学位论文 > 优秀研究生学位论文题录展示

基于网络的GPS多天线监测系统及动态数据处理方法研究

作　者: 张显云
导　师: 张勤
学　校: 长安大学
专　业: 大地测量学与测量工程
关键词: GPS多天线串口通讯卡尔曼滤波时间系列分析自适应
分类号: P228.4
类　型: 硕士论文
年　份: 2008年
下　载: 152次
引　用: 0次
阅　读: 论文下载

内容摘要

变形是自然界普遍存在的现象,获取变形最有效的手段是变形监测。GPS用于变形监测不仅精度高,而且具备常规监测手段所不具备的优点,即其自动化程度高、能够全天候进行监测、点间无需通视等。然而,为了解变形体整体的、连续的变形信息,GPS用于边坡、大坝等变形监测时,一般需要多台GPS接收机,由于GPS接收机价格昂贵,这使得监测费用剧增。GPS多天线监测系统正是基于GPS监测技术的优点,旨在极大的降低监测费用而设计的。为实现远程实时自动化监测、对变形趋势作出准确及时预报,GPS多天线监测系统软件部分应具备实时数据通讯及动态数据处理的能力。因此,本文对GPS多天监测系统中的数据通讯部分作了研究;并研究了如何利用卡尔曼滤波技术、时间序列分析法实现动态数据处理,以对变形体安全状况做出预报。围绕这一主题,论文的主要研究内容及创新点如下:(1)在对串口通讯基础知识进行研究的基础上,利用多线程技术编制了一套GPS测量数据实时通讯软件。该软件能实现实时通讯;能实现对GPS原始测量数据的正确性检验及解码、并写成RINEX格式数据文件。(2)提出了一种直接基于字节数据的解码方法。该方法避免了许多中间环节,具有简单、高效、代码少等优点。(3)系统分析了时间序列分析法,并将其用于实践。结果表明时间序列分析法是一种简单、高效的动态数据处理方法,能取得较高的拟合精度及较好的短期预报效果。(4)将Kalman滤波技术及自适应Kalman技术用于时间序列分析,以便根据系统输入,实时更新时间序列模型参数。结果表明基于卡尔曼滤波算法和自适应卡尔曼滤波算法的时间序列分析,可获得较高的拟合精度及预报精度。

全文目录

摘要  4-5
Abstract  5-9
第一章绪论  9-19
  1.1 形变监测概述  9-11
    1.1.1 变形监测基本概念  9-10
    1.1.2 变形监测的特点  10-11
  1.2 形变监测方法及其发展  11-17
    1.2.1 常规大地测量方法  11-13
    1.2.2 摄影测量方法  13-14
    1.2.3 物理光学传感器方法  14
    1.2.4 高精度测量机器人系统  14
    1.2.5 合成孔径雷达干涉测量技术  14-15
    1.2.6 GPS 测量技术  15-17
  1.3 本课题研究的主要内容  17-19
第二章基于网络的GPS 多天线监测系统  19-25
  2.1 GPS 一机多天线监测系统的构成  19-23
    2.1.1 GPS 天线阵列  19
    2.1.2 多天线控制器  19-20
    2.1.3 数据传输系统（数据链）  20-22
    2.1.4 野外供电系统  22
    2.1.5 数据处理中心  22-23
    2.1.6 基准站  23
  2.2 基于网络的GPS 多天线监测系统的关键技术  23-24
    2.2.1 数据的实时下载与传输  23-24
    2.2.2 数据的处理和管理  24
    2.2.3 多天线控制器技术  24
  2.3 本章小结  24-25
第三章 GPS 数据实时通讯软件设计  25-44
  3.1 串口通讯基础知识  25-29
    3.1.1 串口通讯基本概念  25
    3.1.2 串口通讯分类  25-27
    3.1.3 串口通讯端的连接方式  27-28
    3.1.4 串行通讯方式  28-29
    3.1.5 串行通讯差错控制  29
  3.2 GPS 数据文件及解码  29-35
    3.2.1 Ashtech Xtreme 型GPS 接收机数据文件  29-30
    3.2.2 Ashtech Xtreme 型GPS 接收机数据解码  30-35
  3.3 GPS 数据实时通讯差错控制  35-37
    3.3.1 校验和（Checksum）校验  35
    3.3.2 循环冗余（CRC）检验  35-36
    3.3.3 异或（XOR）校验码计算  36
    3.3.4 Ashtech Xtreme 型GPS 接收机实时通讯差错控制  36-37
  3.4 GPS 数据实时通讯软件设计  37-42
    3.4.1 SerialPort 控件属性、方法及事件  38-40
    3.4.2 多线程技术  40-42
    3.4.3 GPS 数据实时通讯软件设计  42
  3.5 本章小结  42-44
第四章时间序列分析法  44-71
  4.1 随机过程与时间序列基本概念  44-45
    4.1.1 随机过程与时间序列的定义  44
    4.1.2 平稳随机过程和平稳时间序列  44-45
  4.2 几种常用的时间序列模型  45-47
  4.3 时间序列建模方法  47-63
    4.3.1 建模的一般步骤  47-48
    4.3.2 平稳时间序列的Box 建模法  48-60
    4.3.3 ARMA 模型的DDS 建模法  60-63
  4.4 时间序列预报  63-65
  4.5 非平稳时间序列及预报  65-67
  4.6 时间序列应用与分析  67-70
  4.7 本章小结  70-71
第五章基于卡尔曼滤波算法的AR 模型  71-81
  5.1 KALMAN 滤波方法及理论  71-74
    5.1.1 经典Kalman 滤波  71-73
    5.1.2 自适应Kalman 滤波  73-74
  5.2 基于卡尔曼滤波算法的稳态AR 模型  74-75
    5.2.1 稳态AR 模型  74
    5.2.2 基于卡尔曼滤波算法的稳态AR 模型  74-75
  5.3 基于自适应卡尔曼滤波算法的稳态AR 模型  75-76
  5.4 算例运用与分析  76-81
总结与展望  81-83
参考文献  83-86
在读研期间发表的论文和完成的科研成果  86-87
致谢  87

基于网络的GPS多天线监测系统及动态数据处理方法研究

内容摘要

全文目录

相似论文