MLAMBDA算法在干涉雷达时间序列分析中的应用

干涉雷达时间序列分析方法是差分干涉测量技术中的一种新方法,利用高斯马尔可夫模型构建其相位模型,对参数进行估计,需要解决整周相位模糊度问题。因此,将改进的最小均方模糊度去相关调整算法(MLAMBDA算法)引入干涉雷达时间序列分析中求解整周相位模糊度,通过多次实验对比分析,解决了算法应用和软件编写中的关键问题。最后应用在天津地区沉降监测项目中,获得了可靠的沉降监测结果,同时表明MLAMBDA算法在干涉雷达时间序列分析方法中的应用正确有效。

估计对流层延迟的单频RTK卡尔曼滤波算法

提出一种对流层估计方法实现单频RTK快速动态定位。用模型改正对流层干延迟,双差对流层湿延迟用测站对流层天顶延迟估计,并与流动站位置及站间单差模糊度组成双差方程进行卡尔曼滤波,得到单差模糊度浮点解及方差阵,通过星间求差得到双差模糊度浮点解及方差阵,结合MLAMBDA方法实时确定模糊度。试验验证单历元平面定位精度优于±3 cm,高程定位精度优于±10 cm。

中长基线连续运行参考站间模糊度快速解算

为了削弱站间星间双差电离层延迟和对流层延迟,实现中长基线参考站间模糊度快速解算,对流层干延迟用模型改正;双差对流层湿延迟和电离层延迟用一阶高斯马尔科夫过程估计;在此基础上提出了双差对流层湿延迟参数、双差电离层延迟参数和模糊度作为状态向量的卡尔曼滤波算法,并结合改进的最小二乘模糊度降相关法(MLAMBDA)搜索模糊度;经验证,该算法稳定性好,初始历元数少,高度角大于20°时搜索成功率高于96%。

单频RTK动态解算的卡尔曼滤波算法研究

本文针对单频RTK提出了一种快速动态定位卡尔曼滤波算法,该方法使用C码和L1观测值,用模型改正对流层干延迟,双差大气延迟分解为测站大气天顶延迟和投影函数,与流动站位置以及站间单差模糊度组成观测方程进行卡尔曼滤波,得到单差模糊度浮点解及方差阵,通过星间求差得到双差模糊度浮点解及方差阵,结合MLAMBDA方法实时动态确定模糊度。经实测数据和IGS站数据验证该算法具有较好定位结果。

改进的整周模糊度搜索算法

针对现有模糊度搜索方法仍不能很好地满足快速定位需求的问题,该文在简要介绍解决最近向量问题的搜索算法基础上,将M-VB搜索算法引入到模糊度的解算中,并对其作了两方面改进。一是优化了该算法执行过程中更新上界的问题,二是提出借助序贯最小二乘平差(Bootstrapped)估计值来确定其搜索空间半径的方法。基于仿真数据和实测GPS数据,分别在降相关和不降相关条件下,将上述改进方法与最小二乘降相关平差(LAMBDA)方法和其修正方法(MLAMBDA)作了对比分析。结果表明,改进的M-VB算法比其他2种方法能更快地固定整数向量,有效地提高了模糊度搜索效率。

一种快速解算高维模糊度的改进模拟植物生长算法

针对整数最小二乘模糊度降相关平差(LAMBDA)算法解算高维整周模糊度效率比较低的问题,该文从模糊度解算一般规则是一个非线性整数规划问题的角度出发,提出了一种改进模拟植物生长算法。该算法是一种智能优化算法。通过多组高维模拟数据和实测数据,将该文算法与LAMBDA算法及MLAMBDA算法进行了对比分析。结果显示,当模糊度维数等于45维和50维时,该文算法在运算效率上略优于LAMBDA算法。当维数达到55维及以上时,相比于LAMBDA和MLAMBDA算法运算速度分别提高了至少52.8%和19.2%。因此改进模拟植物生长算法对于快速固定高维整周模糊度具有一定的应用参考价值。