“禁实”助力 新型墙材风生水起

席卷中原大地的“禁实”风暴，使一座座砖瓦窑轰然倒塌，也荡涤着人们的用砖观念。在这场风暴的推动下，“红砖”将逐渐淡出人们的视线，新型墙体材料悄然走进了我们的生活……     

双波长卫星激光测距

双波长卫星激光测距不必借助大气改正模型，利用双波长往返时间差就可以进行大气折射改正，采用皮秒级事件计时器等技术测量往返时间差，修正精度可以达到毫米量级，介绍了这一领域的研究进展、双波长大气改正的基本原理，分析了双波长激光测距的精度，最后对双波长卫星激光测距前景进行了展望。     

多频组合数据在原始载波观测值预处理中的应用

周跳及粗差的产生将破坏GPS原始载波观测数据的连贯性,而传统的探测修复方法由于受到采样间隔的影响,不能完全对大采样率条件下原始观测数据周跳进行修复及较小粗差探测。随着GPS现代化中3个频率的应用,将多频组合观测值中好的特性应用到周跳及粗差的探测与修复已成为可能。通过多频载波相位组合观测值的波长特性,结合传统的伪距/载波探测原理,利用模拟的GPS多频数据进行各种情况下周跳与粗差的探测及修复,同时对一条GPS基线进行原始观测数据预处理作实例分析。结果表明,通过多频数据组合能够完全实时修复大采样率条件下各种情况的周跳,可以实时探测出0.2周以上的粗差。     

利用GPS组合观测值探测修复周跳的方法比较

在目前常用的周跳探测与修复方法基础上,分析利用GPS组合观测值来探测修复周跳的3种方法,通过模拟的实验结果证明其有效性,比较各个方案的特性,并引入LC-PC衡量标准比较各方案探测修复周跳的能力。     

UKF在惯性/重力组合导航中的应用

将UKF(Unscented Kalman Filter)方法用于惯性/重力组合导航系统.UKF方法设计了少量的呈高斯分布的σ点,在每个更新过程中,σ点随着非线性状态方程和测量方程传播,从而获得滤波值及较高的计算精度,而且避免了对非线性方程的线性化过程.仿真结果表明:UKF方法比传统卡尔曼滤波及其改进的滤波模型都有更高的估计精度,并能有效的克服非线性严重时出现的滤波发散问题.     

一种迭代的GPS/INS组合导航滤波算法

简要介绍了GPS/INS松组合导航系统状态方程和观测方程.针对标准Kalman滤波算法存在的状态方程截断误差、噪声统计特性的不确定性以及状态扰动异常的影响,给出了一种应用于GPS/INS组合导航系统的迭代滤波算法.该算法采用迭代策略,不断利用观测信息实时修正状态预报值.实测数据计算结果表明,通过对状态预报值的实时修正,该算法能够很好地抑制状态预报信息的不确定性和扰动异常等对导航解的影响.其滤波解精度明显优于标准Kalman滤波.     

BDS/GPS双系统组合GBAS性能评估

随着北斗卫星导航系统(BDS)全球组网进程的推进,BDS/GPS组合导航成为提高导航性能的重要方法,同时地基增强系统(GBAS)作为实现精密导航的新一代导航方式是当前研究的热点。本文通过推导BDS/GPS双系统组合GBAS数学模型,分别对BDS、GPS独立作为GBAS导航源及BDS/GPS组合导航作为GBAS导航源时系统的精度因子(DOP)、垂直保护级(VPL)性能进行了对比分析,对比验证了应用各系统时GBAS性能的差异。结果表明,基于BDS与GPS的GBAS性能接近,且互有优势;BDS/GPS组合GBAS性能优于各单系统性能。     

BDS/GPS/GLONASS RTK定位算法研究

实现了BDS/GPS/GLONASS三系统组合RTK定位算法,介绍了BDS/GPS/GLONASS三系统组合RTK数学模型,解决了多模融合导航定位时空基准统一问题,并针对附加模糊度参数的卡尔曼滤波函数模型,提出了一种确定实时动态定位中卡尔曼滤波参数的方法。编制了BDS/GPS/GLONASS RTK定位程序,并对28 m超短基线及31 km短基线实测数据进行了解算。对比分析了BDS、GPS、GLONASS、BDS/GPS、BDS/GLONASS、GPS/GLONASS、BDS/GPS/GLONASS七种模式下的定位结果。     

顾及钟差随机项的GPS卫星钟差预报

针对卫星钟差呈趋势项和随机项变化的特点,提出了基于GM(1,1)与自回归求和移动平均的组合预报模型。该模型首先采用GM(1,1)模型预报钟差的趋势项部分,然后利用ARIMA模型对GM(1,1)的模型残差序列进行建模和预报,最后将GM(1,1)和ARIMA模型的预报结果对应相加即得到钟差的最终预报值。此外,采用IGS公布的精密卫星钟差进行预报试验,通过与卫星钟差预报中常用的二次多项式模型和修正指数曲线法模型预报结果的对比分析,结果表明:该方法可以对GPS卫星钟差进行高精度的中短期预报。用12 h钟差建模时,预报未来6、12、24和48 h的平均预报精度分别为0.71、1.17、1.93和4.38 ns,相比于二次多项式模型的平均预报精度分别提高了29.70%、43.75%、67.62%和76.21%;相比于修正指数曲线法模型的平均预报精度分别提高了18.39%、33.90%、61.40%和70.49%。