改进的约束总体最小二乘法

针对传统的约束最小二乘模型和总体最小二乘模型的局限性,该文提出了一种改进的约束总体最小二乘法。假设约束总体最小二乘问题中约束方程系数矩阵也存在误差,然后构造函数模型的广义拉格朗日函数,采用最小二乘法迭代求解非线性的法方程,最终获得了改进的约束总体最小二乘法的牛顿-高斯迭代公式和平差模型精度的无偏估计。该算法采用了更接近实际的平差模型,能够获得更加接近真值的估计参数,同时平差模型的精度更加接近模拟数据加入的噪声水平。实验结果表明,本文算法可有效解决对参数进行约束时的数据处理问题。     

星载激光测高全波形数据处理技术研究进展

针对星载激光测高系统在地形测绘、环境监测等方面具有独特的优势,该文首先介绍了主要的对地观测星载激光测高系统;然后以第一颗对地观测系统ICESat/GLAS为例,介绍该系统波形质量控制、波形滤波方法,初始距离计算方法及影响因素;波形分解是星载激光测高系统获取准确的星地距离的关键步骤;接着梳理了国内外全波形分解方法研究现状的主要进展,并对全波形分解算法及其优缺点进行了较全面的对比;最后结合即将发射的GF-7测高仪载荷特点,分析了未来要国产星载激光测高体系的波形数据处理还面临的挑战。     

地形起伏度与GPS多路径误差的相关性分析

为研究地形起伏度与全球定位系统(GPS)多路径误差的相关性,该文采用邻域统计、均值变点分析、相关性分析等方法,以ArcGIS为平台,基于某校区1m分辨率的数字高程模型(DEM)数据,运用均值变点分析确定最佳分析区域,并提取地形起伏度,再通过SPSS相关分析,获得地形起伏度与多路径误差M_(p1)、M_(p2)的Spearman秩相关系数。结果表明:最佳分析区域为11m×11m,对应的地形起伏度与多路径误差M_(p1)、M_(p2)在P<0.01下显著相关;测站周围5.5m范围内的地形起伏度对多路径误差有直接影响,尤其在地形起伏度大于3 m时,与多路径误差M_(p2)显著相关。     

融合罗德里格矩阵和整体最小二乘的双目机器人手眼标定算法

针对传统双目式机器人手眼标定方法中未知量多、计算复杂的特点,研究并提出了一种基于罗德里格矩阵和整体最小二乘相融合的改进算法。其中罗德里格矩阵实现了对未知量的降维;整体最小二乘顾及了系数矩阵的误差。通过大量数据分析表明,改进后的手眼标定算法较传统方法在稳定性和精度上均有大幅提高,满足了机器人视觉系统在工业检测和制造领域中的高精度需求。     

RTK无验潮水深测量误差分析及控制方法

实时动态(real time kinematic,RTK)无验潮水深测量技术已成为海洋测绘发展的方向。从RTK无验潮水深测量原理和误差来源入手,定性与定量分析了高程拟合误差、波浪引起的误差、仪器测量误差、定位时延以及仪器安装等误差对成果精度的影响,指出选择恰当的拟合模型是控制高程拟合误差的关键,安装姿态传感器可以削弱波浪引起的误差,提出测量前对换能器连接杆进行垂直度测量、采用双频接收机和PPS等控制方法可以有效减小测量误差。结合实践提出减小RTK无验潮水深测量精度四点建议,为RTK无验潮水深测量技术的推广应用提供参考。     

SBAS星历改正数及UDRE参数生成算法分析

星基增强系统(satellite based augmentation system,SBAS)通过地球同步轨道卫星实时播发导航卫星星历改正数和完好性参数,以提升用户定位精度和完好性.采用最小方差法解算GPS星历改正数,利用卡方统计进行改正数完好性检核,并依据星历改正数方差-协方差信息计算SBAS用户差分距离误差(us...     

部分变量误差模型的极大似然估计

针对变量误差模型系数矩阵含有常数项的情况,部分变量误差模型在平差时只提取系数矩阵中的随机元素进行处理,较大程度的减少了参数估计的个数.为了进一步提高部分变量误差模型的参数估计效率,文中根据极大似然估计原理提出了一种部分变量误差模型的极大似然估计算法,并分析和比较了该算法与文献中几种算法的关系,证明算法之间的等价性.最后...     

江苏省夏季最高温度定量预报方法

以江苏省徐州、南京、射阳3个探空站2002～2006年7～8月逐日观测资料为基础,选取了影响最高温度变化的因子,利用逐步回归方法建立了以徐州、南京、射阳3地为中心的区域预报模型,并对模型的回归效果和预报情况进行分析.剖析了其用于实际预报的合理性和可信度,同时与欧洲中期天气预报中心动力数值预报结果相结合,利用高斯权重插值方法将预报场的格点资料捕值到江苏各站点,通过PP法,完成了江苏省最高温度的定量预报.预报当天最高温度误差在1℃以下的概率为5O%左右,2℃以下概率在8O%左右,该方法可用于最高温度预报.     

基于扩展卡尔曼滤波和自动微分技术对陆面数据同化系统参数的快速估计及其影响

土壤水分在干旱监测、洪水预报和水资源管理中发挥着重要作用.数据同化方法能结合模型和遥感的优势,生产高精度、时空连续的土壤水分数据.目前,陆面数据同化面临的主要难题之一是模型和观测误差的准确估计.为此,我们前面提出了双循环同化算法,实现了模型和观测误差、模型算子和观测算子参数的同时估计.由于该算法需要设置较大的集合个数才能实现稳定的参数估计,导致参数估计效率低,限制了其在大范围陆面同化系统中的应用.为此,本研究通过:(1)采用二元数自动微分方法计算陆面过程模型(LSM)的雅可比矩阵以替代获取复杂的LSM的切线性模型;(2)采用扩展卡尔曼滤波(EKF)框架替代集合卡尔曼滤波框架,提高了双循环算法的参数估计效率.在模型积分步长为1h和参数优化窗口为90天的条件下,改进后的双循环算法参数优化效率提高近60倍.为检验双循环算法在区域尺度陆面数据同化中的效果,我们在青藏高原区域同化SMAP土壤水分产品,并利用四个不同地理气候环境下的土壤水分观测网数据验证同化结果.结果显示,在青藏高原区域,相较于基于默认参数的模型模拟结果,基于EKF改进的双循环同化算法能够校正模型参数和观测的偏差,估计的土壤水分精...