声速剖面EOF表示的第一模态解析

为实现对声速剖面EOF表示后第一模态时间系数和空间函数变化规律的解析,提出了一种简化的声速剖面变化模型,即"拐点"深度值和声速值的变化;声速梯度的变化和表层海水温度周期性变化所引起的海水声速变化,通过将4种因素所引起的第一模态空间函数的变化规律与实际声速剖面簇第一模态空间函数的变化规律对比,分析引起实测声速剖面变化的主要因素,最后,分别用深海和浅海实测声速剖面数据对其进行验证。     

GPS高程拟合法比较以及精度分析

利用GPS测量高程代替水准高程时,选取合适的GPS高程拟合方法是必不可少的。本文利用某测区94个已知点作为实验数据,其中65个作为建模点,29个作为检验点,利用不同的函数模型法和不同的统计模型法建立实验区的GPS高程拟合模型,并通过MATLAB语言设计实现GPS高程拟合模型的建立以及精度分析。通过对比分析实验证明:移动曲面拟合法是本文列举函数模型法中拟合效果最好的;基于二次曲面的Shepard拟合法是本文列举统计模型法中效果更好。     

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.     

BDS／GPS中长基线宽巷准厘米级RTK算法

针对常规实时动态（RTK）定位技术中长基线初始化时间较长、定位结果不稳定的问题,提出了一种基于部分模糊度固定策略的BDS/GPS宽巷卡尔曼滤波RTK定位方法,从充分发挥宽巷观测值波长较长和宽巷模糊度易于固定的优势,避免低高度角卫星对模糊度解算的影响,从而提高中长基线情况下的模糊度固定率. 同时采用附加宽巷模糊度参数的卡尔曼滤波方法计算浮点解,以固定高于设置模糊度解算截止高度角的卫星进行定位,并解算电离层活动较剧烈的25~76 km的中长基线. 通过3组试验,结果表明,BDS/GPS双系统联合定位宽巷模糊度固定率均接近100%,76 km基线模糊度固定率达到99.9%,定位精度达到厘米级或准厘米级.      

利用多面函数拟合和欧拉矢量法建立福建省GPS速度场模型

通过处理福建省卫星导航定位基准服务系统(FJCORS)2013-2015年观测资料,获得GPS站实测运动速度值,在此基础上,分别利用多面函数拟合法和欧拉矢量法构建了福建省及周边区域GPS速度场模型.内符合精度方面,多面函数拟合的速度精度南北分量为1.06 mm/a、东西分量为2.00 mm/a;欧拉矢量法得到的速度精度南北分量为1.36 mm/a、东西分量为1.22 mm/a.外符合精度方面,两种方法模拟得到的检核点速度值与实测速度值的较差均在±2.28 mm/a以内.在福建省陆域内,两种方法得到的速度场具有高度的一致性,运动速度均为35 mm/a左右,运动方向为SE-E向.     

BDS静态精密单点定位模糊度固定解精度分析

针对BDS单系统未校准相位延迟(UPD)估计以及不同时长精密单点定位(PPP)模糊度固定对定位精度影响的问题,该文选取56个测站估计UPD,利用未参与UPD计算的8个测站进行不同时长BDS静态PPP模糊度固定实验。结果表明:BDS星间单差宽巷和窄巷UPD在连续时段内具有一定的稳定性,其估计精度满足用于PPP模糊度固定要求。时长越短模糊度固定率越低。以IGS周解为参考值,不同时长模糊度固定解较浮点解三维定位精度均提高12%以上,时长越短模糊度固定解精度提高越显著。因此,模糊度固定是提高BDSPPP定位精度的重要手段。     

基于重叠区域相关系数的视频影像关键帧提取算法

提出了3种基于影像重叠区相关系数的视频影像关键帧快速提取算法。该算法首先采用多项式快速、准确地拟合出视频影像相关系数的变化趋势,然后利用相邻关键帧影像重叠区的高相关特性实现关键帧帧位的快速、准确提取,并通过实例与基于重叠度计算关键帧算法的时效性进行对比。结果表明,该算法单次计算相关系数的时间相对于单次重叠度计算时间缩短了近4倍,准确度达到88%,且针对不同拍摄手段下的视频影像,提取的关键帧影像精度较高。同时,还对基于视频提取的关键帧影像进行全景图拼接,结果显示未出现明显场景缺失,且可靠性高,适用性强。     

利用模糊密度聚类和双向缓冲区自动识别热点区

通过数据挖掘手段获取聚集模式（即热点）等地理空间知识是地理信息智能化服务的基础和前提。点群聚集模式的提取本质上是热点及其边界（热点区）的探测。首先分析了使用空间聚类提取热点并以凸壳表达热点轮廓的不足,进而提出一种利用模糊密度聚类和双向缓冲区的热点区自动识别方法。该方法借鉴模糊集理论,通过计算对象之间的模糊隶属度改进基于密度的聚类算法,用以提取点群的聚集模式;在此基础上,将模糊隶属度作为对象间的影响程度,采用正负缓冲区建立热点边界。以郑州市城区的科研机构点为例进行实验,结果表明,提出的方法既能有效区分空间点的类型（噪声点与非噪声点）,又能生成连续平滑的热点边界,总体效果优于对比方法。     

基于地名树的最佳空间尺度新闻事件地点提取方法

从新闻纯文本数据中识别地名信息并确定对应的最佳空间尺度与事件所属地点,是准确抽取新闻事件发生地点的关键。针对上述目标,提出了基于隶属关系地名树的最佳空间尺度新闻事件地点提取方法。在完成地名实体识别和歧义消除的文本数据预处理工作的基础上,提出了一种顾及新闻结构的方法消除语义干扰等噪声的影响;通过引入虚父节点构建合理准确的隶属关系地名树,结合最小包围盒的概念实现了最佳空间尺度的选取,使用地名实体权重和实体相关性完成了事件地候选集推荐排序,从而合理定位事件发生地。实验证明,所提出的新闻文本地理信息抽取方法可以较高的准确率获取新闻所对应的最佳空间尺度和相应的事件地点。讨论和解决了新闻文本地理信息抽取涉及的空间尺度问题,使得新闻文本中抽取的地理信息具有更好的可用性和可解释性,在丰富地理信息数据来源的同时,可实现数量呈几何级增长的网络新闻自动地域划分,有助于人们对各类事件空间态势的关注与认知。     

径向基函数神经网络用于小比例尺道路网选取

针对小比例尺道路网专题数据少、语义信息缺乏的特点,该文根据小比例尺道路网已有的语义几何属性和拓扑结构,构建一系列参数作为选取依据。将道路网选取抽象为分类问题,提出一种使用径向基函数神经网络和多参数进行道路网选取的方法。相比时下较常用的反向传播神经网络,径向基函数神经网络具有更高效的学习性能。利用径向基函数神经网络的非线性映射能力,对样本进行训练和验证,并选择不同结构类型(放射式、格网式和自由式)的道路网进行选取实验。结果表明,该方法在小比例尺道路网选取研究中具有可行性,且在自动获取选取参数的同时提高了选取精度。