ȱʧ�����»���EM�㷨��GPS�߳����

GPS????????????????????????????????????????????????????????????????????????ó??淽?????????????????????????????EM?????????????????????????????????????????????????????Ч????????????μ?GPS??????????     

利用均方误差相对变化规律确定正则化参数及其在PolInSAR测量反演中的应用EI北大核心CSCD

正则化方法是大地测量解算病态问题的常用方法,而正则化参数是影响正则化方法解算结果的关键参数。以均方误差最小为准则选取正则化参数,具有较充分的理论依据,可有效实现模型参数估值精度的提升。但是,均方误差计算过程中需要未知参数的真值,在实际情形中只能通过参数估值替代真值估算均方误差,难以获得可靠准确的均方误差值,限制了正则化参数的有效性。鉴于此,本文分析了正则化参数变化引起的方差与偏差变化规律,提出了一种均方误差相对变化值确定方法。依据不同正则化参数下模型参数真值不变原则,计算不同正则化参数下的方差与偏差相对变化量,从而消除参数真值对均方误差估计的影响。本文首先利用不同正则化参数计算两相邻正则化参数间的方差与标准差相对变化量;然后计算两正则化参数间模型参数估值变化量,通过差分运算分析得到两相邻正则化参数下的偏差相对变化量;最后综合标准差变化与偏差变化关系,得到均方误差最大降幅的正则化参数。通过PolInSAR植被高测量试验对本文方法的可行性进行了验证。试验表明,本文方法可有效改善正则化法模型参数估计精度。两个PolInSAR测量试验模型参数反演精度均得到了提高,合理验证了本文方法的可行性与有效性。     

基于载波相位平滑伪距与精密单点定位获取的TEC在GNSS电离层层析中的对比分析

利用GNSS(Global Navigation Satellite System)建立电离层层析(Computerized Ionospheric Tomography, CIT)模型反演电离层的结构,并探测和研究电离层的活动及其变化规律是目前的研究热点,其中相位平滑伪距(Carrier Phase Smoothing Pseudorange, CPSP)和精密单点定位技术(Precise Point Positioning, PPP)是两种主要的电离层电子含量(Total Electron Content, TEC)获取方式,但这两种方法对电离层层析的性能影响,目前尚未有研究进行比较分析.有鉴于此,本文利用欧洲区域2017年9月7、8两日的GNSS数据,分别基于CPSP和PPP获取TEC进行电离层层析反演并分析比较其精度,这两种反演方法分别称为CPSP-CIT和PPP-CIT.其结果显示,CPSP-CIT与测高仪之间的RMSE均值为0.9292×10¹¹ el/m³、PPP-CIT与测高仪之间的RMSE均值为0.6915×10^1...     

均方误差意义下的正则化参数二次优化方法

Tikhonov正则化法是大地测量中应用最为广泛的病态问题解算方法之一。影响正则化法解算效果的重要因素是正则化参数,然而,最优正则化参数的确定一直是正则化解算的难题,如L曲线法确定的正则化参数具有稳定性好、可靠性高的优点,但存在过度平滑问题,导致正则化法对模型参数估值精度改善较小。本文从均方误差角度分析了正则化参数对模型参数估计质量的影响。基于奇异值分解技术,提出了由模型参数投影值分块计算均方误差的方法,避免了均方误差迭代计算,并基于均方误差最小准则给出了正则化参数优化方法,实现了对L曲线正则化参数的优化。数值模拟试验与PolInSAR植被高反演试验结果表明,正则化参数优化方法有效改善了正则化法解算效果,提高了模型参数估计精度。     

利用TSVD参数估值变化特性确定算法截断参数

TSVD是大地测量病态问题解算的常用有效方法。影响TSVD解算效果的关键因素是截断参数,现有截断参数确定方法可提供有效的截断参数,但仍难以给出最优截断参数。以均方误差最小为准则确定截断参数是一种理论依据较充分的截断参数确定方法,但均方误差计算所需的模型参数真值在实际应用中无法获得,导致该方法难以给出理论最优截断参数。鉴于此,本文研究了基于均方误差影响下(方差与偏差联合影响)参数估值变化特性的TSVD截断参数确定方法。通过TSVD依次截掉小奇异值,获得奇异值截掉前后的方差与参数估值变化,利用两者变化分析确定偏差影响,避免依赖参数真值计算偏差,从而确定出均方误差最小理论下的截断参数。数值与应用试验结果表明,本文方法确定的截断参数可有效改善TSVD解算效果,是一种行之有效的截断参数确定方法。     

顾及截断偏差影响的TSVD截断参数确定方法

TSVD通过截断参数截掉较小的奇异值来改善病态性对估计的影响,其本质是通过引入少量偏差来降低方差,以提高估值的稳定性和可靠性。截断参数是影响TSVD解算效果的关键因素,常用的广义交叉核实法(GCV法)和L曲线法未从TSVD改善模型参数估值质量的角度确定截断参数,稳定性和可靠性不足,而最小MSE法理论依据充分但受限于MSE计算的准确性。通过分析TSVD由小到大截掉奇异值后,相应的估值方差与偏差变化,本文提出了引入偏差量小于降低方差量来确定截断参数的思想,并通过估计出较大奇异值截掉后的偏差引入量建立偏差估值可信区间,利用可信区间内偏差估值与方差下降量进行比较,避免较小奇异值截掉后的方差下降量与偏差引入量的直接比较,从而解决参数真值未知截掉较小奇异值引入偏差量难以准确计算的问题。最后通过试验验证了新方法的可行性和有效性,相比于GCV法和L曲线法,新方法确定的截断参数稳定性和可靠性更高,可有效提高TSVD的解算效果。     

附有奇异值修正限制的改进的岭估计方法

最小二乘估计具有无偏性,而岭估计是一种有偏估计,它通过引入偏差降低方差来降低均方误差。在模型出现病态时,岭估计优于最小二乘估计。对岭估计的方差与偏差进行分析发现,岭估计通过修正病态矩阵的奇异值降低均方误差,但对部分较大奇异值的修正不能有效降低均方误差。通过比较修正奇异值的方差下降量与偏差引入量的大小关系确定需要修正的小奇异值,进而改进岭估计方法,实现选择性地修正小奇异值,提出附有奇异值修正限制的改进的岭估计方法,可有效改善岭估计的解算效果和可靠性,实验验证了新方法的可行性和有效性。     

不完全测量数据的EM处理算法

推导了EM算法用于不完全测量数据的实现方法。结果表明,应用EM算法处理不完全测量数据,改善了测量精度,与完全数据下的平差结果极其接近,明显优于不进行平差处理的结果。     

���е�ͼ��ϢԼ����GPS/DR��ϵ���ϵͳKalman�˲��㷨

??GPS/DR?????????У?GPS???????????????????????????ж??????DR?????????е???????DR??????????????????????????????????????????????λ??????????????????????????????????????????У???DR???????????????????????????????????Ч????λ?????     

基于机器学习集成算法的电离层层析算法迭代初值精化

GNSS电离层层析技术在电离层探测中扮演着重要角色,然而,由于观测数据不足或分布不均,导致层析模型中固有的不适定性问题成为制约该技术推广应用的主要瓶颈,其主要表现在无信号射线像素的反演电子密度对初值比较依赖,而初值通常是由精度不高的经验模型给出,从而拉低了电离层层析的整体精度.针对该问题,本文提出了一种基于机器学习集成算法(XGBoost)的电离层层析新方法(XGB-CIT),即基于传统层析算法,利用多个连续时段中有信号射线像素的特征及其电子密度反演值对机器学习模型进行训练,然后预测后续时段中所有像素的电子密度,并以此作为电离层层析的迭代初值,实现对电离层层析算法迭代初值的精化以及层析精度和效率的提升.利用湖南省连续两天共46个时段的CORS观测数据进行层析反演,并以23个连续时段为滑动窗口构建机器学习模型进行初值预测,并在此基础上利用正演误差和电离层测高仪数据对XGB-CIT的精度和适用性进行检验.其结果表明：相较于IRI2016模型,XGBoost算法提供的迭代初值精度提高了68%,而基于该初值得到的XGB-CIT模型,其精度和效率也比传统层析方法有所提高,其中收敛速度提高了20%...