一种基于余弦函数的区域对流层湿延迟计算方法

    公开(公告)号:CN111273319A

    公开(公告)日:2020-06-12

    申请号:CN202010117035.9

    申请日:2020-02-25

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于余弦函数的区域对流层湿延迟计算方法,包括:1、采集目标区域中每个探空站点的探空数据、年积日和空间位置数据,根据采集到的探空数据计算每个探空站点的对流层湿延迟真值;2、建立对流层湿延迟余弦函数模型;3、将S1中获取的探空站点的对流层湿延迟真值、年积日、纬度值、海拔高度值代入对流层湿延迟余弦函数模型中,确定各项系数,得到目标区域内对流层湿延迟余弦函数模型;4、获取目标区域内待测地的纬度值、海拔高度值和年积日,根据目标区域内对流层湿延迟余弦函数模型得到待测地的对流层湿延迟计算值。该方法适用于无法获取探空数据的位置,且考虑了季节的影响,能够获取较为精确的对流层湿延迟。

    航空图像特征点匹配扩散递归校准方法

    公开(公告)号:CN110378940A

    公开(公告)日:2019-10-25

    申请号:CN201910521634.4

    申请日:2019-06-17

    Applicant: 东南大学

    Abstract: 本发明公开了一种航空图像特征点匹配扩散递归校准方法,包括以下步骤:S1:对基准图像和匹配图像分别划分密度单元;S2:对基准图像和匹配图像均执行以下操作:根据密度单元中的特征点的数量设定阈值n,将特征点数量≥n的密度单元标记为高密度单元,其他密度单元标记为低密度单元;S3:对基准图像和匹配图像均执行以下操作:将连通的高密度单元提取出来,得到航空图像的高密度区域;S4:对基准图像和匹配图像均执行以下操作:对所有高密度区域进行位置标记;S5:对基准图像和匹配图像的高密度区域进行匹配。本发明有效提高了抗干扰能力和效率。

    一种基于椭球的GNSS电离层层析投影矩阵获取方法

    公开(公告)号:CN105954764B

    公开(公告)日:2018-10-23

    申请号:CN201610273936.0

    申请日:2016-04-27

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于椭球的GNSS电离层层析投影矩阵获取方法,包括以下的步骤:S1:确定电离层层析待反演区域及待反演时段;S2:将待反演区域离散化为一系列三维像素;S3:准备电离层层析待反演区域及待反演时段内的GNSS卫星和GNSS接收机的大地空间直角坐标;S4:计算待反演时段内GNSS卫星到GNSS接收机的信号传播路径与三维像素各个面的交点;S5:计算三维像素内GNSS卫星信号的传播路径的截距长度;S6:构成投影矩阵。本发明通过基于椭球的GNSS电离层层析获取投影矩阵,克服了目前基于圆球提取投影矩阵方法时将地球椭球近似圆球的问题,保证了相对于地球椭球的投影矩阵能真实反映出GNSS信号传播路径在反演像素内的真实截距。

    一种基于BP‑多项式模型融合的区域电离层垂直总电子含量建模方法

    公开(公告)号:CN107085626A

    公开(公告)日:2017-08-22

    申请号:CN201710159971.4

    申请日:2017-03-17

    Applicant: 东南大学

    CPC classification number: G06F17/5009 G01S19/07 G06N3/02

    Abstract: 本发明公开了一种基于BP‑多项式模型融合的区域电离层垂直总电子含量建模方法,包括以下步骤:S1:获取区域观测点的穿刺点地理经纬度信息和电离层垂直总电子含量信息,并通过将已获取的数据转换获得太阳时角差、地磁纬度和地方时信息;S2:构建多项式模型并对电离层垂直总电子含量信息进行建模,获取多项式模型值和相应的模型残差值;S3:构建BP神经网络误差补偿模型;S4:利用BP神经网络误差补偿模型对多项式模型拟合的电离层垂直总电子含量残差进行预报,从而对多项式模型进行补偿。本发明能够解决传统多项式模型中存在的模型误差问题,提高区域电离层垂直总电子含量建模的精度,并且稳定性好。

    基于经验模态分解和BP神经网络的地铁沉降预测方法

    公开(公告)号:CN106845641A

    公开(公告)日:2017-06-13

    申请号:CN201710124264.1

    申请日:2017-03-03

    Applicant: 东南大学

    CPC classification number: G06N3/08 G06F17/5004

    Abstract: 本发明公开了一种基于经验模态分解和BP神经网络的地铁沉降预测方法,包括以下步骤:S1:利用EMD分解将非平稳的沉降信号x(t)分解为不同频率尺度的波动;S2:根据各频段数据特点,建立各频段的BP神经网络模型;S3:使用交叉验证法选择BP神经网络模型的参数;S4:利用各个分量的预测值重构出原始信号的预测序列。本发明克服了EMD单一模型模态混叠的问题,以及BP神经网络局部极小化、收敛速度慢的问题;本发明相对于单一模型来说,极大的提高了对非线性数据的处理精度。

    一种基于BP-EGNOS融合模型的对流层延迟改正方法

    公开(公告)号:CN106022470A

    公开(公告)日:2016-10-12

    申请号:CN201610278065.1

    申请日:2016-04-29

    Applicant: 东南大学

    CPC classification number: G06N3/084 G01S19/07

    Abstract: 本发明公开了一种基于BP‑EGNOS融合模型的对流层延迟改正方法,包括以下的步骤:S1:构建一个4×P×1的BP神经网络模型,表示测站处对流层延迟残差RES与测站处的纬度、测站处的高程、年积日和EGNOS模型计算的测站对流层延迟的非线性关系;S2:利用IGS站提供的高精度对流层延迟产品数据对建立的BP神经网络进行训练;S3:利用测站处的纬度、测站处的高程、年积日和EGNOS模型计算的测站对流层延迟,通过S1建立的BP神经网络计算测站处对流层延迟残差;S4:计算修改后新模型的对流层天顶延迟。本发明模型相对于EGNOS模型,能更好的拟合对流层延迟变化的规律,且在高海拔地区也同样具有较高精度,优于传统的EGNOS模型。

    一种基于Saastamoinen模型的BP神经网络对流层延迟改正方法

    公开(公告)号:CN105787556A

    公开(公告)日:2016-07-20

    申请号:CN201610097004.5

    申请日:2016-02-23

    Applicant: 东南大学

    CPC classification number: G06N3/02 G01S19/40

    Abstract: 本发明公开了一种基于Saastamoinen模型的BP神经网络对流层延迟改正方法,其特征在于:包括以下的步骤:S1:依据Saastamoinen模型,计算测站处的对流层湿延迟值ZWDSAAS;S2:建立表示测站处湿延迟的BP神经网络,使用BP神经网络来表示测站湿延迟与气象参数和Saastamoinen模型湿延迟的非线性关系;S3:使用高精度IGS对流层延迟产品数据训练BP神经网络;S4:通过BP神经网络计算测站处湿延迟;S5:计算修改后的对流层天顶延迟。本发明方法的精度较高。

    一种基于折半搜索算法的电离层穿刺点坐标计算方法

    公开(公告)号:CN105738919A

    公开(公告)日:2016-07-06

    申请号:CN201610088229.4

    申请日:2016-02-17

    Applicant: 东南大学

    CPC classification number: G01S19/07

    Abstract: 本发明公开了一种基于折半搜索算法的电离层穿刺点坐标计算方法,步骤S1是初始化折半搜索算法的参数;步骤S2是探测位置的计算、判定探测位置是否满足要求;步骤S3是更新边界条件,然后回到步骤S2;步骤S4是结束。本发明通过折半搜索算法计算电离层穿刺点的位置,克服了目前传统的三角公式计算电离层穿刺点只能得到近似坐标的弱点,有效的保证了电离层穿刺点始终在接收机与导航卫星之间的线段上,也保证了中心电离层模型是一个相对于地球椭球的固定高度椭球面,有利于高精度的电离层相关研究。并且,本发明提出的折半搜索算法计算电离层穿刺点坐标的精度优于现有技术。

    一种格网化的电离层总电子含量实时监测方法

    公开(公告)号:CN103197340A

    公开(公告)日:2013-07-10

    申请号:CN201310112461.3

    申请日:2013-04-01

    Applicant: 东南大学

    Abstract: 本发明公开了一种格网化的电离层总电子含量实时监测方法。首先利用连续运行参考站网中多站的数据,建立全天电离层延迟多项式模型,解算前一天接收机硬件延迟和卫星硬件延迟。然后根据硬件延迟稳定性的特点,利用前一天的硬件延迟来修正监测当日卫星传播路径上的电离层电子浓度总含量,从而建立单历元多站多项式模型来实时监测格网化后的格网点天顶方向电离层总电子含量变化。本发明整天所有历元的实验结果表明该方法的内符合精度平均优于1TECU,外符合精度平均为1TECU。

Patent Agency Ranking