針對不同排序算法對模糊度解算存在降相關(guān)性能影響的問題,從理論上分析了自然升序法、對稱旋轉(zhuǎn)法及擾動升序法的降相關(guān)原理,并基于模擬數(shù)據(jù)和實測數(shù)據(jù),從降相關(guān)時間、搜索時間、總體耗時、Bootstrapping成功率及條件數(shù)5個方面對3種算法進(jìn)行對比分析。結(jié)果表明,降相關(guān)效率與搜索橢球壓縮程度呈負(fù)相關(guān)關(guān)系,搜索橢球壓縮程度越高,降相關(guān)效率越低;對于不同的排序算法,提高降相關(guān)性能的關(guān)鍵在于減少降相關(guān)時間及對條件方差按一定方向排序,進(jìn)而提高搜索效率。 

【文章來源】：大地測量與地球動力學(xué). 2020年05期 北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

200個歷元15維模糊度的累積分布函數(shù)

圖1 200個歷元15維模糊度的累積分布函數(shù)為探究3種排序方法各自的降相關(guān)程度與算法性能的關(guān)系,在15維和30維兩種情況下,分別隨機(jī)模擬了10 000組仿真數(shù)據(jù)來計算降相關(guān)后協(xié)方差矩陣條件數(shù)的累積分布函數(shù),其中條件數(shù)是通過描述降相關(guān)后形成的搜索橢球區(qū)域的扁平程度來評價降相關(guān)的程度[7]。條件數(shù)κβ的計算方法為:

從圖3可以看出,條件數(shù)的大小排列依次為PERT<ASCE<SEQR。結(jié)果表明,盡管PERT算法的降相關(guān)程度最高,但其算法的解算速度和成功率較差,且過高的降相關(guān)程度反而增加其降相關(guān)耗時;而SEQR算法的降相關(guān)程度盡管在3種算法中最差,但算法整體效率和成功率是最高的。3.2 實測實驗

【參考文獻(xiàn)】：
期刊論文
[1]下三角Cholesky分解的整數(shù)高斯變換算法[J]. 盧立果,魯鐵定,吳湯婷,劉萬科.  測繪科學(xué). 2017(12)
[2]一種改進(jìn)的LLL模糊度降相關(guān)算法[J]. 謝愷,柴洪洲,范龍,潘宗鵬.  武漢大學(xué)學(xué)報(信息科學(xué)版). 2014(11)
[3]基于格論的GNSS模糊度解算[J]. 劉經(jīng)南,于興旺,張小紅.  測繪學(xué)報. 2012(05)
[4]改進(jìn)的GPS模糊度降相關(guān)LLL算法[J]. 劉志平,何秀鳳.  測繪學(xué)報. 2007(03)



本文編號：2957173