有色噪声作用下的抗差卡尔曼滤波

根据用GPS载波相位三差观测量进行动态定位或精密导航的需求,推导了动态噪声、观测噪声为有色噪声的抗差卡尔曼滤波公式。白噪声的抗差卡尔曼滤波是有色噪声的抗差卡尔曼滤波的特例,有色噪声的抗差卡尔曼滤波为白噪声的抗差卡尔曼滤波的推广。     

顾及有色噪声的自适应粒子滤波UWB定位算法

传统卡尔曼滤波算法要求噪声模型符合高斯分布，在UWB室内定位中，由于载体本身的机制等干扰，观测噪声不仅仅是白噪声，也存在有色噪声的情况，而粒子滤波可以处理有色噪声的问题。本文通过增加似然分布自适应调整来改进粒子滤波用于目标跟踪的精度，同时研究在白噪声、有色噪声下似然分布自适应调整粒子滤波和拓展卡尔曼滤波在UWB中的优势与不同。试验结果表明：观测噪声为白噪声时，拓展卡尔曼滤波和粒子滤波均可以较好地实现对行人的定位跟踪；观测噪声为有色噪声时，自适应粒子滤波定位效果优于粒子滤波、拓展卡尔曼滤波。     

有色噪声观测量的逐次静态滤波与配置

通过改化观测方程,将有色噪声观测值转化为白噪声的虚拟观测值,用白噪声逐次滤波公式进行滤波计算.有色噪声观测值的逐次静态滤波理论可用于GPS数据处理.GPS载波相位观测值经过测站间、卫星间、历元间的3次差分计算,消除了大部分误差和整周模糊度,并使周跳成为孤值,但是相邻历元间隔的三差观测值误差相关造成其协方差阵呈现出分块三对角阵,使所求矩阵占据的时间和内存太大.利用有色噪声观测值的逐次静态滤波的理论,可消去相关性,减少计算时间和内存.这种顾及三差观测值的相关性的算法是严密的.     

处理有色观测噪声的粒子滤波算法

针对经典Kalman滤波无法直接处理有色噪声的问题,采用多项式长除法将有色观测噪声模型展开成无穷级数,截断取其有限项获得有色噪声的先验信息,然后利用粒子滤波能够处理非高斯噪声的特点对有色观测噪声进行处理.通过一个GPS定位算例,将此新方法与观测扩增方法进行了分析和比较.结果证明,利用该方法能有效地控制有色观测噪声的影响.     

非线性静态逐次滤波

在顾及二次项的非线性静态滤波与推估公式基础上进一步推导白噪声情况下的非线性逐次滤波与推估公式、白噪声驱动下的有色噪声情况下的非线性逐次滤波与推估公式.可以证明,线性静态逐次滤波是顾及二次项的非线性静态逐次滤波的特例.     

有色噪声观测量的逐步拟合推估

通过改化观测方程,将有色噪声观测值转化为白噪声的虚拟观测值,用白噪声逐步拟合推估公式进行计算。递推公式的第一步是拟合推估,第二步以后实际上是滤波。     

处理有色观测噪声的粒子滤波算法

针对经典Kalman滤波无法直接处理有色噪声的问题,采用多项式长除法将有色观测噪声模型展开成无穷级数,截断取其有限项获得有色噪声的先验信息;然后利用粒子滤波能够处理非高斯噪声的特点对有色观测噪声进行处理。通过一个GPS定位算例,将此新方法与观测扩增方法进行了分析和比较。结果证明,利用该方法能有效地控制有色观测噪声的影响。     

处理有色噪声的现代时间序列分析法

在动态导航定位中,目前绝大多数数据处理理论和软件都假设系统状态误差和观测模型误差为高斯白噪声。但在实际应用中,由于卫星轨道误差、大气环境等因素的干扰,使得观测误差和动力学模型误差往往不属于白噪声序列,而是具有一定时间相关或空间相关性的有色噪声。本文将有色噪声归为随机模型进行研究,采用多项式长除法将有色噪声模型展开成级数形式,再根据误差理论求取有色噪声的方差,由该方差修正有色噪声的随机模型,利用现代时间序列分析理论求出状态参数的最优估计值。为了说明该方法的正确性和有效性,用一组动态GPS实测数据进行验证,计算结果表明该方法能有效地抑制有色噪声对动态系统参数估值的影响。     

动态定位有色噪声影响函数--以一阶AR模型为例

动态定位的精度和可靠性除受观测偶然误差和系统误差的影响外，还受时间相依的有色噪声的影响。任何基于高斯白噪声假设而忽略实际有色噪声影响的数据处理理论和方法均不能保证估计结果的实际可靠性。基于动态数据处理的2种主要方法，即序贯平差法和Kalman滤波法，将有色噪声分为有色观测噪声和有色状态噪声分别进行讨论。结果表明，有色噪声对状态参数的影响是明显的，由影响函数所计算的结果是可靠的。     

有色观测噪声下的无迹卡尔曼滤波算法

传统的无迹卡尔曼滤波算法(UKF)要求噪声是高斯白噪声,但在实际应用中,噪声往往呈现非高斯特性。本文在有色观测噪声满足一阶AR模型的条件下,基于观测信息扩增法及最小方差估计准则,通过Unscented变换(UT变换)计算出非线性状态后验均值,进而得出一类具有处理有色观测噪声的无迹卡尔曼滤波处理算法。通过实际数据验证了该算法能有效控制有色噪声的影响。     

城市交通噪声预测评价系统的设计与实现

将惠州市惠城区交通噪声数据与GIS的有机结合，详细分析和评价了该区域的交通噪声污染现状。然后通过构建回归分析模型，对惠城区未来城市道路交通噪声的污染状况进行了简单预测。实验结果表明，评价和预测结果与事实吻合。该系统能为城市交通噪声规划、城市交通噪声环境控制提供依据     

空间与光谱维度的高光谱图像噪声估计

高光谱图像能够获取地物精细的光谱诊断特征,但受限于多谱段分光的成像机制,图像各个谱段上光成像的能量不足,信噪比难以提升。高光谱图像噪声类型与强度的准确估计,是提升高光谱图像去噪性能的关键,也是优化其成像系统设计的重要依据。现有高光谱图像噪声估计算法通常将不同类型的图像噪声作为一个整体,并未充分考虑不同类型噪声的区别。本文从高光谱图像获取的机理出发,提出了一种联合空间与光谱维度分析的高光谱图像噪声估计方法。首先,建立了高光谱图像噪声退化模型,将图像中的主要噪声定义为两类:条带与高斯噪声。然后,基于条带噪声在空间维度上独特的频率特性,提出了基于傅里叶变换与局部均值滤波的条带噪声估计方法。最后,基于在光谱维度上高光谱图像相邻波段间的高相关性,通过多元回归分析估计高斯噪声的均值与标准差。本文在模拟高光谱噪声数据上进行算法验证的同时,深入分析了高分五号短波红外高光谱相机、机载Nano-Hyperspec成像仪等国内外成像仪获取的真实高光谱数据。实验结果表明,本文提出的噪声估计方法能够有效的估计出高光谱图像不同谱段条带与高斯噪声的量化指标。实验结果可用于分析高光谱图像在不同传感器与不同成像场景下的退化原因,从而设计更优的图像去噪方法与成像系统。     

基于GIS的交通噪声评价和预测系统

交通噪声评价与预测对于城市环境保护、城市交通规划和建筑设计具有重要的意义。本文将交通噪声数据与G IS相结合,详细分析和评价了惠州市惠城区交通噪声污染现状分布、影响。并在基于数理统计的基础上通过构建回归分析模型,预测了惠城区未来城市道路交通噪声污染状况。实验结果表明该模型简单、有效。交通噪声评价和预测系统已应用于惠州市交通噪声污染现状评价及预测,并取得了良好的效果。     

道路噪声预测的GIS评价方法

针对单模型进行噪声预测和评价的局限性,该文提出了一种基于GIS的利用多模型进行道路噪声预测评价的方法。此方法在对比分析现有的道路交通噪声模型的基础上,选择了FHWA模型和HJ2.4-2009模型作为本研究的理论模型;以闻合高速公路数据为实验数据,分别利用上述两种噪声模型计算噪声预测值;再针对每个噪声监控点,分析两种模型计算的结果,采用折中法和取舍法对结果进行处理,确定每个噪声监控点的噪声值;并结合噪声质量标准对噪声值进行评价,利用ArcGIS Server的地图服务发布功能实现评价结果的网络共享。实验结果表明,每个噪声监控点的噪声值在未来几年都会越来越大,需要采取相应的环保措施。     

Alta U9000相机噪声的测试与分析

CCD在成像过程中不可避免地引入一定的噪声,这些噪声将对以图像检测为基础的CCD各种工程应用带来误差。本文分析了各种CCD噪声的来源及其数学性质,并对科学级CCD Alta U9000相机的各种噪声进行了量化分析,给出了暗电流噪声、成像电路噪声及随机噪声的变化规律;对不同积分时间的图像进行了噪声抑制实验。实验证明,根据对U9000 CCD噪声的预先测试数据,其噪声中的暗电流噪声、成像电路噪声等系统噪声可以得到很大的抑制,而随机噪声无法抑制。     

非线性逐步拟合推估

推导了白噪声条件下的非线性系统的逐步拟合推估和有色噪声条件下的非线性逐步拟合推估的计算公式。非线性系统逐步拟合推估理论第一步是非线性拟合推估,以后各步是非线性滤波。白噪声条件下的非线性系统的逐步拟合推估是有色噪声条件下的非线性逐步拟合推估一个特例。     

利用新息构造AKF估计和预报大坝变形

利用线形流形的射影方法推导出新息序列统计特性,构造新息AKF,基于新息序列不断地修正状态噪声和量测噪声,实时地反映模型当前真实的统计特性。通过隔河岩大坝实测数据处理,表明该方法能很好地提高随机模型不准确和变形突变影响下的变形估计与预报精度。     

基于智能手机的校园环境噪声时空分布

针对依靠布设固定监测站的方式收集噪声信息需耗费大量人力、物力和财力,且其所采集数据仅能覆盖有限范围的问题,该文依照群智感知的思路,利用志愿者的智能手机作为信息采集终端,收集中国矿业大学(北京)校园内的噪声监测数据,使用克里金插值法生成噪声地图,在对校园进行功能区划分的基础上,分析校园环境噪声的空间分布差异和各功能区内噪声的时间变化规律。实验结果表明,该文所提方法能根据校园内人群的智能手机采集的数据,快速获取环境噪声的时空分布模式,进而推断时空差异的产生原因。     

结合BM3D和多级非线性加权平均中值滤波的遥感影像混合噪声去噪方法

提出了一种基于三维块匹配（BM3D）和多级非线性加权平均中值滤波的遥感影像混合噪声去噪方法，使用coief3小波和sym2小波替换传统三维块匹配算法中的bior1.5和hear参数，将三维块匹配算法和多级非线性加权平均中值滤波相结合以提高算法对混合噪声的去噪能力。进行一个仿真对比试验和一个真实遥感影像去噪试验，试验表明，本文提出的方法在遥感影像混合噪声去噪方面效果要优于传统混合噪声去噪方法。     

利用小波变换降低环境噪声对测深数据的影响

本文针对测深数据在环境噪声处理中存在的问题,利用海底信号和环境噪声小波变换模的极大值在不同尺度下具有不同的传播特性,提出了利用多尺度小波变换分析测深数据的方法,从而达到降低环境噪声对测深数据影响的目的。通过实验表明该方法具有较好的效果。