同步卫星观测误差的分布规律及处理

本文利用经典平差方法对鑫诺卫星的观测数据进行处理,采用偏度、峰度正态假设检验其残差值是否服从偶然分布,进而判断参数估计结果可靠与否。检验结果表明,残差时间序列的频率直方图不服从正态分布,最小二乘平差方法在处理此观测数据所得到的估计结果是不可靠的。鑫诺卫星观测数据不仅含有偶然误差,还存在系统误差等。本文采用数字滤波方法模型化系统误差及迭代平差的方法,达到提高数据处理精度的目的。     

多模GNSS数据质量检测方法与软件研发

目前尚无一种GNSS数据质量检测软件可以兼容RINEX格式第二版和第三版、同时兼容四大导航卫星系统,严重滞后于GNSS的发展。基于MATLAB语言研发了一种新的数据质量检测软件BQC,不仅可以处理单观测文件,还可以对多个观测文件进行批处理;可以输出四大导航卫星系统的卫星角度位置、多径误差、电离层延迟、载噪比和周跳等信息及统计报告,在批处理模式下还可对多观测文件的数据质量进行比对;与TEQC相比具有较强的兼容性、算法优越性和直观性。随着四大导航系统的逐步完善和RINEX格式第三版的推广使用,该软件将会为GNSS的建设成果检验工作提供一种有力的支撑工具。     

正态性检验的夏皮罗方法的原理及其系数扩充

为了判别观测值中是否含有系统误差,常常要作正态性检验、常用的检验方法中有些并不是针对正态分布的,如x~2检验、柯氏检验,因而功效不高。有的如偏、峰态检验,虽然较有效,但计算复杂。近年来提出的夏皮罗-威尔克检验,计算简单,功效高,是一种较好的方法。本文主要介绍它的原理和计算方法,并补充计算了50相似文献   

导航解算中的系统误差及其协方差矩阵拟合

利用Kslman滤波进行导航定位计算不得不涉及观测函数模型和动力学模型,而观测函数模型和动力学模型经常含有系统误差或区域性系统误差.本文提出了一种基于移动窗口的函数模型和随机模型系统误差自适应拟合法.基于相同的窗口给出了相应的观测向量和状态预测向量的协方差矩阵估计方法,其协方差矩阵的估计与现有的Sage滤波不同.利用经系统误差修正后的观测向量和状态预测向量及相应的协方差矩阵,再进行动态导航滤波计算,能有效提高导航解的精度.文中给出了开窗估计系统误差的公式,并利用实测数据验证了该算法的可行性和实用性.计算结果表明该算法能有效地抵制系统误差对导航滤波结果的影响.     

基于Score检验统计的粗差探测法

针对观测数据同时含有粗差和系统误差时粗差难以探测的问题,本文将粗差纳入随机模型,提出了一种基于Score检验统计的粗差探测方法。首先构造半参数模型的惩罚极大似然函数,给出了相应的解的表达式。然后构造Score检验统计量,推导出具体表达式,给出了相应的粗差探测步骤。最后,用一组含有粗差的模拟数据验证了本文算法的有效性。     

高精度GPS形变监测网数据处理的理论与方法

分析了高精度GPS形变监测网数据处理中系统误差的影响,给出了顾及系统误差影响的自由网平差模型;针对粗差在GPS观测数据中存在的广泛性,在对平差模型进行整体性检验的基础上,采用检验方法消除粗差对平差结果的影响;结合抗差估计,对中国地壳运动观测网络工程1999~2003年观测数据进行了处理,验证了模型的精度和可靠性。     

应用方差分析探讨经纬仪竖轴系偏心差的检验方法

本文简要介绍了经纬仪竖轴系偏心差的检验方法和计算公式,并推导了精度估算公式,利用观测数据计算了偏心元素f以及同一台仪器采用三种方法所得结果的均值和方差,并对所取得的偏心元素进行了正态检验、粗差检验、方差检验,最后将检验结果进行了方差分析,对按三种计算公式所得的结果的精度进行了此较,并对各种方法的适用情况作了分析。     

高精度GPS形变监测网数据处理的理论与方法

分析了高精度GPS形变监测网数据处理中系统误差的影响,给出了顾及系统误差影响的自由网平差模型;针对粗差在GPS观测数据中存在的广泛性,在对平差模型进行整体性检验的基础上,采用检验方法消除粗差对平差结果的影响;结合抗差估计,对中国地壳运动观测网络工程1999～2003年观测数据进行了处理,验证了模型的精度和可靠性.     

多星座组合精密动态定位的抗差扩展Kalman滤波方法研究

扩展Kalman(EKF)滤波算法可有效地进行多卫星系统数据融合处理,但该方法对观测数据的质量要求较高,当观测出现异常时,传统的扩展Kalman方法容易导致滤波失真。为此,利用实测数据,通过虚拟掩模遮挡卫星模拟复杂的GNSS观测环境,研究了基于IGGIII的抗差EKF算法,确定了分位参数的合理经验值,并对其在GPS/GLONASS/BDS组合精密动态定位中的应用进行了分析。结果表明,在遮挡严重的复杂观测环境中,抗差EKF算法可有效地提高组合定位系统的模糊度的固定成功率和定位精度。     

BDS卫星钟差半参数平差模型异常数据探测与处理

针对北斗卫星钟差数据中出现钟跳、粗差等异常数据频次较高的问题,将半参数平差模型引入BDS的钟差数据的处理过程中。首先,在考虑系统误差的同时,改进了常用的钟差模型;其次,综合考虑异常数据和系统误差,利用补偿最小二乘原理和极值求解方法,详细推导了分离异常数据前后参数和非参数估计值与相应观测值改正数的关系表达式,实现了异常数据的定值、参数求解和系统误差分离。在此基础上,引入Cook距离,给出了利用参数分量和非参数分量的Cook距离及混合Cook距离,去判断异常值的位置,并给出了一些参数的选取方法及相应的处理措施,实现了卫星钟差异常数据的定位和定值以及部分系统误差的分离。最后,采用武汉大学GNSS中心提供的采样间隔为5 min的北斗卫星精密钟差数据,将本文方法与常用方法进行了试验对比。试验结果表明,本文方法能够有效地识别并处理卫星钟差数据中的异常值,有效克服了基于经验阈值钟差异常数据探测方法的不足,且该方法对于量级较小的异常钟差数据也有很好的探测效果,一定程度丰富了现有的BDS钟差数据质量控制方法。     

带有未知物理信息的边坡监测滤波算法

为合理利用边坡的几何信息和物理信息,控制几何观测异常对形变参数估计的影响,建立了一种带有未知系统误差的滤波模型,并给出了一种基于移动窗口的系统误差自适应拟合法,同时给出了相应的状态预测向量的协方差矩阵估计方法。GPS监测网的计算结果表明,该算法可以通过拟合地球物理信息来减弱观测异常所带来的影响,提高形变参数解算精度。     

基于经验模态分解的GPS基线解算模型

非建模系统误差是影响高精度GPS基线解算精度的一个重要因素,文章给出基于经验模态分解的GPS基线解算模型,有效消弱系统误差对基线解的影响。在现有经验模态分解理论的基础上,定义经验模态分解的多尺度分解与重构结构,并由此给出基于经验模态的系统趋势分离模型,依据累积标准化模量的均值随尺度的变化确定系统误差与噪声分离尺度的选择标准。给出基于经验模态分解的GPS基线解算的技术路线,首先计算GPS相位双差观测方程的浮点解残差序列,分离出系统误差并用于修正GPS双差观测值,重新计算双差浮点解,采用Lambda算法固定整周模糊度,计算固定基线解,从而消弱系统误差对基线解算的影响,提高基线固定解的可靠性。并采用实测GPS数据验证模型,F-ratio指数与W-ratio指数表明系统误差消弱后,基线固定解可靠性得到明显提高,重新计算的残差序列表明系统误差得到很好的消弱。     

一种Kalman滤波系统误差及其协方差矩阵的半参数估计方法

提出用半参数估计理论来解决系统误差对Kalman滤波解的影响问题。即用半参数模型中的非参数分量表达观测模型和动力学模型中未知的系统误差,在移动的窗口内,基于观测残差和状态向量预测残差拟合模型系统误差,进而修正相应的观测向量和状态预测向量的协方差矩阵,以消除系统误差对滤波的影响。同时这种方法还有明显的优点,就是在滤波过程中不需要对系统误差做任何假设。文中推导了基于正则核估计来解算导航系统半参数模型的相应公式,并根据一个模拟的算例,证明了算法的有效性。     

多维粗差定位与定值的算法研究及实现

在概括控制网观测值粗差探测方法研究进展和讨论多维粗差定位与定值理论的基础上,提出了多维粗差的搜索、判断和算法,并在控制网数据处理通用软件包中得到实现。通过算例分析,证明了算法的有效性;最后提出了粗差定位与定值时应注意的问题。     

空间前方交会中的系统误差处理

空间前方交会测量中,基线长及基线方向值的误差对所有观测点的坐标影响是系统性的。本文提出一种方法,利用空间交会测量中的多余观测,可以精确计算出这些系统误差,同时在交会点的坐标中也消去了基线误差的影响。     

动态定位解算中测量粗差的探测与修复

基于Kalman滤波的动态定位中,动态观测量可能存在粗差,若数据处理不考虑对这些粗差的特别处理,则所提供的动态信息将极不可靠。文中计算了粗差对滤波结果的影响,并由此建立了动态定位中粗差的探测和修复算法。最后以一数字仿真(模拟)实验论证了方法的可行性。     

GNSS导航卫星多维粗差定位算法研究

针对现有GNSS导航卫星多维粗差定位算法研究较少,本文提出采用全局-局部测试法查找观测值中的粗差。从函数模型方面详细论述全局测试和局部测试判断并定位粗差的过程,并且结合蒙特卡罗方法模拟的导航实验数据验证本文所提出的方法。模拟实验表明,该方法能比较快速且准确地定位含粗差观测值,从理论上补充了GNSS导航卫星多粗差定位的算法,也在一定程度上提高了多星座导航完备性。     

正规化矩阵正定时半参数估计量的统计性质

对于包含系统误差和粗差的观测数据,本文将混合Cook距离引入到半参数模型中,实现了粗差的定值定位。首先,构造补偿最小二乘函数,利用泰勒展式,根据均值漂移模型与删失模型的等价性,导出了观测数据中剔除第i个观测数据前后参数分量和非参数分量相应估计值之间的关系式,为粗差的定位分析奠定了基础。其次,将混合Cook距离作为诊断统计量,进行粗差定位分析,得到了参数分量和非参数分量的诊断统计量的简洁计算公式,为了提高粗差定位的准确性,给出了混合Cook距离参数 Q 和C的一些常用形式,通过合理选择相应参数,计算参数分量和非参数分量的距离函数,实现粗差的定位,并将系统误差和粗差从观测数据中区别开来。最后通过模拟算例和实测数据验证了本文方法的正确性。     

Robust estimation by expectation maximization algorithm

A mixture of normal distributions is assumed for the observations of a linear model. The first component of the mixture represents the measurements without gross errors, while each of the remaining components gives the distribution for an outlier. Missing data are introduced to deliver the information as to which observation belongs to which component. The unknown location parameters and the unknown scale parameter of the linear model are estimated by the EM algorithm, which is iteratively applied. The E (expectation) step of the algorithm determines the expected value of the likelihood function given the observations and the current estimate of the unknown parameters, while the M (maximization) step computes new estimates by maximizing the expectation of the likelihood function. In comparison to Huber’s M-estimation, the EM algorithm does not only identify outliers by introducing small weights for large residuals but also estimates the outliers. They can be corrected by the parameters of the linear model freed from the distortions by gross errors. Monte Carlo methods with random variates from the normal distribution then give expectations, variances, covariances and confidence regions for functions of the parameters estimated by taking care of the outliers. The method is demonstrated by the analysis of measurements with gross errors of a laser scanner.