基于非监督分类和图优化的GNSS多路径误差削弱方法北大核心CSCD

基于城市环境下采集的多系统GNSS数据研究非监督分类算法和图优化(factor graph optimization,FGO)算法对多路径误差的抑制能力。伪距单点定位(single point positioning,SPP)结果表明,基于K-means++的非监督分类算法进行多路径信号分离时,在N、E、U方向的定位精度分别为3.61 m、2.90 m、8.14 m,较传统算法分别提升53.18%、55.18%、44.96%。图优化方法利用伪距和多普勒约束因子进行最优估计,在N、E、U方向的定位精度分别为0.94 m、1.34 m、2.78 m,精度分别提升82.1%、78.5%、82.0%。图优化算法对城市环境下GNSS定位的多路径误差抑制具有显著效果,可用于GNSS精密定位预处理阶段的异常卫星剔除和精确坐标初值获取,提高城市环境下GNSS定位性能。     

基于PPP技术的伪距多路径效应分析

从3个方面研究了河北省CORS系统各参考站的伪距多路径效应:1)比较了不同截止高度角条件下（5°、15°和25°）的伪距多路径效应,分析了多路径效应与高度角之间的关系;2)以若干个受多路径影响较为严重的参考站为例,基于其多路径效应的天空分布图（skyplot）分析了不同方位、不同高度角卫星观测值的多路径大小,同时对相应测站环境进行考察,验证了多路径效应的环境影响因素;3)利用PPP技术分别处理了受多路径影响最强和最弱的两参考站：永清和安新站同一天的观测数据,考察了多路径效应对PPP位置估值的收敛时间和收敛稳定性的影响。     

基于经验小波变换的GNSS多路径误差改正

多路径误差是影响GNSS测量精度的主要因素及误差改正难点。将经验小波变换(EWT)算法在分解复杂信号上的优势与GNSS多路径误差的周日重复特性相结合,提出基于EWT的多路径误差提取及改正新方法。将能量熵与相关系数相结合来定义筛选系数,并将其变化显著的点作为含噪分量及信息分量的分界点;通过对含噪分量进行去噪并与信息分量重构的方式建立基于EWT的去噪新方法。模拟和实测数据实验表明,EWT能较好地提取及改正GNSS多路径误差,并且其效果显著优于EMD及小波分析方法。     

基于改进EEMD的GPS多路径误差建模与削弱方法研究

引入一种改进的集合经验模式分解方法（improved ensemble empirical mode decomposition,IEEMD）进行多路径误差的建模。与EEMD方法相比较,IEEMD方法可以有效地克服模态分量数目不一致和分解不彻底等问题,并将原始序列分解为不同尺度的模态分量。同时,考虑到不同模态分量中高斯白噪声的能量密度与平均周期之积为常数,设计一种自动选择尺度与重构的方法,用于模态分量的选择与重构,进而构建GPS多路径误差模型。在此基础上,采用恒星日滤波技术,进行邻近周日GPS坐标序列中多路径误差的实时削弱。实验结果表明,采用同样的尺度选择方法和恒星日滤波技术,使用IEEMD方法可以得到比EEMD方法精度更高的GPS坐标序列。     

一种改正伪距多路径误差的北斗三频周跳探测与修复方法

使用北斗三频观测值提取伪距多路径误差。分析表明,北斗伪距多路径误差达到m级,且变化较快,不能通过历元间差分完全消除,会对周跳探测及修复产生影响。提出一种改正伪距多路径误差的北斗三频周跳探测与修复新方法,能有效控制伪距多路径误差的影响,提高周跳修复的成功率。     

复杂观测环境下GNSS信号分类及精度评估

基于高度角、信噪比和伪距残差3个指标,采用K均值(Kmeans⁺⁺)、迭代自组织数据分析法(ISODATA)和基于密度带有噪声的空间分类法(DBSCAN)对复杂城市观测环境下的GNSS数据进行分类,并采用伪距单点定位模型(SPP)评估不同算法的分类精度。结果表明,Kmeans⁺⁺算法分类精度最优,在E、N、U 3个方向上的定位精度分别达2.56 m、3.25 m、9.73 m;相较于未采用Kmeans⁺⁺算法的定位精度分别提升57.86%、47.64%、60.98%。为进一步验证算法性能,将Kmeans⁺⁺算法与信噪比、高度角阈值法进行精度对比,结果表明,Kmeans⁺⁺算法的平面和三维定位精度均有显著改善,分别提升24.87%、39.07%（信噪比阈值法）和41.36%、59.91%（高度角阈值法）。     

基于BDS三频相位多路径误差的土壤湿度反演

为丰富GNSS-IR技术的数据源,提出一种基于北斗三频载波相位多路径误差的土壤湿度反演方法.实验结果表明,由多路径误差导出的延迟相位与土壤湿度间存在较强的相关性,相关系数为0.97.该方法仅需较少历元的多路径误差便可获得与基于信噪比的GNSS-IR相当的土壤湿度反演精度,更容易实现土壤湿度的高动态监测.     

基于EMD和小波的GPS/BDS变形监测中的多路径误差削弱方法

针对GPS/BDS实时监测坐标序列中多路径误差的周日重复特性和高频随机噪声,分别采用EMD以及EMD与小波阈值去噪相结合的方法对现有坐标序列构建多路径时序模型,并通过恒星日滤波削弱后续坐标序列中具有强相关性的多路径误差。实测数据的处理结果表明,EMD可以很好地去除GPS/BDS实时监测序列中的高频随机噪声并削弱多路径误差的影响,提高实时监测精度50%左右,EMD和小波组合方法较单EMD效果稍好。     

基于正则化与恒星日滤波的BDS多路径误差削减方法

在重构的载波相位单差残差基础上,利用分段思想估计北斗卫星的多路径重复时间,分别采用正则化方法和经典小波滤波方法提取载波相位单差残差的多路径信号,得到“干净”的单差残差序列。实验结果表明,利用Tikhonov正则化方法正确提取多路径信号是可行的,多路径信号比原始测量残差更具平滑性,并进一步优化了正则化参数的估计方法。利用优化后的Tikhonov正则化方法与恒星日滤波后,载波相位单差残差平均改进40.5%;坐标残差E、N、U方向分别改进24.8%、26.3%和42.7%。无论是观测值域还是坐标域,优化后的Tikhonov正则化方法较传统的小波滤波方法更具优越性。     

基于基准站信噪比先验信息的GNSS观测数据多路径误差识别方法及应用

在复杂监测环境下,全球卫星导航定位(GNSS)信号极易受环境干扰产生多路径误差,观测数据中包含大量较差的观测值,导致GNSS监测精度降低甚至不可用。考虑到监测网中的基准站通常布设于开阔无遮挡环境,基准站和监测站跟踪的卫星信息相关性较强,提出一种基于基准站信噪比先验信息的GNSS观测数据多路径误差识别方法。该方法利用卫星信噪比观测值与多路径误差的强相关性,通过对信噪比观测值作站间差分来识别受多路径影响严重的较差数据,并对其进行剔除处理,以抵御复杂监测环境的多路径影响。以遮挡严重的河南三门峡地区某滑坡监测环境为例,基于实测数据验证表明,提出的新方法能够对受山体、植被、人工设施等多路径影响严重的较差观测值进行有效识别,环境自适应能力更强,显著提升了模糊度固定率及定位精度。提出的新方法模糊度固定率结果相比传统固定截止高度角(TFC)模型平均提高39.6%,相比自适应截止高度角(ADEM)模型平均提高28.6%;固定解定位精度在E、N方向优于4 mm, U方向优于9 mm。     

基于北斗三号新频点的多路径误差特性验证方法研究

提出一种北斗三号新频点多路径误差特性验证方法,并通过接收机天线群延时实验以及实测数据验证其与国际民航组织给出的多路径误差模型的符合性.结果 表明:1)实验使用的接收机天线符合DO-373天线群延时特性要求;2)在B1c/L1、B2a/L5和双频组合情况下,BDS与GPS的多路径误差曲线的变化趋势基本一致,即BDS与GP...     

GNSS伪距随机模型估计的非差组合方法

基于非差观测值和无一阶电离层误差、无几何距离的组合准则导出2个UGIF组合,进而提出GNSS[JP2]非差伪距随机模型估计的UGIF非差组合方法。该方法仅需单站、单颗卫星的UGIF组合,适用于高低频情况下的非差伪距随机模型的实时或事后估计。利用中国矿业大学单基站连续运行站双模双频数据,验证方法的正确性与有效性。     

基于观测值域的多路径消除方法及其在GNSS实时变形监测中的应用

首先研究多类卫星的轨道回归周期特性并推导相应公式,然后讨论基于观测值域的多路径消除算法,最后利用实测数据验证该算法的可行性。结果表明,采用观测值域多路径误差修正的方法,使GPS、BDS和GPS+BDS平均定位精度在北、东和高程方向分别提高42%、38%和54%。
     

基于同质区和迁移学习的高光谱图像半监督分类

针对高光谱遥感图像分类中标记样本难获取的问题,提出了一种基于同质区和迁移学习的新型半监督分类方法。首先对高光谱图像进行分割得到高纯度的同质分割斑块,获取大量扩展训练样本。并在此基础上引入迁移学习,将扩展训练样本作为源域,剩余未标记样本作为目标域,实现多次迁移,从而减少同一幅图像上各地物的分布差异,并保留其各自的内部属性。实验结果表明,该方法是一种有效的高光谱图像半监督分类方法。     

基于GNSS载波相位的守时系统远程性能评估方法研究

为测试在建守时系统性能,提出基于GNSS载波相位的远程评估方法,并开展实验验证。以国家标准时间UTC(NTSC)为参考,基于西安和北京地区4个测站连续15 d的GNSS观测数据,分别采用PPP和载波相位共视(PCV)法解算得到待测守时系统相对UTC(NTSC)的时间偏差,然后对待测守时系统的相对频率偏差、频率稳定度等关键指标进行分析。结果表明,PCV和PPP时间传递链路的系统误差小,时间传递准确度高,采用PCV和PPP时间传递可准确测量相距较远的守时系统的频率稳定度、相对频率偏差等特性,可为下一步国产守时系统性能远程测试打下坚实基础。     

基于多GNSS融合的GPS PPP模糊度固定方法

通过BDS/GPS/GLONASS组合的方式加速PPP的收敛,利用整数相位钟法实现GPS PPP模糊度的固定,并通过6个MGEX测站的数据进行PPP动态实验。结果表明,固定解的精度优于浮点解,而基于BDS/GPS/GLONASS融合的PPP固定解定位精度优于单GPS PPP固定解;GPS固定解PPP平均模糊度首次固定时间（TTFF）为46.1 min,而基于BDS/GPS/GLONASS融合的固定解PPP首次固定时间仅为25.8 min,相应的模糊度固定率也由78.6%增加到87.4%。     

一种基于网格虚拟参考站的伪距差分定位方法

为增强国家大地点坐标的安全性,在网络伪距差分方法基础上提出一种网格伪距差分方法。该方法将经纬线网格的交点作为虚拟参考站,将基准站的伪距改正数内插到网格虚拟参考站上,播发各虚拟参考站坐标和伪距改正数,最终实现流动站用户伪距差分定位。实验表明,该方法能获得与多基准站伪距差分定位方法相当的精度,实时水平方向定位精度优于1 m。     

基于MVO优化神经网络的GNSS高程异常拟合方法

针对普通神经网络的梯度消失和易陷入局部极值的问题,提出一种基于多元宇宙优化算法(multi-verse optimizer, MVO)的BP神经网络优化方法(MVO-BP),利用MVO全局寻优的特性求取BP神经网络各层之间可靠的神经元阈值与连接权,从而使神经网络预测模型具备更高的预测精度。建立基于MVO-BP算法的GNSS高程异常拟合预测模型,并采用实际工程中少量高程异常数据进行算法可行性检验。结果表明,相较于常规的BP神经网络法及多面函数法,MVO-BP法精度更高、适用性更强,可为实际工程测量中正常高的求取提供参考。     

萤火虫算法优化的高光谱遥感影像极限学习机分类方法

机器学习方法在高光谱遥感影像分类中广泛应用,本文使用新型的极限学习机（Extreme Learning Machine,ELM）进行高光谱遥感影像分类,针对ELM中正则化参数C和核参数σ,提出以萤火虫算法（Firefly Algorithm,FA）进行优化。首先,采用萤火虫算法进行高光谱遥感影像的波段选择,以便降低维数;然后,利用萤火虫算法以分类精度最大化为准则对ELM的参数组合（C,σ）进行寻优;最后,利用参数优化后的ELM分类器,对3个不同传感器的高光谱遥感影像进行分类。实验中将新型的萤火虫算法与遗传算法（Genetic Algorithm,GA）和粒子群算法（Particle Swarm Optimization,PSO）进行了对比,并将ELM的性能与支持向量机（Support Vector Machine,SVM）方法作对比。结果表明,FA优化方法优于传统的GA和PSO优化方法,ELM方法的效果在训练时间和分类准确率2个方面都优于SVM方法。实验说明,本文提出的方法具有较好的适用性和较优的分类效果。     

基于矩形图的天然水化学分类和水化学规律研究

在论述Piper图和Durov图的基础上,推荐一种新的水化学图——矩形图,并详细叙述了矩形水化学图的划分原则和依据。通过银川平原地下水水化学资料分析,证实这种水化学图可用于确定地下水的水化学类型,并进行水文地球化学规律研究。