排序方式： 共有39条查询结果，搜索用时 62 毫秒
31.
GNSS大网双差模型并行快速解算方法 总被引：1，自引：1，他引：0
针对GNSS大网数据采用双差模型解算时存在时效性差的问题,提出了一种改进的独立双差观测值构建与独立基线并行解算的方法,采用并行技术实现多核并行与网络多节点并行的双层自动快速解算策略。通过对约375个IGS站1周的观测数据进行处理,改进的独立双差观测值选取方法比传统路径最短方法所选的单天全网独立双差数据平均多了53万个,E、N、U方向坐标重复性平均提升了14.0%、12.9%和29.2%。采用不同解算策略的计算结果表明,4台普通计算机的并行计算比传统串行方案的计算效率提升了14倍左右,如375个测站采用改进观测值构建方法的4节点并行方案仅需要35.62min,显著提高了整网双差的解算效率。 相似文献
32.
33.
研究了Galileo PPP参数估计及其误差处理方法,并采用MGEX 1924和1925周的数据进行了试验分析。结果表明,Galileo系统的平均可见卫星数不到GPS的一半。卫星数为4颗左右时,定位收敛通常需要180个历元,而达到6颗时仅需要66个历元。可见卫星数的增加显著提升了Galileo的收敛速度,随着卫星数的进一步增多将会达到与GPS收敛速度相当的水平。Galileo的3 h静态PPP收敛后的定位偏差约是GPS PPP的2.5倍,达到4.75 cm。随观测时间的增加定位精度提升显著,其6、12、24 h的定位精度分别能达到2.38、1.51和1.26 cm;其中12和24 h的定位精度比GPS略低约0.40 cm,但二者水平方向的精度优于1 cm,高程方向的偏差比1 cm稍大。 相似文献
34.
5G信道状态信息(channel state information,CSI)具有丰富的特征信息,是一种理想的指纹定位信号,但信号质量易受环境干扰,对定位性能影响较大.为了分析不同因素对5G信号质量和定位性能的影响程度,本文首先阐述了5G信号特征和基于支持向量回归(support vector regression,SVR)的定位算法,分析了数据采集时终端的高度、方向、人体遮挡等因素对信号质量的影响,测试了廊厅、小办公室和中型会议室三种场景下的定位性能.结果表明：5G信号质量受周围环境影响较大,在干扰较小的情况下,基于5G CSI的位置指纹定位算法在三种场景下的定位精度分别为0.93 m、1.46 m和1.94 m,能够满足大多数室内定位应用需求. 相似文献
35.
基于三频伪距相位和无几何相位组合周跳探测与修复的基本原理,分别推导周跳探测的阈值条件,研究组合量的优化选取模型|以组合量标准差最小为原则并综合历元间电离层延迟误差,选取适合于北斗三频数据的伪距相位和无几何相位组合。实验结果表明,两种方法均能实时探测和修复所有模拟的周跳|综合算法计算量、复杂性和舍入误差,首选伪距相位组合法。 相似文献
36.
针对当前大型GNSS网络数据处理需求与现有处理策略和能力的矛盾,介绍基于不动点理论所建立的Ambizap网解新算法,将分布式计算技术引入到GNSS数据处理中,设计并利用.NET框架下的分布式技术实现分布式环境下基于Ambizap算法的大型GNSS网数据分布式处理流程,通过多个算例验证了Ambizap算法的精度和其分布式应用的高效性。 相似文献
37.
随着空间大地测量技术的发展和对高精度参考系统的迫切需求,美国国家大地测量局（NGS）计划对美国国家空间参考系（NSRS）进行现代化。本文主要介绍了提出并采用板块固定参考框架的理由,并根据NGS的NSRS现代化蓝图阐述了三维坐标基准现代化的基本策略及特点。新的三维坐标基准相比现有的NAD83,主要改进为：①采用了“板块固定”策略,板块参考框架由3个增加至4个;②参考框架实现将主要依靠主动控制点（连续运行基准站）,被动控制点仅充当补充和辅助角色;③将提供框架内速度场模型。目前各板块框架板块旋转的欧拉极点和框架内速度场模型还需进一步确定。 相似文献
38.
相位伪距组合法常应用于动态单频周跳探测,但其探测周跳的效果受伪距噪声的影响较大。因此有必要结合其他的观测值,以降低伪距噪声的影响,从而提高单频周跳探测能力。提出了一种多普勒积分辅助的动态单频周跳探测方法,先采用多普勒观测值平滑伪距观测值,降低伪距的噪声,再进行历元间差分,显著提高了动态单频周跳探测的能力。实验分别采用不同采样率、高度角变化、连续周跳和含粗差的实时动态实测数据,分别在不同历元加入1周、3周、10周的模拟周跳,在相邻历元分别加入3周、4周和5周的连续周跳。结果表明,相较于相位伪距组合法与基于多项式拟合法的相位伪距组合法,该方法可以实时探测出所有的模拟周跳。多普勒积分辅助的动态单品周跳探测方法能够显著提升单频观测值的周跳探测能力。 相似文献
39.
针对滤波和优化融合算法在不同场景下定位性能不明确的问题，该文构建了一种融合先验点云地图、激光雷达(LiDAR)、惯性测量单元(IMU)的位姿估计框架。对比分析了基于图优化和误差状态卡尔曼滤波(ESKF)两种算法的位姿估计精度，并采用3组KITTI数据进行实验分析。结果表明：图优化算法的绝对位姿误差的均方根小于ESKF算法，3组数据的精度分别提升了28.9%、12.5%和21%;在复杂场景下，基于图优化算法的性能高于滤波算法；在简单场景下，滤波和图优化算法的精度接近，而滤波算法更加稳定。 相似文献