Matlab在矿区GPS网间接平差中的应用

针对矿区GPS网间接平差,首先,详细地分析了GPS网间接平差原理,按一定格式将GPS网中的观测数据编制成观测文件,其次,按观测文件的格式编制算法将数据读入并存储,然后用间接平差原理处理得到平差结果,最后绘制网形和误差椭圆并生成平差报告,为矿区控制网的建立和矿区生产管理提供了便利。实验验证了本文程序的实用性。     

PEIV模型参数估计新算法

PEIV(Partial Errors-In-Variables)模型是EIV模型的扩展,它能解决系数矩阵含有非随机元素或存在结构特性的问题。针对常规PEIV模型算法的复杂性,提出了一种PEIV模型参数估计的新算法。该算法将系数矩阵含误差的元素看成是一类观测值,与平差模型原观测值构成两类观测值,将PEIV平差模型表示为类似于传统的最小二乘间接平差模型,再通过非线性最小二乘平差理论,推导出了算法的迭代公式和精度评定公式。算法迭代格式与间接平差类似,通过算例验证了算法的可行性和正确性。     

L1范数与IQR统计量组合的GNSS坐标序列粗差探测算法

GNSS坐标时间序列中不可避免地含有粗差,未剔除的粗差将会导致参数估计有偏。因此,粗差探测与剔除是GNSS坐标序列分析中一项重要的数据预处理工作。针对GNSS坐标时间序列特点,提出了一种将L1范数(L1-norm)估计与四分位距统计量IQR(interquartile range)组合的移动开窗粗差探测算法,称之为L1_Mod IQR。该方法的主要思想是,首先利用L1范数估计得到较"真实"的残差,然后再对残差采用IQR统计量进行粗差探测。将L1_Mod IQR法与"3σ"法、基于最小二乘的τ检验法等粗差探测算法进行了模拟计算与对比,验证了该算法的有效性。进一步采用L1_Mod IQR算法对中国区域10个IGS站的高程时间序列进行了分析,结果表明中国区域IGS站高程序列的粗差剔除率最小为0.1%,最大为2.6%。并且以WUHN站为例与SOPAC提供的结果进行了对比,结果表明SOPAC提供的"Clean"数据仍含有大量的粗差,而L1_Mod IQR算法能够有效地剔除粗差。     

机动期间的GEO卫星钟差确定方法

分析了多种精密卫星钟差的插值方法,构建了GEO卫星机动模型,并结合插值方法,确定机动期间的GEO卫星钟差,并将结果与i GMAS最终产品进行了比较和分析。结果表明,三次样条插值是用于确定机动期间的GEO卫星钟差的最优方法,其结果精度可达0.01~0.38 ns。     

部分变量误差模型的整体抗差最小二乘估计

部分变量误差模型(partial EIV model)的加权整体最小二乘(weighted total least-squares,WTLS)估计不具备抵御粗差的能力。鉴于粗差可能同时出现在观测值和系数矩阵中,本文在提出部分变量误差模型WTLS估计的两步迭代解法的基础上,运用抗差M估计的等价权方法,发展了一种整体抗差最小二乘(TRLS)估计方法,并采用一致最大功效统计量确定降权因子。针对WTLS估计两步迭代解法的特点,设计了两个不同的降权方案:第1个方案是在估计系数矩阵元素时,不对观测值降权,仅对系数矩阵降权;第2个方案是在估计系数矩阵元素时,既对系数矩阵降权,同时也对观测值降权。通过对模拟2D仿射变换和线性拟合实例进行计算和分析,结果表明第1方案优于第2方案,并且优于基于残差和验后单位权方差的抗差估计和现有的变量误差模型抗差估计。     

一种精确估计区域北斗接收机硬件延迟的方法

提出了一种精确估计区域北斗接收机硬件延迟(DCB)的方法。该方法不需要传统复杂的电离层模型,在已知一个参考站接收机硬件延迟的条件下,利用正常情况下电离层延迟量和卫星-接收机几何距离强相关这一特点,采用站间单差法来精确估计区域内BDS接收机的硬件延迟。试验结果表明,该方法单站估计的单站北斗接收机连续30d的硬件延迟RMS在0.3ns左右。通过GEO卫星双频观测值扣除已知卫星DCB和本文方法估计的接收机DCB,计算对应穿刺点一天的VTEC并和GIM格网内插结果并进行比对分析,二者大小和变化趋势均符合较好,进一步验证了本文提出的方法具有可靠性。     

以SRTM-DEM为控制的光学卫星遥感立体影像正射纠正

针对全球测图缺少统一的控制基准的问题,提出了利用SRTM-DEM作为控制基准,对光学卫星遥感影像进行正射纠正的方法。首先,对光学卫星影像构建的立体影像对进行自由网平差并制作DEM;然后,以SRTM-DEM作为控制,将DEM作为单元模型,进行独立模型法DEM区域网平差,获得单元模型的定向参数;最后,改正立体影像的成像几何模型参数,进行正射纠正。选取湖北咸宁和江西某地两个测区的资源三号数据进行试验,试验结果表明,资源三号正视全色影像的平面定向精度由12.93像素提高到6.85像素。     

顾及周期项误差和起点偏差修正的北斗卫星钟差预报

根据北斗卫星导航系统星载原子钟自身的物理特性,采用武汉大学IGS数据中心发布的2016年1月1日至2016年11月1日共306天的事后钟差产品进行谱分析。分析结果表明:北斗卫星导航系统的3类卫星钟都存在一定的周期特性;其中GEO和IGSO卫星钟的主周期相对较为明显;GEO卫星钟的主周期依次为12、24、8和6h;IGSO的主周期为24、12、8和6h;而MEO的3个主周期为12.9、6.4和24h。依据各类原子钟的周期特性,同时对各天之间钟差的起始点偏差进行修正,并利用修正模型对北斗卫星钟差进行预报和精度分析。试验结果表明,改进的预报模型能显著提升北斗卫星的钟差预报精度,北斗卫星钟差24h、12h、6h的平均预报精度分别能达到6.55ns、3.17ns和1.76ns。     

基于有理多项式模型的GF4卫星区域影像平差处理方法及精度验证

分析了我国首颗静止轨道光学遥感卫星高分四号(GF4)特有的区域成像模式的几何特性,基于静止轨道成像基高比较小的几何特性提出一种利用平均高程面的区域网平差方法。该方法针对GF4卫星影像构建了基于有理多项式模型RFM的区域网平差模型,并在无控制条件下,对GF4卫星区域影像进行区域网平差处理,解决了GF4号区域影像由于定轨误差、定姿误差、大气折光以及镜头畸变等因素导致的拼接精度较低的问题。最后,通过两组真实数据试验对本文方法的精度及有效性进行了验证,同时分析了采用不同的误差补偿模型对于平差结果精度的影响。     

GNSS 监测数据预处理在变形预测中的应用

GNSS监测技术被广泛应用于变形监测工作中,但GNSS监测数据中会有缺失值、噪声等误差的存在,对预测结果造成影响。引入改进的小波神经网络模型进行变形预测,并考虑该模型的自适应性和容错性,分别采用三次样条插值法、小波滤波法和拉依达准则对原始监测数据进行缺失值填补、去噪和粗差剔除等预处理。并利用实际监测数据进行短期预报分析,对比原始监测数据和预处理后的监测数据的预测结果,结果表明预处理后的监测数据的预测效果更好。