CN112924996A - 一种增强北斗时序分析可靠性的方法、设备及存储介质 - Google Patents
一种增强北斗时序分析可靠性的方法、设备及存储介质 Download PDFInfo
- Publication number
- CN112924996A CN112924996A CN202110118696.8A CN202110118696A CN112924996A CN 112924996 A CN112924996 A CN 112924996A CN 202110118696 A CN202110118696 A CN 202110118696A CN 112924996 A CN112924996 A CN 112924996A
- Authority
- CN
- China
- Prior art keywords
- sequence
- beidou
- empirical mode
- mode decomposition
- displacement
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000012300 Sequence Analysis Methods 0.000 title claims abstract description 31
- 230000002708 enhancing effect Effects 0.000 title claims abstract description 25
- 238000006073 displacement reaction Methods 0.000 claims abstract description 63
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 37
- 238000004458 analytical method Methods 0.000 claims abstract description 32
- 238000012545 processing Methods 0.000 claims abstract description 10
- 230000015654 memory Effects 0.000 claims description 16
- 230000008030 elimination Effects 0.000 claims description 14
- 238000003379 elimination reaction Methods 0.000 claims description 14
- DMBHHRLKUKUOEG-UHFFFAOYSA-N diphenylamine Chemical compound C=1C=CC=CC=1NC1=CC=CC=C1 DMBHHRLKUKUOEG-UHFFFAOYSA-N 0.000 claims description 2
- 230000003014 reinforcing effect Effects 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims 1
- 230000008859 change Effects 0.000 abstract description 7
- 238000009499 grossing Methods 0.000 abstract description 4
- 230000009467 reduction Effects 0.000 abstract description 4
- 230000007547 defect Effects 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
- G01S19/35—Constructional details or hardware or software details of the signal processing chain
- G01S19/37—Hardware or software details of the signal processing chain
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Remote Sensing (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Analysis (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Signal Processing (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种增强北斗时序分析可靠性的方法、设备及存储介质,针对现有技术的不足,本发明通过使用经验模分解和阈值消噪的方法对北斗位移序列进行降噪处理,经验模分解阈值消噪本质上起到了平滑数据的作用,原始北斗位移序列的上下波动较大,对时序分析造成了干扰,平滑后的位移序列噪声水平下降,削弱了噪声干扰,后续对着相关公式的估计精度更高,变化趋势更为明显。然后通过对消噪后的北斗位移序列作处理,基于前一半元素和后一半元素生成两组新的序列,利用两组新序列之间的等效偏差量计算稳定性指标分析可以降低粗差等较大误差干扰对时序分析造成的不准确现象,提高时序分析可靠性。
Description
技术领域
本发明涉及北斗时序分析技术领域,特别涉及一种增强北斗时序分析可靠性的方法、设备及存储介质。
背景技术
北斗卫星系统是中国着眼于国家安全和经济社会发展需要,自主建设、独立运行的卫星系统,是为全球用户提供全天候、全天时、高精度的定位、和授时服务的国家重要空间基础设施。2020年6月23日,北斗完成全球组网,进入全面应用时代。北斗作为自主安全可控的卫星系统,相比GPS具有安全性、可用性、连续性都多方面的优势。基于北斗连续测量和解算可获得的北斗位移序列,对位移序列进行时序分析可掌握北斗位置信息的变化规律,判断是否发生趋势变化。
由于存在观测质量不佳、多路径效应显著、粗差干扰等情况,北斗位移序列的噪声水平比较高,使得位移序列精度较低。因此需要降低北斗位移序列观测值的噪声水平,去削弱噪声干扰,同时结合高可靠的分析方法,降低粗差等较大误差干扰对时序分析造成的不准确现象,提高时序分析可靠性。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明提出一种增强北斗时序分析可靠性的方法、设备及存储介质,能够削弱噪声干扰,降低粗差等较大误差干扰对时序分析造成的不准确现象,提高时序分析可靠性。
本发明的第一方面,提供了一种增强北斗时序分析可靠性的方法,包括以下步骤:
获取待处理的北斗位移序列;
对所述北斗位移序列进行多层经验模分解,并对分解得到的本征信号分量方差进行估计;
基于估计后的所述本征信号分量方差对进行多层经验模分解的所述北斗位移序列进行经验模分解消噪;
将进行经验模分解消噪后的所述北斗位移序列的前一半元素按序反向排列生成第一序列,后一半元素按序正向排列生成第二序列,获取所述第一序列与所述第二序列之间的等效偏差量,根据所述等效偏差量对进行经验模分解消噪后的所述北斗位移序列进行稳定性分析。
根据本发明的实施例,至少具有如下技术效果:
针对现有技术的不足,本方法通过使用经验模分解和阈值消噪的方法对北斗位移序列进行降噪处理,经验模分解阈值消噪本质上起到了平滑数据的作用,原始北斗位移序列的上下波动较大,对时序分析造成了干扰,平滑后的位移序列噪声水平下降,削弱了噪声干扰,后续对着相关公式的估计精度更高,变化趋势更为明显。然后通过对消噪后的北斗位移序列作处理,基于前一半元素和后一半元素生成两组新的序列,利用两组新序列之间的等效偏差量计算稳定性指标分析可以降低粗差等较大误差干扰对时序分析造成的不准确现象,提高时序分析可靠性。
本发明的第二方面,提供了一种增强北斗时序分析可靠性的设备,包括:至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器;所述存储器存储有可被所述至少一个控制处理器执行的指令,所述指令被所述至少一个控制处理器执行,以使所述至少一个控制处理器能够执行如本发明第一方面所述的增强北斗时序分析可靠性的方法。
本发明的第三方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如本发明第一方面所述的增强北斗时序分析可靠性的方法。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1为本发明实施例提供的一种增强北斗时序分析可靠性的方法的流程示意图;
图2为本发明实施例提供的使用阈值或报警值进行判断的方法示意图;
图3为本发明实施例提供的一种增强北斗时序分析可靠性的设备的结构示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
在介绍本发明实施例之前,先对本发明的北斗位移序列时序分析的基本原理进行介绍:
利用北斗进行载波相位差分定位解算,可以获得测量点连续的北斗位移时间序列,通过对折相关分析方法判断北斗位移序列的变化趋势,进而确定位移序列是否稳定。
受到观测噪声、多路径效应、粗差等影响,若位移序列本身误差水平较高,位移序列的真实趋势会淹没在噪声中,难以判断是否发生了较大的突变。如果能降低北斗位移序列观测值的噪声水平,并结合高可靠的分析方法,就可以降低时序分析不准确的现象,提高时序分析可靠性。为此,本发明提供以下实施例:
第一实施例;
参照图1,本发明的一个实施例,提供了一种增强北斗时序分析可靠性的方法,包括以下步骤:
步骤S100、获取待处理的北斗位移序列。
步骤S200、对北斗位移序列进行多层经验模分解,并对分解得到的本征信号分量方差进行估计。
步骤S300、基于估计后的本征信号分量方差对进行多层经验模分解的北斗位移序列进行经验模分解消噪。
步骤S400、将进行经验模分解消噪后的北斗位移序列的前一半元素按序反向排列生成第一序列,后一半元素按序正向排列生成第二序列,获取第一序列与第二序列之间的等效偏差量,根据等效偏差量对进行经验模分解消噪后的北斗位移序列进行稳定性分析。
本方法首先通过使用经验模分解和消噪的方法对北斗位移序列进行降噪处理,根据噪声特性创造性地估计各层分量的方差,进而通过设定阈值削弱噪声影响。然后通过对消噪后的北斗位移序列作处理,基于前一半元素和后一半元素生成两组新的序列,获取两组序列之间的等效偏差量(本实施例称为对折分析方法),根据获取的等效偏差量计算稳定性指标,能够克服北斗位移序列受噪声、多路径效应和粗差等因素的影响导致时序分析可靠性不高的问题。
本实施例的具体过程和具体原理如下:
在本实施例的步骤S200和S300中,使用经验模分解和阈值消噪的方法对北斗位移序列进行降噪,经验模分解能把复杂的信号分解为一系列本征信号分量和余项之和的形式。分解出的各分量频率由高到低,每个分量为一零均值平稳信号。具体分解过程为:
1、由位移序列x的局部极值,用高次曲线插值求出信号上下包络线,计算均值m1,得到h1=x-m1,检测h1是否满足本征信号分量的条件:1)零点数目与极值点数目相差不超过1;2)极大值包络线和极小值包络线均值为零。若满足,则h1为第一个分量imf1;
2、若不满足,重复执行第1个步骤,直至重复k次后h1k满足条件,则imf1=h1k,求出原始信号与imf1的差值:r1=x-imf1;
3、将r1作为新原始信号重复上述过程。直至位移序列x(t)分解成n个本征信号分量和1个余项的和:
作为一种可选的实施方式,步骤S200采用无偏样本方差法结合方差递推法的方式来估计所有分量的方差。具体的:
通常情况下,前3个本征信号分量有效信号成分较低,噪声成分较高,可直接采用无偏样本方差法进行估计,需要说明的是,本实施例使用前3个为例,但本发明并不仅限于此。采用无偏样本方差法进行估计的公式如下:
其它本征信号分量含有很多有效信号,按照无偏样本方差法估计的方差会高于实际方差,因此使用方差递推法进行估计:
其中k和m均表示本征信号分量的层数。
信号分量的方差反映了该信号分量的噪声水平,可根据方差的大小来计算相应的阈值。为保证95%以上的噪声抑制置信度,阈值按下式估计:
各层本征信号分量的阈值不同,因此经验模分解阈值消噪是一种自适应阈值消噪方法。
据上述阈值,对每个本征信号分量的各个元素进行如下阈值消噪处理:
在本实施例的步骤S300中,经验模分解阈值消噪本质上起到了平滑数据的作用,原始北斗位移序列的上下波动较大,对时序分析造成了干扰,平滑后的位移序列噪声水平下降,后续对着相关公式的估计精度更高,变化趋势更为明显。
在本实施例的步骤S400中,提出了一种具有高可靠性的分析方法,本文称为对折分析方法,即:将进行步骤S300消噪后的北斗位移序列的前一半元素按序反向排列生成第一序列,后一半元素按序正向排列生成第二序列,获取第一序列与第二序列之间的等效偏差量,根据等效偏差量对进行经验模分解消噪后的北斗位移序列进行稳定性分析。具体如下:
构造两个生成序列的对折相关公式作为量化稳定性的指标:
对折分析法计算中心对称点对间的离散程度,当没有显著位移趋势变化时,θ的值相对稳定,与序列自身的标准差相当。当发生位移变化时,距离中心点越远的点对相差越大,因此,该分析法可以显著地反映位移序列的变化程度。
北斗位移序列主要受到噪声等偶然误差或多路径等慢变系统误差影响时,消噪后的位移序列具有较高稳定性,利用序列前后历元作差结合阈值或报警值的方法即可判断位移序列是否发生变化。但若因卫星故障、信号干扰等引起北斗位移序列中有偶发粗差,则使用阈值或报警值进行判断的方法则会发生错误,如图2所示,6月24日的位移序列中含有偶发粗差影响,此时若使用报警值的方式,则会认为该序列发生了突变,但实际上除了该突变点,整个位移序列相对稳定。因此,使用对折分析方法对消噪后的序列稳定性进行量化,可从全局角度进行综合判断,避免偶发粗差对序列时序分析造成的干扰。
本方法实施例具有如下有益效果:
针对现有技术的不足,本方法通过使用经验模分解和阈值消噪的方法对北斗位移序列进行降噪处理,经验模分解阈值消噪本质上起到了平滑数据的作用,原始北斗位移序列的上下波动较大,对时序分析造成了干扰,平滑后的位移序列噪声水平下降,削弱了噪声干扰,后续对着相关公式的估计精度更高,变化趋势更为明显。然后通过对消噪后的北斗位移序列作处理,基于前一半元素和后一半元素生成两组新的序列,利用两组新序列根据对折相关公式计算稳定性指标可以降低粗差等较大误差干扰对时序分析造成的不准确现象,提高时序分析可靠性。
第二实施例;
参照图3,本发明的一个实施例,提供了一种增强北斗时序分析可靠性的设备,该增强北斗时序分析可靠性的设备可以是任意类型的智能终端,例如手机、平板电脑、个人计算机等。
具体地,该增强北斗时序分析可靠性的设备包括:一个或多个控制处理器和存储器。控制处理器和存储器可以通过总线或者其他方式连接。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态性计算机可执行程序以及模块,如本发明实施例中的增强北斗时序分析可靠性的设备对应的程序指令/模块。控制处理器通过运行存储在存储器中的非暂态软件程序、指令以及模块,从而执行上述方法实施例的增强北斗时序分析可靠性的方法。
存储器可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中,存储器可选包括相对于控制处理器远程设置的存储器,这些远程存储器可以通过网络连接至该增强北斗时序分析可靠性的设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器中,当被所述一个或者多个控制处理器执行时,执行上述方法实施例中的增强北斗时序分析可靠性的方法。
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个控制处理器执行,可使得上述一个或多个控制处理器执行上述方法实施例中的增强北斗时序分析可靠性的方法。
通过以上的实施方式的描述,本领域技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现。本领域技术人员可以理解实现上述实施例方法中的全部或部分流程是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (7)
1.一种增强北斗时序分析可靠性的方法,其特征在于,包括以下步骤:
获取待处理的北斗位移序列;
对所述北斗位移序列进行多层经验模分解,并对分解得到的本征信号分量方差进行估计;
基于估计后的所述本征信号分量方差对进行多层经验模分解的所述北斗位移序列进行经验模分解消噪;
将进行经验模分解消噪后的所述北斗位移序列的前一半元素按序反向排列生成第一序列,后一半元素按序正向排列生成第二序列,获取所述第一序列与所述第二序列之间的等效偏差量,根据所述等效偏差量对进行经验模分解消噪后的所述北斗位移序列进行稳定性分析。
2.根据权利要求1所述的增强北斗时序分析可靠性的方法,其特征在于,所述对分解得到的本征信号分量方差进行估计,包括:对前N个本征信号分量进行无偏样本方差估计,对前N个之后的剩余本征信号分量进行递推方差估计,其中所述N为正整数。
6.一种增强北斗时序分析可靠性的设备,其特征在于,包括:至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器;所述存储器存储有可被所述至少一个控制处理器执行的指令,所述指令被所述至少一个控制处理器执行,以使所述至少一个控制处理器能够执行如权利要求1至5任一项所述的增强北斗时序分析可靠性的方法。
7.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如权利要求1至5任一项所述的增强北斗时序分析可靠性的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110118696.8A CN112924996B (zh) | 2021-01-28 | 2021-01-28 | 一种增强北斗时序分析可靠性的方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110118696.8A CN112924996B (zh) | 2021-01-28 | 2021-01-28 | 一种增强北斗时序分析可靠性的方法、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112924996A true CN112924996A (zh) | 2021-06-08 |
CN112924996B CN112924996B (zh) | 2023-11-03 |
Family
ID=76168025
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110118696.8A Active CN112924996B (zh) | 2021-01-28 | 2021-01-28 | 一种增强北斗时序分析可靠性的方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112924996B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116881088A (zh) * | 2023-09-06 | 2023-10-13 | 长沙金维信息技术有限公司 | 一种系统监控方法、装置、存储介质及电子装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2928283A1 (en) * | 2008-09-10 | 2010-03-18 | Nextnav, Llc | Wide area positioning system |
CN101859146A (zh) * | 2010-07-16 | 2010-10-13 | 哈尔滨工业大学 | 一种基于预测滤波和经验模态分解的卫星故障预测方法 |
CN108226980A (zh) * | 2017-12-23 | 2018-06-29 | 北京卫星信息工程研究所 | 基于惯性测量单元的差分gnss与ins自适应紧耦合导航方法 |
CN110006427A (zh) * | 2019-05-20 | 2019-07-12 | 中国矿业大学 | 一种低动态高振动环境下的bds/ins紧组合导航方法 |
CN110781781A (zh) * | 2019-10-15 | 2020-02-11 | 山东师范大学 | 一种时间序列概念漂移检测方法、系统、介质及设备 |
US20200218776A1 (en) * | 2019-01-07 | 2020-07-09 | Massachusetts Institute Of Technology | Model Agnostic Time Series Analysis Via Matrix Estimation |
-
2021
- 2021-01-28 CN CN202110118696.8A patent/CN112924996B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2928283A1 (en) * | 2008-09-10 | 2010-03-18 | Nextnav, Llc | Wide area positioning system |
CN101859146A (zh) * | 2010-07-16 | 2010-10-13 | 哈尔滨工业大学 | 一种基于预测滤波和经验模态分解的卫星故障预测方法 |
CN108226980A (zh) * | 2017-12-23 | 2018-06-29 | 北京卫星信息工程研究所 | 基于惯性测量单元的差分gnss与ins自适应紧耦合导航方法 |
US20200218776A1 (en) * | 2019-01-07 | 2020-07-09 | Massachusetts Institute Of Technology | Model Agnostic Time Series Analysis Via Matrix Estimation |
CN110006427A (zh) * | 2019-05-20 | 2019-07-12 | 中国矿业大学 | 一种低动态高振动环境下的bds/ins紧组合导航方法 |
CN110781781A (zh) * | 2019-10-15 | 2020-02-11 | 山东师范大学 | 一种时间序列概念漂移检测方法、系统、介质及设备 |
Non-Patent Citations (2)
Title |
---|
JIAN WANG 等: "Reducing Gps Carrier Phase Errors With Emd-wavelet For Precise Static Positioning", SURVEY REVIEW, no. 312, pages 152 - 161 * |
甘雨: "利用EMD阈值消噪改进MW组合周跳探测性能", 大地测量与地球动力学, vol. 35, no. 4, pages 666 - 670 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116881088A (zh) * | 2023-09-06 | 2023-10-13 | 长沙金维信息技术有限公司 | 一种系统监控方法、装置、存储介质及电子装置 |
CN116881088B (zh) * | 2023-09-06 | 2023-11-28 | 长沙金维信息技术有限公司 | 一种系统监控方法、装置、存储介质及电子装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112924996B (zh) | 2023-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Seepersad et al. | Reduction of PPP convergence period through pseudorange multipath and noise mitigation | |
Garcia-Fernandez et al. | Truncated unscented Kalman filtering | |
CN112013286B (zh) | 管道泄漏点的定位方法及装置、存储介质、终端 | |
CN112630805B (zh) | 卫星钟差预报方法及其系统 | |
CN112924996A (zh) | 一种增强北斗时序分析可靠性的方法、设备及存储介质 | |
CN110146855B (zh) | 雷达间断干扰抑制门限计算方法及装置 | |
CN109269498B (zh) | 面向具有数据缺失uwb行人导航的自适应预估ekf滤波算法及系统 | |
Qian et al. | An INS/DVL integrated navigation filtering method against complex underwater environment | |
CN113223055B (zh) | 图像目标跟踪模型建立方法及图像目标跟踪方法 | |
CN113758469A (zh) | 一种基于多模多频gnss接收机的潮位监测方法及系统 | |
Keizer et al. | The acceleration of sea-level rise along the coast of the Netherlands started in the 1960s | |
CN115755131A (zh) | 一种卫星定位的方法、装置及介质 | |
CN116026325A (zh) | 一种基于神经过程与卡尔曼滤波的导航方法及相关装置 | |
CN115373006A (zh) | 智能手机伪距多路径误差提取方法 | |
Wang et al. | Accurate and computationally efficient interpolation-based method for two-dimensional harmonic retrieval | |
CN112946697B (zh) | 一种基于深度学习的卫星信号周跳探测与修复方法 | |
Hu et al. | A multisource PNT fusion algorithm based on a variance genetic model | |
CN111948714B (zh) | 海底结点地震数据中上行波的降噪方法及降噪装置 | |
Ren et al. | Research on smoothing filtering algorithm of BDS/GPS slow deformation monitoring sequence | |
CN117388889A (zh) | 一种基于dbscan的gnss定位方法和装置 | |
CN115565085B (zh) | 遥感图像密集时间序列数据构建方法 | |
Hu et al. | Design and implementation of spaceborne SAR radio frequency interference detection and suppression system | |
CN117970377A (zh) | 一种小波去噪方法、装置、计算机设备和存储介质 | |
Wang et al. | Cycle-slip Detection and Correction of GPS single-frequency Carrier Phase Based on Wavelet Transform and EMD-NAR Neural Network | |
Zhao et al. | Dual-Frequency GNSS Observations Cycle Slip Detection and Repair Method Using the Ensemble Hatch–Melbourne–Wübbena (HMW) Combination—Prophet Model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20231010 Address after: 410000 room 1913, building 1, microchip technology park, No. 217, Jianshan Road, Changsha high tech Development Zone, Changsha, Hunan Province Applicant after: HUNAN BDS MICRO CHIPSET INDUSTRY DEVELOPMENT CO.,LTD. Address before: Room 2203, building 2, Xincheng Science Park, 588 Yuelu West Avenue, Changsha hi tech Development Zone, Changsha City, Hunan Province, 410000 Applicant before: Hunan Beidou microchip Data Technology Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |