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。     

Helmert方差分量估计在GPS/GLONASS/BDS组合定位权比确定中的应用

因GNSS系统间观测噪声、轨道精度的差异，采用经验权比进行组合定位难以得到最优结果。基于此，在GPS/GLONASS/BDS组合定位中引入Helmert方差分量估计，对GPS/GLONASS/BDS组合单点定位和基线解算中各系统观测值进行合理定权。实验表明，采用该方法确定的伪距观测值最佳权比为5∶1∶1，相位观测值最佳权比为1∶1∶1，有效提高了GPS/GLONASS/BDS组合定位的精度和可靠性。     

从受训神经-模糊模型中提取知识

本文对用于模式分类、函数逼近、参数估计的多层感知器 (MLPs)给出 1个清晰的关于内部行为的解释。作者以单隐层的 MLP为例 ,论述了关于 MLP的内部行为的半线性分析理论。对受训的MLP,将隐层单元的输出分别定义为网络输出的正、负“内部分量”;定义内部分量的连接权重集为给定问题的“内部判别模式”;建立了 MLP和模糊集相结合的新模型 ;分析了 MLP的结构为 N- 2 - 1和N- H- 1 ,给出权重初始化的方法 ;提出了 1种从受训神经 -模糊模型 (NFMs)中提取知识的全新的具有实用价值的方法。     

全球月平均海表水温异常的区域性及其年际变化特征

本文应用旋转主分量分析及最大熵谱检验方法,对1950～1979年间COADS全球月平均海表水温资料间隔10个经、纬度网格点的读数,进行了计算分析.结果表明,前19项旋转主分量的高荷载中心区域,大多与大尺度洋流及海气相互作用的海温关键区相对应;其中前16项高荷载中心区,都集中在热带和北半球海域;各高荷载区海温异常指数的时间演变特点是:在热带海洋以Ei Nino周期为主;在北太平洋及南半球海域,主要表现为两年以内、时间尺度不等的准周期性振荡;而北大西洋30年来持续降温占据优势,与60年代气候跃变的对应关系最明显.     

CPⅢ测量数据处理系统开发若干关键技术研究

本文首先介绍了无砟轨道的相关内容,指出CPⅢ测量数据处理是整个建设中的关键,提出系统开发的总体目标与要求且设计了系统总体结构,详细阐述了系统开发中涉及的关键技术与基本理论,文中最后结合具体工程实例验证系统开发成果。     

测量控制网优化设计的可靠性准则法

测量控制网优化设计与网的精度、可靠性、灵敏度以及费用等准则有关,但这些准则之间的关系又十分密切,本文提出了一种基于观测值内部可靠性指标的测量控制网模拟法优化设计新方法,介绍了其原理和特点,并用实例说明了用该方法的计算步骤和优化效益。     

边角网平差中方差分量估计改进算法

基于单位权中误差的先验估值与验后估值一致,对边角网提出一种改进的赫尔默特方差分量估计算法,该算法可直接计算角度和边长的方差分量估值,克服了原公式计算过程繁琐、占有内存量大的不足,通过采用Newton法进行迭代计算,收敛效果好,算例表明该方法是有效的。     

玉米冠层FPAR的高光谱遥感估算研-基于PCA方法及近、短波红外波段

光合有效辐射分量(Fraction of Photosynthetically Active Radiation,FPAR)是进行生态系统功能和全球变化研究的重要参数,准确估算FPAR具有重要意义。通过对野外实测玉米高光谱数据和光合有效辐射数据的分析,探讨了主成分分析方法在高光谱信息提取及估算玉米冠层FPAR参数方面的可行性,在此基础上,结合植被指数验证FPAR估算效果,分析近红外及短波红外高光谱数据在FPAR估算方面的应用潜力。     

一种基于Helmert方差分量估计的Vondrak滤波方法

从基于Helmert方差分量估计的Vondrak滤波方法(简称HVF法)的基本假设入手,介绍了HVF方法,该方法能够在未知拟合函数的情况下,通过自动选择合理的平滑因子控制数据平滑的程度,对时序数据序列进行合理平滑,最大限度的削弱数据序列中的随机误差,将信号与噪声合理分离.