排序方式： 共有53条查询结果，搜索用时 0 毫秒
1.
不同技术、不同分析中心得到的地球自转参数（Earth rotation parameters，ERP）往往是不同的，为提供统一的ERP供用户使用，常需对ERP进行融合处理。提出了一种基于多分析中心ERP结果的附加边界约束和内约束融合模型，即先通过参数变换把各分析中心结果转换到相同时刻，考虑到相邻观测时段边界点处ERP应当一致这一特点，施加边界约束，然后对各分析中心的长期解施加转换参数内约束，最后得到多分析中心ERP的融合解。采用从2005—2011年共6 a的7个全球卫星导航系统（Global Navigation Satellite System，GNSS）分析中心的结果进行融合处理，并与IERS C04（International Earth Rotation and Reference Systems ServiceCombined 04）结果进行比较。结果表明，所提出的融合方法计算结果的精度有明显改善。 相似文献
2.
介绍“中国大陆构造环境监测网络”VLBI站坐标解算的方法和过程.采用1994-2009年共50次观测数据解算台站及基线的年变化率,得到了台站的坐标及基线的年变化,并给出了VLBI站坐标解算的统计分析结果. 相似文献
3.
附加约束条件的序贯平差 总被引：1，自引：0，他引：1
从观测量分组的参数平差出发,详细推导了附加约束条件的序贯平差及其精度估计,讨论了附加约束条件的抗差序贯平差的计算过程.算例表明,推导的公式正确有效,简单实用,附加约束条件的序贯平差抗差估计能有效地抵制粗差的影响. 相似文献
4.
5.
GNSS坐标时间序列中不可避免地含有粗差,未剔除的粗差将会导致参数估计有偏。因此,粗差探测与剔除是GNSS坐标序列分析中一项重要的数据预处理工作。针对GNSS坐标时间序列特点,提出了一种将L1范数(L1-norm)估计与四分位距统计量IQR(interquartile range)组合的移动开窗粗差探测算法,称之为L1_Mod IQR。该方法的主要思想是,首先利用L1范数估计得到较"真实"的残差,然后再对残差采用IQR统计量进行粗差探测。将L1_Mod IQR法与"3σ"法、基于最小二乘的τ检验法等粗差探测算法进行了模拟计算与对比,验证了该算法的有效性。进一步采用L1_Mod IQR算法对中国区域10个IGS站的高程时间序列进行了分析,结果表明中国区域IGS站高程序列的粗差剔除率最小为0.1%,最大为2.6%。并且以WUHN站为例与SOPAC提供的结果进行了对比,结果表明SOPAC提供的"Clean"数据仍含有大量的粗差,而L1_Mod IQR算法能够有效地剔除粗差。 相似文献
6.
不同的GNSS采用的坐标系定义几乎相近,但参考椭球及其坐标实现不同,这将影响多GNSS融合导航定位效果。根据各GNSS坐标系所采用参考椭球的基本常数,计算比较了不同坐标系参考椭球参数的差异;导出了相应的正常重力公式,比较了这些正常重力公式确定的正常重力值差异;最后分别从坐标系统的定义与实现两个方面分析了其对定位结果的影响。结果表明:1)GPS(BDS)与Galileo和GLONASS所使用的参考椭球引起正常重力差约为0.15和0.30 mgal;2)GPS与BDS,Galileo及GLONASS所使用参考椭球引起纬度分量最大差异约为0.1 mm,3 cm和3 cm,高程分量约为0.1 mm,0.5 m和1 m;3)各GNSS所使用坐标框架间转换参数引起的坐标变化达到厘米级。 相似文献
8.
9.
10.