用顾及大气层延迟的PVA模型Kalman滤波解算载体运动加速度

为解算航空重力测量中的载体运动加速度,对GPS载波相位伪距双差观测量进行分析。考虑对流层延迟和电离层延迟的影响,并通过对载体的运动学建模,提出一种基于PVA模型的Kalman滤波算法。相对于传统的差分方法,该算法可从相位观测量中直接解算载体运动加速度。通过仿真分析验证,采用自适应Kalman滤波,得到的未经低通滤波处理的载体加速度标准差为7.26×10-3 m/s2。     

基于小波神经网络的盲区重力数据预测

引入精度较高的小波神经网络预测局部盲区重力数据。通过实验,对比分析了不同地形数据分布状况下经度、纬度二维输入和经度、纬度、高程三维输入小波神经网络盲区重力数据预测精度,发现利用小波神经网络可以较好地实现高精度盲区重力数据的预测,同等地形条件下三维输入预测的数据精度更高,更有利于后期利用插值方法制备高精度重力基准图。同时,利用克里金法和小波神经网络对真实盲区进行预测。结果表明,两者的预测值相差不大,但小波神经网络的预测结果更为平滑,表明小波神经网络有良好的适应性。