GPS向量网粗差探测的Bayes方法

应用现代Bayes统计理论和方法,提出了GPS向量网中多个粗差定位和定值的Bayes方法,并设计了相应的算法。对某GPS向量网的计算验证了该方法的有效性。

高精度GPS向量网抗差估计

以RECO方案[1]为基础,对其抗差估计模型进行改进,并介绍了解算步骤。在此基础上,对GPS一、二级网的七个子网进行了抗差估计,取得较满意的结果,证明提供的模型是有效的。

相关GPS基线向量网的抗差估计

首先介绍了相关观测抗差估计的 IGG 方案 ,针对 GPS基线向量网的特点 ,对原IGG 方案作了部分改进 ,最后通过一个算例表明 ,改进后的相关观测抗差估计权函数能有效地抵制 GPS基线向量观测异常的影响 ,且能节省计算时间。验证了相关信息对高精度 GPS网数据处理结果的影响。

具有抵偿面的GPS基线向量网任意带高斯投影模型研究

通过GPS技术获取的空间基线向量和坐标信息是建立在WGS-84坐标系下的,无法直接应用于工程实际。因此使用GPS基线向量网必须将其从WGS-84坐标系转换到测区的平面坐标系统中,这就需要构造一个具有抵偿面的任意带高斯投影模型,来控制和减小边长投影变形。

GPS基线向量网随机模型及质量控制

通常 ,标准GPS基线解算软件输出的基线向量协方差阵与实际值存在偏差。本文详细分析了产生这种偏差的原因 ,并介绍了一些确定基线向量协方差阵的方法 ,以期达到选取或者确定与观测精度相适应的协方差的目的。

基于修正Gram-Schmidt算法的GPS基线向量网伪逆平差

直接从GPS基线向量法方程系数阵入手,利用修正的Gram-Schmidt算法对法方程系数阵进行三角分解实现最小二乘求解,导出了基于修正的Gram-Schmidt算法求解法方程系数阵广义逆的数学公式和计算步骤,给出了通过广义逆表示的未知数解向量及其协因数阵的数学表达式。计算过程不仅避免了对矩阵的求逆,并从理论上解决了Gram-Schmidt算法由于舍入误差的影响表现出的数值不稳定性,从而很好地解决了具有秩亏系数阵方程组解的不唯一性问题。

MATLAB软件支持下的GPS基线向量网的三维无约束平差

在采用GPS后处理软件进行基线解算且经过各项检核合格之后,需要进行基线向量网的三维无约束平差、三维约束平差、二维约束平差等处理过程。而目前相关的文献中对采用秩亏自由网平差进行GPS基线向量的无约束平差涉及较少,且往往是一笔带过[1]。本论文在对GPS基线向量网三维无约束平差及秩亏自由网平差数学模型进行引述的基础上,结合某工程案例,利用MATLAB强大的矩阵计算功能进行了基线向量网的三维无约束平差。以期为GPS数据后处理人员以及相关专业的大中专在校学生对该内容的理解与掌握提供一定的借鉴和帮助。

GPS基线向量网平差方法研究及程序计算

针对GPS基线向量网平差所涉及的理论技术问题,系统地论述了GPS基线向量平差的流程,着重研讨了采用载波相位观测值的双差观测值模型求解基线向量,从而对GPS基线向量网进行平差的方法和过程,并对这一过程编制了计算程序。最后对一组实测GPS网的数据进行了最小二乘法平差,所得结果满足精度要求。

GPS网平差模型及程序设计

介绍了GPS向量网平差的数学模型,并以此为基础利用面向对象的程序设计思想编写平差程序实现GPS向量网平差,并结合实例验证了此程序的实用性。

面向对象的GPS网程序设计的研究

随着GPS技术的广泛应用,GPS数据处理的重要性就越发凸显。GPS数据处理过程分为数据传输、格式转化、基线解算和网平差。网平差是GPS数据处理的最后一个阶段,也是非常关键的阶段。本文在简要介绍GPS测量和定位的基本原理,讲述GPS数据处理基本知识以及基本步骤的基础上,重点讲述网平差的平差方法和流程并根据GPS向量网平差的数学模型,利用面向对象程序设计思想编写程序实现GPS向量网平差模型的建立。

GPS网与地面网无约束平差在公路测量中的应用

通过工程实例,阐述了公路测设中在地面网无已知点时,怎样将GPS基线向量网转换为地面测量成果,满足工程建设需要,提出了比较实用的方法。选择位于测区中心的大地坐标经度作为该工程的中央子午线,选取某点GPS观测的伪距坐标作为网的位置基准,即平差时以该点为位置基准的固定点,由于伪距坐标位置并不一定在实际的测区,不一定能用实际测区的平均高程面来投影,我们用公式H0=0.0785×Y2来计算投影零高程面(H0),式中Y取该工程的中央子午线到测区边缘的距离(km),依次求出投影高程面(Hm-H0),Hm为测区平均高程。在测区若能找到高程满足(Hm-H0)的一个点,就利用该点(若找不到这样一个点,那么就用测区中接近该条件的一点),并对该点所在边用精度较高的全站仪测量长度作为尺度基准,再测量距离中央子午线最远的一条边作为检验尺度基准边。

基于吉布斯抽样的相关观测异常值检测的贝叶斯方法

相关观测的异常值检测是测量数据处理的难题之一。在系统总结和分析前人研究成果的基础上,运用贝叶斯统计推断理论,提出了相关观测异常值检测的贝叶斯方法。首先,基于识别变量的后验概率,提出了相关观测异常值定位的贝叶斯方法;然后设计和构建了计算后验概率的吉布斯抽样方法,基于最大后验估计原理,推导和建立了计算异常值参数的贝叶斯公式;最后对某GPS网相连进行了计算和分析。结果表明,在相关观测条件下,使用新方法能够对多个异常值同时进行检测,有效地消除异常值的不良影响。