北斗B1C信号联合捕获策略

目前对含有导频通道的新信号的捕获研究,主要是设计联合捕获算法,提高功率利用率以提升接收性能,分为等长与非等长相干积分联合算法两类. 本文针对北斗B1C信号,深入分析了三种等长相干积分联合算法的加权问题,并解释了相干联合与差分联合算法的联系. 理论和仿真结果表明,相干联合算法具有更优的性能;进一步,本文结合最优相干积分时间理论给出捕获参数设计方案,对比了不同场景条件下等长与非等长相干积分联合算法的性能,给出了捕获B1C信号的优化策略.      

基于改进卡尔曼滤波的卫星导航定位精度优化

为解决卫星导航定位信号因遮挡而出现非视距传播模式,导致定位精度低的问题,研究基于改进卡尔曼滤波的卫星导航定位精度优化方法。改进蛙跳算法寻优设置,优化支持向量机,分类提取存在遮挡信息的卫星导航信号;设计基于改进卡尔曼滤波的卫星导航定位精度提升算法,动态估计存在遮挡信息的卫星导航信号观测噪声协方差,自适应调节信号滤波增益,全面去除信号中的无效定位信息,获得精准卫星导航定位结果。研究结果显示：所提方法使用后,卫星导航定位结果实际位置高度匹配,定位精度明显提升。     

地表形变监测的改进相干目标法

如何从雷达干涉时间序列影像中获取更全面的相干目标集合,进行变形时间序列分析是当前研究的难点和热点。本文提出了改进的相干目标法,可获取更为全面且可信度高的相干目标集合,进而提高地表形变监测的时空分辨率和精度。根据雷达影像中同类型地物散射分布相近的特点,采用非参数同分布检验算法提取后向散射特性相近的同质点开展空间非局部滤波,提高干涉图的质量。与此同时,利用多尺度的极大似然条纹频率估计算法分离差分干涉图中的系统性相位,并基于同质点进行自适应相干性估计,获取相干性的平稳估计量,从而获取更多的相干点目标。利用20景TerraSAR-X条带模式时间序列影像,分别利用传统的及改进后的相干目标法对香港填海区域地表形变信息进行时序分析。对试验数据的分析结果表明,本文提出的改进方法在具有稀疏植被的填海区可有效增加相干目标点的提取,得到更为可信的沉降结果。     

用于GNSS信号的可变相干积累时长的时频域结合捕获算法

对于全球导航卫星信号的捕获问题,设计了一种可变相干积累时长的时频域结合捕获算法,在延长相干积累时间的同时,等效提高了FFT运算的点数,从而保证了算法不会增加额外的FFT损耗,提升信号的检测性能。蒙特卡洛仿真验证了可变相干积累时长捕获算法的正确性和有效性,得出了文中所提出的算法可以通过延长信号的相干积累时长,提升导航信号捕获性能,但带来的代价是增加了算法的计算负荷。      

空中目标探测系统信号处理增益分析

针对利用全球导航卫星反射信号(GNSS-R)进行空中目标探测时,信号微弱无法可靠接收的问题,该文提出了一种计算信号处理增益的方法。通过合理设置信号处理算法参数,保证了对微弱信号的后续处理。首先对GNSS-R信号接收链路进行了分析,计算得到了当目标的雷达散射截面(RCS)变化时对应的目标回波功率范围;然后对空中目标上升、平飞和下降三种飞行状态双基地雷达系统几何模型进行了研究,给出了3种飞行状态下对应的有效探测时间,为接收机后续相干/非相干累加算法的处理时间提供阈值限制;最后在阈值范围内,选定合适相关时间,分析了经过相干/非相干累加处理后的反射信号输出信噪比范围。结果表明:在有效探测时间的限制下,相关处理时间取0.6s时,处理后的信噪比在10dB左右,满足一般码跟踪环所需的门限要求,可以保证接收机后续数据处理的顺利进行。     

基于NDSST的非平稳信号时频分析算法

应用时频分析方法研究含噪非平稳信号的时间-频率联合分布特性，De-shape SST（De-shape synchrosqueezing transform）算法具有良好的时频表现，但其抗噪性能及算法的鲁棒性还有待提高。提出基于非线性匹配追踪（nonlinear matching pursuit，NMP）分解的De-shape SST算法（nonlinear matching pursuit De-shape synchrosqueezing transform，NDSST），利用NMP良好的重构特性对非平稳信号进行稀疏重构，再进行De-shape SST时频分析，提高算法的抑制噪声能力和鲁棒性的同时，保留了良好的时频分布聚集度。数值仿真实验结果表明，对于单频、变频、线性调频和组合变频信号，NDSST算法可以得到高锐化度的时频分布表示，并且在低信噪比（sinal noise ratio，SNR）条件下依然具有优越的抗噪声性能。在金属破裂样本信号分析应用中，NDSST算法能够清晰地得出金属发生破裂的时间-频率范围，为工程实践中设置监测传感器的阈值提供判断依据。     

顾及时空特性的SBAS高质量点选取算法

SBAS技术中常用的相干系数选点方法受旁瓣效应的影响,容易造成部分高质量点的漏选以及低质量点的误选。针对这一问题,本文提出了顾及时空特性的SBAS高质量点选取算法,根据干涉相位各个成分的空间特性,分离出噪声相位判别点的质量。试验表明考虑同质点的Non-Local滤波能够更加可靠地提取干涉相位中的空间相关相位,从而提高噪声相位估计的准确性。利用覆盖上海地区1992—1998年的24景JERS-1影像作为试验数据,分别用相干系数法以及本文的方法进行选点。结果表明本文算法能够有效地选出相干系数法在农田与村落交错地区漏选的高质量点,同时排除了相干系数法由于旁瓣效应影响的误选点。     

基于尺度比及坐标偏移约束的图像特征点匹配方法

针对特征向量最近邻次近邻距离比值的特征点匹配算法中存在匹配点对少、误匹配的问题,本文从改善特征点匹配策略方面对其进行改进。首先运用Gabor核函数对图像进行滤波处理,并在滤波图像上提取SIFT特征点,得到参考图像与待匹配图像的初步转换关系及特征点的尺度比均值;然后对参考图像与待匹配图像进行SIFT特征匹配,将尺度比作为相似性测度,并结合坐标偏移阈值约束获取同名点对。相较于传统SIFT算法,实验表明该方法在获取更多的同名点对同时,能够有效减少误匹配,匹配精度也有显著提升。     

道路点云的双边与倾斜度信息滤波算法改进

根据以往研究发现,统计滤波算法可以去除道路周围的大部分离群点,使道路边界更加明确清晰,但是统计滤波精化后的道路点云中仍然存在部分混合在道路内部及与道路相连特征相似的非道路点云。而使用双边滤波算法对道路内部近地面点滤波,效果较优,但无法去除与道路相连、特征相似的边缘非道路点。基于此两种算法的优缺点,本文提出一种结合双边滤波与倾斜度信息的滤波算法——倾斜度滤波算法,使之在保持原算法优点的基础上,提高其对点云的特征保持以及对道路边缘点的滤波能力。实验表明：(1)倾斜度滤波后道路边缘处的非道路点云明显去除;(2)倾斜度滤波后提取的最终直路点云准确性相较于双边滤波算法提升了5.98%,倾斜度滤波后提取的最终弯路点云准确性相较于双边滤波算法提升了3.53%。因此,倾斜度滤波算法可进一步提高点云滤波的精度。     

基于CSF的无人机影像数据点云滤波算法实现与应用

基于无人机影像匹配点云数据技术,提出利用布料模拟滤波算法(Cloth Simnlation Filter,CSF)进行点云滤波计算,结果表明:布料模拟滤波算法在点云滤波匹配过程中,仅需要对六个参数进行简单设定就可以达到预期的地面点和非地面点的滤波匹配效果,地面点的匹配误差率为4.9％,非地面点的误差匹配率为8.4％,总体误差匹配率为6.49％,表明布料模拟滤波算法匹配效果较好,匹配操作过程简单,具有较强的可操作性和可行性.     

3维块匹配小波变换的极化SAR非局部均值滤波

极化合成孔径雷达(SAR)图像受相干斑噪声的影响,难以很好地保持结构特性,针对这个问题提出了一种采用3维块匹配小波变换的非局部均值滤波算法NL-3DWT(Nonlocal Filter based on 3-D Patch Matching Wavelet Transform)。该算法使用块匹配的3维非抽样小波变换对极化总功率图进行预滤波,在此基础上使用边界对齐窗提取结构相似像素,同时使用Sigma范围选择极化SAR数据的散射相似像素,共同构成相似像素集合;构建结构保持权重函数增大图像结构信息在块相似性度量时的权重,最终实现极化SAR图像结构保持的相干斑抑制。该算法增强了图像结构特征的表达,提高了结构相似像素选择的准确性,机载极化SAR数据实验结果表明,NL-3DWT算法能够在抑制相干斑噪声的同时,更有效地保持极化SAR图像的结构特性和极化散射特性。     

SAR影像匹配算法的研究

提出了一种高效稳定的SAR影像匹配算法,该算法首先采用Frost滤波对SAR影像的斑点噪声进行预处理,再结合SIFT和SURF算法对滤波后的SAR影像进行特征点提取,使用Matlab程序实现立体影像无痕拼接,实现了SAR影像的高精度匹配,该方法提高了SAR影像的匹配成功率,减少了匹配时间。     

面向城区宽基线立体像对视角变化的结构自适应特征点匹配

提出一种基于结构自适应特征的城区宽基线影像特征点匹配方法。首先，对影像提取点特征和直线特征，挖掘点特征与其邻域内直线特征之间的几何关系，构建结构自适应的特征区域和特征描述符，并通过双向匹配策略获得初始匹配结果。然后，基于初匹配结果估计影像基础矩阵，构建核线约束的结构自适应特征匹配算法进行二次匹配。最后，将已匹配特征作为控制基础设计匹配扩展算法，进一步增加匹配点数量。本文方法以特征点邻域几何结构为出发点，构建自适应的特征区域，能够在显著的影像视角变化下，为同名特征点提取影像内容一致的特征区域，进而获得相似的特征描述符。试验结果证明，与传统算法相比，本文方法在城区宽基线影像上能够同时获得更多的正确匹配特征和更高的匹配正确率。     

深度图像分割的城市区域倾斜影像密集匹配点云滤波算法

倾斜摄影测量作为一个新兴领域发展势头迅猛,在众多领域得到了广泛应用。但倾斜影像密集匹配点云处理技术研究却相对较少。倾斜影像密集匹配点云分布不均匀、表面粗糙,因而传统的激光扫描点云处理算法在用于倾斜影像密集匹配点云处理时的适用性较低。本文从倾斜影像密集匹配点云特点出发,提出了一种利用点云高程信息生成深度图像提取建筑物非连通区域,在全局范围选取种子点实现多种子点区域生长的点云快速滤波算法。实验结果表明,该算法滤波效果好、速度快,可以改善密集匹配点云部分地物底部边缘不清晰引起错分和区域生长无法分割建筑物非连通区域的问题。     

基于方向增强平滑算法SAR影像去相干斑效果分析

为了解决方向平滑算法在去噪与边缘保留的效果与传统空域滤波相比并没有明显提升和规避纯乘性噪声影像中变异系数(标准偏差与信号值的比值)在每个点处并非都是恒定的问题,本文提出基于方向平滑算法改进的方向增强平滑算法,在该算法的基础上引入了同态滤波器,有效解决了方向平滑算法在相干斑滤波时造成的边缘细节缺失问题。该算法与中值、Kuan、Gamma、增强Lee、增强Frost、db15小波基1层分解和方向平滑算法SAR影像相干斑噪声去除方法进行比较表明:方向增强平滑算法在相干斑抑制性能和边缘保留效果方面有了较大提升。实验得出:与方向平滑相比,方向增强平滑在去噪效果方面提高了44%,在边缘保留效果方面提高了25%。     

基于两步Kalman滤波的NLoS误差抑制算法

针对超宽带(ultra wide band,UWB)定位中影响定位精度的非视距(non line of sight,NLoS)传播误差问题，提出了一种基于Kalman滤波的NLoS误差二次消除方法.该方法利用NLoS误差与测量误差之间的相互独立性，借助Kalman滤波将NLoS误差从总误差中单独分离出来，对其进行实时估计，并将该NLoS误差估计值作为NLoS误差辨别及测距值修正的依据.通过Kalman滤波对到达时间(time of arrival, TOA)测距值进行二次估计、鉴别及修正以提高TOA测距精度，从而实现室内复杂环境下的UWB精准实时定位.仿真实验结果表明：该方法不仅能够对NLoS误差实现良好的跟踪估计，对视距(line of sight, LoS)/NLoS环境转变也具有较强的灵敏感知能力，同时NLoS误差测距值在应用该方法后的定位性能逼近于LoS环境下的理想状态.     

GPS弱信号捕获算法研究

随着GNSS的广泛应用,许多新技术和新领域对GNSS弱信号捕获提出了新要求,其关键技术之一就是弱信号捕获跟踪算法的实现。在相干积分和非相干积分的基础上,通过相位补偿和时延修正、奇偶分路等方法,可以在盲搜索中捕获到比正常信号低25dB的弱信号,实现了对粗捕到的弱信号进行载波频率精化,并分别利用仿真数据和实测数据验证了算法的正确性。此外,分析了信号相位翻转对信号捕获的影响,对GNSS弱信号应用领域具有重要的参考价值。     

利用线性判别分析的LDA-SIFT影像匹配算法

针对SIFT算法特征向量维数较高,匹配实时性较差的问题,提出一种利用线性判别分析的LDA-SIFT算法。该算法首先利用SIFT算法提取特征点并生成特征向量矩阵;然后将特征向量矩阵转换为种子点向量矩阵并为数据设置标签;接着利用线性判别分析对种子点向量进行降维;最后在低维特征空间将种子点向量矩阵转换为特征向量矩阵并在欧式空间匹配,运用RANSAC算法剔除误匹配。采用多组图像验证该算法匹配的性能,实验结果表明,LDA-SIFT算法能够有效降低特征向量维度,缩短特征匹配时间,匹配精度与降维前相近。     

利用双天线商用WiFi信道状态信息估计到达角

商用WiFi接收模块可以提供比接收无线信号强度指示（received signal strength indication,RSSI）更细粒的信道状态信息（channel state information,CSI）,利用3根天线获取CSI进行方位到达角（angle of arrival,AOA）估计已成为现实。利用正交频分复用技术（orthogonal frequency division multiplexing,OFDM）将2根天线拓展为60个虚拟天线阵,将前向平滑算法拓展到二维前向平滑算法。利用仿真的非相干信号源和相干信号源数据进行实验,结果表明,在只利用2根接收天线的前提下也能实现基于商用WiFi信号的方位角的AOA估计,所提出的2根天线的虚拟天线阵模型和二维前向平滑算法具有有效性和适用性。     

变分优化的高斯混合滤波及其在导航中的应用

针对时间差分载波相位/捷联惯导紧组合系统在非高斯噪声环境工作时，采用高斯混合滤波遇到的混合模型参数估计问题，提出了一种变分贝叶斯学习优化的高斯混合自适应滤波算法。该算法借鉴变分学习理论，准确高效地实现了高斯混合模型参数的自适应估计，进一步精化了滤波算法中的随机模型，能够显著提高估计精度，降低计算负担，改善滤波性能。实验结果表明，相比传统滤波算法，该算法的估计精度得到了进一步改善，运算耗时仅与拓展卡尔曼滤波相当。