CN117874982A - 一种多变量融合北斗导航探空站网布局方法、系统及设备 - Google Patents
一种多变量融合北斗导航探空站网布局方法、系统及设备 Download PDFInfo
- Publication number
- CN117874982A CN117874982A CN202410129044.8A CN202410129044A CN117874982A CN 117874982 A CN117874982 A CN 117874982A CN 202410129044 A CN202410129044 A CN 202410129044A CN 117874982 A CN117874982 A CN 117874982A
- Authority
- CN
- China
- Prior art keywords
- observation
- error covariance
- covariance matrix
- beidou navigation
- matrix
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 239000011159 matrix material Substances 0.000 claims abstract description 146
- 238000001914 filtration Methods 0.000 claims abstract description 19
- 230000004927 fusion Effects 0.000 claims abstract description 17
- 239000000523 sample Substances 0.000 claims description 27
- 239000013598 vector Substances 0.000 claims description 14
- 238000010276 construction Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 230000001133 acceleration Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- DMBHHRLKUKUOEG-UHFFFAOYSA-N diphenylamine Chemical compound C=1C=CC=CC=1NC1=CC=CC=C1 DMBHHRLKUKUOEG-UHFFFAOYSA-N 0.000 claims 1
- 230000010354 integration Effects 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 10
- 238000004364 calculation method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Landscapes
- Navigation (AREA)
Abstract
本发明公开了一种多变量融合北斗导航探空站网布局方法、系统及设备，涉及北斗导航探空站网布局技术领域。方法包括：根据观测序列，构建观测矩阵、观测误差协方差矩阵和背景误差协方差矩阵进而确定分析误差协方差矩阵；根据分析误差协方差矩阵，确定最优观测网格点更新观测网格点集合；利用背景场矩阵和观测误差协方差矩阵，更新背景误差协方差矩阵；构建观测网格点序列；按照观测网格点序列，完成北斗导航探空站网的布局。本发明基于卡尔曼滤波理论完成北斗导航探空站网布局，能够提高北斗导航探空站网布局的合理性。
Description
技术领域
本发明涉及北斗导航探空站网布局技术领域，特别是涉及一种多变量融合北斗导航探空站网布局方法、系统及设备。
背景技术
目前，气象探空站网布局是预报员根据主观经验，基于天气过程频发区域和区域平衡角度确定的，具有随机性、主观性和非定量性，天气过程随机变化，现有气象探空站网布局不能适应站网布局的需要。北斗导航探空和传统探空相比，观测范围从垂直廓线变成上升、平飘、下降三段式观测。观测范围更广，设计的天气过程更复杂，从成本及观测的有效性上来说，如何进行北斗导航探空布网从而能够用有限的观测站网来发挥最大效益显得尤为重要。
发明内容
本发明的目的是提供一种多变量融合北斗导航探空站网布局方法、系统及设备，能够提高北斗导航探空站网布局的合理性。
为实现上述目的，本发明提供了如下方案：
一种多变量融合北斗导航探空站网布局方法，包括：
构建空集为北斗导航探空站的观测网格点集合；
获取北斗导航探空站网的模拟观测序列；所述模拟观测序列包括多个时刻北斗导航探空站的集合样本；任一时刻北斗导航探空站的集合样本包括北斗导航探空站中所有网格点在对应时刻的观测向量；所述观测向量包括对应时刻所在网格点处的多种观测数据；
根据所述模拟观测序列，构建背景误差协方差矩阵；所述背景误差协方差矩阵中的任一元素为北斗导航探空站网中状态变量对应的距平变量；
构建观测矩阵和观测误差协方差矩阵；
根据所述观测矩阵、所述观测误差协方差矩阵和所述背景误差协方差矩阵，利用卡尔曼滤波理论，确定最优观测网格点；
将最优观测网格点作为末位元素，添加到观测网格点集合中；
删除最优观测网格点，更新背景误差协方差矩阵，获取更新后的观测误差协方差矩阵，并返回步骤“根据所述观测矩阵、所述观测误差协方差矩阵和所述背景误差协方差矩阵，利用卡尔曼滤波理论，确定最优观测网格点”，直至迭代达到北斗导航探空站网中网格点总个数；
根据观测网格点集合，构建观测网格点序列；
按照所述观测网格点序列，完成北斗导航探空站网的布局和观测。
可选的，根据所述观测矩阵、所述观测误差协方差矩阵和所述背景误差协方差矩阵，利用卡尔曼滤波理论，确定最优观测网格点，包括：
根据所述观测矩阵、所述观测误差协方差矩阵和所述背景误差协方差矩阵，利用卡尔曼滤波理论，确定待定最优观测网格点的序号为第一待定序号；
根据模拟观测序列，确定北斗导航探空站网中每个网格点的总扰动能量；
根据总扰动能量对北斗导航探空站网中的网格点进行降序排列；
确定前预设个数个网格点的序号为第二待定序号集合；
在第一待定序号与第二待定序号集合的交集为非空集时，确定第一待定序号为最优序号；
确定最优序号对应的坐标为最优观测网格点的坐标。
可选的，所述序号与所述坐标一一对应。
可选的，所述总扰动能量为：
其中，δJ为网格点的总扰动能量；Cp为网格点的定压比；T'为网格点的温度扰动；g为网格点的重力加速度；Z'为网格点的高度扰动；l为网格点的相变潜热；q'为网格点的比湿扰动；V'为网格点的风场扰动。
可选的，更新背景误差协方差矩阵，包括：
利用所述背景场矩阵和观测误差协方差矩阵，利用公式确定中间量；其中，S为中间量；I为单位矩阵；m为集合样本数量；O为观测矩阵；Db为背景场集合；E为观测误差协方差矩阵；
根据所述中间量和所述背景误差协方差矩阵，利用公式Da＝DbS和确定更新后的背景误差协方差矩阵；其中，Da为更新后的背景场集合，Fb为背景误差协方差矩阵。
一种多变量融合北斗导航探空站网布局系统，包括：
观测网格点集合构建模块，用于构建空集为北斗导航探空站的观测网格点集合；
模拟观测序列获取模块，用于获取北斗导航探空站网的模拟观测序列；所述模拟观测序列包括多个时刻北斗导航探空站的集合样本；任一时刻北斗导航探空站的集合样本包括北斗导航探空站中所有网格点在对应时刻的观测向量；所述观测向量包括对应时刻所在网格点处的多种观测数据；
背景误差协方差矩阵构建模块，用于根据所述模拟观测序列，构建背景误差协方差矩阵；所述背景误差协方差矩阵中的任一元素为北斗导航探空站网中状态变量对应的距平变量；
观测-观测误差协方差矩阵构建模块，用于构建观测矩阵和观测误差协方差矩阵；
最优观测网格点确定模块，用于根据所述观测矩阵、所述观测误差协方差矩阵和所述背景误差协方差矩阵，利用卡尔曼滤波理论，确定最优观测网格点；
观测网格点集合更新模块，用于将最优观测网格点作为末位元素，添加到观测网格点集合中；
迭代模块，用于删除最优观测网格点，更新背景误差协方差矩阵，获取更新后的观测误差协方差矩阵，并返回步骤“根据所述观测矩阵、所述观测误差协方差矩阵和所述背景误差协方差矩阵，利用卡尔曼滤波理论，确定最优观测网格点”，直至迭代达到北斗导航探空站网中网格点总个数；
观测网格点序列模块，用于根据观测网格点集合，构建观测网格点序列；
北斗导航探空站网布局观测模块，用于按照所述观测网格点序列，完成北斗导航探空站网的布局和观测。
一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行所述的一种多变量融合北斗导航探空站网布局方法。
可选的，所述存储器为可读存储介质。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提供的一种多变量融合北斗导航探空站网布局方法、系统及设备，基于数值预报理论上的集合转换卡尔曼滤波方法，解决科学布网能够减小数值预报中初值不确定性的科学理论；利用集合样本生成技术逐步更新背景误差协方差矩阵，依次得到能够减小分析方差最大的观测位置。基于观测特点和数值预报理论，能够客观、定量的解决北斗导航探空的站网最优布局问题，从而解决数值天气预报对观测站网的观测需求，提高北斗导航探空站网布局的合理性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例1中多变量融合北斗导航探空站网布局方法流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种多变量融合北斗导航探空站网布局方法、系统及设备，能够提高北斗导航探空站网布局的合理性。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例1
如图1所示，本实施例提供了一种多变量融合北斗导航探空站网布局方法，包括：
步骤101：构建空集为北斗导航探空站的观测网格点集合。
步骤102：获取北斗导航探空站网的模拟观测序列。模拟观测序列包括多个时刻北斗导航探空站的集合样本。任一时刻北斗导航探空站的集合样本包括北斗导航探空站中所有网格点在对应时刻的观测向量。观测向量包括对应时刻所在网格点处的多种观测数据。
步骤103：根据模拟观测序列，构建背景误差协方差矩阵。背景误差协方差矩阵中的任一元素为北斗导航探空站网中状态变量对应的距平变量。
步骤104：构建观测矩阵和观测误差协方差矩阵。
步骤105：根据观测矩阵、观测误差协方差矩阵和背景误差协方差矩阵，利用卡尔曼滤波理论，确定最优观测网格点。
步骤106：将最优观测网格点作为末位元素，添加到观测网格点集合中。
步骤107：删除最优观测网格点，更新背景误差协方差矩阵，获取更新后的观测误差协方差矩阵，并返回步骤105，直至迭代达到北斗导航探空站网中网格点总个数。
步骤108：根据观测网格点集合，构建观测网格点序列。
步骤109：按照观测网格点序列，完成北斗导航探空站网的布局和观测。
步骤105，包括：
步骤105-1：根据观测矩阵、观测误差协方差矩阵和背景误差协方差矩阵，利用卡尔曼滤波理论，确定待定最优观测网格点的序号为第一待定序号。
步骤105-2：根据模拟观测序列，确定北斗导航探空站网中每个网格点的总扰动能量。
步骤105-3：根据总扰动能量对北斗导航探空站网中的网格点进行降序排列。
步骤105-4：确定前预设个数个网格点的序号为第二待定序号集合。
步骤105-5：在第一待定序号与第二待定序号集合的交集为非空集时，确定第一待定序号为最优序号。
步骤105-6：确定最优序号对应的坐标为最优观测网格点的坐标。序号与坐标一一对应。
总扰动能量为：
其中，δJ为网格点的总扰动能量。Cp为网格点的定压比。T'为网格点的温度扰动。g为网格点的重力加速度。Z'为网格点的高度扰动。l为网格点的相变潜热。q'为网格点的比湿扰动。V'为网格点的风场扰动。
步骤107，包括：
步骤107-1：利用所述背景场矩阵和观测误差协方差矩阵，利用公式确定中间量；其中，S为中间量；I为单位矩阵；m为集合样本数量；O为观测矩阵；Db为背景场集合；E为观测误差协方差矩阵。
步骤107-2：根据所述中间量和所述背景误差协方差矩阵，利用公式Da＝DbS和确定更新后的背景误差协方差矩阵；其中，Da为更新后的背景场集合，Fb为背景误差协方差矩阵。。
本实施例用状态向量Yn×1表示一个离散系统，用背景误差协方差矩阵Fb来刻画Y的不确定性。经过同化一些观测资料后，本实施例能够得到刻画分析系统不确定性的分析误差协方差Fa，经过同化由观测矩阵Oq×n和观测误差协方差矩阵Eq×q刻画的q个观测资料后，利用卡尔曼滤波理论本实施例可以得到分析误差协方差。计算公式如下：
Fa＝[I-FbOT(OFbOT+E)-1O]Fb (1)。
其中，I是单位矩阵，上标T表示矩阵的转置.因此选择最优的观测集也就是等价于选择使分析场Fa的方差最小的观测矩阵O。最优观测矩阵O'可以定义为]：
其中{O＝o(yk)}表示所有的观测集合。这里范数本实施例定义成矩阵的迹，也就是trace(Fa)＝||Fa||。本实施例可以得到满足式(1)和式(2)条件的解：
这里，E是观测误差协方差矩阵Eq×q。如果在观测系统中，本实施例只选择一个状态变量yk，那么观测矩阵O就变成了一个行向量O＝o(yk)，并且满足oi(yk)＝{0,i≠k；1,i＝k}，可以将(3)式等价的写成：
步骤1：利用业务数值预报系统生成长时间序列(至少一年)的样本集合[v(1),v(2),…,v(m)]，m是集合样本数，得到温度、位势高度、比湿和风场的24小时预报格点场，并构造背景误差协方差矩阵Fb(式(5))和观测误差协方差矩阵Eq×q。背景误差协方差矩阵Fb通常由系统状态变量的距平构成的样本集合D计算得到，其中式(5)，D＝Dn×m＝[δv(1),...,δv(m)]。其中，n是预报模式空间格点数，/>上画线代表集合平均。这里，ν包含温度、位势高度、风和湿度。观测误差协方差矩阵Eq×q是观测数为q的对角线为观测误差的q维对角阵。
步骤2：在实际中，由于计算代价和存储量的关系，本实施例很难去定义和操作一个n×n的协方差矩阵，因此误差协方差矩阵Fb通常由系统状态变量的距平构成的样本集合D计算得到(见步骤1)，(4)式最优观测位置的计算公式变成：
这里Di＝o(i)D为矩阵D的第i行。找出一个观测最优点后，就同化该观测位置，就是一个点，E的矩阵变成一维的，q＝1，此时样本结合先利用(8)再利用(7)后，得到更新。当本实施例处理完一个位置的观测后，为了通过式(5)计算分析误差协方差，需要更新集合Db→Da。实际中n＞＞m并且逐点加入观测即q＝1，那么本实施例可以用集合转换卡尔曼滤波来计算背景误差协方差的更新：
Da＝DbS (7)。
式(6)计算得到的位置k，可以先后通过公式(8)和(7)计算分析误差矩阵Da，然后把Da当做下一个更新的Db。
用集合转换卡尔曼滤波方法，对初始样本集合进行逐次迭代更新，依次找到最优布网的位置，通过公式k＝(z-1)×lat×lon+(j-1)×lon+i得到一个三维的包含经纬度和高度的坐标(i，j，z)，这里lat，lon分别代纬度和经度格点数，z代表垂直层数，k是计算得到的位置。
步骤3：步骤2给出了模拟观测的最优观测位置，在步骤2的基础上，定义更具有物理意义的、代表整个三维场不确定性的总扰动能量，其中T'，Z'，2'，V'分别是温度、高度、比湿和风场的扰动，Cp，g，l分别是定压比、重力加速度和相变潜热，用此定义的公式计算出的δJ的最大位置，结合步骤2，同时满足两个步骤的就是最应该首先观测布网的位置。
计算n个位置后，得到最大扰动能量，不确定一定是k的位置，但是可以结合这两个步骤共同判断。因为扰动能量也有个大小排序，如果k的位置计算得到扰动能量也在前面，就可以认定是最优位置。比如步骤2确定的最优位置，步骤3中扰动能量最大的前预设个数个网格点，也可以认为步骤2确定的最优位置时最终的最优位置。如果差距过大，就舍弃步骤2确定的最优位置，返回步骤2，继续寻找最优位置，进而给出最优站网布局建议：最优布网的数字顺序包括最优顺序和位置。最优顺序：是逐点找最优位置，第一个找到的最优位置是排在第一的，然后更新样本的背景误差矩阵，再此基础上再找到的最优位置，就是第二个最优位置。
选取CMA_MESO_10KM一年的每天00UTC和12UTC 24小时预报的温度作为样本集合，考虑到了气温的日变化和季节变化。同化最优观测位置观测后，对分析场不确定性的减小率，随着不同位置最优观测点的加入，分析场的不确定性减小率越来越高，经过上述方法，本实施例给出10个最优观测位置，最优观测位置对分析误差的不确定性减小率也最大，约70％。
实施例2
为了执行上述实施例1对应的方法，以实现相应的功能和技术效果，下面提供了一种多变量融合北斗导航探空站网布局系统，包括：
观测网格点集合构建模块，用于构建空集为北斗导航探空站的观测网格点集合。
模拟观测序列获取模块，用于获取北斗导航探空站网的模拟观测序列。模拟观测序列包括多个时刻北斗导航探空站的集合样本。任一时刻北斗导航探空站的集合样本包括北斗导航探空站中所有网格点在对应时刻的观测向量。观测向量包括对应时刻所在网格点处的多种观测数据。
背景误差协方差矩阵构建模块，用于根据模拟观测序列，构建背景误差协方差矩阵。背景误差协方差矩阵中的任一元素为北斗导航探空站网中状态变量对应的距平变量。
观测-观测误差协方差矩阵构建模块，用于构建观测矩阵和观测误差协方差矩阵。
最优观测网格点确定模块，用于根据观测矩阵、观测误差协方差矩阵和背景误差协方差矩阵，利用卡尔曼滤波理论，确定最优观测网格点。
观测网格点集合更新模块，用于将最优观测网格点作为末位元素，添加到观测网格点集合中。
迭代模块，用于删除最优观测网格点，更新背景误差协方差矩阵，获取更新后的观测误差协方差矩阵，并返回步骤“根据观测矩阵、观测误差协方差矩阵和背景误差协方差矩阵，利用卡尔曼滤波理论，确定最优观测网格点”，直至迭代达到北斗导航探空站网中网格点总个数。
观测网格点序列模块，用于根据观测网格点集合，构建观测网格点序列。
北斗导航探空站网布局观测模块，用于按照观测网格点序列，完成北斗导航探空站网的布局和观测。
实施例3
本实施例提供了一种电子设备，包括存储器及处理器，存储器用于存储计算机程序，处理器运行计算机程序以使电子设备执行实施例1的一种多变量融合北斗导航探空站网布局方法。其中，存储器为可读存储介质。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种多变量融合北斗导航探空站网布局方法，其特征在于，包括：
构建空集为北斗导航探空站的观测网格点集合；
获取北斗导航探空站网的模拟观测序列；所述模拟观测序列包括多个时刻北斗导航探空站的集合样本；任一时刻北斗导航探空站的集合样本包括北斗导航探空站中所有网格点在对应时刻的观测向量；所述观测向量包括对应时刻所在网格点处的多种观测数据；
根据所述模拟观测序列，构建背景误差协方差矩阵；所述背景误差协方差矩阵中的任一元素为北斗导航探空站网中状态变量对应的距平变量；
构建观测矩阵和观测误差协方差矩阵；
根据所述观测矩阵、所述观测误差协方差矩阵和所述背景误差协方差矩阵，利用卡尔曼滤波理论，确定最优观测网格点；
将最优观测网格点作为末位元素，添加到观测网格点集合中；
删除最优观测网格点，更新背景误差协方差矩阵，获取更新后的观测误差协方差矩阵，并返回步骤“根据所述观测矩阵、所述观测误差协方差矩阵和所述背景误差协方差矩阵，利用卡尔曼滤波理论，确定最优观测网格点”，直至迭代达到北斗导航探空站网中网格点总个数；
根据观测网格点集合，构建观测网格点序列；
按照所述观测网格点序列，完成北斗导航探空站网的布局和观测。
2.根据权利要求1所述的一种多变量融合北斗导航探空站网布局方法，其特征在于，根据所述观测矩阵、所述观测误差协方差矩阵和所述背景误差协方差矩阵，利用卡尔曼滤波理论，确定最优观测网格点，包括：
根据所述观测矩阵、所述观测误差协方差矩阵和所述背景误差协方差矩阵，利用卡尔曼滤波理论，确定待定最优观测网格点的序号为第一待定序号；
根据模拟观测序列，确定北斗导航探空站网中每个网格点的总扰动能量；
根据总扰动能量对北斗导航探空站网中的网格点进行降序排列；
确定前预设个数个网格点的序号为第二待定序号集合；
在第一待定序号与第二待定序号集合的交集为非空集时，确定第一待定序号为最优序号；
确定最优序号对应的坐标为最优观测网格点的坐标。
3.根据权利要求2所述的一种多变量融合北斗导航探空站网布局方法，其特征在于，所述序号与所述坐标一一对应。
4.根据权利要求2所述的一种多变量融合北斗导航探空站网布局方法，其特征在于，所述总扰动能量为：
其中，δJ为网格点的总扰动能量；Cp为网格点的定压比；T'为网格点的温度扰动；g为网格点的重力加速度；Z'为网格点的高度扰动；l为网格点的相变潜热；q'为网格点的比湿扰动；V'为网格点的风场扰动。
5.根据权利要求1所述的一种多变量融合北斗导航探空站网布局方法，其特征在于，更新背景误差协方差矩阵，包括：
利用所述背景场矩阵和观测误差协方差矩阵，利用公式确定中间量；其中，S为中间量；I为单位矩阵；m为集合样本数量；O为观测矩阵；Db为背景场集合；E为观测误差协方差矩阵；
根据所述中间量和所述背景误差协方差矩阵，利用公式Da＝DbS和确定更新后的背景误差协方差矩阵；其中，Da为更新后的背景场集合，Fb为背景误差协方差矩阵。
6.一种多变量融合北斗导航探空站网布局系统，其特征在于，包括：
观测网格点集合构建模块，用于构建空集为北斗导航探空站的观测网格点集合；
模拟观测序列获取模块，用于获取北斗导航探空站网的模拟观测序列；所述模拟观测序列包括多个时刻北斗导航探空站的集合样本；任一时刻北斗导航探空站的集合样本包括北斗导航探空站中所有网格点在对应时刻的观测向量；所述观测向量包括对应时刻所在网格点处的多种观测数据；
背景误差协方差矩阵构建模块，用于根据所述模拟观测序列，构建背景误差协方差矩阵；所述背景误差协方差矩阵中的任一元素为北斗导航探空站网中状态变量对应的距平变量；
观测-观测误差协方差矩阵构建模块，用于构建观测矩阵和观测误差协方差矩阵；
最优观测网格点确定模块，用于根据所述观测矩阵、所述观测误差协方差矩阵和所述背景误差协方差矩阵，利用卡尔曼滤波理论，确定最优观测网格点；
观测网格点集合更新模块，用于将最优观测网格点作为末位元素，添加到观测网格点集合中；
迭代模块，用于删除最优观测网格点，更新背景误差协方差矩阵，获取更新后的观测误差协方差矩阵，并返回步骤“根据所述观测矩阵、所述观测误差协方差矩阵和所述背景误差协方差矩阵，利用卡尔曼滤波理论，确定最优观测网格点”，直至迭代达到北斗导航探空站网中网格点总个数；
观测网格点序列模块，用于根据观测网格点集合，构建观测网格点序列；
北斗导航探空站网布局观测模块，用于按照所述观测网格点序列，完成北斗导航探空站网的布局和观测。
7.一种电子设备，其特征在于，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行权利要求1至5中任一项所述的一种多变量融合北斗导航探空站网布局方法。
8.根据权利要求7所述的一种电子设备，其特征在于，所述存储器为可读存储介质。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410129044.8A CN117874982A (zh) | 2024-01-30 | 2024-01-30 | 一种多变量融合北斗导航探空站网布局方法、系统及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410129044.8A CN117874982A (zh) | 2024-01-30 | 2024-01-30 | 一种多变量融合北斗导航探空站网布局方法、系统及设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117874982A true CN117874982A (zh) | 2024-04-12 |
Family
ID=90594508
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410129044.8A Pending CN117874982A (zh) | 2024-01-30 | 2024-01-30 | 一种多变量融合北斗导航探空站网布局方法、系统及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117874982A (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020087846A1 (zh) * | 2018-10-31 | 2020-05-07 | 东南大学 | 基于迭代扩展卡尔曼滤波融合惯性与单目视觉的导航方法 |
| CN117216509A (zh) * | 2023-09-13 | 2023-12-12 | 中国人民解放军61540部队 | 一种空间风场同化方法 |
-
2024
- 2024-01-30 CN CN202410129044.8A patent/CN117874982A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020087846A1 (zh) * | 2018-10-31 | 2020-05-07 | 东南大学 | 基于迭代扩展卡尔曼滤波融合惯性与单目视觉的导航方法 |
| CN117216509A (zh) * | 2023-09-13 | 2023-12-12 | 中国人民解放军61540部队 | 一种空间风场同化方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhang et al. | Real-time air quality forecasting, part II: State of the science, current research needs, and future prospects | |
| CN102750411B (zh) | 基于多智能体离散选择模型城市动态微观仿真方法 | |
| CN107292098A (zh) | 基于前期气象因子与数据挖掘技术的中长期径流预报方法 | |
| CN111260187A (zh) | 一种智能矿山地质环境信息评价系统及评价方法 | |
| CN107273995A (zh) | 空气质量预报方法 | |
| CN112200377A (zh) | 基于sarimax模型的光伏中长期发电量预报方法及装置 | |
| CN105912836A (zh) | 一种纯遥感数据驱动的流域水循环模拟方法 | |
| CN111538935B (zh) | 基于地形特征和多源模式产品的精细化降水融合方法、系统、电子设备及存储介质 | |
| CN106443833A (zh) | 一种基于云计算的数值天气预报方法 | |
| CN113435630B (zh) | 一种产流模式自适应的流域水文预报方法及系统 | |
| CN110119590A (zh) | 一种基于多源观测数据的水质模型粒子滤波同化方法 | |
| Liu et al. | Constraining land surface and atmospheric parameters of a locally coupled model using observational data | |
| CN105824987A (zh) | 一种基于遗传算法的风场特征统计分布模型建立方法 | |
| CN105846425A (zh) | 一种基于通用风电预测误差模型的经济调度方法 | |
| CN108764527B (zh) | 一种土壤有机碳库时空动态预测最优环境变量筛选方法 | |
| CN110008439A (zh) | 基于矩阵分解的降雨数据时空一体化插值算法 | |
| CN103308956B (zh) | 利用云气候学数据预判目标区域未来月平均云量的方法 | |
| CN113065090A (zh) | 一种区域农田灌溉用水量分析计算方法 | |
| CN113095586A (zh) | 一种基于深度神经网络的短临多气象要素预报方法 | |
| CN115994685A (zh) | 一种国土空间规划现状评估方法 | |
| CN112819237A (zh) | 降水多尺度融合预报方法和装置 | |
| CN116029419A (zh) | 基于深度学习的长期新能源日均发电功率预测方法及系统 | |
| CN113704695A (zh) | 一种适用于区域数值模式集合模拟预报的初值小扰动法 | |
| CN113568067B (zh) | 数值天气预报方法、装置、计算机存储介质及电子设备 | |
| CN113553782B (zh) | 一种用于预报风速的降尺度方法 |
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 |