基于虚拟观测的病态问题解法

在大地测量数据处理领域中,处理病态问题的主要方法有:岭估计方法、奇异值分解法(SVD)、Tik-honov正则化方法等,但是这些方法大多数是强调数学上的意义,没有充分联系大地测量的实际情况,因此不利于在测绘领域病态问题本质的理解和研究。为使病态问题的求解具有实际的物理意义,提出了基于虚拟观测的岭估计方法。该方法将先验约束条件作为一类互相独立的虚拟观测值,从而把病态问题转化为测量平差问题,然后运用Helmert方差估计法来确定岭参数。该方法还可以得到的参数之间的权矩阵,用它来代替虚拟观测值的权矩阵,重新对参数进行计算,则实现了该方法向广义岭估计的推广。实际算例分析的结果表明该方法不仅计算简单而且能保证结果精确。     

典型振动信号时-频分析方法研究

首先对比较简单的单分量信号和多分量信号进行时-频分析,对比了不同时-频分析方法(STFT、WD、Hilbert时-频谱分析、连续小波分析)的分析精度。结果表明对单分量信号和可以分解为若干单分量信号叠加的多分量信号,Hilbert时-频谱分析精度最好,WD和STFT次之,连续小波变换的精度最差;由于Hilbert时-频谱分析和WD方法要求信号为单分量信号或可以分解为若干单分量的信号,故其不适用于复杂信号的时-频分析;对多分量信号,STFT时-频谱较连续小波时-频谱精度高些。需要指出的是,当使用STFT方法时,取不同的窗参数,STFT的时-频分析精度相差很大,必须使用合适的窗参数,以取得较好的分析效果。此外还对El Centro波的两水平分量和人工合成的地震动进行了时-频分析,虽然STFT的时间分辨率和频率分辨率存在矛盾,但它对信号的适应性最强,对复杂信号的时-频分析精度一般可以满足需要,而连续小波变换进行信号的时-频分析时,时-频分辨精度最差,且对于大于30Hz的频率分量,随频率的增加,时-频分析的效果和精度迅速变差,说明小波变换并不适合于做时-频分析,尤其对于高频信号,用连续小波变换得到的时-频谱图看起来很粗糙,而且很难准确解释。进一步对比了真实地震动和人工地震动的时-频分布,认为用胡聿贤教授合成人工地震动的方法合成的地震动在时-频域上的分布和真实地震动相似。     

提高地磁绝对观测数据精度的有效途径

经过长期观察发现用CZM-2型核旋仪(及其同类仪器)进行定点观测读数时,运用分量仪线圈“单向”旋转的方法进行分量观测,再加上做好一些其它辅助措施,能够充分消除人为因素和仪器本身误差所带来的影响,明显提高仪器的观测精度,达到使观测资料更加准确的目的。     

雷击风险评估实践中各风险分量的鉴别

根据在以IEC62305-2雷击风险评估进行风险评估实践中的一些经验,原则性地介绍了各雷击风险分量的鉴别方法。     

精密时钟噪声的按噪声分量分解与白噪声中f^—1随机过程的最优估计

对于任何精密时钟来说,其五种噪声分量的幂律谱系数不存在固定的比例关系,因而在对精密时钟进行最优综合时需要对其噪声进行按噪声分量分解。通过探讨白噪声中ｆ＾－１随机过程的最优估计,提出了一种分层次地对精密时钟噪声进行按噪声分量分解的方法。     

起算数据误差影响下的方差分量估计

探讨了起算数据误差影响下的方差分量估计方法,给出了顾及起算数据误差影响时求解方差分量估值的方程组及单位权中误差估值的计算公式,并通过实例了说明了当起算数据误差较大时,它们对工分量估计的影响是不应忽略的。     

一种简化的Helmert方差分量估计算法

Ｈｅｌｍｅｒｔ方法是通过求出两类观测值的单位方差,来修正其先验权,用迭代法最终求得正确的权。本文提出,如果已知两类观测值的单位方差之比,即可定出正确的权,从而使计算简单化。     

地磁Z分量整点值空间相关法在江苏地区地震预报中的初步应用

应用江苏地磁台站Ｚ分量整点值资料,研究了江苏地区Ｚ分量整点值的相关性及在江苏地区地震预报中的作用,给出了该法在江苏地区的异常判据指标,并应用该指标提取了１９９０－１９９７年的三个异常,其中两个异常有地震对应。     

TRES-Ⅰ型多分量瑞利波勘探仪的研究及应用

提出多分量瑞利波勘探的技术思想和方法,研制成功专用的防爆型多分量瑞利波勘探仪器,建立了在用极化分析对瑞利波勘探记录的多分量信号分析的基础上,用极化滤波提取有效瑞利波信号的方法。在煤矿井下及地面实际应用表明,多分量瑞利波勘探与单分量法比较,信号的信噪比、勘探深度和可靠性均有一定的提高。     

张北6.2级地震前后地磁Z分量的日变化

利用河北省及邻省、市共１７个地磁台相对观测Ｚ分量资料,总结分析了张北６．２级地震前后的日变化。认为,一次较强地震前可能有多次异常出现,日变反向可作为中短期异常,而后出现的日变低点位移,当分界线连续在某区出现,地震可能进入短临阶段。日变反向的极值区附近和低点位移连续汇集地区可能是未来震中。对于震前出现的多次异常进行追踪预报,可能效果较好。