组合粗差探测的MHSS ARAIM算法

针对目前MHSS ARAIM (multiple hypothesis solution separation advanced receiver autonomous integrity monitoring)算法存在的抗差能力弱、计算子集过多、计算量过大等不足,提出一种组合粗差探测的MHSS ARAIM算法。该算法先用粗差探测方法对原始数据进行粗差识别与剔除,而后用MHSS ARAIM算法处理经粗差探测后的数据,可弥补MHSS ARAIM算法的不足。对若干IGS和全球连续监测评估系统iGMAS(international GNSS monitoring and assessment system)监测站观测数据进行计算和分析。结果表明:在航行LPV-200阶段,该算法应用于GPS和BDS导航的性能优于MHSS ARAIM;在假设单故障情况下,该算法对GPS和BDS观测数据的有效监视门限EMT(effective monitor threshold)的精度分别提高了22.47%和9.63%,对VPL(vertical protection level)的精度分别提高了32.28%和12.98%;在假设双故障情况下,对EMT的精度分别提高了80.85%和29.88%,对VPL的精度分别提高了49.66%和18.24%。     

非差模型与双差模型的定位精度比较

为了分析高精度GNSS数据处理中常用的双差模型和非差模型定位性能的差异,选取ITRF核心站组成长度不同但相对位置长期不变的基线,对2013年全年的有效数据分别采用两种模型进行解算,分析两者的相对坐标差异。结果表明:全年数据的非差解与双差解相对坐标的三维偏差序列的标准差达到8.2 mm,非差解与双差解存在定位偏差;非差解的相对坐标全年数据时间序列的平均标准差是(5.6,4.5,5.4) mm,而双差解是(3.4,3.1,4.0) mm,双差模型的解算精度和稳定性整体优于非差模型;随基线的增长,双差模型的差异呈现累积性,而非差模型的差异基本无变化,如42 m超短基线STJ2-STJO非差解和双差解全年数据的标准差分别为(6.2,4.8,5.7) mm和(3.0,2.9,3.0) mm,而487 km长基线HERS-WSRT则是(5.7,4.5,5.4) mm和(4.7,2.8,4.7) mm。     

北斗GEO卫星载波相位单差观测值的周期性分析

高精度的卫星定位测量中,由于卫星在测站上空的重复周期性运动,周期性误差是影响测量精度的重要误差源。恒星日滤波利用周期性误差的特点,提取前一天的周期性误差来改正后一天的定位结果,可滤波处理诸如多路径误差。本文从北斗GEO卫星载波相位观测值站间单差的角度来探讨其周期性特点,通过前后两天站间相位单差观测值进行对比,采用相关性分析方法,验证北斗GEO卫星载波相位单差观测值的周期性特征。     

北斗星地双向时频传递与广广播钟差精度分析

与其他卫星导航系统不同,北斗卫星导航系统采用星地双向时间比对技术,直接测量卫星钟相对于地面保持的系统时间的钟差,并用于广播电文钟差参数的建模。讨论了电离层延迟误差、卫星相位中心误差等不同误差源对不同类型卫星双向时间同步卫星钟差精度的影响。实测数据分析结果表明,星地双向卫星钟差内符合精度(RMS)优于0.15 ns。利用双向卫星钟差序列,对广播星历钟差参数预报精度进行了分析,统计结果显示广播电文钟差参数预报1 h,精度在2 ns以内,移动卫星刚入境时,钟差参数预报6 h误差可达10 ns。     

差分层析SAR技术研究现状分析

差分层析SAR是在层析SAR基础上发展起来的一种四维信息反演技术。它不仅实现了对雷达目标的三维分辨能力,同时可以获取目标的形变速率信息,可实现对目标方位-距离-高度-时间四维成像,这对实现城市基础设施动态形变监测、古建筑风险评估、重要工程安全监测等应用具有重要实际意义和价值。本文基于差分层析SAR成像原理,分析了成像处理过程中存在的问题,总结了差分层析SAR成像算法研究现状和特点;最后列举了差分层析SAR技术的主要应用领域,并对其技术发展趋势进行了展望。     

基于坐标转换的重力资料整理应用

现阶段国内较为常用的似大地水准面精化模型实现高程拟合都需要点位的大地经纬度和水准高程信息,而在重力场研究领域则需要点位的地心坐标信息。通过设计实验对三种获得地心坐标的方法进行比较,并分析结果:大地水准面模型法的转换精度最高,前提是需要转换区域的大地水准面数值模型;两步法的转换精度较大地水准面模型法略低,但与其转换精度非常接近;一步法的精度最低。     

粒子群算法优化的神经网络短期钟差预报

针对导航卫星钟差短期预报精度上的不足,该文提出了一种基于粒子群算法优化的BP神经网络钟差预报模型,通过粒子群算法来对BP神经网络的权值和阈值进行优化,利用IGS的钟差数据进行实验,并与灰色GM(1,1)模型、二次多项式模型和BP神经网络模型的预报结果进行对比分析。结果表明,粒子群优化算法的BP神经网络模型钟差预报效果良好,3h预报精度能够达到0.3ns,体现了本文钟差预报模型的实用性。     

新息向量的抗差Kalman滤波方法及其在UWB室内导航中的应用

针对超宽带（ultra wideband,UWB）室内导航中非视距（non line of sight,NLOS）测距误差会大幅降低导航精度以及系统噪声的不确定性导致滤波精度不高的问题,提出了一种基于新息向量的抗差Kalman滤波方法。该方法在UWB室内导航线性化模型的基础上,利用单个新息值构造抗差因子矩阵,从而消除非视距测距误差的影响,同时对系统噪声协方差矩阵进行实时估计和修正。实验结果表明,该方法不但能有效地消除非视距测距误差对导航解算的影响,而且能进一步提高导航解算的精度和稳定性。