多源海量重力数据自适应融合算法及软件实现

多源海量重力数据融合是目前大地测量研究的热点，对补偿不同类型重力数据的系统误差、随机误差和异常误差，构建高精度、高分辨率重力场模型具有重要的理论意义和实践意义。本项目基于LAGEOS-1/2、CHAMP、GRACE、GOCE卫星数据及地面重力数据，结合系统误差标定与补偿、抗差估计、Butterworth数字滤波、乔伊斯分解并行算法、方差分量估计等，针对多源海量重力数据融合开展了以下几个方面的研究。在系统误差控制方面，重点针对星载加速度计的标定，提出了几何轨道平差法。针对异常误差，提出了联合地面重力数据和移动开窗检验方法的SGG粗差探测算法。针对SGG数据中的有色噪声，通过引入Butterworth数字滤波，有效控制了SGG数据中的有色噪声影响。针对不同重力数据的融合与高阶重力场不适定问题，通过分段构造调节平滑因子、法方程等价约化和方差分量估计，提出了多源重力数据自适应融合算法，合理确定各类重力数据间的权重，有效克服重力场恢复中的不适定问题。针对海量数据的高效融合算法，提出联合乔伊斯分解并行算法和MPI技术，实现了多源海量重力数据的自适应融合。研制了基于同一软件平台、统一物理/重力基准的多源海量重力数据自适应融合原型软件，并综合LAGEOS-1/2、CHAMP、GRACE和GOCE数据推出了一系列高精度重力场模型，比较结果表明：课题组推出的重力场模型与国际机构推出的模型精度相当。本项目的研究成果可进一步丰富多源重力数据融合理论，为研制我国高精度、高分辨率地球重力场模型提供研究思路和技术储备。