欢迎来到华夏图书馆!包月下载,不限IP,随心所欲! 【加入收藏】
| 本站已稳定运行3472天

原子钟信号的神经网络模型

点击进入免费下载2022年中国知网论文


一、原子钟信号的神经网络模型(论文文献综述)

王康[1](2021)在《基于深度学习的全景图像和点云融合目标检测与定位系统》文中进行了进一步梳理十三五以来,我国始终履行科技强国战略,信息化和智能化产业发展迅速,自动驾驶和机器人作为人工智能相关领域的掌上明珠也正在从兴起到落地快速发展,如何让自动驾驶车辆在未知环境下实现定位和周围环境地图构建是整个自动驾驶系统流程中实现后续的环境感知、路径规划和决策的必要前提,是自动驾驶稳定安全运行的关键技术。本文针对城市道路L4级别自动驾驶场景,使用激光雷达和单目相机为主要传感器,组合惯导等为辅助设备,对城市动态道路场景的即时定位与环境地图构建问题进行研究。本文研究内容主要包括:(1)多传感器融合空间参数标定及数据预处理:针对激光雷达在高速运动状态下的帧率不足导致的点云畸变问题,分析畸变原因,并利用IMU传感器信息对激光点云每一帧的运动畸变进行补偿。为发挥单目相机和激光雷达传感器各自的数据优势,对单目摄像头内参进行标定,为使每一帧数据中3D点和图像2D平面像素点一一对应,采用平面靶标定模型和相关工具对相机和激光雷达进行联合标定。最后,为弥补32线激光雷达点云的盲区和稀疏性,在车辆两侧增加16线激光雷达去除盲区并进行多个激光雷达外参标定。(2)道路动态目标去除:针对因为激光雷达点云信息的稀疏性可能导致感知精度下降问题,借助二维图像信息具有丰富的平面信息,对原有点云感知算法添加二维图像检测网络并构建融合算法实现两传感器数据融合。(3)点云地图构建:针对传统建图算法在城市动态道路环境建图稳定性问题,为提高此环境下激光SLAM系统中的里程计鲁棒性和精度,对激光SLAM框架进行改进,其中包括在点云帧间匹配之前加入多模态感知算法对动态物体进行检测,根据检测到的三维位置信息去除每一帧点云中的动态物体。同时使用基于激光雷达点云帧回环检测算法进行回环检测判断,使用观测约束和回环约束对里程计位姿和局部点云图进行修正,有效的减少了自动驾驶车辆的里程计和建图误差。(4)数据集和实车算法验证:使用KITTI数据集中的多个序列对本文算法以及LOAM方法在相对轨迹误差、绝对轨迹误差以及建图效果三个方面进行对比,证实本文方法要优于LOAM。同时,在实际城市道路中采集数据对算法在适应性进行验证。在动态道路环境下对关键帧提取、回环检测有效性、定位误差分析、全局和局部建图效果及算法计算耗时五个方面进行分析,试验结果表明本文方法可以满足相应指标。

惠恬[2](2021)在《铯原子钟数据噪声处理及时间尺度算法研究》文中进行了进一步梳理时间尺度算法是建立时间基准必须遵循的重要原则之一。不同领域对时间尺度的精度要求不同,但尽可能提高时间尺度的精度,是所有学者研究的共同目标。原子钟数据降噪是计算时间尺度之前的必要环节,本文从分析铯原子钟的性能入手,对原子钟降噪模型和时间尺度算法进行研究。主要内容如下:本文在研究原子钟噪声模型的基础上,分析了铯原子钟的数据特性,针对传统经验模态分解降噪造成的信号缺失,导致数据失真的情况,提出了基于小波阈值的改进经验模态分解方法,结合实例,通过该方法对铯原子钟数据进行合理的降噪,能够降低有用信号在计算过程中的损耗,进一步提高铯原子钟的短期频率稳定度。从多个角度对降噪结果进行对比,改进经验模态分解方法的评价指标均优于其他方法,达到更好的降噪效果,验证了该方法的可行性和有效性。本文简述了国内外常见时间尺度算法的基本思想和算法原理,包括AT1算法、ALGOS算法、Kalman算法。通过对比,AT1算法具有良好的实时性,更适用于样本数量有限、类型单一的小规模原子钟钟组。针对主钟选择及权重分配问题,提出了基于遗传算法的改进AT1算法,通过遗传算法的适应度对权重进行动态分配,能够及时发现钟组内原子钟的突发情况,使得主钟在时间尺度的计算中保持最优的状态,获得准确、稳定的时间尺度。通过实例分析,验证了改进AT1算法的合理性。

闵扬海[3](2020)在《BDS原子钟特征分析与钟差预报研究》文中研究表明随着BDS-3系统卫星的发射升空,BDS系统正在朝稳定、快速的方向上稳步发展,并且在很长一段时间内会保持BDS-3/BDS-2卫星一起运行。原子钟作为卫星导航的时间基准,其性质对定位而言非常重要。因此,对BDS-3新卫星的特征分析和处理,以及BDS-2运行现状进行研究,是具有重要意义的。同时,由于当下实时钟差产品的不稳定性,卫星钟差预报产品仍是实时或近实时用户需要了解的。基于此,本文利用了矿大解算的ODTS的BDS卫星钟差数据,研究了考虑到BDS系统数据质量的预处理方法;对部分BDS卫星钟进行了特征分析;针对BDS卫星的特性提出了几种钟差数据的钟差预报方法;并基于此开发了BDS卫星钟特征分析及钟差预报软件。本文的主要内容和结论如下:(1)简述了BDS卫星钟性能指标及特征分析的主要内容,讲述了卫星钟差数据预处理的基本理论,解释了钟差预报的几种主要模型。(2)针对BDS卫星钟差数据进行了原始数据绘图分析,绘图表明,BDS卫星数据存在严重的不连续和缺失问题;相位数据存在跳变现象、频率数据经常出现异常;从频率数据图可看出,BDS-3的卫星较BDS-2更为稳定;BDS-2的调相操作比BDS-3系统更频繁,异常情况出现时幅度更大。(3)针对BDS原始钟差数据质量较差的问题,提出了基于四分位数法和数据质量定权的卫星钟差数据预处理及修复模型,比较了该方法和常规预处理方法之间的优劣,同时对卫星钟差的粗差进行了有效的探测和修复,并将结果绘制成图。(4)从四个主要、直观的角度对BDS-2和BDS-3的部分卫星进行了特征分析。主要是频率准确度、频率漂移率、频率稳定度和周期性特征。BDS星载原子钟的频率准确度处在10-11量级,而频漂值多处在10-18量级,并且每颗卫星的情况各异。BDS系统卫星的频率稳定度处在10-14量级。从卫星类型的角度来看,MEO卫星相较于IGSO卫星而言,频漂特性、频率准确度、频率稳定度均更优。而BDS-3卫星由于使用了更优的原子钟,整体稳定性也较BDS-2卫星更好。从卫星钟差周期性的角度看,BDS-2和BDS-3卫星均存在明显的周期,同时,周期的时长与卫星运行周期有关。(5)对灰色神经网络模型在卫星钟差中的应用进行了研究,具体分析了串联型、并联型和嵌入型灰色神经网络各自的预报特性和适用范围。串联型在建模数据较少时使用更加,而并联型在数据充足时效果更好。同时基于几种灰色神经网络模型的优缺点,提出了基于灰色神经网络的卫星钟差自适应预报策略。实验证明该预报策略对卫星钟差预报的精度提升在1%3%左右。(6)分析了BDS-2卫星和BDS-3卫星的钟差拟合残差,根据残差中存在尚未建模的信息,提出基于Tikhonov正则化降噪模型的卫星钟差预报模型,并验证了BDS-2和BDS-3卫星的噪声分布情况和污染噪声的修复效果。实验证明BDS-2卫星的噪声水平更符合正态分布,类似于随机噪声,而BDS-3较为不符合,并且存在更多异常点。同时,修复效果与符合正态分布的程度成正相关。但BDS-3卫星的噪声绝对值较小,从侧面反映了BDS-3卫星钟较为优质。(7)基于对钟差拟合残差的分析,提出了基于Lasso正则化降噪和PLS残差处理方法的钟差预报模型,同时使用改进的中位数法对卫星钟差粗差进行处理。实验验证了预处理方法的有效性,同时,Lasso正则化降噪方法提高了卫星钟差残差对正态分布的符合程度。相较上文提及的Tikhonov正则化方法,Lasso方法去除了部分卫星钟差无效建模信息,因而建模效率更高,预报效果也较好。通过实验也验证了基于PLS残差处理方法对卫星钟差预报残差进行处理,对卫星钟差预报精度提升是有益的。(8)在对BDS卫星钟差数据进行处理和预报研究的基础上,开发了BDS卫星特征分析及钟差预报软件,并对其运行过程和界面进行了展示。测试结果表明,该软件能对卫星钟差数据进行高效处理和分析。

姜萌[4](2019)在《基于Vondrak-Cepek滤波的氢-铯融合原子时间尺度算法研究》文中研究指明高精度的时间已成为一个国家科技、经济、军事和社会生活中至关重要的参量,广泛应用于导航、电力、通信、航空、国防等领域。作为最基本的物理量,对支撑国家科学研究也有基础性作用。当前,国际上大多守时实验室采用氢钟或铯钟,或两者联合产生稳定的时间尺度。联合守时是将不同类型的原子钟进行组合,产生一个综合时间尺度。目前国际上采用的氢铯联合守时算法大多都是利用氢钟短期稳定性检验铯钟短期频率跳变;利用铯钟或铯钟组作为氢钟的测量参考,确定氢钟频率漂移;最后将原子钟数据进行加权平均产生综合时间尺度。当氢原子钟作为参考对铯原子钟进行测量的主要噪声是相位白噪声,经数学方法滤波后,其时间尺度短期稳定度仍会受铯原子钟噪声的影响。氢铯两类原子钟的特性不同,传统联合方法对于两类原子钟采用同种取权方式,对于两类原子钟各自优势的最佳利用存在一定局限性。针对这些问题,本文基于全氢钟和全铯钟时间尺度性能,利用Vondrak-Cepek滤波方法实现了氢原子钟和铯原子钟的融合,避免了氢铯互为参考带来的问题,且根据滤波器的平滑参数选择,对两类原子钟时间尺度进行不同的取权,取得了较好的结果。论文以提高时间基准性能为目标,利用中国科学院国家授时中心所保持的我国时间基准UTC(NTSC)系统的原子钟资源,开展了相关研究。首先,结合原子钟幂律谱噪声模型对不同类型的原子钟噪声模拟方法进行了相关研究和分析,为氢铯融合方法提供原子钟模拟数据支撑,以检验算法有效性;其次,分析了几种经典的时间尺度算法,并基于实时加权算法实现了全铯钟和全氢钟时间尺度的计算,利用最小误差理论对氢原子钟的频漂参数进行最优估计,有效的提高了全氢钟的时间尺度性能,为进一步实现Vondrak-Cepek组合滤波的氢铯融合奠定基础;在此基础上,重点研究了Vondrak-Cepek滤波的氢铯时间尺度融合方法。利用全氢钟时间序列的差分信息对全铯钟时间序列进行性能增强,成功的将两类原子钟组所产生的时间尺度进行了融合,有效的提高了时间尺度性能。论文的研究内容和创新点分为以下四部分:1.研究了不同类型原子钟噪声数字化模拟方法对于原子钟数据的数字化模拟,一方面有助于对该类型原子钟噪声的分析并检测降噪、时间尺度算法等的有效性;另一方面,可避免花费大量时间测量数据,有效的节约时间和资源,可实现多个模拟实验同时进行,减少资源的浪费。因此,研究了原子钟噪声数字化模拟方法,并设计了仿真实验,结合国家授时中心原子钟的钟差数据,利用最小二乘法估计各类型的噪声参数,实现对不同原子钟噪声的模拟。同时,设计实验验证了该模拟方法的有效性。原子钟噪声的数字化模拟有助于更深层次的理解原子钟特性,为充分发挥每台原子钟性能奠定了基础。原子钟模拟数据具有很好的连续性,可为氢铯融合方法的有效性检验提供更为可靠的数据支撑。2.比较了几种经典时间尺度算法,研究并分析了基于经典算法的氢铯联合时间尺度性能原子钟的发展迅速,但长时间运行的物理设备总有出现故障的可能。因此,为了保证时间尺度的可靠性,时间保持利用多台原子钟数据经数学方法计算综合时间尺度,其性能高于守时钟组中任一单台钟性能。讨论了时间尺度的基本概念、主要特征以及基本原理。而针对不同的应用需求会设计不同的时间尺度算法。因此,研究了三种经典的时间尺度算法:ALGOS、AT1及Kalman算法,并对这三种方法进行了比较分析,总结了各方法的优缺点。同时,基于同样的原子钟数据实现了三种经典算法的氢铯联合,讨论和分析了三种综合时间尺度性能。优选算法以实现单一原子钟类型钟组的时间尺度,为氢铯原子时间尺度融合奠定基础。3.提出了基于最小误差理论动态估计氢原子钟频率漂移的方法氢铯联合守时的主要目标是充分利用两类原子钟的优势,同时最大限度消除或减弱两类原子钟缺陷。对于氢原子钟,则需减弱频率漂移项对于时间尺度的影响。传统的方法是在一个月的时间间隔内拟合一个固定的频漂参数,将氢原子钟钟差数据中的频漂项扣除后参与时间尺度的计算。但实际中,氢原子钟的频漂不是一成不变的。因此以氢原子钟作为研究对象,探索利用最小误差理论对氢钟的频漂进行动态估计,该方法可以准确地对氢原子钟频漂参数进行数学建模,能够更加真实的反映氢原子钟的运行特征。利用该方法估计氢钟频率漂移项并计算综合时间尺度,改善了综合时间尺度性能。4.提出了Vondrak-Cepek滤波的氢-铯融合原子时间尺度算法氢原子钟和铯原子钟是当前国际原子时和各国标准时间产生的主要精密频率源,二者分别拥有优良的短期和长期稳定度特性。充分利用氢钟短稳和铯钟长稳进行时间保持成为时间产生过程中的一项关键技术。传统的氢铯联合方法对于两种不同类型的原子钟采用同一种方式取权,对于两类原子钟优势的最佳利用具有一定局限性。因此,以提高时间尺度的长短期稳定性为目标,提出了Vondrak-Cepek组合滤波的氢铯融合时间产生方法。根据最小二乘原则对Vondrak-Cepek组合滤波关键参数进行选取以实现对于全氢钟和全铯钟时间尺度的不同取权,进而通过全氢钟时间尺度时间序列的差分信息对全铯钟时间尺度进行性能增强,从而获得氢铯融合原子时间尺度。产生的融合时间尺度均优于氢铯单个时间尺度相同平均时间上的性能指标。因此,Vondrak-Cepek组合滤波算法既可以有效利用氢钟组的短稳对铯钟组的短期噪声进行抑制,也可以保持铯钟组本身的优良长期稳定度,使产生的时间尺度兼顾了长期和短期稳定度性能。

于烨,黄默,杨斌,胡锐,张飞燕[5](2019)在《一种高精度导航卫星钟差中长期预报方法》文中认为为了提高卫星钟差中长期预报的精度,提出了一种基于冯德拉克滤波一次差的修正指数曲线法模型的卫星钟差中长期预报方法。该方法首先在建模之前考虑到卫星钟差钟跳和粗差频繁的现象,采用中位数法探测钟跳和粗差数据并将其剔除后,采用拉格朗日插值法将缺失的钟差数据补齐;其次,考虑到卫星钟差数据存在系统误差和随机误差,采用冯德拉克滤波平滑法对钟差数据进行平滑处理;然后,考虑到卫星钟差的有效数字位数较多,会降低模型的预报性能,采用一次差处理消除钟差序列趋势项的影响后,建立了修正指数曲线法预报模型;最后,采用IGS服务器上发布的事后精密卫星钟差产品,并结合2种典型变化趋势的卫星钟差进行了未来4个时间段的中长期预报实验。实验结果表明,该方法的中长期预报性能明显优于常用的二次多项式模型和灰色模型,其60 d的平均预报精度(RMS)相对于常用的二次多项式模型和灰色模型分别提高了92. 00%和80. 80%,平均预报稳定度(Range)相对于常用的二次多项式模型和灰色模型分别提高了92. 40%和81. 40%。

刘娟花[6](2019)在《多尺度数据融合算法及其应用研究》文中认为分别在多个尺度上对多个传感器的信息进行融合,不仅可获得比单个传感器更优的性能,而且与单尺度上的融合相比,多尺度数据融合能更好地刻画出目标的本质特性。MEMS陀螺是一种可以测量角速度的传感器,具有很多吸引人的优点。但噪声大,准确度不高也是不争的事实。于是如何去除MEMS陀螺仪中的噪声,并提高其精度就成为近年来的研究热点。对多MEMS陀螺应用多尺度数据融合算法,可以显着提高系统的精度及可靠性。本文证明了前人提出的多尺度数据融合算法的有效性,设计了 一种新的多尺度融合算法,讨论了多尺度数据融合中的重要技术问题,并通过对多个MEMS陀螺的融合应用,经仿真和硬件实验验证了本文多尺度融合算法的优越性。主要创新点和工作如下:1.从小波分析理论出发,证明了平稳和非平稳情况下的数据融合定理。从数学上解释了多尺度数据融合算法优于经典加权算法的原理,为该算法的推广应用奠定了数学基础。2.结合小波域多尺度数据融合算法的原理、具体步骤及存在问题等,设计了基于小波包的多尺度数据融合算法,并用实测数据通过仿真实验,比较了小波多尺度数据融合和小波包多尺度数据融合。3.分析了多MEMS陀螺数据融合中的小波基、分解层数、加权因子等的选择方法,通过仿真实验验证了其可行性。4.比较了基于时间序列分析、基于小波去噪和基于小波变换的多尺度融合这三种融合方法不同方面的性能。另外,还比较了多尺度融合和前向线性预测(Forward Linear Prediction,FLP)融合方法,结果均表明本文所提出的多尺度融合方法的独特性和有效性。将上述研究成果应用于我们设计并制作的一套多MEMS陀螺仪数据融合实时处理系统平台中,对4个MEMS陀螺仪所采集的原始数据进行实时处理。分别在静态和动态环境下对该集成系统进行了测试,实验结果表明:该系统运行稳定可靠,将MEMS陀螺的精度提高了 1个量级。本文的研究工作不仅为有关多尺度融合系统的分析奠定了理论基础,还为算法的推广应用提供了实验依据。

张兵[7](2019)在《高精度激光干涉绝对重力梯度仪研制》文中研究指明重力梯度测量在地球科学研究、地震预测、资源勘探和高精度惯性制导等领域都有非常重要的应用意义。从1971年美国空军首次提出移动级重力梯度仪到现在,重力梯度仪虽然得到了世界科学家的重视,并取得了迅速的发展,但是很多还处于实验室阶段。目前唯一商用的重力梯度仪是由美国贝尔实验室研制的旋转加速度计重力梯度仪,但是该梯度仪原理是相对测量,而激光干涉绝对重力梯度仪尚未见其他团队公开发表的研究信息。本文基于迈克尔逊干涉原理研制了绝对重力梯度仪原理样机,采用碘稳频激光器作为长度测量基准、铷原子钟为时间测量基准,通过数字精密落体伺服控制和激光干涉测量落体轨迹干涉带信息,提取并重建落体轨迹,测得绝对重力值。在此基础上,设计双落体同步伺服控制机构和双激光干涉光路,测量固定高度差的两路绝对重力加速度值,通过差分法计算得到测点垂直向重力梯度值。论文研究取得主要成果如下:1)构建了国际上首套重力梯度与重力绝对值一体化测量的激光干涉绝对重力梯度测量仪,绝对重力值测量准确度为4.35μGal、精度为3.47μGal,地表垂直向重力梯度测量值为2590E、精度为80E;2)提出了一种基于中值滤波的重力梯度值新算法,实现了重力梯度测量精度由80E提高到5E;3)探索了基于磁悬浮的二级反馈隔振技术,保证了绝对重力值的整体测量不确定度小于8μGal。

孙菲浩[8](2019)在《Galileo卫星钟性能分析与钟差预报算法研究》文中研究说明在各类卫星导航定位系统中,时间的测量精度决定着导航定位精度,星载原子钟不仅是导航卫星的重要组成部分,更维持着系统的整体运行。分析星载原子钟性能可掌握卫星钟运行状况,也是提升钟差建模预报精度的重要前提。随着被动式氢原子钟的出现,其被认为是最适合于太空环境的星载原子钟,而伽利略卫星导航系统携带的被动式氢钟已运行2年,研究长期性能具有十分重要的意义,而且也可为我国北斗三代卫星被动式氢钟提供参考和借鉴。本文采用Galileo系统钟差产品,对其被动式氢钟长期性能和钟差预处理及预报方法进行系统研究和分析。(1)提出了一种基于稀疏贝叶斯算法的钟差预处理方法,用于恢复钟差缺失数据。通过为每一个权值分别设置一个独立的超参数,增加模型的稀疏性,既避免了机器学习中过学习现象也减少了核函数的使用,缩短了学习时间。通过对不同钟差数据缺失情况进行仿真分析,验证表明该方法对恢复缺失数据具有有效性。(2)研究分析了Galileo系统携带的所有被动式氢原子钟。通过钟差模型残差、频率准确度、频率漂移率和频率稳定度4个指标的变化,发现IOV型和FOC型卫星的模型残差均保持在12ns之间。准确度处于10-12量级,个别卫星达到10-13量级。IOV卫星的频率漂移率处于10-17量级,而FOC卫星大部分处于10-16量级。IOV与FOC卫星的天稳均达到了10-14量级,且其天稳优于万秒稳和千秒稳,说明Galileo被动式氢钟长期稳定性较好。(3)设计了一种改进的灰色模型卫星钟钟差预报算法。该算法可以避开传统灰色模型通过背景值求解辨识参数的过程。并引入一个新的变量,重构初始值,改善预测精度。使用不同钟型的钟差数据验证了算法的短期和长期预报性能,结果表明其更适合对被动式氢钟和铷钟的预报,而对铯钟的预报精度不高;长期预报精度更具优越性,相较于传统灰色模型,精度提高了20%左右;短期预报性能与传统灰色模型精度相当,在钟差数据波动较大时,预报精度优于二次多项式模型。分析了不同建模数据量对改进模型预报精度的影响,发现铷钟的预报精度随建模数据量增大而降低,当建模数据量与待预报数据量之比为25%35%时,被动式氢钟和铯钟预报精度最高。

薛毅聪[9](2018)在《高稳健性频标驯服技术研究》文中研究表明随着科学技术的进步,在卫星导航、计量测试、测控通信、电信电力、金融等领域,提供高可靠性、高精度的时间频率标准信号至关重要。目前,我国北斗三号地面运控系统主控站时频统一系统正在全力的建设中,主控站时频统一系统的主要作用之一是为北斗三号主控站地面运控系统提供高稳健、高精度的时间频率信号。总结主控站时频统一系统所涉及的技术研究,频标驯服技术是主控站时频统一系统各类设备的共性支撑技术。本文以北斗三号主控站时频统一系统建设为应用背景,针对高稳健性频标驯服技术进行了研究,并给出了工程实现方案和测试验证。论文主要开展了以下几个方面的研究工作:1)针对不同频标存在的老化与温度漂移问题,本文简要介绍了频标的主要技术指标,分析了不同频标老化与温度特性,建立了频率标准的数学模型;另一方面针对GNSS单向授时、GNSS共视比对、远程光纤时频传递三种不同运用场景观测误差不同的问题,对三种运用场景基本原理进行了介绍,并在不同的运用场景下对其观测数据误差进行了实测分析;为后续的频标驯服实现打下了基础。2)针对三种不同运用场景的观测数据误差抖动问题,对比了目前常用的环路滤波算法的性能与特点,根据对比结论选用Kalman环路滤波算法,仿真结果表明,通过对不同场景Kalman滤波参数调整,三种运用场景下钟差观测数据都明显收敛。针对频标驯服控制问题,采用基于PID位置式控制的驯服方法,并利用实测数据进行仿真分析,驯服控制仿真结果表明,通过实时PID控制校正频标,系统的长期稳定度与准确度得到有效改善,不会随频标产生大的漂移。为了提高系统的可靠性与稳健性,进一步提出了频标守时技术,在观测数据信号失效后,保证输出频率精度在可容忍的范围内。3)给出了高稳健性的频标驯服技术工程实现与验证。工程样机GNSS授时接收机指标测试结果表明:频率准确度指标相对于原来的晶振指标由10-10量级提升到10-12量级,守时精度达到±1.5us(24小时)提升了频率源的可靠性与稳健性;工程样机光纤传递终端指标测试结果表明:频率准确度指标相对于晶振指标由原来的10-10提升到5*10-13量级,长期稳定度指标驯服至源端达到10-15量级。本文最后对高稳健性频标驯服技术进行了总结,该研究对高稳健性时间频率基准信号建设有一定的运用价值,同时为高稳健性的频标驯服技术的工程应用提供了一种实现方案。

马健武[10](2018)在《基于RBF神经网络模型的GNSS对流层延迟插值》文中研究指明随着GNSS在不同领域的发展中,用户对于该系统的精度性有着更高的要求,如何快速定位以及提高精度是当前GNSS研究的重点和发展趋势。对流层延迟极易受大气的影响,且与信号传播路径的高度角有着密切关系,当高度角为90o时误差达到2-3m,但当高度角为5o时其误差最大时可以达到25m。由于对流层误差的改正十分复杂,这成为影响GNSS精度的重要因素。提高对流层误差改正的精度,在定位与测量的应用中有着较大的意义。目前,RBF神经网络已经应用在很多领域,它能够以任意精度逼近任意函数,学习速度快。为了提高对流层延迟内插精度,建立了一种基于RBF神经网络对GNSS对流层延迟内插的模型,该模型只需输入测站点的经纬度和高程,在实际应用中带来了方便。在构造RBF神经网络模型的过程中,首先利用GAMIT软件根据安徽省电力系统10个CORS站的坐标数据解算出对流层延迟,利用6个CORS基站的坐标和对流层延迟作为建模数据,4个CORS站作为测试数据,选取合适的神经网络学习算法确定网络结构参数,构建模型。其次将模型对流层延迟的输出值与GAMIT软件解算出的对流层延迟作比较,进行误差分析,验证该模型的可靠性。实验结果表明:测试数据的对流层插值精度达到mm级别,最大误差约为2mm,利用RBF神经网络模型预测对流层延迟具有较高的精度。

二、原子钟信号的神经网络模型(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:

本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。

(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。

三、原子钟信号的神经网络模型(论文提纲范文)

(1)基于深度学习的全景图像和点云融合目标检测与定位系统(论文提纲范文)

摘要
ABSTRACT
第1章 绪论
    1.1 研究背景及意义
    1.2 自动驾驶感知定位国内外研究现状
        1.2.1 深度学习3D感知技术研究现状
        1.2.2 激光SLAM技术研究现状
    1.3 论文研究内容
第2章 多传感器标定和数据预处理
    2.1 引言
    2.2 建图和感知系统介绍
    2.3 传感器组成
        2.3.1 单目相机传感器
        2.3.2 激光雷达传感器
        2.3.3 惯性测量单元
    2.4 传感器标定
        2.4.1 单目相机标定
        2.4.2 相机和激光雷达标定
        2.4.3 激光雷达外参标定
        2.4.4 传感器内外参标定小结
    2.5 传感器数据预处理
        2.5.1 激光雷达点云去畸变
        2.5.2 多传感器时间同步
    2.6 本章小结
第3章 基于Point Pillars的点云图像融合感知算法
    3.1 引言
    3.2 点云感知网络Point Pillars
        3.2.1 点云预处理
        3.2.2 生成特征图
        3.2.3 生成候选框
    3.3 改进后的图像和点云融合感知算法
        3.3.1 融合算法设计
        3.3.2 融合网络框架设计
        3.3.3 候选框提取
        3.3.4 融合网络训练
    3.4 算法结果分析
        3.4.1 定性结果分析
        3.4.2 定量结果分析
    3.5 本章总结
第4章 多传感器融合下的同时定位与建图
    4.1 引言
    4.2 整体方案设计
    4.3 基于关键帧的局部点云地图构建算法
        4.3.1 关键帧提取策略
        4.3.2 局部点云地图构建
    4.4 回环检测
        4.4.1 回环检测方案选型
        4.4.2 改进前的回环检测算法
        4.4.3 改进后的回环检测算法
    4.5 IMU预积分优化因子
    4.6 后端全局建图优化
    4.7 本章总结
第5章 算法对比与实验验证
    5.1 引言
    5.2 基于数据集作定量和定性对比
        5.2.1 KITTI数据集和评价指标
        5.2.2 相对轨迹误差对比
        5.2.3 绝对轨迹误差对比
    5.3 建图效果定性对比
    5.4 实车验证
        5.4.1 实际测试车辆搭建
        5.4.2 激光SLAM框架改进效果对比
        5.4.3 点云图像融合建图效果对比
        5.4.4 回环检测算法试验对比
        5.4.5 实际道路测试集效果评估对比
    5.5 本章小结
第6章 总结展望
    6.1 总结
    6.2 展望
参考文献
致谢
在学期间主要科研成果

(2)铯原子钟数据噪声处理及时间尺度算法研究(论文提纲范文)

摘要
Abstract
1 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 原子钟噪声模型的研究现状
        1.2.2 原子时的研究现状
        1.2.3 时间尺度算法的研究现状
    1.3 主要研究内容
2 原子钟噪声模型与时间尺度算法原理
    2.1 原子钟噪声模型
        2.1.1 原子钟输出信号模型
        2.1.2 原子钟噪声信号模型
        2.1.3 原子钟噪声辨识
    2.2 原子钟频率稳定度及其表征
        2.2.1 频率稳定度
        2.2.2 Allan方差(Allan Variance)
        2.2.3 重叠Allan方差(Overlapping Allan Variance)
        2.2.4 修正Allan方差(Modified Allan Variance)
    2.3 时间尺度算法原理及衡量标准
        2.3.1 时间尺度算法的基本原理
        2.3.2 时间尺度算法的衡量标准
    2.4 常见时间尺度算法及其原理
        2.4.1 AT1 算法基本原理
        2.4.2 ALGOS算法基本原理
        2.4.3 Kalman算法基本原理
        2.4.4 各种时间尺度算法对比分析
    2.5 小结
3 原子钟数据降噪方法及改进
    3.1 引言
    3.2 原子钟数据降噪方法改进
        3.2.1 小波阈值降噪法
        3.2.2 传统经验模态分解法
        3.2.3 改进经验模态分解方法
    3.3 实证分析
        3.3.1 铯原子钟性能简单分析
        3.3.2 不同阈值选取去噪效果比较
        3.3.3 不同分组去噪效果比较
        3.3.4 不同方法去噪效果比较
    3.4 小结
4 AT1 时间尺度算法的改进及应用
    4.1 引言
    4.2 基于遗传算法的AT1 时间尺度算法原理
        4.2.1 算法原理
        4.2.2 最大权的限定
    4.3 实证分析
        4.3.1 参与钟的选取
        4.3.2 权重的分配
        4.3.3 原子钟数据降噪前后对时间尺度的影响
        4.3.4 钟组大小对时间尺度的影响
    4.4 小结
5 结论与展望
    5.1 结论
    5.2 展望
致谢
参考文献
附录

(3)BDS原子钟特征分析与钟差预报研究(论文提纲范文)

致谢
摘要
abstract
变量注释表
1 绪论
    1.1 研究背景及意义
    1.2 卫星钟差预处理、特征分析及预报理论与方法研究现状
    1.3 本文的主要研究内容
2 星载原子钟定义、卫星钟特征分析及预报基本理论
    2.1 基本定义
    2.2 卫星钟性能指标及特征分析基本理论
    2.3 卫星钟差数据预处理基本理论
    2.4 卫星钟差预报基本理论
    2.5 本章小结
3 基于ODTS钟差数据的BDS卫星钟数据处理与特征分析研究
    3.1 BDS钟差数据绘图分析
    3.2 BDS卫星钟差数据预处理
    3.3 BDS卫星钟特征分析
    3.4 本章小结
4 BDS卫星钟差预报
    4.1 基于灰色神经网络的卫星钟差预报策略
    4.2 基于Tikhonov正则化的钟差预报模型
    4.3 基于Lasso法和偏最小二乘残差的钟差预报方法
    4.4 本章小结
5 BDS原子钟特征分析及钟差预报软件研制
    5.1 软件设计
    5.2 软件组成与功能
    5.3 软件应用展示
    5.4 本章小结
6 总结与展望
    6.1 总结
    6.2 展望
参考文献
作者简历
学位论文数据集

(4)基于Vondrak-Cepek滤波的氢-铯融合原子时间尺度算法研究(论文提纲范文)

摘要
Abstract
第1章 引言
    1.1 研究背景
    1.2 研究目的和意义
    1.3 国内外研究现状
        1.3.1 主要时间实验室原子钟组配置
        1.3.2 原子时间尺度的计算
        1.3.3 氢铯联合守时方法
    1.4 内容安排
第2章 原子钟性能表征方法及噪声模拟
    2.1 原子钟性能表征方法及噪声模拟的意义
    2.2 原子钟信号
    2.3 时域频率稳定度表征方式
        2.3.1 Allan方差
        2.3.2 重叠Allan方差
        2.3.3 修正阿伦方差
        2.3.4 时间方差
        2.3.5 Hadamard方差
        2.3.6 重叠Hadamard方差
        2.3.7 修正Hadamard方差
        2.3.8 Allan方差和Hadamard方差在原子钟时域稳定度分析中的比较
    2.4 频域稳定度表征
    2.5 频率准确度表征
    2.6 原子钟多项式模型及幂律谱噪声模型
        2.6.1 多项式模型
        2.6.2 幂律谱噪声模型
    2.7 噪声数字化模拟
        2.7.1 原子钟数据模拟关键参数选择
        2.7.2 各类噪声模拟
        2.7.3 原子钟数据模拟
第3章 时间尺度算法
    3.1 时间尺度基本概念
    3.2 表征时间尺度特征的指标
    3.3 时间尺度算法基本原理
    3.4 不同的时间尺度算法
        3.4.1 ALGOS时间尺度算法
        3.4.2 AT1时间尺度算法
        3.4.3 Kalman时间尺度算法
        3.4.4 三种时间尺度算法的比较
第4章 氢钟频漂的最小误差估计
    4.1 基于实时原子时算法的全氢钟时间尺度
        4.1.1 算法设计
        4.1.2 全氢钟指数滤波算法实现
    4.2 基于最小误差理论的氢钟时间尺度实现
        4.2.1 氢钟频漂的最小误差估计原理
        4.2.2 氢钟频漂的最小误差估计算法设计
        4.2.3 参数最优估计
        4.2.4 基于最小误差估计的全氢钟时间尺度计算
    4.3 基于实时加权的氢铯联合时间尺度
第5章 基于Vondrak-Cepek滤波的氢-铯融合原子时间尺度算法研究
    5.1 氢铯融合的意义及Vondrak-Cepek滤波应用
        5.1.1 Vondrak-Cepek滤波应用
        5.1.2 氢铯融合
    5.2 氢铯钟组时间尺度融合算法
        5.2.1 氢钟组和铯钟组时间尺度融合数学模型
        5.2.2 Vondrak-Cepek融合滤波方法原理
        5.2.3 Vondrak-Cepek滤波算法方程及求解
    5.3 滤波器关键参数选取及验证
        5.3.1 关键参数选取
        5.3.2 模拟数据验证与分析
    5.4 算法实现与结果分析
        5.4.1 算法设计
        5.4.2 氢铯时间尺度融合结果与性能分析
第6章 总结与展望
    6.1 论文的创新点和主要结论
    6.2 下一步工作展望
参考文献
致谢
作者简介 及攻读学位期间发表的学术论文与研究成果
    一、 已发表(或正式接受)的学术论文
    二、 专利
    三、 软件着作权
    四、 参与的项目研究

(5)一种高精度导航卫星钟差中长期预报方法(论文提纲范文)

0 引言
1 星载原子钟的物理特性
2 导航卫星钟差预报模型
    2.1 钟差数据异常探测
    2.2 卫星钟差数据预处理
    2.3 钟差一次差序列预报
3 导航卫星钟差预报
    3.1 实验数据来源
    3.2 预报结果与分析
4 结论

(6)多尺度数据融合算法及其应用研究(论文提纲范文)

摘要
Abstract
1 绪论
    1.1 论文的研究背景及意义
    1.2 多传感器信息融合概述
        1.2.1 信息融合的概念和优点
        1.2.2 信息融合的模型
        1.2.3 信息融合的方法
        1.2.4 信息融合技术的研究现状
    1.3 多尺度数据融合有关技术及进展
        1.3.1 多尺度系统估计理论研究概况
        1.3.2 多尺度数据融合的应用及研究现状
        1.3.3 多尺度数据融合概念的演变
    1.4 MEMS陀螺仪中漂移信号处理方法研究现状
    1.5 陀螺仪中的多尺度数据融合及需要解决的问题
    1.6 本文的主要研究内容及结构安排
2 多尺度数据融合算法及其有效性的证明
    2.1 引言
    2.2 小波分解原子时算法
        2.2.1 常见时间尺度
        2.2.2 原子时算法
        2.2.3 小波分解原子时算法的提出
        2.2.4 小波分解原子时算法有待解决的问题
        2.2.5 小波分解原子时算法的基本原理
    2.3 预备知识
        2.3.1 原子钟的噪声特性
        2.3.2 相关说明
    2.4 随机信号数据融合的理论体系
        2.4.1 平稳单尺度数据融合
        2.4.2 平稳多尺度数据融合
        2.4.3 非平稳单尺度数据融合
        2.4.4 非平稳多尺度数据融合
    2.5 非平稳多尺度数据融合定理的证明
    2.6 分析与讨论
    2.7 本章小结
3 多尺度数据融合算法的小波包实现
    3.1 引言
    3.2 小波变换和小波包变换
    3.3 小波包的基本理论
        3.3.1 正交小波包的定义与性质
        3.3.2 小波包的子空间分解
        3.3.3 小波库及小波包基的定义
        3.3.4 小波包的分解与重构算法
        3.3.5 最优小波包基的概念
        3.3.6 最优基的快速搜索
    3.4 基于小波包的多尺度数据融合方案
        3.4.1 基于小波变换的多尺度数据融合算法
        3.4.2 基于小波包的多尺度数据融合方案
    3.5 基于小波包的多尺度陀螺融合实验研究
        3.5.1 MEMS陀螺概述
        3.5.2 MEMS陀螺随机误差分析
        3.5.3 MEMS陀螺随机误差的Allan方差分析
        3.5.4 MEMS陀螺漂移的数学模型
        3.5.5 MEMS陀螺信号实时小波处理方法
        3.5.6 基于小波包的多尺度陀螺融合算法仿真实验
    3.6 本章小结
4 小波多尺度数据融合中关键技术
    4.1 MEMS陀螺噪声特性与小波熵
        4.1.1 MEMS陀螺误差及噪声特性
        4.1.2 小波熵
    4.2 常见的小波簇
        4.2.1 小波基的性质
        4.2.2 常用小波基
    4.3 基于小波变换的数据融合中小波基的选取
        4.3.1 小波基选取原则
        4.3.2 小波基的比较
        4.3.3 小波簇的选取
        4.3.4 陀螺数据融合效果评价
        4.3.5 最佳小波基选取实验
    4.4 小波分解层数的设定
    4.5 数据融合加权因子的选择
    4.6 本章小结
5 多尺度融合与其它MEMS陀螺信号处理方法的比较
    5.1 MEMS陀螺仪噪声抑制方法研究概述
        5.1.1 MEMS陀螺仪噪声抑制方法研究现状
        5.1.2 卡尔曼滤波和小波阈值去噪法的缺点
        5.1.3 多尺度数据融合算法的优点
    5.2 MEMS陀螺数据处理中的多传感器数据融合
        5.2.1 多尺度融合
        5.2.2 卡尔曼滤波融合
        5.2.3 小波阈值融合
    5.3 基于仿真信号对三种融合方法的比较
        5.3.1 仿真信号的产生
        5.3.2 第一组仿真实验(Chirp信号+高斯白噪声)
        5.3.3 第二组仿真实验(Chirp信号+有色噪声)
    5.4 基于实测信号对三种融合方法的比较
    5.5 三种融合方法比较的结论
    5.6 多尺度数据融合与FLP(前向线性预测)方法的比较
        5.6.1 FLP算法
        5.6.2 基于FLP滤波的多传感器融合方法
        5.6.3 FLP滤波融合结果和分析
    5.7 本章小结
6 多尺度数据融合系统设计与验证
    6.1 系统的总体设计方案
        6.1.1 系统需求分析
        6.1.2 系统整体框图
        6.1.3 系统中的主要器件选型
    6.2 硬件电路设计
        6.2.1 陀螺仪模块
        6.2.2 协处理器模块
        6.2.3 主处理器模块
        6.2.4 系统实物图
    6.3 系统软件设计
        6.3.1 接口部分
        6.3.2 融合处理部分
    6.4 实验研究
    6.5 本章小结
7 结论
    7.1 本文的主要研究成果
    7.2 创新研究
    7.3 进一步研究工作
致谢
参考文献
附录
    攻读博士学位期间发表和收录的论文
    攻读博士学位期间获奖
    攻读博士学位期间参加的科研项目

(7)高精度激光干涉绝对重力梯度仪研制(论文提纲范文)

摘要
abstract
第一章 概述
    1.1 研究意义
    1.2 研究现状
    1.3 研究目标和主要内容
第二章 重力梯度仪发展动态
    2.1 基于扭矩的重力梯度仪
    2.2 基于差分加速度计的重力梯度仪
        2.2.1 旋转加速度计式重力梯度仪
        2.2.2 静电悬浮加速度计重力梯度仪
    2.3 超导重力梯度仪
    2.4 原子干涉绝对重力梯度仪
    2.5 激光干涉绝对重力梯度仪
第三章 重力梯度仪整体设计
    3.1 重力梯度测量原理
    3.2 激光干涉重力梯度仪测量原理
        3.2.1 重力梯度测量算法
        3.2.2 自由落体时间位移信息提取算法
        3.2.3 振动补偿算法
    3.3 系统整体结构设计
第四章 误差分析
    4.1 振动误差
    4.2 电磁场误差
        4.2.1 变化磁场中铝环模型构建
        4.2.2 落体所受安培力估算
    4.3 落体误差
        4.3.1 两个落体光心质心不重合性对测量结果精度的影响
        4.3.2 两条测量光束各自垂直性调节误差对测量结果精度的影响
    4.4 其他误差源
第五章 部件设计及整机构建
    5.1 落体系统
        5.1.1 基本原理
        5.1.2 技术参数设计
        5.1.3 实现方案
    5.2 真空系统
        5.2.1 基本原理
        5.2.2 技术参数设计
        5.2.3 实现方案
    5.3 激光干涉测量系统
        5.3.1 基本原理
        5.3.2 技术参数设计
        5.3.3 实现方案
    5.4 隔振系统
        5.4.1 基本原理
        5.4.2 技术参数设计
        5.4.3 仿真分析
        5.4.4 实现方案
    5.5 电气控制装置
        5.5.1 硬件结构
        5.5.2 总控软件
    5.6 整机构建
第六章 绝对重力值与梯度值计算算法研究
    6.1 直接计算算法
    6.2 中值滤波算法
第七章 样机测试
    7.1 实验室测试
        7.1.1 功能测试
        7.1.2 性能测试
    7.2 台站运行测试
        7.2.1 重力垂直梯度参考值测量
        7.2.2 试运行测量
    7.3 第三方测试
    7.4 中值滤波算法测试
第八章 研究总结
    8.1 研究结果
    8.2 存在问题与展望
参考文献
致谢
作者简介
攻读博士期间发表的文章和申请的专利
攻读博士期间参与的科研项目

(8)Galileo卫星钟性能分析与钟差预报算法研究(论文提纲范文)

致谢
摘要
abstract
变量注释表
1 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状
    1.3 研究内容
2 星载原子钟性能分析及钟差预报相关理论
    2.1 原子钟信号的基本概念
    2.2 原子钟性能分析指标及计算方法
    2.3 钟差异常数据的基本概念
    2.4 常见的钟差预报模型
    2.5 本章小结
3 基于稀疏贝叶斯算法恢复钟差缺失数据的方法
    3.1 稀疏贝叶斯算法理论
    3.2 仿真实验与分析
    3.3 本章小结
4 Galileo星载原子钟性能分析
    4.1 数据来源
    4.2 Galileo星载原子钟长期性能分析
    4.3 本章小结
5 改进的灰色模型钟差预报研究
    5.1 灰色模型及其局限性
    5.2 灰色模型改进方法
    5.3 改进灰色模型预报性能分析
    5.4 建模数据量对预报精度的影响
    5.5 本章小结
6 结论与展望
    6.1 结论
    6.2 展望
参考文献
作者简历
学位论文数据集

(9)高稳健性频标驯服技术研究(论文提纲范文)

英文缩略语表
摘要
ABSTRACT
第一章 绪论
    1.1 选题背景及意义
    1.2 研究发展现状
        1.2.1 GNSS晶振驯服技术
        1.2.2 GNSS铷频标驯服技术
        1.2.3 光纤时频传递频标驯服技术
        1.2.4 频标守时技术
    1.3 本文主要工作及内容安排
第二章 频标模型及观测数据误差分析
    2.1 频标特性分析与建模
        2.1.1 频标主要技术指标
        2.1.2 频标老化特性分析
        2.1.3 频标温度特性分析
        2.1.4 频标老化与温度特性建模
    2.2 观测数据误差分析
        2.2.1 GNSS单向授时观测数据误差分析
        2.2.2 GNSS共视比对观测数据误差分析
        2.2.3 光纤时频传递观测数据误差分析
    2.3 本章小结
第三章 高稳健性频标驯服技术研究
    3.1 高稳健性频标驯服技术基本原理
    3.2 KALMAN环路滤波算法
        3.2.1 环路滤波算法比较
        3.2.2 Kalman环路滤波算法
        3.2.3 仿真实验及分析
    3.3 基于PID控制的驯服方法
        3.3.1 PID控制器基本原理
        3.3.2 基于PID控制的驯服方法
        3.3.3 仿真实验及分析
    3.4 频标守时技术
        3.4.1 守时技术基本原理
        3.4.2 仿真实验及分析
    3.5 本章小结
第四章 高稳健性频标工程实现与验证
    4.1 GNSS授时接收机工程设计与实现
        4.1.1 基本原理及技术指标
        4.1.2 具体方案与组成
        4.1.3 工程样机指标性能测试验证
    4.2 光纤传递终端工程设计与实现
        4.2.1 基本原理与技术指标
        4.2.2 具体方案与组成
        4.2.3 工程样机指标性能测试验证
    4.3 本章小结
第五章 总结与展望
    5.1 全文总结
    5.2 后续展望
致谢
参考文献
作者在学期间取得的学术成果

(10)基于RBF神经网络模型的GNSS对流层延迟插值(论文提纲范文)

致谢
摘要
abstract
第一章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 模型改正法
        1.2.2 插值改正法
        1.2.3 其他方法
    1.3 本文主要内容和章节安排
第二章 GNSS原理与误差源
    2.1 GNSS定位系统介绍
        2.1.1 GPS定位原理
        2.1.2 GNSS系统组成
    2.2 GNSS定位的误差来源
        2.2.1 与卫星有关的误差
        2.2.2 与接收机有关的误差
        2.2.3 与传播路径有关的误差
        2.2.4 其他误差
    2.3 对流层误差处理方法
        2.3.1 模型改正法
        2.3.2 CORS系统对流层误差改正方法
    2.4 本章小结
第三章 神经网络插值
    3.1 神经网络介绍
    3.2 RBF神经网络
    3.3 RBF神经网络插值
        3.3.1 RBF神经网络网络结构
        3.3.2 RBF基函数
        3.3.3 RBF神经网络的映射关系
        3.3.4 构造RBF神经网络模型的学习算法
    3.4 小结
第四章 基于RBF神经网络模型的GNSS对流层延迟插值
    4.1 RBF神经网络模型插值算法步骤
    4.2 实验案例分析
        4.2.1 数据来源
        4.2.2 GAMIT/GLOBK软件介绍
        4.2.3 基于RBF神经网络模型的GNSS对流层延迟插值
    4.3 实验数据CORS站高程对模型的影响分析
    4.4 小结
第五章 总结与展望
参考文献
攻读硕士学位期间的学术活动及成果情况

四、原子钟信号的神经网络模型(论文参考文献)

  • [1]基于深度学习的全景图像和点云融合目标检测与定位系统[D]. 王康. 齐鲁工业大学, 2021(10)
  • [2]铯原子钟数据噪声处理及时间尺度算法研究[D]. 惠恬. 西安科技大学, 2021(02)
  • [3]BDS原子钟特征分析与钟差预报研究[D]. 闵扬海. 中国矿业大学, 2020(01)
  • [4]基于Vondrak-Cepek滤波的氢-铯融合原子时间尺度算法研究[D]. 姜萌. 中国科学院大学(中国科学院国家授时中心), 2019(01)
  • [5]一种高精度导航卫星钟差中长期预报方法[J]. 于烨,黄默,杨斌,胡锐,张飞燕. 仪器仪表学报, 2019(09)
  • [6]多尺度数据融合算法及其应用研究[D]. 刘娟花. 西安理工大学, 2019
  • [7]高精度激光干涉绝对重力梯度仪研制[D]. 张兵. 中国地震局地球物理研究所, 2019(09)
  • [8]Galileo卫星钟性能分析与钟差预报算法研究[D]. 孙菲浩. 中国矿业大学, 2019(10)
  • [9]高稳健性频标驯服技术研究[D]. 薛毅聪. 国防科技大学, 2018(01)
  • [10]基于RBF神经网络模型的GNSS对流层延迟插值[D]. 马健武. 合肥工业大学, 2018(01)


原子钟论文 神经网络模型论文 小波去噪论文 梯度下降论文 数据融合论文

上一篇:提高卫11区块注水采收率的方法及效果
下一篇:邓小平对科学评价毛泽东历史地位的贡献