-
公开(公告)号：CN106772498B
公开(公告)日：2019-05-10
申请号：CN201611023218.4
申请日：2016-11-21
Abstract: 本发明公开了一种GPS位置时间序列噪声模型建立方法，对GPS测站坐标位置时间序列的噪声模型特性进行分析，建立GPS测站坐标位置时间序列噪声模型分析机制，考虑了GPS位置序列解算策略、时间跨度、粗差、趋势速度项、地表环境负载效应、共模误差等因素对噪声模型建立的影响；本发明考虑了传统GPS时间序列噪声模型估计方法的局限性，顾及了噪声模型的多样性，考虑了多模型及其组合模型，且采用改进的AIC/BIC模型估计准则。通过对多因素进行分析，最终建立了一种稳健的GPS测站坐标位置时间序列噪声模型估计方法，以获得准确的噪声模型估计结果，最终获得准确的站速度及其不确定性参数，为进一步提高GPS坐标序列在高精度地球动力学中的应用提供可靠性数据基础。
-
公开(公告)号：CN109581441A
公开(公告)日：2019-04-05
申请号：CN201811552232.2
申请日：2018-12-18
Applicant: 武汉大学
Abstract: 本发明提供一种基于站间相关性空间结构函数构建的GNSS成像方法，包括输入GNSS测站坐标时间序列观测值，以及每个GNSS测站的速度及不确定性；结合研究区域的地质学与大地测量学结果，对GNSS网内的测站进行聚类划分，得到聚类区域；计算各聚类区域内任意两测站所构成测站对之间的相关系数，根据测站间相关系数进行数据池划分，获取每个聚类区域中若干数据池及在各数据池内的GNSS测站对；在每个聚类区域内，计算每个数据池中所有测站对相关系数的中值和绝对中位差，构建各聚类区域的空间结构函数，标准化形成整个GNSS网最终的空间结构函数；依据速度不确定性和空间结构函数，确定研究范围内所有测站的权，利用空间插值方法进行空间插值，形成影像。
-
公开(公告)号：CN109116391A
公开(公告)日：2019-01-01
申请号：CN201810812065.4
申请日：2018-07-23
Applicant: 武汉大学
IPC: G01S19/42
Abstract: 本发明提供了一种基于改进正交分解的区域划分方法，首先获取GNSS测站的坐标时间序列观测值，并根据坐标时间序列观测值获得残差坐标时间序列，然后计算所有测站的公共历元，并基于公共历元构建所有测站在预设方向上的观测样本矩阵，构建所有测站的相关系数矩阵Bn×n，然后对相关系数矩阵Bn×n进行正交分解得到正交矩阵P；接下来根据观测样本矩阵和正交矩阵获得载荷矩阵A，从正交矩阵P中获得特征矢量，根据特征矢量的特征值，选择出K个累积特征矢量；对K个累积特征矢量进行再次处理，对正交矩阵P中的进行线性变换，获得线性变化后的载荷矩阵B’和主成分G。最后对线性变化后的载荷矩阵B’进行分析，获得区域划分结果。本发明可以大大提高区域划分的准确性。
-
公开(公告)号：CN106597484A
公开(公告)日：2017-04-26
申请号：CN201611141116.2
申请日：2016-12-12
Applicant: 武汉大学
IPC: G01S19/23
CPC classification number: G01S19/23
Abstract: 本发明公开了一种热膨胀效应对GPS坐标时间序列影响的精确量化方法，包括：收集IGS基准站的地表温度时间序列，采集测站信息；计算热膨胀效应对IGS基准站坐标时间序列的总影响，即序列A；采用地表质量负载重分布模型计算环境负载引起的IGS基准站的垂直方向位移时间序列，即序列B；采用GPS精密数据处理模型得到IGS基准站的坐标时间序列，即序列C；从序列C中扣除序列B，得序列C‑B；从序列C‑B中扣除序列A，得序列C‑B‑A；基于序列C‑B和序列C‑B‑A提出数值指标量化热膨胀效应对GPS坐标时间序列的影响。本发明可获得温度变化引起的IGS基准站垂直方向实际运动，并采用数值指标准确量化热膨胀效应的影响。
-
公开(公告)号：CN103823993B
公开(公告)日：2017-04-12
申请号：CN201410092166.0
申请日：2014-03-13
Applicant: 武汉大学
IPC: G06F19/00
Abstract: 本发明提供了一种基于相关系数的削弱坐标时间序列中CME影响的方法，该方法采用基准站与普通测站间的相关系数来表征GPS测站间坐标时间序列的相关程度，并且将此相关系数作为计算GPS测站间共模误差的权重。同时，未忽略GPS测站间的负相关性，将正相关系数和负相关系数同时纳入CME计算体系，并且对正、负相关性同等对待，作为衡量GPS测站间CME影响的权重因子。本发明可解决现有削弱坐标时间序列中CME影响的方法存在测站间距离受限、空间准确性不高等技术问题，能处理大于2000km的GPS网测站间的CME影响，并保证空间响应准确性。
-
Patent Agency Ranking
公开(公告)号：CN103823993A
公开(公告)日：2014-05-28
申请号：CN201410092166.0
申请日：2014-03-13
Applicant: 武汉大学
IPC: G06F19/00
Abstract: 本发明提供了一种基于相关系数的削弱坐标时间序列中CME影响的方法，该方法采用基准站与普通测站间的相关系数来表征GPS测站间坐标时间序列的相关程度，并且将此相关系数作为计算GPS测站间共模误差的权重。同时，未忽略GPS测站间的负相关性，将正相关系数和负相关系数同时纳入CME计算体系，并且对正、负相关性同等对待，作为衡量GPS测站间CME影响的权重因子。本发明可解决现有削弱坐标时间序列中CME影响的方法存在测站间距离受限、空间准确性不高等技术问题，能处理大于2000km的GPS网测站间的CME影响，并保证空间响应准确性。
-
公开(公告)号：CN119936851A
公开(公告)日：2025-05-06
申请号：CN202510330289.1
申请日：2025-03-20
Applicant: 武汉大学
IPC: G01S7/497
Abstract: 本发明公开了一种星载激光雷达几何参数检校精度估测方法、装置、设备及存储介质，属于星载激光雷达技术领域。该方法包括：确定星载激光雷达对应的定位随机误差的统计特征；确定参考高程栅格数据中地形梯度的统计特征；将定位随机误差的统计特征和地形梯度的统计特征输入至定位参数检校精度估测模型，得到定位参数的检校精度估测结果；将定位参数的检校精度估测结果输入至测距与指向参数检校精度估测模型，得到测距与指向参数的检校精度估测结果。利用本发明提供的技术方案可以提高对星载激光雷达几何参数检校精度估测的有效性和效率，进而保障星载激光雷达测量数据的可靠性。
-
公开(公告)号：CN119249035A
公开(公告)日：2025-01-03
申请号：CN202411383229.8
申请日：2024-09-30
Applicant: 武汉大学
IPC: G06F17/10 , G06F17/16 , G06F17/14 , G06F18/2131 , G06F18/2135 , G06F18/25
Abstract: 本发明提供一种地球流体有效角动量时序重构方法及设备，获取地球流体有效角动量，通过线性插值获取原始地球流体有效角动量时间序列，利用快速傅里叶变换进行频谱分析，获取固有周期项；基于周年摆动和钱德勒摆动周期设置滞后窗口长度，进行奇异值分解分组和重构，获取周期时序、趋势时序和残差时序；通过快速傅里叶变换对分解所得周期时序、趋势时序和残差时序进行频谱分析，判断与频谱分析所得频谱特征是否相同，不相同则继续分解周期项；否则重构地球流体有效角动量时序。本发明提出设定稳定滞后窗口的奇异谱分析方案，能够确保信号完整性，避免信号混叠，提高准周期信号的提取精度；同时确保数据融合一致性，提高地球流体有效角动量重构精度。
-
公开(公告)号：CN118506204A
公开(公告)日：2024-08-16
申请号：CN202410689224.1
申请日：2024-05-30
IPC: G06V20/13 , G06V20/10 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/042 , G06V10/764 , G06N3/0475 , G06N3/094 , G06V10/74 , G06N3/048 , G06N3/047
Abstract: 本发明公开了一种融合像素增强和图推理的遥感影像道路提取方法，包括S1，基于DeepGlobe制作预处理的遥感影像道路提取数据集；S2，预增强训练数据；S3，搭建模型架构；S4，损失函数设计；S5，在数据集上对上述模型进行训练；S6，在测试集上对训练好的模型进行评估。本发明的有益效果如下：(1)该方法采用基于Transformer的道路像素增强模块，以预增强的道路像素的形式保留了不同区域道路像素之间的远距离依赖关系，提高了后续道路分割的像素级准确度。(2)基于图卷积推理的分割模块纳入像素分类和方向预测分支，依靠节点关联性的推理实现道路提取，解决了传统的语义分割方法提取道路不连续的问题。
-
公开(公告)号：CN118396029A
公开(公告)日：2024-07-26
申请号：CN202410159508.X
申请日：2024-02-04
Applicant: 武汉大学
IPC: G06N3/0442 , G01S19/37 , G06N3/045
Abstract: 一种信源驱动集成网络GNSS序列预测方法及装置，包括获取GNSS测站的坐标时间序列观测值、其他环境负载数据，采用对应量纲排列得到相应序列；构建用于处理多源数据输入的多轨同步滑动窗口，将同步滑动窗口并行排列组合形成多轨数据源，同步滑动窗口分为上层滑动窗口和下层滑动窗口，上层滑动窗口分为前置滑动窗口和后置滑动窗口；将若干种环境负载数据与GNSS坐标时间序列同时作为数据源输入，经过多轨同步滑动窗口进行预处理，选择LSTM和DSANN作为基网络，采用Bagging，Boosting，Stacking三种方式作为加权策略，耦合对比最终输出GNSS序列预测最优结果。本发明首次提出多轨同步滑动窗口数据处理和集成两种神经网络加权应用于GNSS时间序列预测中，有效提高GNSS台站时间序列预测准确率。
-
-
-
-
-
-
-
-
-
Search Results
65
records
(took 0.036 seconds)
