绍了适于局域变形监测的多天线ＧＰＳ系统的数据处理软件部分,多天线ＧＰＳ系统是将多根ＧＰＳ天线通过一个称之为ＧＰＳ多天线开关（简称ＧＭＳ）的电子设备,同一台ＧＰＳ接收机相连,这种情况下,每个监测点上只需安置一个固定天线,就可完成变形监测,因而极大地减少了硬件的费用。     

GPS用于鉴别振动变形的实验研究

为了科学地评价应用动态ＧＰＳ技术鉴别振动特征的能力及可行性,本文设计了若干个振动实验。实验数据的谱分析结果表明,利用ＧＰＳ观测数据可以精确地鉴别出振动特征,如相对位移和频率,并且当ＧＰＳ数据的采样频率为Ｆ时,至少可以分辨出约０．２５Ｆ以下的振动频率。该技术可应用于大型构筑物的安全监测。     

基于改进BP神经网络的海底底质分类

通过采用遗传算法优化神经网络初始权值的方法,将GA算法与BP神经网络有机结合,应用于海底底质分类。基于多波束测深系统获取的反向散射强度数据,应用改进的BP神经网络分类方法,实现对海底基岩、砾石、砂、细砂和泥等底质类型的快速、准确识别。通过实验比较,GA-BP神经网络分类精度明显高于BP神经网络,证明了该方法的有效性和可靠性。     

结合遗传算法的LVQ神经网络在声学底质分类中的应用

学习向量量化（Learning Vector Quantization,LVQ）神经网络在声学底质分类中具有广泛应用. 常用的LVQ神经网络存在神经元未被充分利用以及算法对初值敏感的问题,影响底质分类精度. 本文提出采用遗传算法（Genetic Algorithms,GA）优化神经网络的初始值,将GA与LVQ神经网络结合起来,迅速得到最佳的神经网络初始权值向量,实现对海底基岩、砾石、砂、细砂以及泥等底质类型的快速、准确识别. 将其应用于青岛胶州湾海区底质分类识别研究中,通过与标准的LVQ神经网络的分类结果进行比较表明,该方法在分类速度以及精度上都有了较大提高.