双频组合观测值解算北斗模糊度的探讨

针对北斗双频组合方式,基于矩阵变化和迭代过程,以两种不同线性组合的扩波方法,采用一种新的迭代过程,在满足波长较长以及降低模糊度解相关性的条件下,减小了模糊度搜索空间大小,提高了模糊度解算效率和速度。     

一种整周模糊度快速求解方法

采用整周模糊度的浮点解及相应的方差一协方差阵构成整数模糊度的搜索空间，在所有可能的候选值中以最小残差二次型为准则选出正确的整周模糊度。然后应用三角高斯整数变换降低协方差阵QN′中的数值，缩小了模糊度的搜索空间，最后采用Cholesky分解提高搜索效率，并简要讨论了模糊度搜索方法的统计特性。仿真结果表明，采用本文提出的方法，可以提高整周模糊度的搜索速度。     

一种整周模糊度快速求解方法

采用整周模糊度的浮点解及相应的方差协方差阵构成整数模糊度的搜索空间,在所有可能的候选值中以最小残差二次型为准则选出正确的整周模糊度.然后应用三角高斯整数变换降低协方差阵QN^′中的数值,缩小了模糊度的搜索空间,最后采用Cholesky分解提高搜索效率,并简要讨论了模糊度搜索方法的统计特性.仿真结果表明,采用本文提出的方法,可以提高整周模糊度的搜索速度.     

快速整周模糊度求解技术在高精度GPS定位和导航中的应用

给出了GPS卫星测量模型，分析误差源，并推导出差分值，以便提高GPS的精度。求解GPS载波相位整周模糊度是高精度定位和导航的关键。计算效率至关重要，因为它直接影响求解模糊度的时间，而且还影响模糊度求解过程的可靠性。分析了搜索空间中的独立变量，并推导出新的传递矩阵。该矩阵将所有的测量残差直接和最小求解搜索空间相关联。该技术不仅可以改善计算效率以及缩短模糊度求解时间，还能提高可靠性。通过仅选择那些与卫星几何尺寸和测量残差一致的模糊度的组合，搜索空间被最小化，应用于高精度定位和导航。     

基于北斗双星系统的模糊度求解算法

快速而准确地确定整周模糊度是实现双星定向的关键所在.北斗双星系统由于其自身的一些特性,其模糊度求解无法直接应用模糊度映射函数技术、最小二乘搜索技术和快速模糊度解算等针对多星系统的模糊度解算方法.基于双星定向数学模型和等效旋转基线法的思想,针对普通旋转基线法存在的缺陷,提出了等效两次旋转基线法求解模糊度的算法.该算法只需要使基线随载体转动两个较小的角度,经过一系列运算.就可求得模糊度.算法结构简单,操作方便.     

基于北斗降维双差模型的舰艇快速定姿算法研究

根据北斗GEO卫星的特殊星座构型,提出一种基于北斗降维双差模型的舰艇快速定姿算法。根据北斗GEO卫星的特点,在初始定位误差较小的情况下,忽略z轴误差带来的影响,建立降维双差模型。利用B_1和B_2频点形成宽巷组合,根据初始伪距值计算宽巷模糊度初始值,并解算基线向量候选值;通过模糊度函数法对候选值进行判决,得到最优基线向量,解出宽巷模糊度;最后以得到的最优基线向量为初始基线向量,利用B_1频点观测值形成2个双差观测方程,解算B_1频点模糊度,进行舰艇定姿。利用北斗实测数据进行仿真验证,结果表明该方法解算B_1频点模糊度成功率高,确定的航向角标准差为0.16°,纵摇角标准差为0.07°,是一种高效快速的舰艇定姿算法。     

基于北斗降维双差模型的舰艇快速定姿算法研究

根据北斗GEO卫星的特殊星座构型,提出一种基于北斗降维双差模型的舰艇快速定姿算法。根据北斗GEO卫星的特点,在初始定位误差较小的情况下,忽略z轴误差带来的影响,建立降维双差模型。利用B1和B2频点形成宽巷组合,根据初始伪距值计算宽巷模糊度初始值,并解算基线向量候选值;通过模糊度函数法对候选值进行判决,得到最优基线向量,解出宽巷模糊度;最后以得到的最优基线向量为初始基线向量,利用B1频点观测值形成2个双差观测方程,解算B1频点模糊度,进行舰艇定姿。利用北斗实测数据进行仿真验证,结果表明该方法解算B1频点模糊度成功率高,确定的航向角标准差为0.16°,纵摇角标准差为0.07°,是一种高效快速的舰艇定姿算法。     

结构模糊可靠性分析

结构破坏准则实际上是带有模糊性的，要合理判断结构强度必须依靠模糊概率方法。本文采用基于模糊判决的限界搜索法，给出了计算结构模糊可靠性清晰解的方法。以受集中力的两端刚固梁和船首底板砰击强度为例进行了数值计算，并讨论了容差变化对模糊可靠度指标的影响。     

基于直觉模糊马氏距离的船舶绿色度评价

为准确评估船舶与环境的友好程度，引入船舶绿色度概念，提出一种运用模糊多属性决策模型选择最优备选方案的方法。从环境协调性、经济合理性、技术先进性和安全舒适性等4方面构建绿色船舶评价指标体系。采用群决策理论和模糊熵确定指标权重，利用新定义的直觉模糊马氏距离和优劣解距离法对备选船舶的绿色度进行排序。通过实例和对比分析，验证所提方法的有效性和稳健性，并阐述其应用价值。     

基于混合聚类算法的异常检测方法

模糊聚类算法是一种无监督的机器学习方法,能够有效地检测出网络入侵中未知的异常攻击行为,但模糊聚类算法实质上是一种迭代寻优方法,容易陷入局部最优解.因此结合遗传算法的全局搜索特性与禁忌算法的局部搜索特性,提出了一种基于遗传禁忌搜索的混合模糊聚类算法,实验表明该方法能有效避免局部最优解、得到正确的聚类结果,在KDDCUP99数据集上的实验结果表明该方法具有更高的检测率和较低的误检率.