本文選題：GPS + 半參數�。� 參考：《合肥工業(yè)大學》2016年碩士論文

【摘要】：高精度的GPS定位一般采用雙差技術來消除或削弱各種誤差,提高基線解算精度。當兩站高差較大時,即使是短基線,通過雙差技術也不能充分消除對流層延遲,殘余對流層誤差對基線解算的影響較大。由高差帶來的殘余對流層延遲較大時,模糊度浮點解誤差大,影響模糊度固定,甚至可導致基線解算失敗。在參數模型中,無法采用參數估計其影響,如果采用現有的參數模型來描述觀測值,不可避免的存在模型誤差。本文提出采用半參數回歸模型解算大高差短基線,削弱殘余對流層誤差影響。實際算例表明,與常規(guī)的最小二乘法相比,采用半參數模型處理基線能很好的分離GPS殘余對流層延遲誤差,提高基線解算精度。本文主要研究內容包含以下幾個方面：1.GPS靜態(tài)相對定位半參數模型。在模糊度固定的基礎上,采用半參數模型對大高差短基線進行解算。運用半參數模型關鍵是選取合適的正則矩陣R和正則化參數α。本文正則化矩陣R采用時間序列法確定,正則化參數α采用L曲線法確定。對流層延遲改正模型選用Saastamoinen模型,映射函數選用NMF函數。實際算例表明,與常規(guī)的最小二乘法相比,采用半參數模型處理基線能很好的分離GPS殘余對流層延遲誤差,提高基線解算精度。2.GPS單歷元模糊度解算。針對單歷元解算大高差短基線時載波相位模糊度難以固定或者固定錯誤的情況,采用部分搜索算法求解模糊度。實際算例表明與常規(guī)LAMBDA方法相比,該算法具有一定的優(yōu)越性。3.GPS單歷元相對定位半參數模型。采用半參數廣義補償最小二乘模型對大高差短基線進行單歷元解算,運用部分搜索法并結合LAMBDA方法求解載波相位模糊度,嶺參數采用基于Helmert方差分量估計的嶺參數法確定。實例驗證表明,與常規(guī)的最小二乘法相比,采用半參數廣義補償最小二乘單歷元基線解算能很好的分離GPS殘余對流層誤差,各方向定位精度達到毫米級水平。
[Abstract]:High precision GPS positioning usually uses double difference technique to eliminate or weaken all kinds of errors and to improve the accuracy of baseline solution. When the height difference between the two stations is large, even if the short baseline is short, the tropospheric delay can not be fully eliminated by the double difference technique, and the residual tropospheric error has a great influence on the baseline solution. When the residual tropospheric delay caused by height difference is large, the error of ambiguity floating point solution is large, which affects the ambiguity fixed, and even leads to the failure of baseline solution. In the parameter model, it is impossible to use the parameter to estimate its influence. If the existing parameter model is used to describe the observed value, the model error will inevitably exist. In this paper, a semi-parametric regression model is proposed to solve large height difference and short baselines, which weakens the influence of residual tropospheric errors. A practical example shows that compared with the conventional least square method, the semi-parametric model can effectively separate the residual tropospheric delay error of GPS and improve the accuracy of the baseline solution. The main contents of this paper include the following aspects: 1. GPS static relative positioning semi-parametric model. On the basis of fixed ambiguity, the semi-parametric model is used to calculate the short baseline with large height difference. The key of using semi-parametric model is to select appropriate regular matrix R and regularization parameter 偽. In this paper, the regularization matrix R is determined by time series method, and the regularization parameter 偽 is determined by L curve method. Saastamoinen model is used for tropospheric delay correction model and NMF function is used for mapping function. The practical example shows that compared with the conventional least square method, the half-parameter model can deal with the residual tropospheric delay error of GPS and improve the precision of baseline resolution. 2. The ambiguity resolution of single epoch of GPS is improved. In view of the fact that the ambiguity of carrier phase is difficult to be fixed or fixed when the single epoch is used to calculate the large height difference and short baseline, the partial search algorithm is used to solve the ambiguity. A practical example shows that the algorithm has some advantages over the conventional LAMBDA method. 3. The semi-parametric model of relative positioning of single epoch is obtained. The semi-parametric generalized compensated least square model is used to calculate the single epoch of large height difference and short baseline, and the partial search method combined with LAMBDA method is used to solve the ambiguity of carrier phase. The ridge parameter is determined by the ridge parameter method based on Helmert variance component estimation. The example shows that compared with the conventional least square method, the GPS residual tropospheric error can be separated well by using the semi-parameter generalized compensated least square single epoch baseline solution, and the positioning accuracy in each direction reaches millimeter level.
【學位授予單位】：合肥工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：P228.4

【相似文獻】

相關期刊論文 前10條

1 王志忠;郭興翠;周玉娜;;非線性半參數模型的虛擬觀測法[J];數學理論與應用;2007年02期

2 李智;曹石云;;殘差自回歸半參數模型的參數估計[J];經濟數學;2009年02期

3 胡宏昌;徐建成;;半參數模型的小波估計及其在變形分析中的應用[J];測繪科學;2010年05期

4 趙啟龍;王俊雷;戢銳;周慶豐;;基于半參數模型的滑坡段數據估計與預測[J];地理空間信息;2012年02期

5 黃凱;;半參數模型精度研究[J];測繪工程;2013年03期

6 張俊;文鴻雁;張顯云;;半參數模型補償最小二乘平滑參數求解新方法[J];桂林理工大學學報;2013年02期

7 李季;潘孟春;羅詩途;羅飛路;;半參數模型在載體干擾磁場補償中的應用研究[J];儀器儀表學報;2013年09期

8 成平;;關于半參數模型中自適應估計的幾點注記[J];應用概率統(tǒng)計;1985年02期

9 梁華;成平;;半參數模型估計有效性的一些結果[J];科學通報;1993年04期

10 梁華;半參數模型的漸近有效性[J];自然科學進展;1996年04期

相關會議論文 前2條

1 趙國慶;張建帥;;半參數模型及在大壩監(jiān)測數據處理中的應用[A];江蘇省測繪學會2011年學術年會論文集[C];2011年

2 周勇;;生存分析中變系數風險模型的一些進展[A];中國現場統(tǒng)計研究會第十三屆學術年會論文集[C];2007年

相關博士學位論文 前10條

1 張松林;非線性半參數模型最小二乘估計理論及應用研究[D];武漢大學;2003年

2 潘雄;半參數模型的估計理論及其應用[D];武漢大學;2005年

3 胡宏昌;半參數模型的估計方法及其應用[D];武漢大學;2004年

4 諶自奇;半參數模型中的剖面似然方法研究[D];東北師范大學;2012年

5 孫靜;若干非參數和半參數模型的穩(wěn)健估計和特征篩選[D];山東大學;2013年

6 袁裕澤;半參數模型和近單位根過程的統(tǒng)計推斷[D];浙江大學;2011年

7 楊隨根;復雜數據半參數模型的統(tǒng)計推斷研究[D];北京工業(yè)大學;2014年

8 張君;測量誤差數據下半參數模型與非線性模型的若干研究[D];華東師范大學;2012年

9 趙越;半參數模型的統(tǒng)計推斷及其在金融中的應用[D];大連理工大學;2010年

10 馬慧娟;偏差數據下的半參數模型研究[D];中國科學技術大學;2015年

相關碩士學位論文 前10條

1 魏景海;非參數與半參數模型的估計及應用[D];東北林業(yè)大學;2015年

2 蔣俊儒;半參數模型在大高差短基線解算中的應用研究[D];合肥工業(yè)大學;2016年

3 封維波;半參數模型的進一步研究[D];重慶大學;2008年

4 桂香;幾種情況下半參數模型的估計及性質[D];中南大學;2007年

5 姚婷;帶有鞅差誤差的半參數模型的推廣性質和應用[D];南京大學;2013年

6 韓玉濤;中國人口預測的半參數模型[D];河南科技大學;2011年

7 楊秀娟;半參數模型中非參數分量的同時置信帶[D];北京工業(yè)大學;2013年

8 劉運航;半參數模型理論及其在大地測量中的應用[D];解放軍信息工程大學;2008年

9 王文忠;多類型復發(fā)事件數據半參數模型的統(tǒng)計推斷[D];中央民族大學;2015年

10 郭平;測量誤差下半參數模型的統(tǒng)計推斷[D];大連理工大學;2015年

，

本文編號：1817425