关于北京市第一地理国情普查中坐标系转换问题的探讨

介绍了北京市第一地理国情普查从专题资料的收集整理,到内业数据采集,底图打印,再到成果的编辑整理与入库等环节涉及的坐标系统,分析了坐标系统间的相互转换方法,讨论了坐标系分区转换及数据库转换点位精度的要求,为今后相似工作的开展提供一定参考。     

基于MATLAB的布尔莎模型七参数解算实现

基于西安80坐标系与2000国家坐标系的转换关系,根据布尔莎模型,给出了应用MALTAB编程七参数的计算程序,实现了2000国家坐标系与西安80坐标系转换的自动化解算,并用实例对解算出的参数进行了精度评定和分析。     

DWG数据在不同坐标系间变换的实现

采用七参数数学模型和AutoCAD ActiveX技术,根据重合控制点坐标计算的转换参数进行数据变换,并以眉山市DWG矢量数据的转换为例,提出了DWG数据在不同坐标系之间互相转换的技术路线和实现方法,实现了DWG图形数据在眉山市独立坐标系和其他坐标系之间的相互转换.     

抵偿高程面上坐标获取方法的研究

在布设工程控制网时,为了使边长的投影变形满足相应的规范要求,往往会选取某一高程面作为投影面,即抵偿高程面.在抵偿高程面上进行测量数据的相关计算,从而获得坐标成果.还可以将参考椭球面上的成果通过变换投影面进行坐标转换的方法来得到抵偿高程面上的坐标成果,通过对两种方法所获得的成果进行比较分析,得出两种方法等效的结论.     

WiFi-PDR室内组合定位的无迹卡尔曼滤波算法

针对当前室内定位的应用需求和亟待解决的关键问题,结合城市室内环境下广泛存在的WiFi无线信号以及智能手机传感器信息,提出了一种WiFi无线信号联合行人航迹推算(PDR)的室内定位方法。该方法采用无迹卡尔曼滤波(UKF)算法对WiFi和PDR定位信息进行融合处理,有效克服了WiFi单点定位精度低和PDR存在累计误差的问题。针对融合算法中WiFi指纹匹配计算量大的问题,用k-means聚类算法对WiFi指纹库进行聚类处理,降低了指纹匹配算法的计算量,提高了算法的实时性。通过在华为P6-U06智能手机平台上实际测试,在时间效率上经过聚类处理后系统定位耗时有很大程度的改善,平均降幅为51%,其中最大降幅达到64%,最小的也达到了36%;在定位精度上,当室内人员为行走状态时WiFi定位平均误差为7.76m,PDR定位平均误差为4.57m,UKF滤波融合后平均定位误差下降到1.24m。     

零角度修正在GNSS/INS组合导航中的应用

研究了静止条件下零角度修正在GNSS/INS组合导航中的应用。分析了静止条件下载体航向角解算漂移的原因,给出零角度修正的具体表达式。通过更改卡尔曼滤波量测方程的方法实现航向角误差修正,并用实测数据进行实验验证。结果表明,在静止条件下单独使用零角度修正可以提高载体的航向角精度,并利于垂向陀螺零偏的估计;在零角度修正基础上结合零速修正技术,航向角精度可以进一步改善。     

同波束干涉测量在月面相对定位中的应用

基于同波束干涉测量原理和观测模型,针对月面目标特性,推导了给定着陆器先验位置的差分时延、差分时延率观测方程。引入指定高程约束、月球数字地形模型等约束方程,提出巡视器相对位置确定的卡尔曼滤波算法。通过仿真数据进行了验证和评估,表明该算法可快速、较高精度地确定月面巡视器相对着陆器的位置。     

基于改进的Bursa模型坐标转换的探讨

针对目前空间坐标转换方法,提出一种改进的Bursa模型,利用模拟数据的计算与分析,对该方法进行坐标转换的收敛与迭代情况,以及参数估计准确性做了相关探讨,表明该方法可以求解任意欧拉角的坐标系转换。     

方差分量估计卡尔曼滤波在地铁深基坑变形预测中的应用

在地铁附近基坑工程的施工阶段,通常要对地铁隧道结构进行水平位移监测、分析和预测。采用卡尔曼滤波能实时估计出水平位移状态向量,实现水平位移预测,如果卡尔曼滤波中动态噪声不准或不易确定,就会导致滤波发散而无法获得准确的预测结果。研究和采用基于方差分量估计的卡尔曼滤波,利用预报残差实时更新模型的动态噪声方差,可以避免滤波发散,提高预测精度。实际应用表明,基于方差分量估计的卡尔曼滤波能获得较好的水平位移预测效果。     

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。