自适应序贯平差及其应用

基于自适应估计原理和抗差M估计原理，提出了自适应序贯平差和自适应抗差序贯平差法，给出了相应的参数估值公式。计算结果证明，自适应序贯平差能有效地控制模型参数先验信息的异常影响，平衡观测值和参数先验值在参数估计中的贡献;自适应抗差序贯平差能有效地抵制观测异常和模型参数先验信息异常扰动对平差结果的影响。     

确定实时序贯平差自适应因子取值范围的方法

自适应序贯平差过程中,自适应因子的不同取值可以调节模型参数的先验信息和观测信息在平差过程中的利用程度,从而使未知参数的平差值接近真值。但是自适应因子取值过大或者过小都有可能使平差结果超出后验方差估计的范围,这样平差结果虽然接近真值但是却没有现实意义和实用价值。根据后验方差估计的原理,提出了利用后验方差估计确定序贯平差中自适应因子的取值范围;并给出了相应的计算步骤。通过计算实例证明该方法不仅具有实时序贯平差平衡观测值与参数先验值的功能,而且使计算结果具有实际意义。     

确定实时序贯平差自适应因子取值范围的方法

自适应序贯平差过程中,自适应因子的不同取值可以调节模型参数的先验信息和观测信息在平差过程中的利用程度,从而使未知参数的平差值接近真值.但是自适应因子取值过大或者过小都有可能使平差结果超出后验方差估计的范围,这样平差结果虽然接近真值但是却没有现实意义和实用价值.根据后验方差估计的原理,提出了利用后验方差估计确定序贯平差中自适应因子的取值范围;并给出了相应的计算步骤.通过计算实例证明该方法不仅具有实时序贯平差平衡观测值与参数先验值的功能,而且使计算结果具有实际意义.     

坐标基准维持与动态监测网数据处理

坐标基准的维持不仅要求有高精度的连续大地测量观测或定期复测,还要求采用合理的数据处理原则与方法。分析了不同平差方法对基准的影响,其中包括经典整体平差、序贯平差和自适应序贯平差。利用GPS监测网数据进行了计算与分析,结果表明,当个别点位发生异常移动或变形时,序贯平差会使坐标基准产生实际的扭曲,而自适应序贯平差则能有效控制异常点位对平差基准的影响,保证了坐标基准的可靠性和现势性。     

开窗分类因子抗差自适应序贯平差用于卫星钟差参数估计与预报

提出一种新的钟差算法--开窗分类因子抗差自适应序贯平差,即首先对一维钟差数据进行开窗处理,在窗口内利用抗差等价权削弱粗差影响,在窗口间构造自适应因子抵制钟跳异常,从而达到消除和削弱观测异常和状态异常的目的.针对不同星钟参数不符值描述不同的扰动特性,提出构造分类自适应因子来抵制钟差时间序列中的扰动异常.计算结果表明,新算...     

参数先验信息异常的影响与平差补偿

若参数先验信息含有异常信息,必然造成序贯平差参数估值及其协方差的扭曲。本文首先分析了先验信息异常对参数结果的影响,然后通过对先验信息异常进行判断,再有针对性地引入部分附加参数,通过函数模型补偿法控制先验信息异常误差的影响。实测GPS算例表明,通过该方法能有效地抵制参数先验信息异常的影响。     

自适应序贯抗差估计

对含有粗差的观测值和先验参数,通过构造与它们的实际精度相适应的等价权矩阵的方式,采用双因子等价权原理,建立自适应M-M序贯抗差估计解式,并用实例验证其效果。     

用谱分解法求解自适应因子值

在序贯平差自适应因子取值范围确定的情况下,以均方误差作为评判未知参数解优劣的标准,利用谱分解的方法求该范围内最佳的自适应因子值,并给出了相应的计算步骤和公式推导,为了说明该方法的正确性和合理性,将它与方差分量估计法进行计算和比较。结果证明利用该方法求解出的自适应因子值不仅使均方误差达到最小,而且使求解后得到的结果具有一定的实际意义。     

双自适应因子滤波算法

抗差自适应滤波算法先求解状态参数抗差解,然后根据抗差解求出的自适应因子来调节动力学模型误差对状态估计的影响。本文针对模型信息不精确和存在观测粗差的情况,提出双自适应因子滤波的思想,采用两个自适应因子分别调节动力学模型信息不精确和观测模型误差对滤波估计的影响,推导出双自适应因子滤波公式,并参考单因子计算方法给出双因子计算公式,最后通过仿真试验比较了双自适应因子滤波算法和抗差自适应滤波算法。仿真结果表明,针对观测粗差,此算法基本能够达到正常观测所得到的状态估值。对于动力学模型短时间内出现的小范围异常误差,此算法可在一定程度上削弱模型不精确对估值的影响。     

多类大地测量数据的融合方法及其比较

本文针对多类大地测量数据处理问题,讨论了多类大地测量数据的抗差解融合、方差分量估计解融合、基于抗差解的方差分量估计融合以及顾及参数先验信息的自适应融合等数据处理方法,采用这些方法能合理地调整不同种类观测量间的权比以及观测量与参数先验信息问的权比。实际算例表明,采用这些融合方法能明显地提高多类大地测量数据处理的结果精度。     

GPS/DR组合导航自适应Kalman滤波算法

针对GPS/DR组合导航Kalman滤波的异常扰动影响问题,引入了自适应滤波算法。给出了由预测残差确定自适应因子的过程。利用实测数据进行验证,结果表明无论是单因子自适应滤波还是多因子自适应滤波都能够很好地控制状态异常对滤波估值的影响,滤波精度均优于标准Kalman滤波导航解;而且因为多因子自适应滤波避免损失可靠的状态参数信息,较单因子自适应滤波,精度又有明显提高。     

自适应抗差Kalman滤波在多天线原始观测值瞬时姿态确定中的应用

由载波相位观测值直接解算姿态能实现观测及姿态约束信息的最优利用。本文推导了基于失准角及乘性误差四元数的载波相位观测模型,分别建立了有外部角速度传感器和无外部传感器辅助下姿态参数估计的状态模型;利用自适应抗差滤波估计姿态误差,借鉴分类自适应因子的思想,分别确定模糊度和姿态误差参数的自适应因子,其中姿态自适应因子由Ratio值构造的三段函数确定。自适应抗差滤波能够充分利用约束信息和历史信息,将其融合在浮点解计算过程中,极大提高模糊度浮点解精度及其协方差的结构,在此基础上使用整数最小二乘模糊度降相关平差法(least-squares ambiguity decorrelation adjustment,LAMBDA)方法即能快速搜索出固定解,满足实时性需求。采用实测舰载GNSS 3天线测姿算例对方法进行了验证,结果表明,基于自适应抗差滤波的观测值直接定姿方法效率高、可靠性好。     

基于自适应参数估计的多时相遥感图像变化检测

提出一种基于自适应参数估计实现多时相遥感图像的变化检测算法.首先应用分层Markov随机场模型建立多时相差分图像的统计模型;然后通过非监督的迭代自适应参数估计实现差分图像的分类,从而检测出变化的像元.在每次参数估计过程中,先将上次估计出的参数用于最大后验估计实现差分图像的分类,然后根据分类结果再对参数进行修正,并将修正后的参数用于下一次迭代分类,如此循环迭代,能够自适应地完成差分图像的参数估计与分类.     

非线性平差精度评定的自适应蒙特卡罗法

针对现有的非线性平差精度评定理论中,蒙特卡罗法模拟次数的选择不具有客观性,无法对结果进行直接控制,以及没有同时考虑到平差参数估值、随机量改正数和单位权方差估值的有偏性等问题,把自适应蒙特卡罗法融入到非线性平差精度评定理论中。通过基于自适应蒙特卡罗法的估值偏差计算和参数估值协方差阵计算,设计了非线性平差精度评定一套理论完整的算法流程。基于对偶变量的思想,提出了参数估值偏差计算的对偶自适应蒙特卡罗法。直线拟合模型和椭圆拟合模型两个算例结果表明,非线性平差精度评定的自适应蒙特卡罗法能获得稳定且合理的精度评定结果,具有更强的适用性;对偶自适应蒙特卡罗法计算估值偏差的收敛速度更快,效率更高。     

一种基于HVS和DFT的栅格地图自适应数字水印算法

提出了一种适于数字栅格地图版权保护的离散傅立叶变换域自适应数字水印嵌入算法。该算法通过对数字栅格地图进行分块傅立叶变换和频谱分析,结合人类视觉系统,能够自适应地确定地图的纹理区域,将水印信息以加性法则嵌入到纹理区域的傅立叶变换域中频系数内。不同分块大小的栅格地图水印算法具有不同的鲁棒性。对2×2、4×4和8×8分块的水印算法进行了比较分析,结果表明,2×2分块水印算法不仅具有较好的透明性,而且对诸如叠加噪声、JPEG压缩、几何裁剪、图像增强等攻击均具有更好的鲁棒性,整体性能优于4×4分块和8×8分块算法。