基于GNSS方位辅助惯性导航系统的水下地形精密测量技术

多波束测深技术是目前水下地形测量的主要技术手段,测量平台的瞬时姿态及方位是影响多波束测深系统最终成果准确度的重要因素。GNSS方位辅助惯性导航系统,作为目前应用较为广泛的方位、姿态、及位置综合测量系统,不仅能够提供高精度位置信息,同时也能提供测量平台的瞬时姿态及方位数据,而且因为具有GNSS方位辅助测量,使得最终方位测量结果比传统方位测量精度大大提高,这对于多波束最终测量成果精度提高具有重要意义。文中从GNSS方位辅助惯性导航系统原理及技术优势出发,结合Trimble RTX后处理技术,从姿态测量、方位测量及辅助高程测量方面分析了在多波束水下地形测量中的应用,并以实际测量成果来展现其在水下地形精密测量技术方面的优势,结果显示,定位精度可以达到优于2 cm级别,方位精度可以优于0.01°(依赖于双GNSS天线之间的基线长度),该技术对水下地形测量准确度提升作用显著。     

一种顾及道路复杂度的增量路网构建方法

针对传统路网采集和更新需要昂贵的实地测量以及大量的后续内业处理问题,提出了一种从大规模粗糙轨迹数据中自动生成路网的方法。该方法包含轨迹滤选和路网增量构建两步:第1步通过构建空间、时间、逻辑约束的规则模型,在消除数据中的噪音和冗余的同时,将原始轨迹进行合理分割,滤选形成规范轨迹集合;第2步基于信息熵计算轨迹点周围道路的复杂度,据此自动调节道路分割参数,不断将新产生的路段加入到路网,同时计算道路平均交通流量和速度等路况信息,遍历各规范轨迹的定位点重复以上处理过程,最终得到完整路网。通过昆明市200辆出租车采集的约6851万条轨迹数据进行路网构建试验,并与OpenStreetMap数据比较,证明了本文方法的有效性。与已有典型方法比较,本文方法能用更少节点提取更高质量的路网。     

地灾监测的大数据信息平台研究及应用

重点对地灾监测方面的方案研究进行了阐述,在构建大数据信息平台的设计方案时,以实现高度自动化的全方位监测功能为导向,依托导航卫星数据接收机和多源传感器,集成构建大数据信息平台的系统解决方案,主要包括扼流圈卫星天线、GNSS数据接收机、MEMS传感器、环境测量单元、防雷区域单元等功能元件的组成、多传感器的系统集成,以及全方位监测的功能实现。按照地灾监测大数据信息平台建设、构建大数据平台关键技术突破及检测数据解算软件功能实现的顺序,完成了GNSS实时监测预警应用网络系统HCmonitor的研发。综合应用多种手段实现地灾监测的功能升级,为解决重大灾害预警提供了新的思路和解决方案,该项成果在甘肃舟曲的灾后重建工程得到应用与推广。     

GNSS全自动解算软件研发及精度评估

根据载波相位差分定位技术,利用待定点周边稳定的CORS站网形成的区域误差改正模型,对待定控制点观测数据的噪声进行自动剔除,对电离层、对流层和多路径进行差分改正,研发GNSS全自动解算软件,并利用广西卫星定位基准站与待定控制点的GNSS观测数据对软件进行测试。结果表明,GNSS全自动解算软件具有较好的内外符合精度,其解算的三维坐标精度满足D级以下等级控制点的要求,可为工程测量应用提供新的自动化解算方案。     

利用徕卡GS18仪器进行高精度RTK定位试验与分析

目前,GNSS和IMU（惯性测量单元）传感器融合领域的快速发展,给高精度RTK定位带来了新的机遇。传统倾斜补偿的解决方案大多是使用磁力计和INS（惯性导航系统）,对电磁干扰十分敏感并且需要现场校准,倾斜补偿的角度范围通常限制在15°以内。为了克服上述的缺点,徕卡GS18 GPS倾斜机使用基于工业级别微电子机械传感器MEMS的IMU来补偿测杆倾斜情况的位置改正。本文通过试验检验了徕卡GS18仪器在大角度倾斜和不同复杂环境下的定位精度,结果表明GS18倾斜机能较好实现倾斜补偿,在有信号遮挡等场景下仍能获得厘米级定位精度。     

融合GNSS和加速度计监测数据的超高建筑动态特性分析

GNSS和加速度计是目前动态监测超高建筑环境载荷变形的主要手段。GNSS具有无需通视、可直接获取三维位移等优点,但受精度和采样率的限制,其对微变形及高频振动信息不敏感;而加速度计具有高精度和高采样率等优点,但无法监测超高建筑低频的似静态变形。为充分发挥这两种传感器的各自优势,提出利用多速率Kalman滤波和RTS平滑方法对超高建筑GNSS和加速度计监测数据进行融合处理。试验结果表明,与单一的GNSS监测技术相比,该方法有利于削弱GNSS高频噪声的影响,提高位移数据的采样率,可有效识别超高建筑的低频和高频振动频率,提高对微变形振动的监测能力;与单一的加速度计监测技术相比,该方法可以准确监测超高建筑的低频变形信息,具有良好的工程应用价值。     

一种基于卫星遥感的临近预报方法

中尺度对流系统(MCS)是形成强对流天气的主要原因,云团在MCS生命周期中的分裂合并问题是临近预报的难点。为解决这一问题,本文提出了FCC方法,该方法使用质心位移和FY-2卫星数据预测多个对流单体的运动轨迹。多个案例分析证明,FCC算法在MCS的各个生命周期均能进行有效的预测,包括初生、成熟和消散阶段。此外,通过列联表方法验证了所提算法的有效性。     

一种机载GNSS高精度定位算法

提出部分模糊度固定的加权电离层模型提高大范围全球卫星导航系统(GNSS)航空定位的精度、可靠性及连续性.该方法的主要思路包括:自适应调整大气扰动等误差影响以实现短基线与长基线两类解算模式之间的灵活切换;施加虚拟电离层观测约束信息,提高基线动态定位的浮点解精度;采用部分模糊度固定方法有效挖掘若干模糊度参数的整周约束.试验表明,提出的方法可提高模糊固定效率与定位精度,克服传统方法有效观测信息利用率不足、定位精度较差、可靠性不高以及连续性较差的问题.实验结果表明,部分模糊度固定算法可在2 min内固定95%以上宽巷模糊度解算与80%以上窄巷模糊度,约20 min后可固定所有模糊度.     

GNSS安全——网络空间安全的新战场

网络安全是当代网络社会面临的重要问题.全球卫星导航系统(GNSS)是网络空间的重要组成部分,GNSS提供的时空信息不仅是万物互联实现所需的时空参考基准,其本身也是网络传输的重要数据内容之一.易损性是引起GNSS安全性风险的重要因素,GNSS受干扰影响可失去定位授时能力或产生虚假信息,造成GNSS安全性风险并进而影响整个网络空间的安全.应从思想认识,系统建设,技术发展,法律法规等方面入手应对GNSS造成的网络安全性风险.     

基于支持向量机的GNSS时间序列预测

在深度学习的理论框架下,针对预测全球卫星导航系统(GNSS)时间序列,传统的经验风险最小化预测模型误差大精度低,泛化性能差且对历史数据的经验依赖大的问题.提出一种采用结构风险最小化原则的基于支持向量机(SVM)的时间序列预测模型.通过和多层的BP神经网络预测模型预测效果比较,结果证明SVM预测模型拥有更好的时间序列预测效果.