基于欧洲定轨中心(Center for Orbit Determination in Europe, CODE)发布的2008至2022年共5428 d的GIM格网数据,选取中国云南省区域数据,分析了电离层格网点总电子含量(TEC)时空变化特征分析,以及使用2005-01-01至2024-05-08共7064 d的...基于欧洲定轨中心(Center for Orbit Determination in Europe, CODE)发布的2008至2022年共5428 d的GIM格网数据,选取中国云南省区域数据,分析了电离层格网点总电子含量(TEC)时空变化特征分析,以及使用2005-01-01至2024-05-08共7064 d的10.7 cm射电辐射通量研究其与太阳活动的相关性。试验结果表明:在空间分布上,纬度方向相邻格网点TEC的变化范围小于4 TECU的频率为85.198%,经度方向相邻格网点TEC的变化范围小于4 TECU的频率为97.592%,表明沿着纬度方向TEC梯度变化更为显著。展开更多
GNSS的快速发展使得GNSS终端能够同时观测多达几十颗卫星.小型移动终端的计算资源无法满足对所有观测卫星进行定位解算的性能要求.针对该问题,提出了一种多策略融合的灰狼优化(multi-strategy grey wolf optimization,MSGWO)算法的快速...GNSS的快速发展使得GNSS终端能够同时观测多达几十颗卫星.小型移动终端的计算资源无法满足对所有观测卫星进行定位解算的性能要求.针对该问题,提出了一种多策略融合的灰狼优化(multi-strategy grey wolf optimization,MSGWO)算法的快速选星方法.MSGWO算法在灰狼优化(grey wolf optimizer,GWO)算法的基础上,融入变邻域搜索(variable neighborhood search,VNS)的交叉策略以及遗传算法(genetic algorithm,GA)的变异机制,以缓解GWO算法中易陷入局部最优解以及种群多样性少的问题.通过实测数据对MSGWO算法进行了验证与对比分析.结果表明,在多系统环境下,MSGWO算法的计算效率相较于遍历法提升92.38%.该算法适用于处理多星座系统中复杂的选星数目问题.展开更多
文摘GNSS的快速发展使得GNSS终端能够同时观测多达几十颗卫星.小型移动终端的计算资源无法满足对所有观测卫星进行定位解算的性能要求.针对该问题,提出了一种多策略融合的灰狼优化(multi-strategy grey wolf optimization,MSGWO)算法的快速选星方法.MSGWO算法在灰狼优化(grey wolf optimizer,GWO)算法的基础上,融入变邻域搜索(variable neighborhood search,VNS)的交叉策略以及遗传算法(genetic algorithm,GA)的变异机制,以缓解GWO算法中易陷入局部最优解以及种群多样性少的问题.通过实测数据对MSGWO算法进行了验证与对比分析.结果表明,在多系统环境下,MSGWO算法的计算效率相较于遍历法提升92.38%.该算法适用于处理多星座系统中复杂的选星数目问题.
