静基座全球定位系统定位误差分析和建模研究

本文以静基座全球定位系统（ＧＰＳ）实测定位数据为依据，分析其定位误差情况，并进行建模研究．研究表明，静基座ＧＰＳ陆定位误差模型国定位星组的不同而有差异，但都含有周期为１８０～６００５幅值为随机变量的周期误差和符合ＡＲ（１）模型的随机误差．木文采用半周期均值法和ＡＲ模型预报法对定位数据进行误差补偿．     

一种具有SA预报能力的GPS滤波器

对ＧＰＳ定位中的ＳＡ误差作了系统辨识。表明：ＳＡ误差可用时变ＡＲ（Ｐ）模型表述,ＡＲ（Ｐ）的时变参数可由ＲＬＳ算法结合Ｆ判据建立的ＡＲ（Ｐ）模型辨识机获得。用该方法获得的模型对ＳＡ误差进行预报。在剔除野值后精度在１０ｍ之内,还提出一种方法,可得到具有ＳＡ预报能力的ＧＰＳＫＡＬＭＡＮ滤波器。     

一种具有SA预报能力的GPS KALMAN滤波器

对ＧＰＳ定位中的ＳＡ误差作了系统辨识。表明：ＳＡ误差可用时变ＡＲ（ｐ）模型表述，ＡＲ（ｐ）的时变参数可由ＲＬＳ算法结合Ｆ判据建立的ＡＲ（ｐ）模型辨识机获得。用该方法获得的模型对ＳＡ误差进行预报，在剔除野值后精度在１０ｍ之内。还提出了一种将以ＡＲ（ｐ）模型表述的ＳＡ误差加入ＧＰＳ ＫＡＬＭＡＮ滤波器的方法，可得到一种具有ＳＡ预报能力的ＧＰＳ ＫＡＬＭＡＮ滤波器。     

基于希尔伯特-黄变换的径流规律分析

希尔伯特－黄变换在处理非线性、非平稳、弱相依、高度复杂的时间序列时,比传统的时间序列分析方法更具优势。通过对时间序列进行经验模态分解（EMD）,得到若干反映时间序列演化过程的本征模态函数（IMF）和序列变化的残余项（趋势项）,然后对每个本征模态函数作希尔伯特－黄变换,得到反映径流规律的统计特征值,从而获得序列变化的周期。对渭河临潼水文站的年径流观测数据进行分析,得出年径流变化存在9．52年、13．70年、21．74年和41．67年的周期,且有逐渐减小的趋势。     

Copula方法在时间序列趋势项提取中应用

对用动力系统方法进行非线性时间序列趋势项预测的问题进行了探讨.引入Copula 函数构造的误差衡量模型,对几种时间序列趋势项的提取方法进行了比较,在比较准则的构造上有所创新.进而从时间序列中提取的趋势项为数据,通过动力系统方法对证券市场指数的预测进行了实证.     

基于动态计量经济学模型的房地产周期研究

为正确判断房地产发展趋势,以动态计量经济学模型为基础,科学地识别并预测房地产市场周期。采用北京1989—2004年的时间序列数据,将先验经济理论与数据统计分析结合,建立自回归分布滞后的ARM AX模型。对变量进行单整ADF检验和多重协整JJ检验,求出误差修正序列。用包含误差修正项的模型来预测市场周期,弥补中国房地产市场广泛存在的非理性因素影响和统计数据的缺陷。研究表明:北京房地产市场的周期约为4~5 a;2005年的房地产市场正处于扩展阶段;2006年北京房地产市场仍将呈现稳步上升的态势。     

应用时间序列分析法进行棉红铃虫中长期数值预报的研究

本文以时间序列分析法组建棉红铃虫数值预报模型,将棉红铃虫种群数量变动的时间序列分解为周期项和随机项,采用逐步回归周期分析和平稳随机序列分析方法分别提取其周期项和随机项,经迭加后应用于中长期数值预报,经初步验证,效果尚好。     

基于时间序列分析的滑坡位移预测-以尖山营古滑坡复活为例

为了深入研究滑坡位移的特点，以尖山营古滑坡复活为例，基于时间序列加法模型，结合尖山营古滑坡的复活背景，将古滑坡位移分解为趋势项与周期项。对趋势项位移使用等维新息灰色（1，1）（GM（1，1））模型进行分析，并提取周期项位移，建立一阶自回归（A R）模型对周期项进行预测。将两者预测结果相加，即可得到古滑坡预测总位移。结果表明：预测与实测值误差较小，模型精度较高，能够较好的描述尖山营古滑坡的位移特征，可用于古滑坡后续的监测预报预警中，具有一定的理论研究与工程价值。     

软件可靠性预测的小波分析方法

软件可靠性预测对于软件可靠性评估以及软件工程项目的过程控制具有重要作用。本文提出的软件可靠性预测模型,通过小波分解将非平稳的软件可靠性随机序列分解成趋势项、周期项和一系列时间调制平稳随机序列,对趋势项和周期项按常规的预测方法进行预测,而时间调制平稳随机序列再用小波方法预测,最后合成得到软件可靠性预测。实例分析表明,本方法是可行的。     

GPS定位数据的在线识别与预测

通过大量的ＧＰＳ定位观测数据的统计处理导出了一种对非平稳时序列建模或识别及预测的简单方法。该方法是 基于小二乘法和线性系统识别方法。并提出了与传统ＡＲＭＡ模型有所不同的模型，我们称之为准ＡＲＭＡ模型，用具时变参数的模型对ＧＰＳ接收机输出数据进行线识别与预测，证实了此方法有效方法。     

陆基MMS中GPS/INS滤波器的探讨

陆基MMS(移动测图系统)是为满足现代工程建设和地理信息系统建立对数据采集的实时化和周期化要求而设计的3S(GPS,GIS,RS)集成系统.陆基MMS一般采用GPS(全球定位系统)和INS(惯性导航系统)的组合系统对载体进行定位,再由其它测图传感器获取载体与所测目标的相对空间位置关系,从而最终测取目标的地学空间位置.因此GPS/INS组合系统的精度对整个MMS的精度影响很大.目前,GPS/INS组合系统普遍采用卡尔曼滤波对两者的观测值进行滤波,但这种方法有不足之处.本文回顾了卡尔曼滤波在GPS/INS中的应用,提出了相应的改进方法,进而为改善MMS精度提出了举措.     

基于时变AR模型的GPS定位精度研究

定位精度是影响GPS卫星导航系统应用的重要因素之一.对时变参数模型TVAR进行了研究,并将其应用于GPS卫星导航系统的定位精度分析,以达到减小定位误差的目的.该方法针对定位序列的统计特性,利用时间序列分析方法建立预测模型,通过前面一段数据拟合的模型预测后面一段时间的数据趋势.数据实验结果验证了利用时变自回归方法进行GPS数据建模分析的有效性和可行性.     

海上动态GPS大气可降水量信息反演

基于精密单点定位(PPP)技术,对海洋上空大气可降水量(PWV)信息反演方法进行研究。采用随机游走过程估计方法,动态模拟船载GPS接收机天顶对流层湿延迟(ZWD)在时间和空间尺度上的随机变化。利用渤海湾船载动态GPS测量数据和同步气象观测数据,结合海洋动态环境,以渤海湾MM5模式积分水汽为参考值,详细分析不同随机过程噪声约束和卫星截至高度角等因素对PWV提取精度的影响。结果表明,选取槡2～5mm/h的随机过程噪声约束以及7°～10°的卫星截至高度角,海上船载动态PWV反演结果与MM5模式积分水汽基本一致,其偏差的绝对值均小于3 mm,均方根误差优于1.2 mm。     

一种基于GPS实现水下定位的有效方法

针对水下目标的定位需求,在探讨GPS定位原理和水下超声定位原理基础上,提出了一种基于GPS实现水下定位的实现方法。给出了该方法的工作原理和具体工作过程。通过分析和计算GPS定位误差、水下定位误差,得到了这种定位方法的总体误差。分析和计算结果表明基于GPS实现水下定位的设想可能具有一定的实用价值。     

基于时钟偏差模型的GPS不完整星座定位方法

为使GPS接收机在卫星星座不完整情况下仍能定位,提出采用接收机时钟偏差模型辅助接收机定位的方法.将模型预测的时钟偏差引入伪距线性化定位解算方程中,保证了在GPS星座不完整时仍能给出接收机的位置.基于GPS实测数据的验证分析表明,该方法的定位精度在标准误差范围内.同时,该方法具有计算简单、有效可行的特点,可以方便地嵌入到GPS接收机中.     

基于非线性自适应回归神经网络的GPS/IMU组合导航方法

车道级高精度定位导航是智能网联汽车的基本配置,全球定位系统(globlal positioning system,GPS)/惯性测量单元(inertial meansurement unit,IMU)组合导航是高精度定位的关键技术之一。根据汽车行驶过程中高精度定位要求,提出了应用于智能网联汽车的基于非线性自适应回归(nonlinear autoregressive exogenous,NARX)神经网络的GPS/IMU组合导航方法。首先,根据IMU传感器数据特性,建立了基于扩展卡尔曼滤波的惯性导航系统(inertial navigation system,INS)模型,其次,基于NARX神经网络,建立了GPS/INS组合定位训练和预测模型,然后,基于全球导航卫星系统(global navigation satellite system,GNSS)、实时动态差分技术(real-time kinematic,RTK)、INS等技术,设计了智能网联汽车RTK高精度定位数据采集实验系统,并收集了实验数据。最后,对NARX网络训练误差和GNSS信号长时间失效情况下定位预测误差进行了讨论与分析。实验结果表明,该方法在GNSS信号失效5 min情况下,定位预测误差在2. 5 m以内,满足一般情况下,短、中、长隧道中智能网联汽车定位应用要求。     

新型GPS动态定位自适应卡尔曼滤波方法

为了获取GPS卫星的信号及定位数据的真实值,减小信号传播中因各种因素混入的随机误差对定位精度的影响,通过应用运动载体"当前"统计模型,取速度和位置为观测量建立GPS动态定位模型,将观测量维数增大1倍,从而增加了系统的可观测性和定位测算精度.此外,针对传统标准卡尔曼滤波法在动态滤波方面的不足进行了分析,提出了改进型Sage自适应卡尔曼滤波法.该方法在递推和滤波过程中不断地修正模型参数,始终保持噪声模型接近于真实模型,从而避免了标准卡尔曼滤波法中因建模不准确可能导致的滤波发散等问题,较好地解决了GPS动态定位中状态变量维数与滤波快速性之间的矛盾,以及状态噪声和观测噪声建模不准确和时变的问题.     

Assessment of stochastic models for GPS measurements with different types of receivers

The stochastic model plays an important role in parameter estimation. The optimal estimator in the sense of least squares can only be obtained by using the correct stochastic model and consequently guarantees the precise positioning in GPS applications. In this contribution, the GPS measurements, collected by different types of geodetic dual-frequency receiver pairs on ultra-short baselines with a sampling interval of 1 s, are used to address their stochastic models, which include the variances of all observation types, the relationship between the observation accuracy and its elevation angle, the time correlation, as well as the correlation between observation types. The results show that the commonly used stochastic model with the assumption that all the raw GPS measurements are independent with the same variance does not meet the need for precise positioning and the elevation-dependent weight model cannot work well for different receiver and observation types. The time correlation and cross correlation are significant as well. It is therefore concluded that the stochastic model is much associated with the receiver and observation types and should be specified for the receiver and observation types.     

基于二次散射体模型的GPS/蜂窝网混合定位方法

 针对蜂窝网精度不高及GPS在复杂环境下存在信息不足等各不可抗的缺陷,采用基于GPS和蜂窝网相结合的混合定位方法,来改善定位的可用性,和提高定位精度.针对影响GPS/蜂窝组合定位系统精度的主要因素NLOS传播,采用二次散射体模型抑制NLOS传播影响,其思路在于将散射体作为虚拟基站,抑制蜂窝的NLOS误差,辅助GPS定位,并改善精度因子(DOP),把NLOS误差转化为确定性的模型因素,因此定位精度主要取决于定位参数的测量精度,和非直达波引起的参数偏差无关,从而进一步提高了复杂环境下GPS/蜂窝混合定位精度.通过在静止、运动、ROS模型、高斯噪声传播环境下的仿真实验证明,该方法具有更高的精度和更强的鲁棒性.