-
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：CN111722250A
公开(公告)日：2020-09-29
申请号：CN202010348284.9
申请日：2020-04-28
Applicant: 武汉大学
IPC: G01S19/14
Abstract: 本发明提供一种基于GNSS时间序列的地壳形变影像共模误差提取方法，包括获取GNSS测站坐标时间序列观测值，并获取每个GNSS测站的坐标、速度及其不确定性，构建GNSS的形变影像图；依据形变影像图对GNSS测站的覆盖区域进行块体划分，根据每个GNSS测站的坐标，获得各块体内的测站组；计算任一块体内的测站组内任意两测站所构成测站对之间的距离，并计算块体内GNSS网的平均跨度；基于平均跨度，提取块体内部测站组的共模误差。该方法适用于GNSS站网密集的情况，并且共模误差提取突破了常规方法在空间构建上的限制。本发明以GNSS影像结果作为先验约束，充分利用空间可用点，实现了共模误差空间合理划分，提高了对地壳形变空间模式的认知。
-
公开(公告)号：CN109581441B
公开(公告)日：2019-11-08
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：CN112711052B
公开(公告)日：2023-08-01
申请号：CN202011510061.4
申请日：2020-12-18
Applicant: 武汉大学
Abstract: 本发明提供一种基于连续t检验的GNSS坐标序列阶跃探测改进方法及系统，数据预处理阶段在获取GNSS测站坐标时间序列原始观测值后，采用四分位数间距方法剔除粗差，利用基于中位数并顾及年际差异的非参数方法估计序列中的线性趋势大小并剔除相应影响，利用MLE方法估计序列的周期信号大小并剔除相应影响；挑选阶跃集合阶段通过进行正序和逆序排列，然后分别根据局部均值进行挑选得到阶跃备选集合，并根据序列长度选择多个最优窗口，根据累计均值所求得的阶跃备选集合取交集；对正序和逆序排列下求得的阶跃备选集合取并集，基于条件概率挑选得到最终探测到的阶跃集合。本发明为更准确地进行速度建模和估计不确定度，进一步解译地球物理现象提供了条件。
-
公开(公告)号：CN110398753B
公开(公告)日：2023-06-06
申请号：CN201910579540.2
申请日：2019-06-28
Applicant: 武汉大学
Abstract: 本发明提供一种GNSS测站坐标时间序列周期性探测方法及系统，包括获取GPS测站坐标时间序列观测值，剔除粗差并修正天线相位中心偏差；采用周期图法对GPS测站坐标时间序列进行初步频谱分析，获取对应测站若干个主要周期频率，按照主频的振幅大小进行排序；采用谐函数描述GPS测站坐标时间序列，获得GPS测站坐标时间序列的谐函数模型，并构建谐函数模型矩阵；采用主频作为先验约束，获得多个周期性信号的备选频率；基于最小二乘准则解算谐函数模型，获取优选的频率并采用假设检验方法验证备选频率，构建包含多个优选频率的谐函数模型；根据假设检验验证后的备选频率，基于最小二乘准则解算谐函数模型矩阵，获得对任一GNSS测站周期性信号的探测结果。
-
Patent Agency Ranking
公开(公告)号：CN111722250B
公开(公告)日：2023-03-31
申请号：CN202010348284.9
申请日：2020-04-28
Applicant: 武汉大学
IPC: G01S19/14
Abstract: 本发明提供一种基于GNSS时间序列的地壳形变影像共模误差提取方法，包括获取GNSS测站坐标时间序列观测值，并获取每个GNSS测站的坐标、速度及其不确定性，构建GNSS的形变影像图；依据形变影像图对GNSS测站的覆盖区域进行块体划分，根据每个GNSS测站的坐标，获得各块体内的测站组；计算任一块体内的测站组内任意两测站所构成测站对之间的距离，并计算块体内GNSS网的平均跨度；基于平均跨度，提取块体内部测站组的共模误差。该方法适用于GNSS站网密集的情况，并且共模误差提取突破了常规方法在空间构建上的限制。本发明以GNSS影像结果作为先验约束，充分利用空间可用点，实现了共模误差空间合理划分，提高了对地壳形变空间模式的认知。
-
公开(公告)号：CN111443366B
公开(公告)日：2022-04-29
申请号：CN202010349066.7
申请日：2020-04-28
Applicant: 武汉大学
IPC: G01S19/23
Abstract: 本发明提供一种GNSS区域网中异常点探测方法及系统，包括获取GNSS测站坐标时间序列北方向与东方向的观测值，并获取GNSS测站坐标；建立各测站GNSS坐标时间序列北方向与东方向观测值的速度模型，获取速度估值及其不确定性；利用GNSS成像方法，分别生成研究区域的北方向与东方向的GNSS影像；依据GNSS影像结果，使用聚类分析方法对研究区域进行块体划分；对块体任选3个测站计算欧拉矢量与应变参数，分别形成聚类空间，并分别计算各聚类点至聚类中心的距离；利用异常值探测方法，获取欧拉矢量和应变率参数的异常聚类点，分别记录异常欧拉矢量与异常应变参数对应的测站，并统计各测站出现的次数，大于阈值则认为异常点，对相应异常点集合取交集则获得异常速率点集合。
-
公开(公告)号：CN111443366A
公开(公告)日：2020-07-24
申请号：CN202010349066.7
申请日：2020-04-28
Applicant: 武汉大学
IPC: G01S19/23
Abstract: 本发明提供一种GNSS区域网中异常点探测方法及系统，包括获取GNSS测站坐标时间序列北方向与东方向的观测值，并获取GNSS测站坐标；建立各测站GNSS坐标时间序列北方向与东方向观测值的速度模型，获取速度估值及其不确定性；利用GNSS成像方法，分别生成研究区域的北方向与东方向的GNSS影像；依据GNSS影像结果，使用聚类分析方法对研究区域进行块体划分；对块体任选3个测站计算欧拉矢量与应变参数，分别形成聚类空间，并分别计算各聚类点至聚类中心的距离；利用异常值探测方法，获取欧拉矢量和应变率参数的异常聚类点，分别记录异常欧拉矢量与异常应变参数对应的测站，并统计各测站出现的次数，大于阈值则认为异常点，对相应异常点集合取交集则获得异常速率点集合。
-
公开(公告)号：CN111339483A
公开(公告)日：2020-06-26
申请号：CN202010058517.1
申请日：2020-01-19
Applicant: 武汉大学
Abstract: 本发明公开了一种基于去趋势互相关分析的GNSS影像生成方法，该方法包括以下步骤：S1、获取GNSS测站坐标时间序列的观测值，并获取每个GNSS测站的坐标；S2、提取GNSS测站坐标时间序列观测值中共同跨度的部分；S3、计算GNSS测站坐标时间序列共同跨度部分的速度及其不确定性；S4、选择参考站和对比站，对其进行去趋势互相关分析，计算去趋势互相关系数；S5、逐一对所有GNSS测站进行空间滤波，得到滤波后速度；S6、将研究区域格网化，逐一对格网点进行空间插值，最终生成GNSS影像。本发明通过原始序列线性趋势相关性对测站速度的相关性进行描述，充分利用了原始序列中的信息，避免了速度估值重复使用导致不确定性的放大；提高了滤波可靠性，确保了插值结果的可靠性。
-
公开(公告)号：CN112711052A
公开(公告)日：2021-04-27
申请号：CN202011510061.4
申请日：2020-12-18
Applicant: 武汉大学
Abstract: 本发明提供一种基于连续t检验的GNSS坐标序列阶跃探测改进方法及系统，数据预处理阶段在获取GNSS测站坐标时间序列原始观测值后，采用四分位数间距方法剔除粗差，利用基于中位数并顾及年际差异的非参数方法估计序列中的线性趋势大小并剔除相应影响，利用MLE方法估计序列的周期信号大小并剔除相应影响；挑选阶跃集合阶段通过进行正序和逆序排列，然后分别根据局部均值进行挑选得到阶跃备选集合，并根据序列长度选择多个最优窗口，根据累计均值所求得的阶跃备选集合取交集；对正序和逆序排列下求得的阶跃备选集合取并集，基于条件概率挑选得到最终探测到的阶跃集合。本发明为更准确地进行速度建模和估计不确定度，进一步解译地球物理现象提供了条件。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.017 seconds)
