改进BIC的GNSS站坐标时序有色噪声特性分析

为了有效解决传统的极大似然估计方法存在的未知数多导致结果不准确的问题,提出一种改进BIC的GNSS站坐标时序有色噪声特性分析方法:选取全球范围内100个基准站2008—2022年坐标时序及仿真的100组坐标时序,采用赤池信息准则(AIC)、贝叶斯信息准则(BIC)、改进的贝叶斯信息准则(BIC_tp)对不同有色噪声模型进行噪声特性分析,获取基准站坐标序列的最优噪声模型及速度参数;探讨BIC_tp对噪声模型及速度估计的影响。结果表明,基准站坐标序列噪声模型呈现出多样性特征,在北(N)和东(E)方向主要表现为闪烁噪声+白噪声(FNWN)模型,天顶(U)方向主要表现为幂律噪声+白噪声(PLWN)模型;相比于AIC和BIC噪声模型估计准则,BIC_tp方法对有色噪声模型估计具有较高的准确性,尤其是闪烁噪声+随机游走噪声(RW)+白噪声(FNRWWN)模型对全球卫星导航系统(GNSS)站速度不确定度的影响在N与E方向远大于U方向;正确获取模型参数估计的实际不确定度及改正噪声分量对于合理应用GNSS坐标时间序列数据具有重要意义。

全球文化坐标的轴心东移:文化自觉与中国价值的崛起

美国金融和欧洲主权债务两大危机不仅深度颠覆了西方主导的经济全球体系,也在根本解构着西方霸权的全球文化体系。全球文化价值坐标轴心正在东移。在这一新的地平线上,反思上个世纪呼唤东方文化自觉的后殖民文化批评的"三剑客",重新思索伴随着中华民族伟大复兴的中国文化自觉、自信和自强的未来进程,在自主输入型现代化向自主辐射型现代化模式转折点上展望走向世界的中国学术,我们应当有新的境界和新的战略。

中国的自我修养:新的全球身份与战略思维转型

中国正在成为具有全球影响力的大国,对于中国发展战略的思考必须置于全球坐标系之下,这样才能更加全面地了解中国发展的成就与问题、优势与劣势。在全球坐标系下,中国的位置发生了四个方面的变化,即从区域性大国向全球性大国转变、从自我发展向开放性发展转变、从现代化的追随者向引领者、从外部关系的单一化向复杂化转变。中国一方面应该更重视以国际标准来衡量和推动国内治理改革,另一方面也要积极调整对外战略,以自身的成功转型来获得世界更普遍的承认。

Landsat卫星WRS网格坐标位置估算方法的研究

全球参考系(WRS)是为卫星下行数据服务而建立的一种全球符号坐标系统,本文详细介绍了Landsat卫星的轨道特性,给出了相应的WRS网格坐标位置的估算方法,并给出了估算的结果。对该方法的研究为地面应用系统卫星数据的管理提供了参考。

基于全球定位系统的相机标定方法研究

采用标定模板进行相机标定是目前广泛应用的方法。由于标定模板的限制,该方法在大视场、远距离工作时不能覆盖所需画面的全部,不能实现对相机的准确标定。结合全球定位系统实时动态(GPS RTK)定位工作模式的高精度全方位坐标信息获取技术,提出一种基于GPS的相机标定方法。该方法基于GPS RTK工作模式获取GPS质心在WGS-84坐标系中的坐标信息,通过坐标转换得到世界坐标系中的坐标位置;用被标相机拍摄GPS在不同位置的图像,采用Harris角点检测算法获得GPS质心的图像坐标,根据成像模型及相机投影矩阵,实现相机标定。实验证明,该方法可有效获取全方位的空间坐标信息,与传统相机标定方法相比,图像像素标定均方误差仅为0.125 36,是一种行之有效可取代标定模板的相机标定方法。

顾及空间相关性的GNSS坐标序列插值比较

针对常规的全球卫星导航系统(GNSS)坐标序列缺失数据插值方法多基于单站,且只适用于缺失数据较少的情形,提出1种适用于数据缺失率高,尤其是数据连续缺失时的数据插值方法:利用基于多站的正则期望最大化算法(RegEM)和克里金卡尔曼滤波(KKF)算法,对实测数据和不同比例连续缺失的模拟数据进行插值;同时与多通道奇异谱分析(MSSA)的插值结果进行比较,这3种方法均顾及了空间相关性。实验结果表明,对于含有连续缺失的GNSS坐标序列,RegEM的插值效果最好,且能够较好地还原GNSS坐标序列的噪声水平,保留的方差也最大,在细节方面处理得更好,而KKF插值效果次之,MSSA插值结果最差。

基于多变量LSTM的GPS坐标时间序列预测模型

针对全球定位系统(GPS)坐标时间序列预测中存在精度不足的问题,提出一种基于多变量长短时记忆(LSTM)的GPS坐标时间序列预测模型。利用灰色关联度方法对同一地区不同观测站的GPS坐标时间序列数据进行关联度分析,找出与待预测数据(佘山站U向历史数据)关联度较强的数据。将待预测数据和与之关联度较强的其它数据作为多变量预测模型的输入,利用LSTM能够将现有的输入信息与历史输入信息相结合的特性,建立多变量LSTM模型。通过与ARIMA、单变量LSTM模型预测结果比较,证明该方法有更好的预测效果。

基于TGO的坐标转换方法探讨

随着GPS技术在众多领域的广泛应用,坐标转换成为测量工作人员经常要解决的问题。由Trimble公司研发的主流GPS数据处理软件TGO1.63具有强大的功能,然而测量工作人员平时主要应用其基线解算和网平差功能,而对TGO的某些坐标转换拓展功能应用较少甚至并未涉及。详细探讨了如何利用TGO实现坐标转换,包括同一椭球的坐标转换、不同椭球的坐标转换以及地方坐标系间的转换,并付诸工程算例。

基于IGS站组网的移动激光雷达测量系统整体检校

针对车载移动测量系统中激光扫描仪和载体坐标系之间存在的位置和姿态偏差,在结合常规特征点、特征面检校方法基础上,本文提出了一种带有误差改正数的位置和姿态检校方法。利用TLS获取的车载系统整体点云模型和传感器固有几何属性,获取传感器之间相对关系初值,在此基础上引入误差改正数,构建误差改正模型。在与IGS站联测的检校场中借助平面、球形标靶和平面反射标志等特征,采用最小二乘法迭代法计算误差改正数最优解,从而实现传感器快速检校。试验结果表明,该方法切实可行,检校后点云平面绝对精度和高程绝对精度分别为0.043、0.072 m,相对精度为0.018 m,满足移动测量系统数据获取的精度要求,对促进车载移动测量技术发展和应用具有重要意义。

网络中心战中的战场感知能力量化模型研究

为了定量评价和探索提高网络中心战中的战场感知能力的途径,针对网络中心战的特点,运用集合论、信息论、图论等理论研究了战场感知能力的量化问题。首先分析了影响战场感知能力的主要因素及其作用,然后对主要因素进行了量化建模,提出了传感器对指控节点的信息量贡献模型以及指控节点之间的信息量贡献模型,建立了指控网战场感知能力量化计算模型,最后通过仿真,验证了模型的有效性,说明了提高指控网战场感知能力的有效途径。

三种GNSS高程时序降噪方法的效果对比分析

为了探究经验模态分解(EMD)、整体经验模态分解(EEMD)和小波降噪三种方法的降噪性能,以中国区6个国际GNSS服务(IGS)站高程分量的5 a、10 a和20 a时序数据为例,对它们的降噪结果进行比较分析.首先利用线性拟合分离趋势项,并采用3σ准则剔除异常值,得到满足符合降噪要求的样本序列;然后分别用这三种方法分离样本序列中的噪声,得到降噪后的序列;最后以信噪比(SNR)、相关系数、均方根误差(RMSE)为评价指标比较分析它们的降噪性能.实验结果表明:1)当坐标时间序列质量较差时,EEMD和小波降噪可以很好的分离噪声;2)对于5 a和10 a时序数据,小波降噪的效果最好;对于20 a时序数据,EEMD和小波降噪效果接近,优于EMD;3)小波降噪抑制有色噪声的能力最佳.

基于独立分量法的新疆GNSS时间序列共模误差分析

共模误差(CME)是区域连续全球卫星导航系统(GNSS)网中的主要误差来源之一.针对GNSS时间序列具有非高斯分布特征,基于二阶统计量的主成分分析(PCA)难以准确提取出CME分量问题,采用具有高阶统计量的独立分量分析(ICA)对CME进行提取.以2011—2018年新疆区域GNSS坐标时间序列为例,将PCA滤波效果进行对比验证,分析了CME对GNSS坐标时间序列的影响,并对CME序列进行周期分析.结果表明:前6个独立分量包含CME分量,这可能与卫星轨道、地表质量负荷和时钟误差有关,ICA滤波后东(N)、北(E)、天顶(U)三个方向的均方根(RMS)值分别降低31.83%、32.29%、35.49%,速度不确定度分别降低44.14%、38.49%、43.32%,各测站的周期项振幅较滤波前更一致,有效地剔除了CME,提高了坐标时间序列的精度.

基于MATLAB-GUI的GNSS基准站网坐标序列数据处理软件

基于MATLAB及图形用户界面(graphical user interface,GUI)平台,开发了全球导航卫星系统(global navigation satellite system,GNSS)基准站网坐标序列数据处理软件,并用苏州CORS(continuously operating reference stations)网实测数据验证软件的可行性。软件的主要功能模块包括输入输出模块、图形用户界面控制模块、数据预处理模块、时频分析模块和实用工具模块,各模块之间相互独立又包含联系。软件界面良好,操作方便,功能丰富,为GNSS基准站坐标序列的数据处理和信号提取提供了强有力的工具。

噪声模型的建立对速度及其不确定度的影响分析

针对现有全球定位系统时间序列研究中不同时间序列跨度内噪声模型的建立对速度及其不确定度的影响方面研究较少,选取ITRF2008框架下中国区域的10个国际GNSS服务组织基准站的坐标时间序列,将每个序列按照时间跨度分为5a、10a、15a和20a四个时段,采用不同的噪声模型组合对它们进行噪声分析,并对结果进行对比。结果表明,在各时间序列跨度内,噪声模型的建立对精化速度场非常重要;随着时间序列长度的增加,速度不确定度比值呈上升趋势。