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。     

桂林-阳朔地区DEM地形特征与岩性相关性分析及分类研究

地形地貌是岩性解译的重要信息,地形因子作为描述DEM数字曲面几何特征的定量指标参数,可用来定量化表达不同岩性所在地区地形地貌特征。本文以桂林-阳朔地区为研究区,研究地形因子数学、地质意义,建立岩性与地形因子组合间的定量关联,进而实现岩石类型划分。本文基于ASTERGDEM提取坡度、起伏度等12个地形因子,在分析各个地形因子地质意义基础上,通过聚类分析及方差分析的多元统计分析方法,研究各岩性地形因子特性及其关联性,建立研究区岩性之间的定量差异;此外,利用因子分析方法研究岩性分类过程中的主导因素,确定适宜岩性分类方法以实现定量化岩性分类。实验结果表明：不同岩性、不同地形地貌的地形因子（组合）之间具有显著差异,基于因子分析得到的宏观地形复杂度指数（MTI）以及微观曲率指数（MCI）对岩石类型的分类精度达77.36%。研究表明,地形复杂度等地形因子可用于岩性分类,采用因子分析方法可获取反映地形地貌宏观、微观特征的定量指标,且岩性分类效果良好。     

青州市表层土壤元素地球化学组合特征研究

聚类分析和因子分析可以获得土壤元素地球化学组合特征及其差异性。对青州市表层土壤样品数据进行分析研究,通过聚类分析,绘制表层土壤元素聚类谱系图,将23种元素或指标分为5个元素组合簇群及2个单元素簇,研究各元素间的组合特征,探讨其相关性、聚集性及其指示意义;通过因子分析,找出有代表性的因子,用其代表变量,绘制典型因子得分等值线图,并从中分析不同元素组合的区域分布基于何种因素,用11个代表性因子的分布特征就基本可以代表青州市表层土壤23项原始变量的分布特征,并对F1,F2,F3主因子进行了地质解释。聚类分析与因子分析相结合,利于表层土壤中元素的共生组合特征及其差异性研究,利于对研究区表层土壤异常进行归纳总结。     

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.      

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。     

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。     

寄给天国里的父亲

父亲，今天是女儿的生日，三十二岁。还记得么?三月的天居然渐淅沥沥的下起了小雨，女儿漫无目的的在街上游走，却在不知不觉中走到了咱们的老家。站在油漆剥落的大门外，一时间，模糊了所有的时间和空间，往事却那么执著的涌上心头。