GNSS多天线基线网单历元模糊度同步解算法

提出多天线基线网单历元模糊度同步解算法，其具体实现步骤为：1）根据宽巷组合模糊度易于固定的优点，采用附加已知基线长度约束法同步解算各基线的宽巷模糊度，得到dm~cm级精度的近似基线分量；2）将解算得到的各近似基线分量作为约束，同步解算各基线的基频模糊度，以获取mm级精度的基线矢量。该方法的关键在于检验各历元宽巷模糊度解算的正确性，以获取可靠的近似基线分量，为解算各基线的基频模糊度提供准确的基线先验信息。由于动态情况下各历元观测信息比较少，单纯依赖ratio检验不可靠，提出结合基线误差、单位权中误差、基线网模糊度闭合环及ratio值等对多组宽巷模糊度进行检验，避免ratio值设置不当导致模糊度检验中发生纳伪和弃真问题。实测数据结果证明，该处理方法使得模糊度解算的成功率提高1%~2%，可以获取移动平台更丰富的导航信息，提高其服务能力。     

基于气象要素内插的地基GPS/PWV 方法研究与精度分析

测站气压和温度的准确获取对GPS水汽反演的精度至关重要,但是我国各地在建立GPS连续运行观测站时的发展状态差别较大,有相当部分的GPS气象站网并未配备气压和温度传感器,无法有效准确采集测站气压及温度相关数据,对实时获取测站上方水汽有较大影响.本文基于一种增加高度改正的反距离加权法,和分布在全国的全球卫星导航系统(GNSS)气象站网数据,对该方法进行了实验验证．实验结果表明,通过此方法得到的气压和温度参数精度满足水汽解算需要．同时将本文方法与全球气温和气压经验模型(GPT2)进行对比,证明了本文得到的温压参数精度要优于GPT2模型.      

一种整数相位钟法精密单点定位模糊度固定模型

星间单差法是常用的精密单点定位PPP模糊度固定方法,但是要面临基准星转换的问题。为此,提出了一种逐级模糊度固定模型,采用法国CNES发布的整数相位钟差产品,在PPP非差观测模型基础上逐一选取两颗卫星进行模糊度固定;得到多组单差模糊度固定解后,再以此构成约束条件进行滤波得到其他参数。实验选取了8个IGS站共48个观测时段进行模糊度固定实验。结果表明,模糊度成功固定后,位置三维误差平均值由5.60 cm减小到2.72 cm;位置误差标准差由3.64 cm减小到1.50 cm。仿动态条件下,模糊度固定后位置误差由6.02 cm降至4.75 cm。     

基于ICSO的DGPS整周模糊度的求解方法

针对差分全球定位系统(DGPS)模糊度解算过程中效率低,搜索慢的问题,对鸡群优化算法(CSO)进行适应性改进,并将改进后的鸡群优化算法(ICSO)应用到整周模糊度的快速解算中,利用卡尔曼滤波求出双差模糊度的浮点解和协方差矩阵,采用Lenstra-Lenstra-Lovasz (LLL)降相关算法对模糊度的浮点解和方差协方差矩阵进行降相关处理,以降低模糊度各分量之间的相关性,在基线长度固定的情况下,利用ICSO搜索整周模糊度的最优解. 采用经典算例进行仿真,仿真结果表明,与已有文献相比在整周模糊度的解算过程中改进的鸡群优化算法能有效提高搜索速度和求解成功率.      

基于高斯烟羽模型的船舶尾气扩散研究

为有效对港区大气污染进行治理、分析船舶尾气,本文详细介绍了一种基于高斯烟羽模型,通过MATLAB模拟仿真模型,其包括实验仿真过程、技术原理及理论模型对船舶尾气扩散进行的研究。该模型是在传统的高斯烟羽模型的基础上,通过对实源像源进行加权选择输入参数;通过矢量合成确定了气体扩散的方向,利用合成后的"风速"进行计算仿真,有效模拟了船舶尾气在港区或者海洋环境中的气体扩散模型。其模型简单且可以有效模拟船舶尾气扩散。并且进一步对后续模型的精确优化进行分析。     

基于噪声随机模型的加权观测融合方法

信息融合技术中,在各局部传感器的有色观测噪声为一阶AR模型的情况下,可以利用观测扩增方法消除有色噪声的影响,得到最优加权观测融合方程,从而实现状态的最优滤波解。对于有色观测噪声为MA或ARMA模型的情况,观测扩增方法不再适用。提出了基于有色观测噪声随机模型级数展开的方法,求解出各局部传感器有色观测噪声的方差,并利用该方差对加权观测融合滤波器进行了构造。通过计算实例证明,该方法不仅适用于观测噪声为AR模型,同时适用于噪声MA或ARMA模型。     

对评估勘探设计的数学方法探讨

本文介绍了模糊综合评判的基本原理和数学模型。并给出了在勘探设计评估中因素集、评价集的具体意义及具体的评估过程。最后指出了模糊综合评判在勘探设计评估中的优越性。     

交通流量分析与实时最优控制

通过将车流量的增大或减小转化为路长权重的变化。将交通流量的动态问题转化为静态问题，用解决最短路问题的Dijkstra方法，给出交通流量实时最优控制的可行性模型及其有效算法。     

Incorporation of Perception-based Information in Robot Learning Using Fuzzy Reinforcement Learning Agents

Robot learning in unstructured environments has been proved to be an extremely challenging problem, mainly because of many uncertainties always present in the real world. Human beings, on the other hand, seem to cope very well with uncertain and unpredictable environments, often relying on perception-based information. Furthermore, humans beings can also utilize perceptions to guide their learning on those parts of the perception-action space that are actually relevant to the task. Therefore, we conduct a research aimed at improving robot learning through the incorporation of both perceptionbased and measurement-based information. For this reason, a fuzzy reinforcement learning (FRL) agent is proposed in this paper. Based on a neural-fuzzy architecture, different kinds of information can be incorporated into the FRL agent to initialise its action network, critic network and evaluation feedback module so as to accelerate its learning. By making use of the global optimisation capability of GAs (genetic algorithms), a GA-based FRL (GAFRL) agent is presented to solve the local minima problem in traditional actor-critic reinforcement learning. On the other hand, with the prediction capability of the critic network, GAs can perform a more effective global search. Different GAFRL agents are constructed and verified by using the simulation model of a physical biped robot. The simulation analysis shows that the biped learning rate for dynamic balance can be improved by incorporating perception-based information on biped balancing and walking evaluation. The biped robot can find its application in ocean exploration, detection or sea rescue activity, as well as military maritimeac tivity.     

模糊划分矩阵在岩土参数概率分布中的应用

讨论如何在小样本条件下用已有的过程经验与试验资料确定岩土参数概率分布,用模糊划分矩阵与BAYES方法相结合,给出由小样本试验数据确定岩土参数的概率分布。