BDS精密卫星钟差建模与预报

针对BDS卫星钟差的短期预报问题,该文采用二次多项式模型、灰色模型和线性组合模型来对BDS中3种不同类型卫星10d的精密钟差进行建模与短期的预报。拟合时长增加,预报精度也会逐步增高并趋于稳定。预报精度会随着预报时长的增加而降低,当预报时长为50min以内时,预报精度为亚纳秒级。3种模型的钟差预报精度均在1ns以内,其中二次多项式模型的预报精度优于灰色模型,线性组合模型预报精度介于二者之间。利用3种模型的钟差预报结果进行精密单点定位实验,所得的平均定位精度在E、N方向上误差最大不超过3cm,U方向上误差最大不超过5cm。验证了利用二次多项式模型、灰色模型和组合模型在卫星钟差的短期预报中是可行的。     

半参数测量平差模型与系统误差处理

考虑半参数测量模型L=Bx+S+Δ,x$Rd为未知回归参数,S为未知Borel函数。本文首先利用自然样条函数法,找到符合条件的非参数自然插值样条函数。其次利用偏残差法并综合最小二乘法,导出了这种平差方法的解算公式。最后,用一个算例说明了此方法的优越性。     

基于ARMA模型的BDS卫星钟差异常值探测及其短期预报

星载原子钟在运行过程中会受到恶劣空间环境与设备老化等因素的影响,使得卫星钟差数据中经常存在异常值,其中AO(additive outlier)类异常值是钟差序列中常见的一类异常值.结合最大期望算法与自回归滑动平均(autoregressive moving average, ARMA)模型,提出一种AO类异常值探测算法...     

BDS卫星钟差数据异常值类型识别的卷积神经网络方法

北斗卫星导航系统(BeiDou navigation satellite system,BDS)卫星钟差数据中存在多种不同类型的异常值,直接影响钟差预报的质量和性能分析的可靠性.钟差数据预处理是进行钟差预报和分析的前提条件,其中,对异常值的识别是钟差数据预处理的关键.提出一种面向BDS卫星钟差数据异常值识别的卷积神经网...     

利用中位数的GPS卫星钟跳探测方法

GPS卫星钟跳是导航卫星钟差数据处理中的一种常见的数据异常。针对由钟差数据量较大引起的粗差探测效率低下,影响用户定位精度的问题,该文对基于中位数的粗差探测方法进行研究;并在分析钟差数据特性的基础上将此方法进行扩展,使其不仅能够探测卫星钟差数据中的粗差,还能探测卫星钟跳。实验结果表明,该文方法能够较好地进行粗差探测和钟跳探测。     

一种卫星钟差异常实时监测算法

卫星钟差在精密定位中占有重要地位,应当对卫星钟差异常进行实时监测。本文在建立卫星钟差模型的基础上,提出了一种基于递推遗忘因子最小二乘算法(RFFLS)的卫星钟差异常实时监测算法,并利用IGS事后精密钟差产品,对比分析了RFFLS算法与最小二乘算法(LS)、遗忘因子最小二乘算法(FFLS)的卫星钟差预报精度、预报耗时和对卫星钟差异常的监测性能。实验结果表明, RFFLS算法计算时间仅为LS算法和FFLS算法的十分之一,且RFFLS算法钟差异常监测能力最优。该方法简便易行,应用灵活,在实时应用中具有明显优势。     

改进中位数方法的BDS卫星钟差数据预处理策略

针对卫星钟差数据中会经常出现粗差等数据异常的问题,该文提出了一种基于改进的中位数(MAD)方法的北斗卫星钟差数据预处理策略。该策略首先对长时间段卫星钟差数据的非空数据进行提取,然后将提取的非空数据转换为对应的频率数据,用改进的MAD方法进行处理,在此基础上再对长时间段的卫星钟差数据基于每天的数据采用改进的MAD方法进行再次预处理。通过对北斗卫星1a钟差数据的预处理,从钟差序列本身及其对应的频率序列和钟差的拟合残差3个方面对所提预处理策略进行了验证。实验表明,此策略能够有效地识别并处理北斗卫星钟差数据中的异常值。     

半参数测量平差模型参数的二阶段估计

本文首先利用自然样条函数法,找到符合条件的非参数自然插值样条函数。其次利用核函数并综合最小二乘法建立了参数x和S非参数的估计量x、S,讨论了窗宽参数h的选取方法。最后,用一个模拟的平差算例从估值的稳定性、均方差等方面与最小二乘法进行了比较,结果说明,半参数测量模型能更接近于真实情况。     

半参数平差模型参数的两步估计

考虑半参数平差模型L=Bx+S+Δ,xεRd,S为未知回归参数,为未知Borel函数。本文首先利用自然样条函数法,找到符合条件的非参数自然样条插值函数。其次利用偏残差法并综合最小二乘法,导出了参数和非参数的解算公式,讨论了窗宽参数的选取方法。在本文的最后,将这种估计方法应用到重力场的计算中,说明了利用半参数平差模型估计参数的有效性。     

海底控制点定位的半参数平差模型法

针对圆走航确定海底控制点三维绝对坐标存在垂直解精确度差的问题,本文提出了基于半参数平差模型处理测距系统误差的方法,首先分析了声速变化对测距误差的影响,其次在圆走航观测方程的基础上建立了水下控制点三维坐标解算的半参数平差模型,分别给出了观测时长为测距误差长周期项整数倍与非整数倍时的解算方法。仿真试验表明,当内波存在且观测时长不足测距误差长周期项的整数倍时,该方法相比于差分法和最小二乘法可明显提高水下控制点垂直解的精确度。     

BDS卫星实时钟差估计

随着无人驾驶等高新技术的快速发展，实时精密单点定位在GNSS领域中受到越来越多的关注。研究实时卫星钟差的获取和实时定位精度具有较大的现实意义，本文为研究耦合BDS卫星轨道、钟差产品对定位精度的影响，采用不同精度的轨道产品实时获取卫星钟差。分析了卫星钟差误差与轨道误差之间的相关性及钟差对轨道误差的吸收能力，发现卫星钟差能够吸收95%以上的轨道径向误差和部分切线误差，在一定程度上弥补了轨道误差引起的定位误差。采用耦合的卫星轨道、钟差产品，单BDS系统定位精度可达到分米级的定位结果。     

北斗系统精密卫星钟差精度评价

针对目前北斗卫星导航系统尚未形成统一的事后轨道和钟差产品的现状,该文提出了一种较为全面的北斗卫星导航系统精密卫星钟差精度评价方法,从钟差拟合残差标准差和天跳变等方面对北斗系统事后精密卫星钟差的精度进行了评价。使用相同方法对2013年全年、2014年上半年的北斗系统精密卫星钟差产品进行了评价,以此来分析定轨策略调整对卫星钟差的影响。结果表明,武汉大学分析中心解算的北斗系统精密卫星钟差产品的精度为分米级,大部分卫星的钟差精度优于0.2m,且定轨策略调整后倾斜地球同步轨道/中地球轨道卫星钟差产品的精度有小幅度提升;定轨策略调整前卫星钟差天跳变在0.2~0.5m间,但是调整后钟差天跳变显著增大,变化范围为2~3m,建议在实际应用中对其加以慎重处理。     

幂函数变换的GM(1,1)模型在BDS卫星钟差预报中的应用研究

由于卫星钟存在频率高、敏感性强、极易受到外界影响从而导致观测数据波动大,预测结果精度低的问题,利用幂函数变换法对初始观测数据进行变换预处理,从而提高观测数据的平顺度.由此提出一种基于幂函数变换的GM(1,1)模型,选用北斗卫星导航系统(BDS)卫星钟差进行插值和预报,并且进行了精度验证.实验结果表明:Lagrange插值方法可以满足高精度BDS的钟差的插值需要;利用幂函数变换的GM(1,1)模型相比传统模型精度有效提高了,而且当改进模型和传统模型预报值越接近实际值,则幂函数改进的GM(1,1)模型精度更高,适用性更强,对BDS卫星钟差预报具有实际参考价值.     

北京一号数据检测渤海海洋锋

本文基于引力模型,对北京一号对地观测小卫星数据渤海区域进行海洋锋面检测。针对北京一号小卫星数据的特点,选择红波段作为实验波段,并选择渤海湾南岸水色锋和辽东湾东岸辐射沙脊两个实验区域。算法首先对数据进行线性拉伸,波段运算等预处理,突出锋面信息,其中,拉伸区间由图像直方图确定,接着应用引力模型对预处理后的数据进行锋面检测。实验结果表明,本文算法能够对两个实验区域的锋面进行检测,得到的锋面信息连续、突出,证明了算法的有效性;针对北京一号对地观测小卫星数据,本文算法相比于传统锋面检测算法,能够得到更加连续的锋面信息,并能较好抑制近岸泥沙对锋面检测的干扰。     

北斗卫星太阳光压解析模型建立及应用

光压模型是导航卫星高精度定轨、定位的基础。目前关于北斗卫星光压摄动模型的研究并不少见,但基于卫星物理参数的综合解析模型建立与应用公开可见的论述并不多见。不同于其他保守和非保守摄动力,光压辐射与卫星本身参数状态密切相关,具有明显的个体差异性。本文基于光压辐射的物理机理、北斗卫星物理参数、姿态控制模式等,建立光压摄动综合解析模型,以精密星历和激光测距数据为基准,验证了综合解析模型能够获得分米级的精密定轨精度。在此基础上,根据卫星角动量守恒和在轨遥测参数变化,分析了综合解析模型和在轨实际干扰力的差值,提出了在综合解析模型基础上增加常数经验修正项Da、Ya的方法,以北斗C08、C10星为例,分别可获得0.078、0.084 m的SLR检核精度,相比于利用CODE经验改进模型,精度分别提高0.021、0.045 m。     

A method for vertical adjustment of digital aerial photogrammetry data by using a high-quality digital terrain model

The accuracy of vertical position information can be degraded by various sources of error in digital aerial photogrammetry (DAP) based point clouds. To address this issue, we propose a relatively straightforward method for automated correction of such point clouds. This method can be used in conjunction with any 3D reconstruction method in which a point cloud is generated from a pair of aerial images. The crux of the method involves separately co-registering each DAP point cloud (formed by the overlap of two or more images) to a common airborne laser scanning (ALS) based digital terrain model. The proposed method has the following essential steps: (1) Ground surface patches are identified in the normalized DAP point clouds by selecting areas in which standard deviation of vertical height is low, (2) height differences between the DAP and ALS point clouds are calculated at these patches, and (3) a correction surface is interpolated from these height differences and is then used to rectify the entire DAP point cloud. The performance of the proposed method is verified using plot data (n = 250) from a forested study area in Eastern Finland. We observed that DAP data from the area corrected using our proposed method resulted in significant increases in prediction accuracy of key forest variables. Specifically, the root mean squared error (RMSE) values for dominant height predictions decreased by up to 23.2%, while the associated model R² values increased by 16.9%. As for stem volume, RMSEs dropped by 20.6%, while the model R² improved by 14.6%, respectively. Hence, prediction accuracies were almost as good as with ALS data. The results suggest that vertically misaligned DAP data, if rectified using an algorithm such as the one presented here, could deliver near ALS data quality at a fraction of the cost.     

AR模型中AO类异常值探测及其在GPS卫星钟差预报中的应用

基于EM算法,提出一种AR模型中AO类异常值(additive outlier)探测的算法。该算法可同时进行AR模型拟合与AO类异常值探测,并可有效地解决成片AO类异常值探测时所产生的掩盖和淹没问题。最后,将本文算法应用于GPS卫星钟差预报之中。本文算法可以准确探测出钟差历史观测序列中的AO类异常值,并可对卫星钟差进行精确预报。     

Characterizing wetland dynamics: a post-classification change detection analysis of the East Kolkata Wetlands using open source satellite data

The East Kolkata Wetlands is a unique resource recovery system. The Ramsar Convention recognized it as a ‘Wetland of International Importance’ in August 2002. However, the long-term resource exploitation and land use changes in the dynamic ecosystem have resulted in non-linear environmental responses. This is an attempt using open source remote sensing datasets to capture the spatio-temporal transformation of the wetland resulting from various anthropogenic activities. Landsat MSS and TM imageries of 1973, 1980, 1989, 2001 and 2010 were classified using Maximum Likelihood Classifier to monitor the wetland change; however, to study wetland dynamics, the post-classification wetland change detection maps have been generated for two temporal phases, i.e. 1973–1989 and 1989–2010. This study finds that the area under wetlands has reduced comprehensively in the past 40 years due to the conversion of wetlands into various other uses such as urban expansion of the Kolkata metropolitan city.