排序方式： 共有4条查询结果，搜索用时 15 毫秒
1
1.
全球导航卫星系统具有独立的时间参考系统,即GNSS时间,并溯源至UTC时间.GNSS时间精度参数不仅影响定位和授时的精度,也影响不同GNSS系统之间时间偏差的计算和预报,进而对GNSS系统的互操作性产生影响.本文对GNSS时间标度的产生和维持进行了分析,并通过分析给出了其精度估计结果. 相似文献
2.
为了解决在多波束测深中声速剖面代表性误差会造成平坦海底地形凹凸变形的问题，提出了一种基于海底观测值的声速剖面反演与海底地形改正技术。该技术利用波束入射角以及单程回波时间信息，建立波束位移与误差声剖的函数关系，采用间接平差与LM（Levenberg-Marquardt）法反演得到与实际声速剖面相近的改正声速剖面，从而达到校正海底畸变地形的目的。海上实验数据验证表明:与含有误差的海上声剖值相比，反演改正后的声剖值更接近海上实际声剖值；水深改正的相对标准差降低50%以上，有效地削弱了畸变海底地形的影响。 相似文献
3.
针对误差逆向传播BP (back propagation)神经网络在GNSS水准拟合中存在梯度消失、陷于局部最小点的问题,通过使用深度学习中的分段线性整流函数Relu(rectified linear units)作为神经元激活函数,自适应矩估计Adam (adaptive moment estimation)算法作为网络优化函数,提出了一种基于深度学习的BP神经网络模型。研究结果表明:改进后的BP神经网络内外符合精度分别提高近50%和25%,可达0.9 cm和2.4 cm,为GNSS水准拟合提供了新的思路。 相似文献
4.
针对数学拟合法在进行全球定位系统(GPS)水准拟合时,因受自身模型限制,导致GPS水准拟合精度不高的问题,该文提出了一种基于EGM2008模型和深度学习的GPS水准拟合法.首先使用深度学习中的分段线性整流函数(ReLU)作为神经元激活函数加快网络的收敛速度,然后利用 自适应矩估计函数(Adam)作为优化函数加速获取最优解,并采用正则化丢弃法(Dropout)增强深度学习网络的泛化能力.通过实测数据计算表明:该文方法相比常用的多项式拟合法,丘陵地区外符合精度提高了约65％,达到1.7 cm;高差变化较大的山地外符合精度提高了约90％,达到1.2 cm. 相似文献
1