多类重力场模型的精度分析

分析国际公布的EGM2008、GECO和EIGEN-6C4等超高阶重力场模型及GOCO03S、GOCONSGCF2DIRR5和GOCONSGCF2TIMR5等低阶重力场模型的内符合精度。利用实测的GNSS/水准数据对各模型进行外符合精度的检核。分析6个模型在不同阶次组合的精度,进而选取可靠的截断阶次确定组合重力场模型。计算结果表明:EGM2008、GECO、EIGEN-6C4及DIRR5四个重力场模型的阶方差均保持在mm级,而GOCO03S在191阶之后的精度达到dm级,TIMR5模型在228阶之后的精度达到dm级;6个重力场模型中,EIGEN-6C4模型的累计阶方差最小;EGM2008、GECO模型的互差阶方差在高频部分呈现差异,而在超高阶部分两种模型的互差阶方差符合性好;与EGM2008模型相比,其组合重力场模型高程异常精度最优可达0.063 m,精度提升幅度为15%,与GECO模型相比,其组合重力场模型高程异常精度最优可达0.060 m,精度提升幅度为23%,与EIGEN-6C4模型相比,其对应的组合重力场模型高程异常精度最优可达0.064 m,精度提升幅度为18%,因此,组合重力场模型能提高重力场模型高程异常的精度。     

基于资源三号卫星立体像对的DEM提取实验及其应用——以拉萨市城关区为例

利用测绘卫星立体像对提取DEM效率高、精度高。本实验的主要目的是进行资源三号测绘卫星立体像对高海拔地区DEM提取实验,比较正视、前视及后视3种视角全色影像不同组合情况的立体像对所提取DEM的效果,以拉萨市城关区为实验区,并将实验结果与SRTMDEM进行比较。实验结果显示,正视与前、后视组成的立体像对提取的DEM效果相当,均好于前视、后视全色影像组成的立体像对提取得到的DEM,拉萨市城关区空间分辨率可达10 m,效果良好,可为城市地质灾害评价等提供基础数据。     

GPS/GALILEO多频组合差分定位研究

研究了多频多系统卫星导航定位的关键技术,比较了TCAR、CIA、LAMBDA3种多频观测值整周模糊度的单历元解算方法,给出了GPS/GALILEO多频组合定位模型,仿真GPS/GALILEO多频观测数据验证了所用方法的正确性。仿真数据处理结果表明,GPS/GALILEO组合定位能提高基线解算精度,其基线定位误差在2 cm范围内。     

自适应卡尔曼滤波在GPS/DR组合导航中的应用

针对在观测条件较差的情况下卡尔曼滤波的鲁棒性较差,本文设计了一种自适应卡尔曼滤波模型。通过实际车载GPS/DR组合导航试验,结果表明该模型在观测质量较差的情况下能够抑制较大的偏差,相对于标准卡尔曼滤波模型,其平面定位精度提高了近一倍,达到2～3m。因此,在观测环境较差的情况下建议采用渐消自适应卡尔曼滤波模式进行组合导航。     

探索特大灾害中测绘快速保障机制的建立

在特大灾害发生之后,针对测绘如何进行快速有效保障这个课题,本文提出建立数字地形图快速修测、GPS与北斗组合的导航保障系统和网络化协同测绘保障体系等三种机制的解决方案。     

美军GPS最新应用与研究

本文介绍了GPS在美国军事领域中的最新应用和美军利用GPS提高武器命中精度的研究现状。对美军在“科索沃危机”中使用的各种先进武器系统、智能专家指挥决策系统和后勤保障等诸多领域中GPS最新应用情况作了介绍,同时还介绍了美军WAGE项目的研究与实施情况,对加快发展我国的卫星导航技术具有重要的参考价值。     

POS辅助车载组合全景影像路面角点特征匹配算法

推荐了一种车载组合全景相机影像路面角点特征的匹配方法。路面到摄站的距离近,基高比大,是良好的区域网平差模型连接点,但是路面纹理匮乏,影像中存在移动物体和较为严重的尺度变化和仿射变形,难以匹配到正确的同名点。本文利用路面在一定范围内可近似为水平面的特点,根据相机与路面的距离确定近似路面,将影像路面角点投影到重叠影像,将同名点定位在一个小的矩形范围内;通过POS数据确定角点对应同名核线,矩形区域内距离核线最近的角点即为同名像点。本文匹配方法可获得一定数量的正确匹配同名点,显著降低了误匹配,内点率高,可以进一步精确估计像对间的基础矩阵,为其他地物的匹配提供了约束。     

GPS 高程转换的总体最小二乘组合方法

在现有GPS高程转换的研究中,通常只采用单一的解算方法,然而,不同的计算方法由于适用的条件不同,在对同一组数据进行解算时,解算的精度也各有优劣。针对以上问题,文中提出GPS高程转换的总体最小二乘组合方法,对多种不同的高程转换方法进行组合,运用总体最小二乘法计算不同方法的权值,结合实际工程数据,验证该方法的可行性。计算结果表明,提出的方法能够有效地提高高程转换精度。     

融合BP神经网络的组合模型地铁结构变形预测

基于误差平方和最小准则构建回归分析模型和时间序列模型的组合模型,采用BP(black propagation)神经网络优化其组合模型的预测结果,最终获得信息最大化的预测结果.将此方法应用于南京地铁某号线自动化监测,结果显示其预测精度高于任何单一模型,预测精度得到有效提升.     

回归-Elman网络在矿坝变形预测中的应用

金矿开展矿坝的变形监测工作,引入多层递阶回归分析模型,有较高的预测精度,但方法较繁琐,计算较复杂。由于变形数据可分离成趋势项与随机项,趋势项可用多元线性回归良好地拟合;随机项的预测,文中采用Elman网络建模计算,最后利用矿坝的实测高程位移数据进行验证,并与多层递阶回归进行比较。结果表明:回归-Elman网络模型比多层递阶回归的预测精度更高,效果更好,且方法简洁实用性强。