GPS三频数据在周跳和粗差探测与修复中的应用

通过多频载波相位组合观测值的长波长特性,结合传统的伪距/载波探测原理,利用模拟的GPS多频数据进行了各种情况下周跳与粗差的探测及修复,同时对一条GPS基线进行了原始观测数据预处理的实例分析.结果表明,通过多频数据组合能够完全实时修复大采样率条件下各种情况的周跳,可以实时探测出0.2周以上的粗差.

论文研究-基于GPS探测车的道路交通状态估计技术.pdf

应用车载GPS探测车的运行数据来估计道路交通状态是目前交通检测领域的新技术。从该技术基本概念出发，重点对其中的数据采集和交通参数估计问题进行了探讨。结合英国浮动车数据系统（FVD）数据采集的优化模式及目前探测车最小覆盖率的研究，讨论了数据采集的效率与样本大小的问题。分析了目前典型的GPS探测车交通参数估计模型，如多元回归、神经网络、模糊推理及速度积分等模型。对该技术的进一步发展及在我国的应用前景进行了分析和展望。

网页媒体探测器媒体探测

媒体探测 媒体探测 媒体探测 媒体探测 媒体探测 媒体探测 媒体探测 媒体探测 媒体探测 媒体探测 媒体探测 媒体探测 媒体探测 媒体探测

基于社交媒体的城市污染信息探测

基于社交媒体的城市污染信息探测，付小康，相恒茂，了解城市污染状况是治理城市污染的首要步骤。社交媒体中包含了能够反映人们对周围环境感受的数据资料，能够帮助人们了解城市污染

一种光电探测系统最大探测距离的简便计算方法

最大探测距离是光电探测系统能否满足应用要求所关注的一个主要问题。根据光电探测系统最大探测距离 的传统计算原理,对红外、电视成像、激光等探测系统提出了一种基于比例的最大探测距离简便计算方法。方法简便易行, 精度可靠,并通过实例计算验证了模型的正确性

网页媒体探测器网页媒体探测器

网页媒体探测器网页媒体探测器网页媒体探测器网页媒体探测器网页媒体探测器

数据探测法检验粗差（C++实现）

用C++实现数据探测法检验粗差，可通过txt文件输入系数矩阵，权阵，观测值向量。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。

地理探测器软件、数据.zip

有需要的小伙伴们可以自存，我个人没有去学使用地理探测器，希望对大家有帮助把。 地理探测器可用来度量空间分异性、探测解释因子、分析变量之间交互关系，已经在自然和社会科学多领域应用。

高光谱异常探测数据集

本资源是高光谱异常探测工作中使用较为频繁的两组数据集。分别是圣地亚哥机场数据，以及HYDICE数据集。均为mat格式，并包含真实异常分布图。

基于医学影像数据的HPGe探测器探测效率无源刻度

摘要：由人体的CT医学影像数据建立人体数字化体模和感兴趣器官或区域(假设为均匀的放射源)，分别采用解析方法和蒙特卡洛方法(MCNP程序)计算了体外HPGe探测器的无源效率刻度曲线，二者在低能和高能段符合很好，在中能段最大差异在5%左右。自己研制的无源效率刻度软件在计算问题的规模上和计算时间上比蒙特卡洛方法具有非常明显的优越性。 关键词：CT；无源刻度；探测效率；MCNP；MDP

GPS：周跳探测与修复GPS：周跳探测与修复

GPS：周跳探测与修复树木、建筑物等障碍物对卫星信号的遮挡； 2.电离层条件、多路径效应、接收机的高动态和卫星低高度角等产生的低信噪比 3.接收机处理软件的问题 4.卫星振荡器出现故障

GPS数据周跳探测的预处理

周跳探测与修复的预处理

数据探测工具

数据库工具-数据量抽取&数据库阻塞探测，这个工具相当不错

GPS周跳探测两种方法的研究

在GPS周跳探测中,如何快速有效的探测出小周跳和大周跳是非常关键的技术问题,为此文中针对GPS定位中周跳探测这一难题入手。基于双频接收机的观测值,对电离层残差法、相位减伪距法进行周跳探测的研究,并通过实例分析验证这两种探测方法的有效性。

瞬变电磁探测数据自适应成像方法原理及其应用

给出了一种瞬变电磁法探测数据自适应成像的方法,利用该方法容易实现后期成像的程序化,降低数据分析的难度,有利于数据的积累和方法的推广。对瞬变电磁反演所得的视电阻率和最大探测深度进行统计学分析,利用直方图和K—S检验证明了瞬变电磁法探测数据分布的正态性,根据正态分布的上分位点特性剔除偏离较大的异常值点,在数据分析的同时进行资料的积累和对比,对仪器稳定性以及数据质量的判断起到一定的参考作用。

北斗三频数据周跳的探测方法

北斗三频数据周跳的探测方法

matlaB 探测卫星速度计算

matlaB 探测卫星速度计算 速度 平均速度 最大速度 绕月轨迹

GPS周跳探测matlab

有关GPS周跳探测的一些程序，运用matlab来实现，很不错。

国科大大数据系统与大规模数据分析18-19春季.rar

随着互联网、社交网络、云计算、物联网、移动计算、大规模科学探测与计算分析等的发展，各种新的数据密集型应用如雨后春笋般涌现。这些新的应用通常具有数据量巨大、数据获取速度更新速度快和/或数据种类丰富繁多等特点，被通称为大数据应用。近年来，产业界和学术界面向不同应用场景推出了多种类型、各具特色的大数据处理系统平台。同时，一大批数据建模与分析的方法被应用于大规模数据处理。一方面，多种大数据处理平台没有统一的标准，设计目标、功能和关键技术也多有不同，对于初学者的学习带来了很大的困难，容易“只见树木不见森林”，难以形成全面的认识。另一方面，大规模数据处理要求选择恰当的算法，适合的大数据平台，才能达到其功能和性能的目标。