BDS卫星钟差半参数平差模型异常数据探测与处理

针对北斗卫星钟差数据中出现钟跳、粗差等异常数据频次较高的问题,将半参数平差模型引入BDS的钟差数据的处理过程中。首先,在考虑系统误差的同时,改进了常用的钟差模型;其次,综合考虑异常数据和系统误差,利用补偿最小二乘原理和极值求解方法,详细推导了分离异常数据前后参数和非参数估计值与相应观测值改正数的关系表达式,实现了异常数据的定值、参数求解和系统误差分离。在此基础上,引入Cook距离,给出了利用参数分量和非参数分量的Cook距离及混合Cook距离,去判断异常值的位置,并给出了一些参数的选取方法及相应的处理措施,实现了卫星钟差异常数据的定位和定值以及部分系统误差的分离。最后,采用武汉大学GNSS中心提供的采样间隔为5 min的北斗卫星精密钟差数据,将本文方法与常用方法进行了试验对比。试验结果表明,本文方法能够有效地识别并处理卫星钟差数据中的异常值,有效克服了基于经验阈值钟差异常数据探测方法的不足,且该方法对于量级较小的异常钟差数据也有很好的探测效果,一定程度丰富了现有的BDS钟差数据质量控制方法。     

GNSS多频融合精密单点定位频率间卫星钟偏差研究

全球导航卫星系统(GNSS)提供多频信号,多频融合已经成为一种趋势。在精密钟差估计(PCE)的过程中,卫星钟差参数会吸收卫星端稳定的伪距偏差和时变的相位偏差,这些偏差均与频率相关。因而使用不同的观测值进行PCE时,得到的卫星钟差估值是不同的,它们之间的差值被定义为频率间卫星钟偏差(IFCB)。按组成成分,IFCB可以分成伪距相关的IFCB(CIFCB)和相位相关的IFCB(PIFCB)两部分。国际GNSS服务(IGS)提供的精密卫星钟差产品是基于双频消电离层(IF)组合观测值生成的。由于IFCB的存在,导致IGS卫星钟差产品不能直接应用于多频精密单点定位(PPP)。IFCB的精确考虑已经成为多频PPP的一个关键问题。本研究旨在对IFCB特性和估计方法开展系统深入的研究,并评估其对多频PPP解的影响。     

新一代全球海底地形模型BAT_WHU2020

本文利用由多源卫星测高资料计算的新版全球重力异常Grav_Alti_WHU,联合船测水深资料,构建了全球75°S—70°N范围的1′×1′海底地形模型BAT_WHU2020。以船测水深、现有模型和多波束测深数据为参考,对模型精度进行了分析评价。结果表明,在中国海域及邻区(104°E—160°E,0°N—50°N),本文模型与船测水深之差值的标准差约70 m,与SIO V19.1模型精度相当,优于ETOPO1、DTU10、GEBCO_08等模型,较此前发布的BAT_VGG模型精度提高了约30%,说明本文模型构建方法可靠、数据处理准确、精度较高。在全球范围内,BAT_WHU2020模型与船测水深之差值的标准差为50～65 m,差值在±200 m范围内的比率超过95%,与SIO V19.1模型精度相当,优于ETOPO1、DTU10、GEBCO_08等模型,较BAT_VGG模型精度提高了27%～36%。以SIO V19.1模型为参考,模型之差的标准差为90～110 m,约90%格网点差值在±200 m以内,约95%格网点差值在±300 m以内,两者一致性良好。最后,讨论了地壳均衡、Parker公式高次项等对成果精度的影响,模型的真实空间分辨率,以及以多波束测深为参考的模型精度问题。分析认为,BAT_WHU2020模型空间分辨率为10～18 km,在马里亚纳海沟、麦夸里海岭地区相对精度为5%～6%。     

基于MEA-BP神经网络的卫星钟差预报

卫星钟差是影响导航定位精度的重要因素之一,建立高精度的钟差预报模型对高精度定位有重要意义。针对常用模型卫星钟差在短期预报中随时间增加误差积累,以及传统BP神经网络不稳定,容易出现过拟合等问题,本文提出一种基于思维进化算法(MEA)优化的BP神经网络钟差预报模型和算法。首先对原始钟差数据进行一次差处理;然后利用思维进化算法对BP神经网络的初始权值和阈值进行优化,给出该模型进行钟差预报的具体步骤;选用IGS站提供的多天GPS精密钟差产品数据进行试验分析,使用GPS一天中前12 h数据建模,进行2、3、6和12 h的钟差预报。结果表明:利用MEA-BP模型得到的上述4种时段的预报精度分别优于0.36、0.38、0.62和1.56 ns,预报误差曲线变化起伏较小,说明新模型的预报性能优于3种传统模型,新模型在钟差预报短期预报中的实用性及稳定性是较佳的。     

BDS-3不同类型卫星对BDS-2伪距定位性能提升定量分析

针对北斗三号（BDS-3）不同类型卫星对北斗二号（BDS-2）伪距单点定位性能的影响,基于iGMAS机构发布的跟踪站实测数据,分析了BDS-3地球静止轨道（GEO）、倾斜地球同步轨道（IGSO）、中圆轨道（MEO）、全部BDS-3卫星对BDS-2卫星可见数、位置精度因子（PDOP）值以及伪距单点定位精度的影响．经研究发现,BDS-3不同卫星对BDS-2卫星可见数、卫星空间几何结构以及伪距单点定位精度提升程度不同,MEO卫星的提升程度优于IGSO卫星和GEO卫星,三种类型卫星对BDS-2定位性能提升量之和与全部BDS-3卫星对BDS-2定位性能提升量相当．      

关于举办第十一届中国卫星导航成就博览会的通知

尊敬的卫星导航及相关领域各单位负责人:中国卫星导航成就博览会(CSNE)创办于2010年,是中国卫星导航年会(CSNC)的重要内容,与导航年会同期举办,已连续成功举办10届,是目前全球最大规模、最具影响力和权威性的卫星导航领域专业展览。展览每届展出面积超出10000m2,10年来累计参观人数超过10万人次,1240家次国内外知名卫星导航相关企业、高校、科研院所悉数亮相,共同在CSNE平台上全面展示前沿技术、高端产品与应用服务。卫星导航产业链上中下游在博览会上实现深度交流与广泛合作,是业界共识的解读卫星导航技术进步、产业风向、政策资讯的重要窗口,是中国卫星畀航珉具权威的国际性交流平台。     

基于D-InSAR技术的金沙江地区滑坡形变监测与分析

滑坡是发生在我国山区的主要地质灾害类型,金沙江地区由于地势较高、地形复杂、多云多雨的特点,给传统的滑坡监测增加了难度。合成孔径雷达差分干涉测量技术(Differential interferometry synthetic aperture radar,D-InSAR)已在滑坡地面沉降监测中得到了广泛应用。本文选取金沙江上游沿岸作为研究区域,基于2018年8月11日与9月28日的Sentinel-1A影像及SRTM1数据,利用GAMMA软件及D-InSAR技术监测到金沙江地区的地表形变,成功识别出金沙江右岸的一处滑坡灾害。研究结果显示,在此滑坡的坡顶部分出现了约2.5 cm的沉降,而在坡底部分由于崩塌物的累积,地面出现了约3 cm的抬升。从实验结果可以得出,InSAR技术是一种有效的滑坡变形监测手段,利用Sentinel-1A卫星的SAR数据对滑坡区域进行形变监测,可以得到较好的干涉结果。     

精密单点定位结合EGM2008模型在新疆某河地质断面测量中的应用

针对新疆某河地质断面测量范围大、测区通行困难、测量部位分散、传统控制测量方法工作量大且效率低的问题,在测区每条断面上布设断面基点作为控制点并用GNSS接收机静态观测(无需同步),选用武汉大学开发的Trip2.0软件加载事后精密星历和精密钟差等信息解算静态观测数据得到ITRF框架下的三维坐标,然后采用TBC软件加载EGM2008超高阶地球重力场模型点校正得到控制点的国家平面坐标和正常高。结果表明,Trip2.0软件计算的三维点位中误差最大为0.066 m,点校正坐标转换残差与已知点差值均满足限差要求;该方法平面控制测量工作量比传统方案减少46%,五等水准测量比传统方案减少98%,节约工期约56%。实践表明,采用该方法可快速地实现测区面积大、测点分散、控制点稀少区域的平面及高程控制测量。     

波段选择协同表达高光谱异常探测算法

高光谱遥感影像具有光谱分辨率极高的特点,承载了大量可区分不同类型地物的诊断性光谱信息以及区分亚类相似地物之间细微差别的光谱信息,在目标探测领域具有独特的优势。与此同时,高光谱遥感影像也带来了数据维数高、邻近波段之间存在大量冗余信息的问题,高维度的数据结构往往使得高光谱影像异常目标类和背景类之间的可分性降低。为了缓解上述问题,本文提出了一种基于波段选择的协同表达高光谱异常探测算法。首先,使用最优聚类框架对高光谱波段进行选择,获得一组波段子集来表示原有的全部波段,使得高光谱影像异常目标类与背景类之间的可分性增强。然后使用协同表达对影像上的像元进行重建,由于异常目标类和背景类之间的可分性增强,对异常目标像元进行协同表达时将会得到更大的残差,异常目标像元的输出值增大,可以更好地实现异常目标和背景类的分离。本文使用了3组高光谱影像数据进行异常目标探测实验,实验结果表明,该方法与其他现有高光谱异常目标探测算法对比,曲线下面积AUC(Area Under Curve)值更高,可以更好地实现异常目标与背景分离,能够更有效地对高光谱影像进行异常目标探测。     

A-FPN算法及其在遥感图像船舶检测中的应用

光学遥感图像船舶检测主要面临两个挑战:光学遥感图像背景复杂,船舶检测易受海浪、云雾及陆地建筑等多方面干扰;遥感图像分辨率低,船舶目标小,对于其分类与定位带来很大困难;针对上述问题,在FPN的基础上,提出一种融入显著性特征的卷积神经网络模型A-FPN (Attention-Based Feature Pyramid Networks)。首先,利用卷积提取图像特征金字塔;然后,利用顶层金字塔逐级构建显著特征层,抑制背景信息,通过金字塔顶层的细粒度特征提高浅层特征的表达能力,构建自上而下的多级显著特征映射结构;最后利用Softmax分类器进行多层级船舶检测。A-FPN模型利用显著性机制引导不同感受下的特征进行融合,提高了模型的分辨能力,对遥感图像处理领域具有重要应用价值。实验阶段,利用公开的遥感目标检测数据集NWPU VHR-10中的船舶样本进行测试,准确率为92.8%,表明A-FPN模型适用于遥感图像船舶检测。