基于消声水池的多波束测深不确定度检测方法

目前国内多波束测深系统质量检验不够成熟,仪器质量和测量数据的可靠性和准确性都无法得到保证,为此,提出一种基于消声水池的多波束测深不确定度检测方法。通过建立基于消声水池的测深声呐检测硬件、软件平台,削弱了由于实验环境带来的各种误差及不确定度因素的影响,提高了检测的精度与可信度。对R2 Sonic2024型多波束测深仪进行几何指标检定实验和精度评定分析,精度较高的中央波束水深值总误差服从正态分布,计算其置信区间及落入置信区间的概率,剔除不符值,使其满足置信度为95%,并计算比对差均值。实验结果表明,该多波束测深不确定度检测方法切实可行,能比较客观地用于多波束测深不确定度检测。     

多波束测深全覆盖测量分辨率研究

根据国际海道测量规范,采用多波束测深手段的特等和1 a等全覆盖测量,可归纳为多波束测深全覆盖测量。多波束测深全覆盖测量对海底目标物具有不同的探测标准。本文在推导多波束测深分辨率模型的基础上对多波束测深全覆盖测量分辨率进行研究。根据全覆盖的原则,推导了多波束测深全覆盖测量的最大航速。通过算例分析,分别给出了纵向与横向分辨率的分布,并对测深扇面的宽度和航速控制提出建议。     

基于Ping的多波束测深精度评估方法研究

为了反映多波束测深成果质量,需要对测深数据进行精度评估。交叉检查是有效的多波束水深精度评估方法。在传统的基于面的交叉检查方法基础上,提出基于Ping(脉冲击发)的交叉检查方法,对多波束测深数据进行精度评估,并对精度超限的数据进行误差分析。通过实例分析表明,基于Ping的交叉检查方法较传统方法更为可靠,该方法还能够发现测深数据中残存的不同类型的系统误差。     

多波束测量的精度控制与规范指标

分析多波束测量、辅助测量的数据精度,研究其对成果水深的影响程度,结合《海道测量规范》与《多波束水深测量技术规定》中的测量等级指标,以及IHO规范中对水深不确定度的定义和传播结构的介绍,建立数学模型反解出符合规范的作业环境与辅助测量数据的等级指标,提出明确的多波束测量作业精度控制的技术指标,为测量数据的质量监控建立更全面的评价标准。     

基于海底地貌表示法确定主测深线间隔和测图比例尺

通过对我国海道测量规范和国际海道测量组织S-44标准中主测深线间隔的确定方法进行分析比较,提出一种基于海底地貌复杂程度的分类方法与海区水深的结合的情况下确定主测深线间隔和测图比例尺的方法.     

多波束水深数据不确定度研究

针对目前多波束水深数据质量评定问题,提出一种基于交叉检查的多波束水深数据质量评定方法。该方法计算原始水深的不确定度信息,利用多波束交叉测线成果水深信息,分析交叉检查区域水深差值与不确定度相符情况。试验结果表明,不同的多波束软件得到成果水深及其不确定度不同,所提方法能检查出多波束成果水深与其不确定度不符程度。     

抗差估计的多波束测深数据内插方法

针对传统多波束测深数据网格化内插方法抗差性不足的问题,该文将抗差估计理论应用于网格化内插方法中。基于不确定度指标建立了距离不确定度联合加权内插模型,在该模型的权函数中引入了等价权,同时给出了等价权设计方案及迭代初值确定原则,以增强模型的抗差性;介绍了一种节点邻域参考点合理选取方法,给出了改进内插法实现的基本步骤,最后通过实测数据对反距离加权法、联合加权法及改进方法内插水深质量进行比较。结果表明,改进方法内插结果要优于另外两种方法,可应用于多波束测深数据网格化处理中。     

多波束测深系统时延偏差探测及校正方法

在利用多波束测深系统进行高精度海底地形测量时,各传感器之间数据采集时间不同步的问题,即存在时延偏差,这将会直接影响多波束测深数据质量,为此提出了一种基于最小二乘原理的多波束测深时延偏差探测及校正方法,给出了时延偏差探测及校正计算模型,设计了时延偏差探测及校正流程,通过实例分析,验证了所提方法的适用性和有效性。     

声惯一体单波束测深系统在长江河道勘测中的应用

现如今单波束测深系统及多波束测深系统已经在长江河道水下地形测绘中广泛应用,人们对于内河航道水下地形数据的精度要求也越来越高,声惯一体单波束测深系统很好地解决了传统单波束测深精度不高及多波束测深系统安装操作复杂且对测量水域条件要求较高等问题。本文针对声惯一体单波束测深系统在长江河道勘测中的实际应用情况,与传统单波束及多波束测量数据进行对比分析,结果表明声惯一体单波束测深系统能够很好地满足长江河道高精度测量的需求。     

多波束测深数据的误差分析与处理

在系统分析多波束测深数据的误差来源与性质的基础上,介绍了条带式多波束测深仪所采用的误差处理的理论模型。针对海洋测量的特点,特别强调了基于趋势面分析的粗差探测与剔除和相邻条带数据的整体拼接以及对航向误差的改正等关键问题。本文介绍的误差处理模型对保证多波束测深系统必要的精度和数据质量有着重要的实际意义。