排序方式： 共有9条查询结果，搜索用时 15 毫秒
1
1.
为揭示水库水位变化与土石坝表面位移的关系并建立相应的模型,该文收集了茜坑水库主坝体上下游多个监测点近半年的GNSS监测数据,通过解算短基线获取了各测站毫米级精度水平位移序列。结合坝体结构和水库水位监测结果,分析了库水位变化产生的面板水压荷载变化与监测站水平位移变化序列之间的关系。基于两者正相关特征,推导了水压载荷与监测点水平位移变化间简化的线性模型,并利用实测数据和最小二乘方法估计了模型参数。拟合结果表明,该模型较好地反映了水库调水期间,监测点水平位移的趋势和规律。 相似文献
2.
当太阳相对于卫星轨道面的高度角较小时,北斗导航卫星将不会跟踪太阳位置,卫星姿态发生异常复杂的变化后一段时间内处于零偏模式。在此期间采用名义姿态将影响卫星天线相位中心偏差、相位缠绕等误差计算,进而使精密单点定位(PPP)参数估计和天顶对流层延迟估计出现偏差。研究表明,在北斗导航卫星处于零偏期间,采用名义姿态计算的相位缠绕、天线相位中心偏差中存在超过15cm的误差。在此期间的北斗卫星采用零偏姿态改正相位缠绕等误差,与采用名义姿态相比,动态PPP位置参数N、E、U的估计精度可以提高53.2%、54.2%、39.3%,静态PPP位置参数N、E、U的估计精度可以提高61.0%、72.3%、58.4%,天顶对流层延迟估计精度提高33.0%。 相似文献
3.
4.
延迟是全球卫星导航定位中重要的误差源之一,提高电离层TEC建模和预报精度对改善卫星导航定位精度至关重要.本文构建了以太阳辐射通量指数F10.7、地磁活动指数Dst、地理坐标和中国科学院(Chinese Academy of Sciences, CAS)GIM数据为输入参数的NeuralProphet神经网络模型(NP模型),实现在2015年3月特大磁暴期中国区域电离层TEC短期预报.为验证NP模型的预报精度,本文同时构建了长短期记忆神经网络(Long Short-term Memory Neural Network, LSTM)模型进行对比分析.结果统计分析表明,NP模型在磁暴期(2015年DOY076-078)TEC预报值RMSE和RD分别为0.83 TECU和3.13%,绝对和相对精度较LSTM模型分别提高1.49 TECU和10.25%;且NP模型RMSE优于1.5 TECU的比例达97.24%,远高于LSTM模型.NP模型预报值与CAS具有较好一致性和无偏性,偏差均值仅为-0.01 TECU,而LSTM模型预报值的均值偏大,偏差均值为1.49 TECU.从... 相似文献
5.
系统比较深地影期间BDS-3 SECM和CAST MEO卫星采用公开的偏航姿态模型计算的模型姿态与名义姿态的差异,首次评估其对天线相位缠绕和相位中心等几何误差的改正及PPP结果的影响。结果表明,对于机动期间的BDS-3 MEO卫星,采用名义姿态会导致CAST 和SECM 卫星的天线相位中心改正误差分别达0.2 m和0.02 m, 相位缠绕改正误差达0.1～0.2周。由于卫星机动时间较短以及观测几何构型较强,与模型姿态相比,名义姿态的使用并不会引起PPP结果显著下降。 相似文献
6.
基于观测值域的GPS多路径误差应用分析 总被引：1，自引：0，他引：1
基于观测值域双差残差恒星日滤波方法消除多路径误差,利用事先计算的前一天观测卫星双差残差并进行去噪处理,根据各自卫星周日重复性改正到第二天对应时刻的双差观测方程中,得到剔除多路径误差后的"干净"双差观测值,最后解算基线信息。试验结果表明,与常规基于坐标域恒星日滤波相比,该方法在平面方向的精度可提高23%,且高程方向也有一定程度的提高。 相似文献
7.
8.
9.
本文针对复杂动态的城市环境自动驾驶规模化应用需求,提出惯性单元辅助RTK快速收敛的自动驾驶低成本、高精度定位方法。使用MEMS IMU M39和战术级IMU Pos320,通过对多组实测车载数据进行仿真中断,得到INS位置漂移误差、模糊度收敛时间、模糊度固定正确性指标,再对无惯导辅助、M39辅助模糊度固定和Pos320辅助3种情形下的模糊度固定时间和定位精度进行了统计和分析。结果表明,M39在GNSS中断5 s时可辅助RTK实现模糊度瞬时固定,中断时间为10 s时可以将RTK模糊度收敛时间压缩至1/4。MEMS IMU的加入使得RTK模糊度固定错误个数显著下降,10 cm以内高精度定位占比由62.25%提高至98.44%。试验验证了MEMS IMU辅助RTK能够加快模糊度收敛速度,提高了其在自动驾驶导航定位应用中的精度和可靠性。 相似文献
1