一种基于方差分量估计的异常定位数据实时检测方法

在分析海道测量定位数据实时处理要求和异常定位数据特点的基础上,提出了异常定位数据的一种实时检测和修复方法。该方法基于Helmert方差分量估计原理和位置预测信息构建自适应因子。实例计算表明,该方法能够在实时检测异常数据的同时有效修复动力学模型偏差,并且其效果优于采用整体预测信息构建自适应因子的检测方法和采用速度不符值构造自适应因子的检测方法。该方法更适用于海道测量中的异常定位数据的实时处理。     

一种基于方差分量估计的异常定位数据实时检测方法

在分析海道测量定位数据实时处理要求和异常定位数据特点的基础上,提出了异常定位数据的一种实时检测和修复方法.该方法基于Helmert方差分量估计原理和位置预测信息构建自适应因子.实例计算表明,该方法能够在实时检测异常数据的同时有效修复动力学模型偏差,并且其效果优于采用整体预测信息构建自适应因子的检测方法和采用速度不符值构造自适应因子的检测方法.该方法更适用于海道测量中的异常定位数据的实时处理.     

基于双位置的磁悬浮陀螺异常数据检测

针对磁悬浮陀螺全站仪在极端工作环境下受异常数据干扰的问题,该文提出了一种利用磁悬浮陀螺双位置采样数据特征进行异常数据检测、剔除的数据处理方法。采用回归分析的方法对理想工作状态下的磁悬浮陀螺双位置采样数据与陀螺寻北方位间的函数关系进行拟合分析;通过区间预测的方法明确了陀螺寻北信息中异常数据的检验标准,并依据该标准实现了对寻北观测值中粗差等异常数据信息的有效识别。工程实测数据的验证结果表明:该检验法可以有效地对磁悬浮陀螺寻北数据中的异常值信息进行分离,提高陀螺寻北定向精度。     

基于随机抽样与特征值法的点云平面稳健拟合方法

针对点云数据含有异常值且传统拟合方法拟合结果不理想的情况,本文提出一种随机抽样与特征值法相结合的稳健点云平面拟合方法。首先利用随机抽样一致性算法按照设定阈值将异常值划分为局外点,不断迭代剔除局外点,保留含有局内点最多的点云数据,然后利用特征值法对该点云数据进行平面拟合。本文设计实验,针对含有不同异常值的点云数据,分别利用特征值法、最小二乘法与本文方法对包含异常值的点云数据进行平面拟合计算,结果表明,本文所提方法在点云数据含有50%异常值的情况下,仍可得到更可靠的平面参数估值,具有较强的稳健性。     

不同类型识别变量的自回归模型异常值探测的Bayes方法

讨论基于自回归模型(AR模型)的时间序列数据中异常值探测的Bayes方法。该方法针对自回归模型引入不同类型的识别变量,通过比较这些识别变量的后验概率值与事先给定的阈值来进行异常值定位;基于Gibbs抽样算法,提出识别变量后验概率值的计算方法和异常值的估算方法;进行了大量的模拟试验并把该方法应用于卫星钟差实测数据的异常值探测,结果表明,该方法对于解决时间序列数据中在同一时刻或不同时刻出现加性异常值或革新异常值的探测问题是可行的和有效的。     

多波束测深异常数据检测与剔除方法研究综述

针对多波束测深数据处理在测深异常数据检测与剔除方法上存在的不足,综合分析了近几十年国内外研究人员在多波束测深异常数据检测与剔除方法方面的研究成果,根据工作原理将其分为基于数据统计理论和基于函数或统计推值比较两类方法,选取中值滤波、小波分析、CUBE算法、趋势面滤波、最小二乘支持向量机滤波法等典型的多波束异常数据检测方法进行重点介绍,并通过列表的方式对不同检测方法进行优缺点对比分析。最后总结了多波束测深异常数据检测与剔除方法研究的现状和趋势。     

多波束测深数据的抗差Kriging 拟合

针对普通Kriging法处理多波束测深数据受异常值影响的问题,推导了变异函数样本值的抗差计算公式来消除异常值对变异函数拟合的干扰。利用实测数据对算法进行实现,验证了其在精确估计和检测异常方面的优势。进一步采用该算法对数据进行规则格网的构建,将其与人工剔除异常生成的格网比较,获得了一致效果,证明了算法在自动检测异常的同时生成高精度海底地形规则格网的可行性。     

用低通滤波器探测和修复单频GPS载波相位的周跳

使用一种在时间序列分析中常用的异常值的检测方法双低通滤波器奇异值检定法来检测GPS载波相位观测值中的周跳，给出了数据窗的宽度Vmax以及门槛系数女，提出了利用低通滤波器进行周跳定值的迭代计算方法。试验表明，该方法计算简单，能够探测1周甚至0．5周的周跳。     

利用重力异常数据构建重力梯度场的方法比较

为实现大范围、高精度基准重力梯度数据库的构建,考虑到重力梯度场对地形质量的敏感效应,一般利用恒密度数字高程模型来求取重力梯度值,从而忽略了地形密度变化以及水准面以下密度异常对重力梯度的影响。根据重力位理论中求解边值问题的数值应用方法,直接利用重力异常数据求取重力梯度场,弥补了密度变化和密度异常在重力梯度上的反映。根据模型算例和实测重力异常数据求取了剖面重力梯度值,结果表明,限于重力数据空间分辨率的影响,利用重力异常数据可恢复中长波段重力梯度场。该方法与地形数据求取重力梯度和卫星重力梯度测量等方法技术相结合,对重力梯度数据库的建设具有实际应用价值。     

高光谱遥感影像异常目标检测研究进展

随着航空航天技术与遥感技术的不断发展,遥感影像在诸多领域的应用不断拓展,其中高光谱分辨率遥感影像具有“图谱合一”的特点,即该数据既包含了具有强大区分性的地物光谱信息,又包含了丰富的地物空间位置信息,因此高光谱数据具有非常大的应用潜力。高光谱异常目标检测问题,是在对目标先验信息未知的前提下,根据光谱与空间信息实现对区域中的异常目标的进行“盲”检测,因此其在资源调查、灾害救援等领域发挥了巨大的作用,是遥感领域非常重要的研究课题。本文针对高光谱遥感影像异常目标检测研究方向,首先总结阐述了目前高光谱异常目标检测问题的主要研究进展,根据算法原理的不同对现有主流算法进行了分类与总结,主要分成了基于统计学、基于数据表达、基于数据分解、基于深度学习等不同的种类的方法,并对每类方法的特点进行分析。随后通过对现有方法的调研、分析与总结,提出了数据库拓展、多源数据融合、算法实用化等高光谱异常检测研究未来发展的3个方向。     

BDS卫星钟差半参数平差模型异常数据探测与处理

针对北斗卫星钟差数据中出现钟跳、粗差等异常数据频次较高的问题,将半参数平差模型引入BDS的钟差数据的处理过程中。首先,在考虑系统误差的同时,改进了常用的钟差模型;其次,综合考虑异常数据和系统误差,利用补偿最小二乘原理和极值求解方法,详细推导了分离异常数据前后参数和非参数估计值与相应观测值改正数的关系表达式,实现了异常数据的定值、参数求解和系统误差分离。在此基础上,引入Cook距离,给出了利用参数分量和非参数分量的Cook距离及混合Cook距离,去判断异常值的位置,并给出了一些参数的选取方法及相应的处理措施,实现了卫星钟差异常数据的定位和定值以及部分系统误差的分离。最后,采用武汉大学GNSS中心提供的采样间隔为5 min的北斗卫星精密钟差数据,将本文方法与常用方法进行了试验对比。试验结果表明,本文方法能够有效地识别并处理卫星钟差数据中的异常值,有效克服了基于经验阈值钟差异常数据探测方法的不足,且该方法对于量级较小的异常钟差数据也有很好的探测效果,一定程度丰富了现有的BDS钟差数据质量控制方法。     

独立成分分析的高光谱异常变化检测

遥感探测到的小目标信号一般是弱信号,利用传统的高光谱异常变化检测方法直接抑制背景来突出异常变化目标,往往导致小目标弱信号同时被抑制,造成目标探测率低、虚警率高。基于独立成分分析方法,研究了弱信号小目标的高光谱变化检测模型,该模型首先通过投影寻踪将异常变化影像投影到独立成分,突出异常变化目标,然后再抑制背景,从而达到异常变化目标和背景的有效分离。该模型可以有效降低虚警率,提高探测率。利用模拟数据和真实数据进行了精度验证,结果表明,利用模拟数据得到的探测精度为99%,利用真实数据得到的检测精度为86%,与传统异常变化检测算法相比,精度最高提高了9%。本文研究方法适用于弱信号小目标的高光谱异常变化检测。     

利用小波变换进行GPS振动观测值的异常探测

本文利用小波变换技术进行GPS振动观测值的异常探测,将GPS振动观测值序列视为一组观测信号,先利用小波低频分解提取信号趋势,再利用小波高频分解探测异常值的位置,提出结合观测体自身变形趋势判断异常值是否存在,再通过小波高频分解和小波阈值去噪找到异常值准确位置的探测方法。结合某GPS振动平台上的振动观测实验数据进行仿真分析,获得准确的异常探测结果。实践证明文中研究的异常值探测方法是可行的和有效的,为GPS振动观测值的异常探测提供新思路。     

变形监测数据预报的动态贝叶斯ELM方法

贝叶斯极限学习机（BELM）具有充分利用数据先验信息，可以自适应估计模型参数的特点。但在样本数量不断增加时，如果每次都对BELM重新训练将会降低计算效率。针对此问题，本文提出一种动态贝叶斯极限学习机（DBELM）方法以应用于变形监测数据实时预报。该方法以BELM训练的模型参数为初值，根据新增样本信息可对初始模型参数进行动态更新，并从理论上推导了相关计算公式。通过对仿真数据和实际变形数据进行详细分析表明：DBELM方法的预报精度要优于BELM、正则化极限学习机（RELM）、极限学习机（ELM）3种方法。特别是在长期持续预报过程中，其预报性能相对于其余3种方法优势明显。这充分表明了所提方法应用于变形监测数据预报领域具有可行性和有效性。     

基于空间遥感影像的居民地自动解译

针对当前地物要素信息采集劳动强度大、智能化程度不高、效率低等技术瓶颈,本文以深度学习理论为基础,在Caffe框架上依托Digits网络服务器构建居民地数据集进行分类识别训练,建立样本数据集并完成模型训练工作.整合居民地复杂数据信息,设计了针对遥感影像自动解译居民地的操作流程.通过对实验结果分析,利用深度学习获取的数据模...     

可变形部件模型在高分辨率遥感影像建筑物检测中的应用

高分辨率遥感影像具有场景复杂、目标种类多样、同一目标呈现多种形态等特点,给建筑物检测带来困难。近年来,可变形部件模型（deformable part model,DPM）被广泛应用到模式识别领域,并且在自然场景的目标识别方面取得很好的效果。结合可变形部件模型,提出一种针对高分辨率遥感影像中建筑物的检测方法,将建筑物看作可变形部件的组合,通过训练得到其对应的参数模板,并采用滑动窗口的方式遍历待检测的影像,判断其中是否存在建筑物目标。通过对分辨率为0.5 m的高分辨率遥感影像的实验证明了方法的有效性。     

高光谱遥感异常目标探测方法性能对比分析

本文利用高光谱遥感异常目标探测理论,探讨了目前已有的几种异常目标探测方法;通过对3组数据进行试验,并从探测率和虚警率、ROC曲线及其下的面积及算法的运行时间,对几种异常检测算法的检测性能进行对比分析;最后基于统计模型和基于表示模型对3组数据的检测效果进行对比分析,从而得出适合于不同数据的检测方法,为高光谱遥感异常目标探测提供更多的支持。     

改进的ELU卷积神经网络在SAR图像舰船检测中的应用

随着航天技术的发展,我国SAR载荷的探测体系呈现多种类、多分辨率的发展趋势。传统的检测识别方法很难适应多分辨率、多种类的SAR图像数据,从而需要寻求一种能从多分辨率的图像数据中提取有效特征的方法。智能化发展非常迅速,本文基于SAR图像的特点,提出了改进的ELU激活函数卷积神经网络的方法,建立了结合ELU激活函数和二次代价函数的深度学习模型。同时,在训练样本中建立样本特征与所在分类中心的距离函数,用模糊支持向量机（FSVM）对提取的特征进行了分类。试验结果表明,本文方法提高了SAR图像舰船检测的抗噪性,并且检测率达到了98.6%。     

点集数据不规则形状时空异常聚类模式挖掘研究

传统扫描统计方法在进行时空异常聚类模式挖掘时,受扫描窗口形状的限制,不能准确地获取聚类区域形状。提出一种改进的不规则形状时空异常聚类模式挖掘方法stAntScan。新方法基于26方位时空邻近单元格构建时空邻接矩阵,再对蚁群最优化扫描统计方法进行改进,使其能适应三维大数据量的时空区域扫描。模拟数据和真实微博签到数据的实验证明,stAntScan能有效地识别时空范围内的不规则形状异常聚类,并且准确性较经典的SaTScan方法高。     

高速公路高墩桥梁垂直度无接触快速检测方法与精度分析

针对公路高墩桥梁立柱垂直度检测问题，提出了采用全站仪自由设站无接触测量方法。该方法能够快速采集桥梁垂直度观测数据，并采用稳健最小二乘法计算桥梁垂直度参数，提高了计算结果的精度和可靠性。工程实际应用案例表明，与传统方法相比，本文方法速度快，检测精度高，可靠性好，为快速解决高墩桥梁垂直度检测提供了新的思路和方法。