加权混合估计中权值的确定方法

综合了大地测量中各种异方差多源观测模型和联合平差方法,说明了混合估计方法可以用于测量数据融合,平衡附加信息和样本信息对参数估计的影响。通过求取权值使参数估计的协方差阵的迹最小的方法,给出了一个权的最优选择方法。本文扩展了已有的加权混合估计方法,使得新方法中的权不受验前单位权方差的限制,能有效应用于大地测量数据处理。     

反距离加权插值函数性质及最优插值条件

针对反距离加权插值存在的“牛眼”问题,该文研究了反距离加权插值函数的微分性质及适用条件,给出了反距离加权插值的已知点最佳分布条件。反距离加权插值要求空间函数无趋势性信号,而对称设计和均匀设计是抵偿系统误差、提高反距离加权插值精度的重要途径。该文利用反距离加权插值方法对5 m分辨率数字高程模型(DEM)和海洋温度进行插值,结果表明,基于最佳控制点构型条件可提高插值精度,在保证插值控制点构型对称的前提下,选取尽量小的窗口进行插值,能获得较高的插值精度。     

关联概率密度加权重力异常UKF滤波匹配导航算法

无味卡尔曼滤波(UKF)是一种通过采样来近似非线性分布,从而对非线性问题进行次优估计的滤波方法。利用实时观测得到的重力异常以及航行区域参考重力异常图,可以建立基于重力异常的UKF滤波匹配导航算法,以此校正惯性导航系统的漂移误差。针对选取与UT变换相同权系数来求取预测观测值而可能导致求得的预测观测值为伪观测值的问题,提出了利用关联概率密度函数对采样观测值进行加权的重力异常UKF滤波匹配导航算法。通过对某实验区域的实验进行计算分析,结果表明,基于关联概率密度加权重力异常UKF滤波算法能够克服传统加权预测观测值带来伪观测信息的问题,将惯性导航系统经纬向漂移误差降低至1.1 n mile以内,均优干传统加权算法和纯惯性导航系统的定位精度。     

辅助纬度反解公式的Hermite插值法新解

利用计算机代数系统,推导出了地图投影中辅助纬度与大地纬度间的正反解变换公式,发现和纠正了传统正解公式高阶项中的一些错误;借助Hermite插值法得到了符号形式的反解表达式。将各辅助纬度展开式系数表示为简单的偏心率e的幂级数形式,使得系数的表示形式更为统一。     

不规则边界场地中方格法土方工程量的计算

结合方格法计算土方工程量的全过程,介绍了一种不同于传统教材的确定高程权的方法。采用该方法,比较好地解决了不规则边界场地采用方格法计算土方量的难题,对该方法的实际应用具有指导意义。     

知识引导的稀疏时间序列遥感数据拟合

在多云多雨的地区,光学遥感存在着获取无云数据困难的难题,这会导致时间序列应用中可用数据匮乏。因此,本文面向稀疏时间序列遥感数据,根据噪声造成遥感影像上归一化差分植被指数(NDVI)被低估的事实,提出了一种知识引导的拟合方法。首先,在遥感影像预处理的基础上,利用先验知识和时序差分法对噪声进行识别和剔除;然后,采用高斯二阶模型对原始数据进行拟合;最后,根据拟合残差更新权重,进行迭代拟合,重复上述过程直至获得稳定的结果。本文以Landsat 8 OLI作为数据源,对浙江省杭州地区的森林数据进行拟合,结果表明:在稀疏时间序列数据的情况下,本文方法与MODIS数据拟合结果的相关系数达到0.92,关键时点(如NDVI峰值点等)的时间误差在5 d;相比当前主流方法的0.88与8 d具有更高的精度。     

GPS/GLONASS组合导航不确定度评定的稳健加权融合算法

针对卫星导航系统在实际测量中存在大量野值的情况,利用M估计计算各系统污染分布统计特性,应用不确定度评定分配权值并进行融合。通过实例分析该法在模型及算法选择上均具有优越性。     

彩色印刷复制中色差公式加权系数的计算和可接受阈值的评价

对印在有光泽的铜版纸上的9个颜色中心、共216种颜色色样进行了视觉评价和客观测量,得出了每种颜色中心的色差的可接受阈值;然后,应用视觉评价标准确定了可用于CIE94、CMC和CIE2000中的最佳l∶c加权系数,并将ΔE94(l∶c)、ΔEcmc(l∶c)、DE2000(l∶c)与ΔEab进行了比较。     

顾及空间非平稳特征的遥感干旱监测

遥感技术具备实时快速、时空连续、广覆盖尺度等独特优势,在全球气候恶化大背景下,利用遥感干旱监测方法相比于传统地面监测手段,能够提供实时、准确、稳定的旱情信息,辅助科学决策。目前常用遥感旱情监测方法大多依赖全域性数学模型建模,假定了旱情模式的空间平稳特性,因而难以准确反映旱情模式的局部差异特征。本文提出利用地理加权回归模型GWR (Geographically Weighted Regression),考虑旱情模式的空间非平稳特性,综合多种遥感地面旱情监测指数,以实现传统全域旱情监测模型的局部优化。以美国大陆为研究区,监测2002年—2011年共10年的旱情状态。研究表明,GWR模型能够提供空间变化的局部最佳估计模型参数,监测结果更加吻合标准美国旱情监测USDM (U.S Drought Monitor)验证数据,且与地面实测值的最高相关系数R达到0.8552,均方根误差RMSE达到0.972,显著优于其他遥感旱情监测模型。GWR模型具备空间非平稳探测优势,实现了旱情模式的局部精细探测,能够显著提升遥感旱情监测精度,具备较好的应用前景。