| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| abstract | 第9页 |
| 第一章 绪论 | 第14-19页 |
| 1.1 研究背景与意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.2.1 模型改正法 | 第15-16页 |
| 1.2.2 插值改正法 | 第16-17页 |
| 1.2.3 其他方法 | 第17页 |
| 1.3 本文主要内容和章节安排 | 第17-19页 |
| 第二章 GNSS原理与误差源 | 第19-35页 |
| 2.1 GNSS定位系统介绍 | 第19-22页 |
| 2.1.1 GPS定位原理 | 第19-21页 |
| 2.1.2 GNSS系统组成 | 第21-22页 |
| 2.2 GNSS定位的误差来源 | 第22-27页 |
| 2.2.1 与卫星有关的误差 | 第22-23页 |
| 2.2.2 与接收机有关的误差 | 第23-24页 |
| 2.2.3 与传播路径有关的误差 | 第24-26页 |
| 2.2.4 其他误差 | 第26-27页 |
| 2.3 对流层误差处理方法 | 第27-34页 |
| 2.3.1 模型改正法 | 第27-32页 |
| 2.3.2 CORS系统对流层误差改正方法 | 第32-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第三章 神经网络插值 | 第35-51页 |
| 3.1 神经网络介绍 | 第35-39页 |
| 3.2 RBF神经网络 | 第39-40页 |
| 3.3 RBF神经网络插值 | 第40-50页 |
| 3.3.1 RBF神经网络网络结构 | 第40-41页 |
| 3.3.2 RBF基函数 | 第41-42页 |
| 3.3.3 RBF神经网络的映射关系 | 第42-43页 |
| 3.3.4 构造RBF神经网络模型的学习算法 | 第43-50页 |
| 3.4 小结 | 第50-51页 |
| 第四章 基于RBF神经网络模型的GNSS对流层延迟插值 | 第51-62页 |
| 4.1 RBF神经网络模型插值算法步骤 | 第51-52页 |
| 4.2 实验案例分析 | 第52-58页 |
| 4.2.1 数据来源 | 第52-53页 |
| 4.2.2 GAMIT/GLOBK软件介绍 | 第53-54页 |
| 4.2.3 基于RBF神经网络模型的GNSS对流层延迟插值 | 第54-58页 |
| 4.3 实验数据CORS站高程对模型的影响分析 | 第58-61页 |
| 4.4 小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第66-67页 |