导读:本文包含了多路径误差论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:误差,多路,卡尔,分解,经验,噪声,单点。
多路径误差论文文献综述
赵珏,陈伏州,沈飞,潘树国,闫志跃[1]（2019）在《基于高度角的多路径误差改正方法》一文中研究指出多路径效应是影响卫星定位的主要误差源之一,是GNSS领域研究的热点和难点问题。本文针对现有多路径误差改正方法存在通用性弱、计算结果受噪声影响大等不足,本文提出了基于卫星高度角的多路径误差改正方法,并通过实验验证了该方法对改正静态多路径误差具有可行性。结果表明,通过应用该模型,四系统组合伪距单点定位精度提升幅度可达15%左右,相较于基于周跳探测的双频伪距载波组合提取多路径误差的方法,基于高度角的方法运算简便,抗干扰能力更好。(本文来源于《测绘与空间地理信息》期刊2019年11期）
葛宝爽,张海,晋燕琼[2]（2019）在《基于冗余量测的GNSS多路径误差抑制算法》一文中研究指出针对惯性/卫星组合导航系统中,全球卫星导航系统(global navigation satellite system,GNSS)量测受多径效应影响的问题,提出了一种基于冗余量测的GNSS多径误差抑制方案。该方案包含了一个基于量测新息的GNSS多径误差卡方检验器和一个自适应Kalman滤波器。首先,通过卡方检验来判断量测新息零均值的特性丧失与否以检测GNSS量测中的多径误差。当检测到量测中存在多径误差时,自适应滤波器根据惯性导航系统的冗余量测估计出当前GNSS测量噪声协方差阵,以合理调节量测权重,增强滤波性能。最后,通过仿真与实际跑车试验,验证了该方案能够有效抑制GNSS多径误差,提高了导航精度。(本文来源于《系统工程与电子技术》期刊2019年11期）
刘基余[3]（2019）在《多路径误差──GNSS导航定位误差之五》一文中研究指出多路径误差,是间接波对直接波的破坏性干涉而引起的站星距离误差。它的大小取决于间接波的强弱和GNSS接收天线抗御间接波的能力。本文以GPS卫星导航定位为例,论述了多路径效应的实际影响。(本文来源于《数字通信世界》期刊2019年08期）
邓岳川,周亮广[4]（2019）在《地形起伏度与GPS多路径误差的相关性分析》一文中研究指出为研究地形起伏度与全球定位系统(GPS)多路径误差的相关性,该文采用邻域统计、均值变点分析、相关性分析等方法,以ArcGIS为平台,基于某校区1m分辨率的数字高程模型(DEM)数据,运用均值变点分析确定最佳分析区域,并提取地形起伏度,再通过SPSS相关分析,获得地形起伏度与多路径误差M_(p1)、M_(p2)的Spearman秩相关系数。结果表明:最佳分析区域为11m×11m,对应的地形起伏度与多路径误差M_(p1)、M_(p2)在P<0.01下显着相关;测站周围5.5m范围内的地形起伏度对多路径误差有直接影响,尤其在地形起伏度大于3 m时,与多路径误差M_(p2)显着相关。(本文来源于《测绘科学》期刊2019年10期）
陶远,邓永春,胡豪杰,高翔[5]（2019）在《小波分析和经验模态分解对BDS多路径误差削弱对比研究》一文中研究指出在利用北斗卫星导航系统(BDS)进行高精度变形监测时,BDS信号产生的多路径效应是影响变形监测数据精度和可靠性的一个不可忽视的误差源. BDS有叁种不同的轨道卫星,所形成的多路径误差较为复杂.基于坐标域的多路径误差使用小波分析(Wavelet)和经验模态分解(EMD)进行原始序列降噪,对降噪后序列使用改进恒星日滤波(ASF)进行多路径误差剔除,两种方法分别对基线精度的E方向改善了38.6%和40.8%,N方向改善了59.1%和61.0%,U方向改善了57.8%和57.9%,EMD对坐标序列的平滑和基线精度改善较优.(本文来源于《全球定位系统》期刊2019年03期）
冯佳琪[6]（2019）在《利用半参数模型提高含有多路径误差的基线的解算精度》一文中研究指出高精度的卫星导航定位往往可以使用双差法来减弱或是消除观测数据中的大部分误差。然而,因为参考站和流动站之间观测环境不同,即使对于短基线而言,双差法也无法削弱卫星观测数据因多路径效应而产生的误差,甚至可能放大其对基线解算的影响。伪距和载波相位中的多路径误差会降低模糊度浮点解的精度,干扰整周模糊度固定,加大向量结果偏差等等。为了解决这些问题,本文提出利用半参数回归模型削弱多路径误差,提高基线向量的解算精度。实验结果表明,与普通最小二乘法相比,在静态基线解算和单历元基线解算中应用半参数回归模型可以有效降低多路径效应的影响。本文的主要研究内容包括:1)数据采集。分析多路径误差的产生原理,据此设计测量实验,采集包含多路径误差的GNSS短基线观测数据。2)基于半参数回归模型的静态基线解算。采用最小二乘模型和半参数模型处理所采集的含差数据,通过对比残差分布与解算结果的精度,证明半参数模型的优越性。针对半参数模型的核心问题——寻找合适的正则化矩阵和正则化参数,本文尝试使用时间序列法确定正则化矩阵,使用曲线法、广义交叉核实法(GCV)和最小均方误差(MSE)法确定正则化参数并分析几种方法对于结果精度的影响。实验结果表明,在静态基线解算中,半参数模型可以有效减少多路径误差,并将坐标精度控制在毫米级。3)基于半参数回归模型的单历元基线解算。为避免法方程出现秩亏现象,本文组建P码伪距方程、宽巷载波相位观测方程和_1载波相位观测方程进行单历元基线解算,同时考虑到单历元模型仅依靠常规LAMBDA法固定整周模糊度的成功率较低,选择结合部分搜索法固定整周模糊度。在此基础上,模型所需的正则化组合由叁种不同的方案确定。通过对比半参数模型与最小二乘模型的解算结果,可以证明半参数模型能够将大部分历元的精度控制在1.5cm及以下,更适于处理多路径误差。(本文来源于《合肥工业大学》期刊2019-03-01）
李川,魏世玉,刘星,刘恋,胡祝敏[7]（2019）在《顾及有色噪声的卡尔曼滤波在多路径误差削弱中的应用》一文中研究指出多路径误差为一时空环境效应,难以构建准确数学模型消除其影响,且该误差在基线两端不具有空间相关性,运用现有差分技术也无法很好消除,是高精度短基线测量中主要误差之一.为进一步削弱多路径误差,本文以监测站坐标时间序列中多路径误差为研究对象,根据多路径误差在历元间的时变特性,建立多路径误差状态空间模型,采用标准卡尔曼滤波和顾及有色噪声的卡尔曼滤波从监测站第一天双差固定解坐标残差序列中估计多路径误差改正序列,并根据多路径误差的周日重复特性,利用第一天得到的多路径误差改正序列对之后各天坐标序列进行改正.最后通过实验分析,得出顾及有色噪声的卡尔曼滤波估计方法优于标准卡尔曼滤波的结论.研究方法对提高GNSS定位精度具有重要实用价值.(本文来源于《全球定位系统》期刊2019年01期）
张成龙,刘超,赵兴旺,邓永春[8]（2018）在《基于改进EEMD的GPS多路径误差建模与削弱方法研究》一文中研究指出引入一种改进的集合经验模式分解方法(improved ensemble empirical mode decomposition,IEEMD)进行多路径误差的建模。与EEMD方法相比较,IEEMD方法可以有效地克服模态分量数目不一致和分解不彻底等问题,并将原始序列分解为不同尺度的模态分量。同时,考虑到不同模态分量中高斯白噪声的能量密度与平均周期之积为常数,设计一种自动选择尺度与重构的方法,用于模态分量的选择与重构,进而构建GPS多路径误差模型。在此基础上,采用恒星日滤波技术,进行邻近周日GPS坐标序列中多路径误差的实时削弱。实验结果表明,采用同样的尺度选择方法和恒星日滤波技术,使用IEEMD方法可以得到比EEMD方法精度更高的GPS坐标序列。(本文来源于《大地测量与地球动力学》期刊2018年10期）
邵梦杨,郭磊,王甫红[9]（2018）在《城市典型环境下单频导航型GNSS接收机多路径误差特性分析》一文中研究指出在高大建筑物、树木遮挡等城市复杂环境中,多路径误差和纯反射(NLOS)信号误差难以准确建模,严重影响行人GNSS导航定位的精度和可用性。本文首先对比分析了多路径延迟和纯反射信号延迟的误差特性,然后利用双差观测方程提取多路径和NLOS延迟误差,分析了两种延迟误差对伪距、载波相位和多普勒观测值的影响。通过UBLOX-NEO-M8T单频导航型接收机在建筑物附近和树木遮挡两种观测环境下的实测数据处理与分析,结果表明:载噪比(C/N0)较小时多普勒噪声明显变大。对于M8T导航型接收机,多路径影响严重的环境下C/N0低于30 d BHz,多普勒噪声变大。而NLOS影响严重的环境下多普勒噪声与C/N0之间关系不明显,在较大的C/N0,多普勒噪声仍然很大;在树木遮挡时,主要受多路径效应的影响,引起伪距的误差量级在10~150 m之间,对相位和多普勒的影响不明显;在高楼遮挡时,会出现NLOS信号干扰,对伪距和载波相位观测值的影响相同,延迟量大小与反射点的距离有关,可达到几百米,对多普勒观测值也有明显影响。(本文来源于《测绘通报》期刊2018年09期）
张成龙[10]（2018）在《GNSS多系统动态变形监测中多路径误差消除技术研究》一文中研究指出在建构筑物的施工建设及运营管理阶段,为掌握监测目标的形变情况,及时发现形变信息,需要进行变形监测。而随着GPS(Global Positioning System,GPS)现代化进程的加快,我国 BDS(BeiDou Navigation Satellite System,BDS)卫星的相继发射以及俄罗斯 GLONASS(Global Navigation Satellite System,GLONASS)系统的重建,借助于 GNSS(Global Navigation Satellite System,GNSS)全天候、定位精度高并且无需通视的优点,多系统组合GNSS观测在变形监测中被广泛的运用。GNSS多系统组合观测系统数目的增多,可见卫星的数量、卫星的几何结构等相对于单GPS系统有明显的改进。但短距离变形监测的主要误差,多路径误差却没有任何改善,因此探究削弱GNSS多系统多路径误差的方法,对于提高变形监测结果精度具有十分重要的意义。本文主要从以下几个方面进行了研究。(1)研究多路径误差产生的原理,并推导多路径误差与反射距离之间的函数关系,得出当反射距离超过50 m时多路径误差已基本可以忽略不计;对不同系统动态变形监测数据进行傅立叶变换,分析不同系统多路径误差的频谱特性,验证了多路径误差主要表现为低频性;通过广播星历法与相关系数法计算多路径误差的周日重复性,验证单一系统多路径误差具有较强的周日重复性,并且相关系数法得到的重复周期相较于亡播星历法更为可靠。从而得出多系统组合后多路径误差基本不具有周日重复性,恒星日滤波的方法也不再适用的结论,因此需寻找消除GNSS多系统多路径误差的方法。(2)对GPS动态变形监测的恒星日滤波方法进行升级,引入一种改进的集合经验模式分解方法(Improved Ensemble Empirical Mode Decomposition,IEEMD),进行多路径误差的建模。与EEMD(Ensemble Empirical Mode Decomposition,EEMD)方法相比较,新方法可以有效地克服模态分量数目不一致和分解不彻底等问题。并利用包含高斯白噪声的模态分量,其能量密度与平均周期之积为常数的特性,设计一种的尺度提取方法,对模态分量进行选择和重构多路径误差。在此基础上,采用恒星日滤波技术,进行临近周日GPS坐标序列中多路径误差的实时削弱。实验结果表明:采用同样的尺度选择方法和恒星日滤波技术,采用IEEMD方法可以得到比EEMD方法更高精度的GPS坐标序列,一定程度上完善了 GPS恒星日滤波方法。(3)GNSS多系统组合造成多路径误差的迭加,使得利用周日重复性进行多路径误差的建模消除的难度增大。因此从机器学习全新的角度对GNSS多路径误差的消除进行研究,提出基于机器学习的GNSS多系统多路径误差的挖掘与削弱,采用使用广泛,较为基础的BP(Back Propagation,BP)神经网络作为基本网络。进行变形监测观测数据中的多路径误差规律的学习,建立GNSS多路径误差神经网络模型,达到消除GNSS多系统多路径误差的目的。实验结果表明,针对GNSS叁系统组合多路径误差,该方法的改善效果可达到51.18%;相较于GPS恒星日滤波,可以得到与恒星日滤波同等精度的改善效果;并且在任意系统组合多路径误差中,改善情况最好的方向也达到了 39.58%。(本文来源于《安徽理工大学》期刊2018-06-02）
多路径误差论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对惯性/卫星组合导航系统中,全球卫星导航系统(global navigation satellite system,GNSS)量测受多径效应影响的问题,提出了一种基于冗余量测的GNSS多径误差抑制方案。该方案包含了一个基于量测新息的GNSS多径误差卡方检验器和一个自适应Kalman滤波器。首先,通过卡方检验来判断量测新息零均值的特性丧失与否以检测GNSS量测中的多径误差。当检测到量测中存在多径误差时,自适应滤波器根据惯性导航系统的冗余量测估计出当前GNSS测量噪声协方差阵,以合理调节量测权重,增强滤波性能。最后,通过仿真与实际跑车试验,验证了该方案能够有效抑制GNSS多径误差,提高了导航精度。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
多路径误差论文参考文献
[1].赵珏,陈伏州,沈飞,潘树国,闫志跃.基于高度角的多路径误差改正方法[J].测绘与空间地理信息.2019
[2].葛宝爽,张海,晋燕琼.基于冗余量测的GNSS多路径误差抑制算法[J].系统工程与电子技术.2019
[3].刘基余.多路径误差──GNSS导航定位误差之五[J].数字通信世界.2019
[4].邓岳川,周亮广.地形起伏度与GPS多路径误差的相关性分析[J].测绘科学.2019
[5].陶远,邓永春,胡豪杰,高翔.小波分析和经验模态分解对BDS多路径误差削弱对比研究[J].全球定位系统.2019
[6].冯佳琪.利用半参数模型提高含有多路径误差的基线的解算精度[D].合肥工业大学.2019
[7].李川,魏世玉,刘星,刘恋,胡祝敏.顾及有色噪声的卡尔曼滤波在多路径误差削弱中的应用[J].全球定位系统.2019
[8].张成龙,刘超,赵兴旺,邓永春.基于改进EEMD的GPS多路径误差建模与削弱方法研究[J].大地测量与地球动力学.2018
[9].邵梦杨,郭磊,王甫红.城市典型环境下单频导航型GNSS接收机多路径误差特性分析[J].测绘通报.2018
[10].张成龙.GNSS多系统动态变形监测中多路径误差消除技术研究[D].安徽理工大学.2018
论文知识图
