基于GSA-BP神经网络的GNSS高程拟合方法

针对传统BP神经网络模型进行全球导航卫星系统(Global Navigation Satellite System, GNSS)高程拟合时存在的收敛速度慢,易陷入局部极小值和拟合精度受初始参数选取影响大的问题,提出一种遗传模拟退火算法(Genetic Simulated Annealing,GSA)优化的BP神经网络模型:GSA-BP.该模型利用GSA的全局搜索能力对BP神经网络的模型参数进行自动寻优,确保BP网络能够获取全局最优解并提升拟合精度.最后采用实际工程算例开展试验,对所提GSA-BP模型的高程拟合性能进行评估和验证,结果表明所提GSA-BP模型相对于传统BP神经网络模型具有更高的拟合精度和更强的数据适应性,更适用于实际工程实践场景.     

基于北斗导航的5G医疗废弃垃圾监测系统

医疗废弃垃圾因其具有高危、高污染等特点,一旦在公共场所泄漏,将造成巨大危害,所以医疗垃圾清理一直是政府和民众关注的重点.本文根据医疗垃圾废弃物运输的特点,设计了基于北斗导航的5G医疗废弃垃圾监测系统,保障了医疗垃圾从医院源头至指定医疗垃圾处理点的安全运输.能有效减少医疗垃圾废弃物的无序倾倒、医疗垃圾被二次回捡使用及非法买卖、医疗垃圾清运车长时间在人员密集公共场所停放的现象.     

一种应用协同导航技术的交通拥堵度计算与危险预测方法

多源数据融合下的多目标协同导航是提高目标导航定位精度和稳定性的有效途径.通过导航数据传感器的实时观测以及位置、速度和目标间测距值等协同信息的共享,基于相关模型实现了协同导航系统中交通拥堵度和交通危险性的预判.模拟实验结果表明,协同导航技术不仅能降低传感器部署成本,还能提高交通拥堵计算和危险性预判的效率.     

全球导航卫星系统时间精度分析

全球导航卫星系统具有独立的时间参考系统,即GNSS时间,并溯源至UTC时间.GNSS时间精度参数不仅影响定位和授时的精度,也影响不同GNSS系统之间时间偏差的计算和预报,进而对GNSS系统的互操作性产生影响.本文对GNSS时间标度的产生和维持进行了分析,并通过分析给出了其精度估计结果.     

基于微信小程序的校园导航系统的设计与实现

近年来,随着国家对高等教育投入的增加,校园建设的越来越大,设施越来越齐全,同时大学校园的活动也越来越多,大学与大学之间、大学与社会之间的交流越来越频繁.而百度、高德等在线地图服务提供的校园地图不够详细,经常会遇到新来校园的人员在校园内迷路的情况,所以急需一种数据更详细更精准的校园导航软件来帮助人们在校园内导航,方便人们快速找到目标位置.所以本文结合腾讯云以微信小程序为基础开发了校园导航系统,实现了地图浏览、POI兴趣点查询和导航等功能,方便了人们在校园出行.     

地表温度日变化模型偏差系数解算的地表温度降尺度

地表温度LST（Land Surface Temperature）是全球气候变化研究的关键参数,遥感是获取全球和区域尺度地表温度的一种切实可行手段,但现有的单一传感器无法提供高时空分辨率的LST数据,限制了遥感地表温度数据的深入广泛应用。现有的降尺度方法难以生成无缝高时空分辨率的地表温度数据,且降尺度效果易受高空间分辨率LST数据缺失及有效时刻分布影响。本文提出了一种基于地表温度日变化模型DTC（Diurnal Temperature Cycle）偏差系数解算的地表温度降尺度方法,采用FY-4A、MODIS和Landsat 8的LST数据生成晴空及多云条件下逐小时100 m的无缝LST数据。方法主要包含4部分：（1）利用空值重建方法获取无缝的FY-4A的LST数据;（2）建立FY-4A LST数据的DTC模型;（3）采用时空融合模型对MODIS的LST数据进行空间降尺度;（4）解算DTC模型偏差系数,获取逐小时100 m分辨率的无缝LST数据。实验结果表明,本文提出的方法具有较高的降尺度精度,可获得晴空及多云条件下无缝高时空地表温度数据,且高空间分辨率的地表温度数据缺失和有效时刻分布对本文方法降尺度结果影响较小。     

ITRS/J2000坐标转换误差及其对掩星反演的影响分析

分别对ITRS/J2000转换过程中的极移/潮汐章动、常数偏差矩阵等误差造成的影响进行分析,并分析季节变化、太阳活动、地磁活动等对坐标转换精度的影响。对2019年的IGS精密星历数据进行ITRS地固系转J2000惯性系坐标分析表明,潮汐章动造成的坐标转换误差为0.44 m,春季坐标转换误差(0.23 mm)是其他季节的约3倍;常数偏差矩阵对坐标转换误差可造成1.7 m的影响。对中性大气掩星反演的轨道转换加入误差改正项进行分析表明,潮汐章动和常数偏差矩阵对反演的温度产品分别造成0.09 K和0.19 K的误差影响。建议在进行GNSS无线电掩星反演中采用潮汐章动的高频改正,并且在ITRS/J2000转换过程中推荐将常数偏差矩阵进行旋转处理。     

长三角跨区域北斗位置应用服务模型设计及应用

为做好长三角卫星导航定位基准服务系统的互联互通,跨区域融合三省一市北斗地基增强系统资源,提升北斗位置服务支撑保障能力,本文研究了轻量化惰性格网和地理围栏技术,统一了跨区域差分数据格式,设计了区域一体化的北斗位置应用服务模型。通过浙江省卫星导航定位基准服务“政务一朵云”发布验证了轻量化惰性格网的高效性,并结合太湖西岸的跨区漫游实例验证了相关服务的有效性。     

城市复杂环境下Visual/INS/LiDAR融合高精度位姿估计方法研究EI北大核心CSCD

高精度位姿估计在国防安全、空间探索、经济发展和社会服务等方面发挥着不可替代的支撑作用。随着智能化时代的到来,互联网、物联网的快速发展,谷歌、百度、特斯拉、Uber等无人驾驶方案的不断完善,以及我国北斗工程“羲和计划”的实施,基于位置的服务不断增加。在城市复杂场景下,当前单一传感器的位姿估计方法已不能满足人们对导航定位服务精度及可靠性的需求,因此,融合多种传感器,适用于复杂环境的高精度位姿估计成为当前学术研究与工程实践的聚焦点。     

联合SVM和HMM的水上/水下导航场景感知模型构建

导航场景感知是智能化PNT的重要特征,更是实现多场景无缝导航定位的基础。本文聚焦水上/水下导航场景,考虑电磁波的衰减程度差异将其细分为水上、浅水、深水3类场景,利用支持向量机(support vector machine, SVM)进行场景分类与识别,在此基础上,引入隐马尔可夫模型(hidden Markov model, HMM)表达导航场景切换,进一步提升场景识别可靠性。本文分别构建了基于结果联合(SVM-HMM1)及基于概率联合(SVM-HMM2)的水上/水下导航场景感知模型。实测分析表明,两种模型能够实现高精度场景感知,SVM-HMM1与SVM-HMM2识别准确率分别为91.36%与95.11%;与单一的HMM和SVM模型相比,联合模型在结果分类与识别上更为稳定,准确率提升约为0.95%～8.46%。