GPS／DR组合导航自适应Kalman滤波算法

合集下载

卡尔曼滤波方法

• 卡尔曼滤波(Kalman Filtering)是1960年由R.E.Kalman首
次提出的一种估计方法。之所以称为滤波，是因为它是一种排除随机干扰，提高检测精度的一种手段。
• KF是基于最小方差准则推导出来的一种线性滤波器。 • KF是一种时域递推算法，根据上一状态的估计值和当前
状态的观测值推出当前状态，不需存储大量的历史数据，便于计算机实现。
xˆk xˆk K( yk yˆk )
Px, k Px, k KPy, k K T
27
Xˆ k|k Xˆ k k1 Kk Z~k k1
测量更新 /修正
方差估值 Pk k [I Kk Hk ]Pk k1
7
3.5 卡尔曼滤波的结构图
上述递推公式，称为卡尔曼滤波器。实际上，卡尔曼滤波器也是一个系统，其结构框图如下：
Zk + -
+
Kk
+
Z k|k 1
当前估计值
Xˆ k
14
3.7 联邦卡尔曼滤波
• 卡尔曼滤波最成功的工程应用是设计运载体的高精度组合
导航系统。为了与联邦滤波方法相区别，将普通的卡尔曼
滤波称为集中卡尔曼滤波。
• 由于对导航精度要求的提高，导航设备越来越多。另一方
面，现代系统向大系统和复杂系统的方向发展。这种情况
下采用集中式卡尔曼实现组合导航，存在两个问题：
yˆ
k

W (m) i
i
k|k 1
i0
2n
Py, k
Wi
(c)
[
i k|k
1

yˆ k
][
i k|k 1

yˆk ]T

GPS／DR组合导航FAIMM滤波算法仿真研究

ｔｅｒａｃｔｉｎｇＭｕｌｔｉｐｌｅＭｏｄｅｌ（ＦＡＩＭＭ）ａｌｇｏｒｉｔｈｍ．ＴｈｅＦＡＩＭＭｗａｓｃｏｍｂｉｎｅｄｗｉｔｈＦｕｚｚｙＡｄａｐｔｉｖｅＵｎｓｃｅｎｔｅｄＫａｌｍａｎＦｉｌｔｅｒ（ＦＡＵＫＦ）ａｌｇｏｒｉｔｈｍａｎｄＩｎｔｅｒａｃｔｉｎｇＭｕｈｉｐｌｅＭｏｄｅｌＵｎｓｃｅｎｔｅｄＫａｌｍａｎＦｉｌｔｅｒ（ＩＭＭＵＫＦ）ａｌｇｏｒｉｔｈｍ．Ｔｈｉｓａｌ —
第３０卷第３期
文章编号：１００６ — ９３４８（２０１３）０３ — ００５９ — ０５
计
算
机
仿
真
２０１３ＦＡＩＭＭ滤波算法仿真研究
王志恒，李小将，王建华，张东来
能实现对载体量测噪声模式的覆盖。仿真结果表明：改进算法能够实时调整滤波器量测噪声参数，适应组合导航系统量测
噪声变化，得到了与模型集完备的ＩＭＭＵＫＦ相当的导航滤波效果。关键词：模糊自适应滤波；交互式多模型；卡尔曼滤波；无迹卡尔曼滤波；组合导航
ｇｏｒｉｔｈｍｃａｎａｃｈｉｅｖｅｔｈｅｃｏｖｅｒａｇｅｏｆｒｅａｌｍｅａｓｕｒｅｍｅｎｔｎｏｉｓｅｍｏｄｅｌｓｗｉｔｈｏｕｔｂｕｉｌｄｉｎｇｍｏｄｅｌｓｅｔｂｅｆｏｒｅ．Ｓｉｍｕｌａｔｉｏｎｒｅ —

基于Kalman滤波的GPSSINS组合式无人机导航研究与实现

基于Kalman滤波的GPS/SINS组合式无人机导航研究与实现导航与定位一直是国内外军用和民用领域研究的热点,在载体平台智能化不断升级过程中单一性导航系统已经很难满足技术应用与发展的要求,因此,多系统的组合式导航方式在科研领域越来越受到学者们的关注。

本文通过对全球卫星定位系统和捷联式惯导系统进行深入分析各自存在的优缺点后,对两系统使用Kalman滤波算法实现组合定位,集成两者之间的主要优点,进行优势互补,能够
保证系统较高的精度与可靠性,使其总体性能远远大于单一独立系统。

首先,本文阐述了课题的研究目的和研究意义,对国内外组合导航的发展近况做出了分析,并对论文文各章节所完成的主要工作进行了说明。

其次,分别研究了 GPS和SINS各自工作的原理,对运行中涉及到的坐标系进行了介绍并给出了转换方法,对影响GPS定位精度的误差源进行了逐一分析并给出了相应的改正模型;分析了 SINS的力学编排、基于“四元数”算法的SINS姿态更新方程、速度更新方程以及位置更新方程,并给出误差方程,根据实际情况设计了载体运行轨迹,进行了实验验证。

然后,通过对载体工作环境进行分析,设计了一种适用于短时间运行的组合式导航松耦合数学模型,并对Kalman滤波进行介绍并给出了滤波流程,经测试结果表明采用经结合后的系统即能够解决SINS长时间累积误差发散的问题,又能够避免单独使用GPS刷新率较低的不足,保证了在导航定位的实时性和精确性。

最后,对论文进行总结,得出该设计方案能够满足低成本、微小型载体平台的需求,并且对今后下一步工作进行了展望。

KALMAN滤波在GPS导航定位中的应用

GPS导航定位中Kalman算法的应用摘要：GPS是美国从本世纪70年代开始研制，经过20年,耗资200亿美元，在1994年全面建成，具有在海陆空进行全方位实时三维导航与定位能力的新一代卫星导航与定位系统。

GPS技术包括很多优势，其中最吸引人的地方就是它的全球性、全能性、全天侯性，不仅使得它能为用户随时随地提供定位信息，而且使它可以广泛应用于全球各个军事部门和民用等诸多领域，但是因为GPS定位包含多种误差源，这就使其定位精度受到了一定的影响。

本文以介绍全球定位系统为前提，首先简单的介绍GPS，其次在利用GPS定位测伪距和已知卫星坐标经过绝对位置解算的前提下，为了改善和提高定位算法的精度，也为了GPS定位技术的应用更加广泛，从而提出Kalman滤波算法。

综上所述，本文的研究工作对导航定位系统中的传统滤波方法的改进有一定的参考，并对Kalman滤波算法在改善GPS动态导航的动态性能和提高定位精度方面的应用具有一定的实用价值。

关键词: GPS;伪距测量;卡尔曼滤波AbstractGPS is developed since 70 s of this century in the United States, after 20 years, at a cost of $20 billion, completed in 1994, has in carring all-round real-time three-dimensional navigation and positioning capability of a new generation of satellite navigation and positioning system.GPS technology including many advantages, one of the most attractive place is its global, totipotency, 24 hours a day, not only make it for the user to provide location information anytime and anywhere, and makes it can be widely used in many fields such as military and civilian, but because the GPS contains a variety of error sources, which makes its positioning accuracy is influenced by a certain.Based on global positioning system is introduced in this paper, first of all, a simple introduction to GPS, second is using GPS pseudorange measurement and known satellite coordinates through the absolute position under the premise of solving, in order to improve and improve the accuracy of localization algorithm, but also to the application of GPS technology is more extensive, and Kalman filter algorithm is put forward.To sum up, in this paper, the research work of navigation and positioning system of traditional filtering method improvement has a certain reference, and the Kalman filtering algorithm in improving the dynamic performance and improve the positioning precision GPS navigation application has a certain practical value. Keywords：GPS; recursive least squares; kalman filter.目录摘要.................................. 错误!未定义书签。

INSGPS组合导航中带有置信度的抗差Kalman滤波算法

潘倩兮，等：INS/GPS 组合导航中带有置信度的抗差 Kalman 滤波算法
437
各个观测量之间可信度的大小，抗差估计的实质在于等价权矩阵的构造。等价权包含了联合抗差的概念，对正常观测量采用保权处理，对于非正常但又可利用的观测量采用降权处理，对于粗差使其权为 0，予以淘汰。等价权的构造方法有多种，如丹麦法权函数、 Huber 权函数和 IGG Ⅲ方案权函数[7]。但无论是抗差最小二乘估计还是抗差 M 估计，均要求观测的法方程式满秩且有多余观测量。从抗差解的表达式 X = ( AT PA)-1 AT PL (其中 A 是观测阵， P 是等价权矩阵，L 是观测向量)可以看出，当 A 满秩才能通过正常逆求得参数解向量[8]。而在一般的 INS/GPS 组合系统中，GPS 只能提供 3 位置和 3 速度，共 6 维的观测量。而惯导/GPS 组合导航系统的状态量要多于 6 个量，因此导致 AT PA 秩亏，无法进行参数的抗差估计。对于秩亏模型的抗差估计目前的研究还不多见，杨元喜[9]通过分解观测矩阵和增加约束方程得到伪逆抗差解，该方法要求观测相关，但 GPS 的位置和速度等信息是独立观测量，因此该方法并不适用。杨元喜[8]已证明了等价权模型和方差膨胀模型之间的等价性，方差膨胀模型可以看作等价权模型的逆。因此，本文作者借鉴等价权函数的思想，利用观测向量协方差阵作为观测精度的评定指标，建立一个统计假设检验来检验滤波是否有异常。在给定置信度 α 下，利用假设检验如果未发现滤波异常，则观测协方差阵保持不变；反之，发现滤波异常，则构造方差膨胀函数，从而抑制观测误差对导航参数解的影响，更多地利用动力学模型的信息，提高了滤波精度，保证系统的可靠性。
若凰假设不成立且假定动力学模型可靠则状态预测向量xi可靠因此预测残差向量y也反映了观测分量厶的误差由于gps观测分量彼此间相互独立把统计量矿变换成标准的正态分布按分量的形式可表示成式中

卡尔曼滤波与组合导航课程报告

《卡尔曼滤波与组合导航》课程实验报告实验捷联惯导 /GPS 组合导航系统静态导航实验实验序号 3姓名陈星宇系院专业17班级 ZY11172 学号 ZY1117212日期2012-5-15指导教师宫晓琳成绩一、实验目的① 掌握捷联惯导 /GPS 组合导航系统的构成和基本工作原理； ② 掌握采用卡尔曼滤波方法进行捷联惯导/GPS 组合的基本原理；③ 掌握捷联惯导 /GPS 组合导航系统静态性能；④了解捷联惯导 /GPS 组合导航静态时的系统状态可观测性；二、实验原理（ 1）系统方程 X FX GWXTE NUvEvNvULhx y z x y z其中， E 、 N 、 U 为数学平台失准角；v E 、 v N 、 v U 分别为载体的东向、北向和天向速度误差；L 、、 h 分别为纬度误差、经度误差和高度误差；x 、 y 、 z、x、y、z 分别为陀螺随机常值漂移和加速度计随机常值零偏。

（下标E 、 N 、 U 分别代表东、北、天）系统的噪声转移矩阵G 为：C b n03 3G03 3C b n9 39 315 6系统噪声矢量由陀螺仪和加速度计的随机误差组成，表达式为：wwwww wTzwxyxyz系统的状态转移矩阵F 组成内容为：F NF SC b n3 3 ，其中 F N 中非零元素为可由惯导误差模型获得。

F S03 3 C b n 。

F069FM03 3 03 39 6（ 2）量测方程量测变量 zV E V NV ULT，，V 、V 、V 、L 、HENU和 H 分别为捷联解算与 GPS 的东向速度、北向速度、天向速度、纬度、经度和高度之差；量测矩阵 H H V H P T03 6 diag R M H , (R N H )cos L,036 ，， H PV 3 3diag 1, 1, 1 0 3 9 ，v v V E v V N v V U v v T H v为量测噪声。

量测噪声方0L H差阵 R 根据GPS的位置、速度噪声水平选取。

卡尔曼滤波自适应滤波

卡尔曼滤波自适应滤波标题：卡尔曼滤波：智能自适应滤波算法助您尽享清晰生动的数据引言：在信息处理领域中，准确获取和处理数据是关键问题之一。

而卡尔曼滤波作为一种智能自适应滤波算法，不仅能够提供准确的数据处理结果，还能在复杂的环境中适应数据的变化，为我们的决策提供准确的指导。

本文将向您介绍卡尔曼滤波的原理、应用范围以及算法流程，帮助您全面了解并灵活应用这一强大的滤波技术。

1. 卡尔曼滤波原理卡尔曼滤波是一种基于贝叶斯定理的滤波算法，通过观测数据和系统模型来估计真实的状态。

其核心思想是将预测值和观测值进行加权平均，得到更准确的估计结果。

卡尔曼滤波算法的独特之处在于它能够适应环境变化，根据观测数据和预测模型的误差来动态地调整权重，从而提高滤波效果。

2. 卡尔曼滤波的应用范围卡尔曼滤波在各个领域都有重要应用。

例如在导航系统中，卡尔曼滤波可以用来估计车辆的位置和速度，从而提供准确的导航信息；在无线通信领域，卡尔曼滤波可以用来消除信号噪声，提高信号的可靠性和传输性能；在机器人技术中，卡尔曼滤波可以用来估计机器人的位置和运动轨迹，实现精确控制和导航等。

3. 卡尔曼滤波算法流程卡尔曼滤波算法包括两个主要步骤：预测和更新。

首先，根据系统模型和上一步的估计结果，预测当前的状态和误差协方差矩阵。

然后，根据观测数据和模型预测的值，通过计算卡尔曼增益来更新状态和误差协方差矩阵。

这个过程不断迭代，最终得到准确的估计结果。

4. 卡尔曼滤波的优势和指导意义卡尔曼滤波具有以下优势和指导意义：- 自适应性：卡尔曼滤波可以根据环境变化调整权重，适应不同的数据特征，提高滤波效果；- 实时性：卡尔曼滤波具有快速响应的特点，可以实时处理大量数据，满足实时应用的需求；- 精确性：卡尔曼滤波通过融合预测值和观测值，提供准确的估计结果，为决策提供可靠的依据。

结论：卡尔曼滤波作为一种智能自适应滤波算法，其在各个领域的应用范围广泛，并且具有自适应性、实时性和精确性的优势。

新型GPS动态定位自适应卡尔曼滤波方法

新型GPS动态定位自适应卡尔曼滤波方法张满生;张学庄;陈保平;许中华【期刊名称】《中南大学学报（自然科学版）》【年(卷),期】2003(034)005【摘要】为了获取GPS卫星的信号及定位数据的真实值,减小信号传播中因各种因素混入的随机误差对定位精度的影响,通过应用运动载体"当前"统计模型,取速度和位置为观测量建立GPS动态定位模型,将观测量维数增大1倍,从而增加了系统的可观测性和定位测算精度.此外,针对传统标准卡尔曼滤波法在动态滤波方面的不足进行了分析,提出了改进型Sage自适应卡尔曼滤波法.该方法在递推和滤波过程中不断地修正模型参数,始终保持噪声模型接近于真实模型,从而避免了标准卡尔曼滤波法中因建模不准确可能导致的滤波发散等问题,较好地解决了GPS动态定位中状态变量维数与滤波快速性之间的矛盾,以及状态噪声和观测噪声建模不准确和时变的问题.【总页数】4页(P543-546)【作者】张满生;张学庄;陈保平;许中华【作者单位】中南大学,信息物理学院,湖南,长沙,410083;株洲工学院,电气工程系,湖南,株洲,412008;中南大学,信息物理学院,湖南,长沙,410083;中南大学,信息物理学院,湖南,长沙,410083;株洲工学院,电气工程系,湖南,株洲,412008【正文语种】中文【中图分类】P228.41【相关文献】1.GPS动态定位的自适应卡尔曼滤波算法研究 [J], 曾翠娟;王忠;兰竹;游志胜2.GPS动态定位中自适应卡尔曼滤波研究 [J], 房建成;万德钧3.GPS动态定位自适应卡尔曼滤波算法研究 [J], 李勇军;左娟4.一种带速度观测量的GPS动态定位自适应卡尔曼滤波算法 [J], 伍小洁;房建成5.GPS动态定位中自适应卡尔曼滤波方法的应用研究 [J], 龚真春;陈安宁;李平;宋执环因版权原因，仅展示原文概要，查看原文内容请购买。

惯导与GPS组合系统中实时自适应卡尔曼滤波技术的研究_许刚

・系统研究与分析・惯导与GPS组合系统中实时自适应卡尔曼滤波技术的研究许　刚　陆　恺　田蔚风(上海交通大学)摘要—针对现有的自适应卡尔曼滤波算法实时性不强、结构繁杂,本文研究了在惯导与GPS组合系统中应用一种修正的自适应卡尔曼滤波算法,并与常规卡尔曼滤波算法作了比较。

仿真结果表明,这种算法具有结构简单、高效率和精度高等优点,不失为一种实用而有效的滤波算法。

关键词　惯性导航系统　组合导航系统　自适应卡尔曼滤波器Research on Real-Time Adaptive Kalman FilteringTechnology in INS/GPS Integrated Navigation SystemXu Gang　Lu Kai　Tian Weifeng(Shang hai Jiaotong U niv ersity)ABSTRACT—Deal w ith the problems o n real-time and structures o f existing adaptive schemes,this paper brings a m odified adaptive Kalm an filtering algorithminto INS/GPS integrated navig ation system,and co mpares it w ith the tr aditio nalKalman filtering algorithm.T he result of computer simulation show s that the algo-rithm is useful and effective w ith its sim ple str ucture,high effectiveness and accura-cy.Keywords　INS　integ rated navigation sy stem　adaptive Kalman filter1　引　言在惯性导航系统这种复杂的控制系统中,由于系统本身和外部条件的不确定性,以及对象精确的数学模型和系统噪声与观测噪声的统计特性等很难精确地估计或测定,采用常规卡尔曼滤波器有时会产生发散现象[1],因此,人们越来越多地利用自适应滤波技术来解决上述问题。

组合导航系统卡尔曼滤波衰减因子自适应估计算法研究

组合导航系统卡尔曼滤波衰减因子自适应估计算法研究耿延睿;崔中兴
【期刊名称】《中国惯性技术学报》
【年(卷),期】2001(009)004
【摘要】提出了一种衰减记忆卡尔曼滤波中衰减因子的自适应估计方法,并在GPS/SINS组合导航系统中进行了计算仿真.仿真结果表明:该算法能够较好地估计出衰减因子的大小,有效地抑制滤波发散,提高导航精度.
【总页数】4页(P8-10,27)
【作者】耿延睿;崔中兴
【作者单位】北京航空航天大学,;北京航空航天大学,
【正文语种】中文
【中图分类】V249.32+8
【相关文献】
1.惯性/地磁组合导航系统自适应卡尔曼滤波算法研究 [J], 晏登洋;任建新;牛尔卓
2.GPS／DR组合导航系统模糊卡尔曼滤波算法研究 [J], 杨晓慧;杨旭
3.GPS/DR组合导航系统模糊卡尔曼滤波算法研究 [J], 杨晓慧;杨旭
4.组合导航系统多重衰减因子自适应估计算法比较研究 [J], 耿延睿;郭伟;崔中兴
5.衰减因子自适应估计卡尔曼滤波比较研究 [J], 耿延睿;李大字;郭文荣
因版权原因，仅展示原文概要，查看原文内容请购买。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ＡｄａｉｖｌｅｉｇＡｌｏｉｈｍｎｐｔｅＦｉｒｎｇｒｔｔｉＧＰＳＤＲｎｅｒｔｄＮａｉａｏ／Ｉｔｇａｅｖｇｔｎｉ
ＷＵｕ．ｉ一，ＦｍｅＹＡＮＧＹｕａ．ｉＴＩｎｘ。ＡＮＹｕ．ｎ。ｍｉ
摘要：针对ＧＳＤＰ／Ｒ组合导航Ｋｌｎ滤波的异常扰动影响问题，ａｍａ引入了自适应滤波算法。给出了由预测残差
确定自适应因子的过程。利用实测数据进行验证，结果表明无论是单因子自适应滤波还是多因子自适应滤波都能够很好地控制状态异常对滤波估值的影响，滤波精度均优于标准Ｋｌｎ滤波导航解；ａｍａ而且因为多因子自适应滤波避免损失可靠的状态参数信息，单因子自适应滤波，较精度又有明显提高。关键词：Ｐ／Ｒ组合导航；因子自适应滤波；ＧＳＤ单多因子自适应滤波；ａｍｎ滤波Ｋｌａ文献标识码：Ａ中图分类号：２８Ｐ２
航位推算ＤＤａ—ｅｋｎｎ）全球定位Ｒ（ｅｄＲｃｏｉｇ和
ｃｕｅｔｅｖｉｅｏｓｎｈｆｃｅｃｅｒｌｂｅｓｔａａｔｒ．ａｓｙａｏｄｄｌｏｉｇｔｅｅｆｉｎｙｏｔｅｉｌｔｅｐｒｍｅｅｓｈｉｆｈａａ
ＫｅｒｓＧＰ／ｎｅａｅａｉａｉｎａａｔｅｆｃｏｌｒｇｍｕｔａａｔｅｆｃｏｓｆｔｒｇＫａｍａｌｒｇｙｗｏｄ：ＳＤＲｉｔｇｔｄｎｖｇｔ；ｄｐｉａｔｒｆｔｉ；ｌｄｐｉａｔｒｌｉ；ｌｎｆｔｉｒｏｖｉｅｎｉｖｉｅｎｉｅｎ
Ｊｎ０ｕ．２０８
文章编号：６３６３（０８０－２６０１７－３８２０）３００－３
ＧＳＤＰ／Ｒ组合导航自适应Ｋｌａ波算法ａｎ滤ｍ
吴富梅，杨元喜一，田育民
（．息工程大学测绘学院，１信河南郑州４０５；．５０２２西安测绘研究所，陕西西安７０５）１０４
Ｋａｍａｉｅｎ．Ａｄｔｅｍｕｔａａｔｅｆｃｏｓｉｒｖｄｔｅｐｅｉｏｒａｌｏａｅｔｈｄｐｖａｔｒｅｌｎｆｔｒｇｌｉｎｌｄｐｉａｔｒｈｉｖｍｐｏｅｒｃｓｎｇｅｔｃｍｐｒｄｗｉｌｅａａｔｅｆｃｏ・ｈｉｙｌｔｉｂ
ＡｂｔａｔＡｄｐｖｌｍａｌｒｎｐｌｄｉｓＤＲｉｔｇａｅａｉａｏｏｃｎｍｌｔｅｉｆｕｎｅｆｕｙｓｒｃ：ｎａａｔｅＫａｎｆｔｉｇｉａｐｉｎＧＰ／ｎｅｒｔｄｎｖｇｔｎｔｏｔｌｅｃｓｏｆ．ｉｉｅＳｅｉｈｎｏｌｉｇｍｏｅｎｉｔｒａｃｓｎｔｉａｅ，ｔｅｍｕｔａａｔｅｆｃｏｓｏｅｐｅｉｔｄｓｔｓｗｒｉｅｙｔｅｐｅｉ－ｎｖｍｅｔｓｕｂｎｅ．Ｉｈｓｐｐｒｈｌｄｐｖａｔｒｆｔｒｄｃｅｔｅｅｅｇｖｎｂｒｄｃｄｉｉｈａｈｔｄｒｓｄａｓｙｒａａａｐｏｅｓｎ．ｉｗａｈｗｎｔａｏｈｔｅａａｔｅｆｃｏｎｅｍｕｔａａｔｅｆｃｏｓｃｕｄｅｅｉｕｌ．Ｂｅｄｔｒｃｓｉｇｔｓｓｏｌｔｔｄｐｖａｔｒｄｔｌｄｐｖｔｔｏｌｌｌｂｈｉａｈｉｉａ
，
（．ｎｔｕｕｅｎｎｐｉｇｎｏｔｎＥｇｎｅｎｎｅａ，Ｚｅｇｈｕ４０５，Ｃｉ；１Ｉｓｔｔｏｒ￣ｇａｄＭａｐｎ，ＩｒｉｎｉｒｇＵｗ￣ｙｈｎｚｏ５０２ｈｎｉｅｆＳｖｆｍａｏｅｉａ２Ｘ ’ｎＲｓｒｔｕＳｒｅｉｎｐｉ，Ｘ ’ｎ７０５，Ｃｉ）．ｉａｅａｃＩｉｔｏｕｖｙｎａＭａｐｎｅｈｎｔｅｆｓｇｄｌｓａｅｄｓｕｂｎｅ．ａｄｔｅｐｅｉｏｆｔｅｎｖｇｔｎｉｉｈｒｔａｌｔｏｈｔｎａｄｅｉｔｈｎｕｎｅｏｔｅｔｔｔｒａｃｓｎｈｒｃｓｎｏｈａｉａｏＳｈｇｅｌｌｆｌｉｉｉｌｔａｔｅｓａｄｒｎｌｆ
维普资讯
第２５卷第３期２００８年ｏ６月
测绘科学技术学报
ＪｕｎｌｏｏｔｓＳｉｎｅａｄＴｃｎｌｇｏｒａｆＧｅｍａｉｃｅｃｎｅｈｏｏｙｃ
ＶＤ．５ＮＯ３】２．