GPS单历元模型病态方程解算方法研究

基于单历元模型的理论特点,利用TIKHONOV正则化方法改善法方程的病态性,从而提高模糊度浮点解的可靠性;再结合LAMBDA方法搜索,提高了模糊度浮点解的可靠性及整周模糊度固定的成功率。     

一种合理利用先验信息的新平差方法

提出一种合理利用先验信息的新平差算法。首先,借助平衡估计的思想,通过给先验信息赋予权值,控制不准确先验信息对参数解的影响;然后,利用残差中观测信息与先验信息的误差量级,给出平衡因子的计算方法;最后,通过算例分析算法的有效性。     

部分模糊度固定的多基线解算方法

采用非差观测值构建误差方程,通过等价变换消除卫星钟差参数和接收机钟差参数,建立多个测站的联合等价双差观测方程。针对联合方程等价模糊度个数较多、相关性较强的特点,本文提出一种新的部分模糊度固定（PAR）方法。该方法将等价模糊度按照方差大小升序排列,通过循环剔除最大方差模糊度并进行Ratio检验,最终实现部分模糊度的固定。实例计算表明,相比完全模糊度固定（FAR）方法,PAR方法不仅具有更高的模糊度固定率和成功率,且提高了多基线精密定位的可用性,其坐标解算精度与FAR具有较好的一致性。     

基于共轭梯度搜索的病态问题处理方法

在最小二乘平差准则基础上,把病态平差问题转化为无约束的二次规划问题,并利用优化理论分析病态对平差解的影响。通过共轭梯度搜索算法在可行域中寻找最优步长因子,自动寻找最速下降方向,并给出迭代初值的设置方法。分析近似计算中病态问题与局部最优解的关系,讨论局部最优解的快速迭代方法,并通过实例验证算法的有效性,计算迭代的速度。由于整个过程没有对法方程系数矩阵进行求逆计算,该算法可用于处理大规模系数矩阵高病态的平差问题。     

基于模糊聚类分析法的BDS长基线模糊度解算

为探求BDS长基线模糊度解算的最优组合观测量,基于模糊聚类分析法分别选取2个BDS最优超宽巷组合和1个最优窄巷组合共同构建TCAR模型,分别采用GF_TCAR、GB_TCAR和GIF_TCAR模型对实测BDS长基线进行模糊度解算。实验表明,3种模型解算超宽巷组合模糊度的结果基本一致; GF_TCAR模型解算模糊聚类分析法所得最优窄巷组合(3,0,-2)的相邻历元组合模糊度差值优于常用的(4,2,-5)组合;GB_TCAR模型解算IGSO卫星时,窄巷组合(3,0,-2)的结果优于(4,2,-5)组合,而解算GEO、MEO卫星时2种窄巷组合结果一致;GIF_TCAR模型解算窄巷组合(3,0,-2)的结果略逊于(4,2,-5)组合。     

附有等式约束病态模型正则化解的单位权中误差无偏估计

利用平差参数间合理的等式约束虽能提升病态模型解的精度,但其本质仍是通过引入正则化参数来改善模型的病态性,由于改变了观测方程的结构,所得的估值残差及单位权中误差均有偏。针对这一不足,在病态模型正则化解的无偏单位权方差估计式基础上引入等式约束条件,根据约束正则化解的残差二次型期望公式,导出约束正则化解的无偏单位权中误差估计式,并用数值算例和病态测边网算例验证其正确性。结果表明,本文公式所估的单位权中误差精度优于传统公式所估结果。     

病态平差模型直接解算方法的研究

基于矩阵的SVD理论，通过修改设计阵的奇异值，提出了若干种直接解算病态(满秩或秩亏)观测方程的方法，以改善设计阵的病态性，提高参数估值的稳定性和准确性。理论分析和数值计算的结果验证了这些解算方法的优良性。     

一种新的中长基线GNSS三频模糊度快速解算方法

提出一种新的无几何无电离层三频模糊度解算方法。该方法通过对伪距观测值赋予不同的权重,辅助宽巷及窄巷模糊度消除双差电离层残差的影响,使宽巷及窄巷观测值只受观测噪声的影响,通过多个历元平滑取整即可获取宽巷及窄巷模糊度值。通过实测GPS/BDS中长基线三频数据验证分析表明,该方法可以有效地实现中长基线模糊度的快速解算。     

青南地区地壳稳定性的模糊综合评判

在工程地质条件复杂,研究程度不高的青南地区选用模糊综合评判的方法能够得出比较符合实际情况的地壳稳定性半定量分析结果。     

一种矩阵分块的GNSS相位模糊度快速解算方法

为解决GNSS模糊度解算中最小二乘模糊度去相关（least-square ambiguity decorrelation adjustment,LAMBDA）算法涉及大量矩阵运算、降相关耗时较长等问题,提出一种对条件方差矩阵进行分块的最小二乘模糊度去相关（blocking in least-square ambiguity decorrelation adjustment,BLAMBDA）算法。该算法对条件方差矩阵进行分块,减少条件方差排序次数,并在此基础上对Cholesky分解公式进行整合,减少Cholesky分解过程中的数乘运算。仿真实验和实测结果表明,与LAMBDA算法相比,BLAMBDA算法的整体解算效率提升显著,且更加稳定。     

使用模糊逻辑法区分层状云和对流云降水

多普勒天气雷达已广泛应用于定量降水的估测,为了提高雷达降水估计的精度,要求能够识别层状云和对流云降水.使用模糊逻辑法区分区域中的层状云和对流云降水.根据层状云和对流云降水的反射率分布特征,建立了最大反射率因子、回波顶高、垂直反射率梯度和水平反射率梯度4个识别参数,读取雷达资料并计算出这些识别参数,使用梯形隶属函数对识别参数进行模糊化,对得到的数据进行加权平均处理,选择一个合适的阈值区分层状云和对流云降水.结合实际的天气实例,对该方法的识别效果进行检验,结果表明：模糊逻辑法能够有效的区分降水区域中的层状云和对流云降水,为改善降水估测提供了方法和依据.     

非等间距GM(1,1)模型的总体最小二乘算法及其病态问题

在非等间距GM(1,1)模型中,系数矩阵中有无误差的常数项和有误差的随机项,并且系数矩阵与观测向量误差同源,即系数矩阵与观测向量中有相同的元素存在,这些相同元素应该有相同的改正数,为此本文推导了一种适合非等间距GM(1,1)模型求解的总体最小二乘算法。同时,考虑到非等间距GM(1,1)模型中存在病态问题时影响总体最小二乘计算结果的稳定性,提出对系数矩阵常数列乘以某一常数的方法,以改善病态问题。     

模糊信息分配法及其在水质评价中的应用

将模糊信息分配方法应用到水质评价中。该方法是从原始数据信息中直接构造系统模型 ,尽可能保留原始数据结构的完整性。它与模糊一、二级近似推论构成一套完整的评价方法。用该方法对西安市地面水水质进行评价 ,结果表明评价结果能较准确地反映水质的实际情况 ,具有一定的应用价值。同时提出一种新的水质分级方法     

一种新的基于模糊分析观测信息的局地化方法

地球表层系统是一个极其复杂的巨系统,为了更精确地表达地球表层系统各种过程的动态演进,解决数据同化系统观测误差的估计与处理已经成为地球科学领域备受关注的问题之一。在地球科学系统数值模拟中,一般采用集合数据同化来探讨地学变量预报时的各种误差。集合类卡尔曼滤波通常会由于集合数过小而带来欠采样、协方差低估、滤波发散和远距离虚假相关等问题。针对背景误差协方差被低估问题,局地分析方法（Local Analysis, LA）在一定程度上能起到抑制作用,但无法彻底解决背景误差协方差的虚假相关问题。因此,本文在集合卡尔曼滤波的算法框架下提出了一种与模糊逻辑控制算法相耦合的局地化分析方法（Fuzzy Analysis, FA）。在强非线性Lorenz-96模型中,对不同模型误差下的LA和FA方法进行了性能优劣方面的探讨,并比较分析了2种方法在集合数、观测数和观测位置、放大因子以及强迫参数变化时的同化性能。实验采用均方根误差作为算法评判依据,同时用功率谱密度（Power Spectral Density, PSD）更直接地对2种算法性能优劣作出了评价。结果表明：在完美模型下,FA相对于LA降低了17.5%的均方根误差（Root Mean Square Error, RMSE）;随着模型误差增大,RMSE减小的百分比和减小幅度都在降低;在严重模型误差下,FA降低了8.6%的RMSE。总体而言,新算法FA的有效性和鲁棒性都得到了验证,并且在EnKF同化基础下有效改进了传统的局地化分析方案,优化了观测误差处理,为今后的数据同化研究提供了一个较为全面的观测误差研究平台。     

失散人员时空信息模糊匹配模型

失散人员时空信息数量多、失散信息地点的收集和查询较复杂,现有的网络寻亲平台虽具有信息采集快,应用普及范围广的特点,但对于失散人员的信息管理较分散,缺乏结合时间范畴和空间范畴的分析。本文在失散人员属性信息查询的基础上,针对失散信息的不准确性和模糊性,对不同失踪年龄段人员进行记忆模糊度分析,并结合汉语言分区以及模糊时空范围设置阈值和权重,建立失散人员时空信息模糊匹配模型。该模型根据失散孩子姓名、性别、血型、出生时间、失踪时间、失踪地点、方言口音及失踪年龄段的模糊特征等影响因子,综合计算出失散人员之间的信息匹配指数;并利用时间地理学方法设计了模型的时空修正方法,对匹配结果的时空可达范围是否存在交集进行了检验。案例数据验证结果表明,该模型能综合考虑已知的失散人员匹配指标项,可筛选出匹配程度较高的信息。     

非线性不等式约束平差的一种新岭估计算法

利用先验信息对参数加以约束,建立非线性不等式约束平差模型,并提出一种新的岭估计算法解算该平差模型。2个病态算例实验证明了本文算法的有效性,且计算结果精度高于普通岭估计。     

一种基于模糊正域类的模糊属性约简方法

为了实现模糊信息系统属性约简问题,探讨一种基于正域类的模糊属性约简方法。利用模糊二元相似关系建立模糊相似类的方法,进而定义决策属性关于条件属性的模糊正域类,得到正域类属性的重要度。结果表明:一方面,实现模糊信息系统属性约简;另一方面,通过取不同的相似精度,得到不同属性约简集。     

基于局部空间信息KFCM的遥感图像聚类算法

针对模糊C均值(Fuzzy C-Means, FCM)算法,不能有效地对夹杂噪声的遥感图像聚类的问题,本文提出了一种基于局部空间信息核模糊C均值(Kernel Fuzzy C-Means, KFCM)的遥感图像聚类算法。首先,运用核函数将遥感图像的所有像元映射到高维特征空间,通过非线性映射优化遥感图像的有用特征;然后,根据相邻像元之间的相关性,利用一种空间函数重新定义像元的模糊隶属度,将像元的局部空间信息引入到FCM算法中,并在高维特征空间中使用这种基于局部空间信息的FCM算法对像元聚类。由于引入了像元的局部空间信息,算法可以直接应用于原始遥感图像,不需要滤波预处理。大量实验结果表明,本文提出的基于局部空间信息KFCM的遥感图像聚类算法具有较强的抗噪能力,可得到较好的同质区域,优于现有的FCM算法、模糊局部信息C均值(Fuzzy Local Information C-Means, FLICM)算法及KFCM算法。