卫星重力梯度数据粗差探测方法的比较研究

比较研究了卫星重力梯度数据粗差探测的阈值法、Grubbs检验、Dixon检验和小波分析法及组合方法。基于卫星重力梯度测量粗差的来源和特征,模拟生成了重力梯度数据的粗差,利用上述粗差探测方法模拟计算的结果表明：联合Dixon检验和小波分析的组合法最有效。     

基于赫尔默特方差分量估计的水准网平差方法研究

复杂地区水准网平差时传统定权方法存在不合理性。根据高差观测误差与地形起伏的关系,建立高差分类新标准,推导出各类高差观测值权的计算公式,并引入赫尔默特方差估计法来合理匹配各类高差观测值的权比关系,最后通过算例验证本文方法的优越性。     

定点水准折光差问题

根据一九八七年的实验结果,对定点水准折光差的影响,进行了再研究,认为可选择最佳的观测时间以减弱折光差的影响。筛选了两种计算折光差的公式进行折光差改正,结果表明都是适用的。     

城市环境下惯性辅助的GNSS多粗差探测方法北大核心CSCD

当多星座的GNSS接收机存在多个粗差时,传统的粗差检测和排除(FDE)方法需要通过频繁的搜索来排除潜在的观测值,剔除粗差的效率低,且定位性能可能急剧降低。提出一种惯性辅助的多粗差检测与排除方法,将惯性状态模型和测量模型的信息引入到自主完好性监测中,来构造全局和局部检验统计量检测粗差,并有效地排除错误测量值。结果表明,对于接收机存在2个以上粗差时,传统的FDE方法误检和漏检率高,而本文方法可显著提高检测效率,提高定位精度。     

一种基于MAD改进的GNSS高程时间序列粗差探测方法

针对GNSS高程时间序列中不可避免地含有粗差,以及在非线性、不平稳性的高程时间序列中粗差难以探测的问题,在传统MAD方法基础上,构建一种引入小波分析的WT-MAD粗差探测方法.利用模拟数据和LHAZ、BJFS、TWTF三个IGS站的实测高程数据进行实验,将WT-MAD法与基于最小二乘的3σ法、IQR法和MAD法进行对比...     

基于SSA-Sn法的GNSS坐标时间序列粗差探测

针对GNSS高程坐标时间序列中含有粗差、高程坐标时间序列不平稳、非线性变化导致异常值探测困难等问题,提出一种奇异谱分析SSA与S_n估计量相结合的粗差探测方法。利用实验模拟数据和实测数据分别对该方法的探测效果同常规3σ法和MAD法进行对比,结果表明,SSA-S_n粗差探测方法的总体探测效果更好,能够满足GNSS坐标时间序列高可靠性的需求。     

一种估计粗差大小的新方法——先验方差待定参数法

提出一种利用先验方差信息进行测量数据处理中粗差估计的新方法——先验方差待定参数法。该方法无需进行最小二乘和假设检验,计算简便。从基本原理出发,给出其数学模型,然后通过3个算例,与QUAD法等其他常用的粗差估计方法进行对比,证明该方法的可靠性和实用性。     

复测水准网动态平差与静态平差结果的比较

用动态平差与静态平差方法对复测水准网资料进行处理,获得两种方法下高程点的变化量及其速率,对高程点变化量及其速率的分析表明：动态平差可以获取任意时刻地壳运动的动态变化信息,其结果在描述地壳垂直运动特征及其过程时更为合理;而在静态平差结果中,待定点的变化量及其精度、速率值均会因固定点位置的不同而不同,其结果中出现了一个强制约束值,该结果淹没或者转移了观测值中可能包含的形变信息。因此认为,在进行地壳垂直运动分析时,宜采用动态平差计算结果。     

一种基于小波分析的卫星钟差数据粗差处理方法

针对传统MAD方法在探测钟差粗差方面存在的不足,提出一种基于小波分析的钟差数据粗差探测与处理方法.该方法利用小波变换的多尺度分析能力,将含有粗差的数据分解为低频小波系数和各层的高频小波系数,并在不同时间尺度下进行粗差探测和消除.使用CODE提供的BDS精密钟差数据进行实验,分析不同小波函数及不同分解尺度对预处理效果的影...     

ˮ׼���ݴֲ�̽�����Ϸ�������

???Ч????????????????????????????????????????Baarda??????д???????????????????????Baarda??????????????????????????????????????÷????????Ч?????????????е??????????????????     

基于异常误差补偿的多期水准网动态平差

针对水准网中的异常误差,采用函数模型异常误差补偿方法抑制其影响,提高水准网平差精度。首先采用最小二乘方法获得各观测值残差,通过假设检验确定异常误差位置;将异常误差作为待估参数进行解算;最后扣除异常误差,利用"干净"观测数据进行平差获取水准网点的高程与垂直运动速度。采用山东省两期二等水准网观测数据进行试验,该方法进一步提高了水准网平差的可靠性。     

GNSS形变监测时间序列的粗差数据处理方法

针对GNSS形变监测的传统粗差探测算法性能受限于数据长度的问题,提出基于小波分析的一阶导数粗差剔除法。首先使用新算法对原始信号进行粗差剔除,再利用广义延拓插值补充残缺点。实测算例结果表明,新算法执行时间是3倍中误差法（3σ法）的0.01倍,插值后与真实值偏离仅0.03 mm,远优于其他传统粗差探测手段。     

基于奇异谱分析的GNSS坐标时间序列粗差探测与噪声估计

考虑到传统谐波模型难以精确描述GNSS坐标时间序列的非线性变化,导致信号和噪声不能很好地分离,进一步影响粗差探测和噪声估计,本文提出一种基于奇异谱分析的粗差探测与噪声估计算法。首先采用奇异谱分析方法分离出GNSS坐标时间序列中的信号与噪声,然后基于IQR准则探测噪声中的粗差,最后采用最小二乘方差分量估计（LS_VCE）方法定量估计各噪声分量。算例表明,相比于传统基于谐波模型的算法,该算法的粗差探测准确率更高,且估计的噪声分量与真值更接近。     

顾及三维方向的GNSS坐标时间序列粗差探测方法

针对GNSS坐标时间序列中粗差为三维位置粗差的特点,提出综合三维坐标的迭代最小二乘粗差探测方法。通过实验模拟数据,分别利用3倍中误差（3σ）准则和四分位距（interquartile range, IQR）准则对单方向和综合N、E、U三方向的粗差进行探测。结果表明,2种判别准则中,综合考虑3个方向的探测效果远好于单方向的探测效果,且探测效率均超过95%;3σ准则的探测效率稍高于IQR准则,但误判率也较高。在实测数据中的应用表明,SOPAC(Scrips Orbit and Permanent Array Center)提供的部分raw类型全球IGS站时间序列中粗差占0.1%~4.7%;运用IQR准则综合3个方向的粗差探测得到的时间序列要比cleaned trend类型更加干净。     

高铁无砟轨道静态检测数据预处理方法研究

基于常用的高铁轨道静态检测方法,提出利用小波分析理论选择适合的小波基对静态检测数据进行滤波去噪处理,达到去除原始轨道静态检测数据中粗差的目的。对贵广高铁轨道静态检测数据进行实际验证表明,本文提出的方法可以有效地去除粗差,并且得到很好的检测效果。     

GPS�������ֲ�̽���Bayes����

??????Bayes??????????????????GPS???????ж?????λ??????Bayes?????????????????????????GPS????????????????÷???????Ч???     

广义高斯分布下稳健估计方法的抗差特性评价

为寻求在抗差特性方面更具优势的稳健估计方法,引入能更客观地描述观测值真实分布的广义高斯分布来模拟观测值,并结合独立等权观测值的水准网和测边网算例,比较了12种常用稳健估计方法的抗差特性。研究表明,观测值服从广义高斯分布时,在与试验类似的独立等权观测值的水准网和测边网平差计算中,L1法、Danish法、German-McClure法和IGGⅢ方案是抗差特性相对更优的稳健估计方法。     

BDS-2卫星钟设计年限末期阶段性能评估与分析

为探究BDS-2卫星钟在当前阶段的运行状态及性能情况,采用国际GNSS监测评估系统（iGMAS）2018年共365 d的精密钟差数据,将Score检验量引入钟差异常探测,并结合中位数法进行数据质量控制,弥补了中位数法部分粗差漏探的缺陷;再从频率准确度、频率漂移率、频率稳定度、模型拟合残差、周期特性、噪声类型等6个方面对BDS-2卫星钟的相关性能进行全面评估。结果表明,现阶段BDS-2在轨卫星钟的运行状态良好,各项性能指标均正常,可继续提供相应的系统服务。其中,BDS-2卫星钟的频率准确度为3.15×10^-11,日漂移率为1.59×10^-13,万秒稳为5.72×10^-14,模型拟合残差平均精度为0.596 ns;GEO、IGSO和MEO三类卫星的钟差序列周期特性显著,第1、2主周期与其各自卫星轨道周期相关,分别为其轨道周期的0.5倍或1倍左右;不同平滑时间下的BDS-2卫星钟主要受调频白噪声（WFM）、调频闪烁噪声（FFM）和调频随机游走噪声（RWFM）的影响。     

不同组合方法对GPS高程拟合的影响

针对平面拟合、二次曲面拟合和GA-BP神经网络3种模型的各自特点和适用范围,为综合各模型优点、提高高程拟合的精度与可靠性,对比分析了不同非线性组合和线性组合方法,即RBF神经网络组合、加权最小二乘支持向量机（WLSSVM）组合和最优加权组合、最优非负变权组合等对GPS高程拟合精度的影响。理论分析和算例结果表明,不同组合方法对GPS高程拟合精度的影响不同,WLSSVM组合和最优非负变权组合的拟合效果较好,可靠性较强|最优非负变权组合能较好地控制残差极值,有效减小误差区间,且转换精度较高。