联合SVM和HMM的水上/水下导航场景感知模型构建

导航场景感知是智能化PNT的重要特征,更是实现多场景无缝导航定位的基础。本文聚焦水上/水下导航场景,考虑电磁波的衰减程度差异将其细分为水上、浅水、深水3类场景,利用支持向量机(support vector machine, SVM)进行场景分类与识别,在此基础上,引入隐马尔可夫模型(hidden Markov model, HMM)表达导航场景切换,进一步提升场景识别可靠性。本文分别构建了基于结果联合(SVM-HMM1)及基于概率联合(SVM-HMM2)的水上/水下导航场景感知模型。实测分析表明,两种模型能够实现高精度场景感知,SVM-HMM1与SVM-HMM2识别准确率分别为91.36%与95.11%;与单一的HMM和SVM模型相比,联合模型在结果分类与识别上更为稳定,准确率提升约为0.95%～8.46%。     

基于人类感知的SAR图像海上溢油检测算法

在基于SAR图像的海上溢油检测中,识别的效率与准确率是关键。纹理特征是人类专家能够较好的判别SAR图像中油膜,类油膜以及海水的一个重要依据。本文算法一方面融合灰度共生矩阵与Tamura特征,直接对SAR原始图像进行特征提取,避免了对图像进行分割、降噪等预处理,提高了识别算法的可行性与识别效率。另一方面,应用深度信念网络(DBN)的分类方法,可以很好地解决溢油检测中小样本分类的问题,并且模仿人类感知系统高效准确的表示信息、获取本质特征。本文应用人类感知的思想对油膜、类油膜以及海水这3类样本进行分类识别。通过实验确定了DBN中利于分类的关键参数值。本算法对原始SAR图像中3类样本的识别准确率达到90.36%,具有较好的实用价值。     

基于随机森林算法的多维情境特征活动识别

利用智能手机传感器可感知时间、空间、时空和用户等多维情境的特征,可识别用户活动,但原框架模型中仅利用了单一分类器中的朴素贝叶斯算法,存在分类精度效果受限的问题。本文利用集成分类器中的随机森林算法对原有框架中的单一分类器进行了改进。在获取的3个数据集上的十倍交叉验证结果表明,加权平均F1量测值均有较大提高,表明利用随机森林算法在分类精度效果上有所提升;但由于集成算法结构相对复杂,其学习效率相对较低。此外,随机森林算法的分类混淆矩阵表明,导致识别误差的因素主要为活动的定义与室内定位精度。     

基于GNSS多径信号的反射面参数估计算法

全球卫星导航系统（GNSS）多径信号广泛存在于城市峡谷等复杂导航定位场景中. 多径信号在干扰GNSS接收机并造成系统定位精度下降的同时,也为接收机提供了周边反射面环境信息. 在码相位延迟幅度联合跟踪算法（CADLL）实现GNSS多径信号感知和特征参数提取的基础上,设计实现了基于粒子滤波的反射面参数估计算法. 该算法可以在GNSS多径环境中增强接收机的环境感知能力,相关环境信息可应用于场景感知、避障、路径规划和定位增强等领域. 静态环境下进行GNSS多径信号采集和算法测试,实验结果表明该算法能够有效估计反射面位置参数,反射面方位角均方根误差（RMSE）小于10°,反射面俯仰角RMSE小于5°,反射面距离RMSE小于10 m.      

通过训练样本采样处理改善小宗作物遥感识别精度

训练样本质量是决定农作物遥感识别精度的关键因素,虽然高空间分辨率卫星的发展有效地解决了农作物遥感识别过程中的混合像元问题,但是当区域内不同作物种植面积差异较大时,训练集中不同类别样本数量往往相差较大,这样的不均衡数据集影响分类器的训练,导致少数类别的识别精度不理想。为研究作物遥感识别过程中的不均衡样本问题,本文基于GF-2号卫星数据,首先挖掘了地物的光谱信息、纹理信息,用特征递归消除RFE (Recursive Feature Elimination)方法进行特征优选,然后从数据处理的角度采用了5种采样算法对不均衡训练集进行处理,最后使用采样后的均衡数据集训练分类器,对比数据采样前后决策树与Adaboost(Adaptive Boosting)两种分类器的识别结果,发现:(1)经过采样处理后两种分类算法明显提升了小宗作物的分类精度;(2)经过ADASYS (Adaptive synthetic sampling)采样处理后,分类器性能提升最多,决策树的Kappa系数提高了14.32%,Adaboost的Kappa系数提高了10.23%,达到最高值0.9336;(3)过采样的处理效果优于欠采样,过采样对分类器的性能提升更多。综上所述,选择合适的采样方法和分类方法是提高不均衡数据集遥感分类精度的有效途径。     

一种利用空间和光谱信息的高光谱遥感多分类器动态集成算法

针对高光谱遥感影像分类面临的小样本、分类器不稳定等问题,在总结现有多分类器动态集成算法的基础上,提出了一种利用空间和光谱信息的多分类器动态集成算法。首先,采用支持向量机等5个基分类器构建多分类器集合;其次,计算各个分类器的分类结果,将大多数分类器分类一致的像元列入样本数据;最后,根据待分类像元的邻域像元的标签分类情况,动态地选择合适的方式进行分类器集成。该算法只在空间邻域信息满足一定条件的情况下,才采用空间和光谱信息结合的方法进行处理,即利用空间信息提高算法的灵活性。采用2幅不同传感器的高光谱遥感影像数据对算法进行实验,并与现有5种多分类器动态集成算法进行对比分析。结果表明,本文提出的多分类器动态集成算法可以保持较高的分类精度,并能有效提升高光谱遥感影像分类的稳定性,对于推动高光谱遥感精细分类研究具有一定的理论和实用价值。     

一种基于机器学习分类器的UWB异常信号识别方法

针对超宽带定位技术中非视距信号与多径信号影响超宽带定位精度的问题，在不考虑信道冲激响应这一重要特征前提下，分别从测试与训练场景相同和异同两方面对比研究支持向量机、随机森林和多层感知器3种机器学习方法的低成本超宽带异常信号识别性能。通过将多径信号与非视距信号分离，完成视距信号、非视距信号和多径信号的数据多分类。对比性实验结果表明，测试环境与训练环境相同和异同两种情况下的随机森林分类器表现最优，识别准确度可达92.52%、74.82%;在缺失信道冲激响应这一重要特征条件下，机器学习依然可以较好地识别非视距信号和多径信号，为低成本室内定位提供一种思路。     

联合支持向量机和增强学习算法的多波束声学底质分类

基于多波束的声学底质分类是近年来快速发展起来的新型海底底质探测技术.针对多波束声学底质分类中底质类型多样化、类型之间差异较小等多分类难点问题,本文提出一种GA-SVM-AdaBoost算法.利用自适应性和全局搜索能力强的遗传算法(genetic algorithm,GA)去优化支持向量机(support vector machines,SVM),以获得最优模型初始参数,并将多个GA优化后的SVM作为弱分类器组成AdaBoost强分类器.对胶州湾采集到的多波束反向散射强度数据,经过精细处理后生成海底声呐镶嵌图;构建SVM-RFE-CBR算法从提取的36维声强空间特征中筛选出10维优势特征,将其输入到GA-SVM-AdaBoost模型中进行分类识别.通过与SVM、GA-SVM、基于单层决策树的AdaBoost分类模型对比,GA-SVM-AdaBoost算法的总体分类精度高达92.19％,优于另外3种模型,证明GA-SVM-AdaBoost分类模型可有效应用于高精度海底底质类型识别.     

融合空谱特征和集成超限学习机的高光谱图像分类

为提高高光谱图像的分类精度,提出了一种融合空谱特征和集成超限学习机的高光谱图像分类方法。首先结合每个像素邻域的光谱信息提取空谱特征向量;考虑到高光谱相邻波段信息具有一定的相关性,先对提取的特征向量进行平均分组,然后从每个区间随机选择若干个波段进行组合,采用具有快速学习能力的超限学习机训练分类器。为提高分类模型的泛化能力,基于集成学习思想,对提取的空谱特征进行多次抽样,训练得到多个弱分类器,最后采用投票表决法得到用于高光谱图像分类的强分类器。采用3个典型高光谱数据进行了分类试验,试验结果表明,提出的算法总体分类精度较优,尤其当训练样本数较少时能取得较高的分类精度。提出的算法具有可调参数少、训练速度快、分类精度高等优点,具有广阔的应用前景。     

顾及遥感影像场景类别信息的视觉单词优化分类

传统词包模型的视觉词典忽略了场景本身包含的类别信息,难以区分不同类别但外观相似的场景,针对这个问题,本文提出一种顾及场景类别信息的视觉单词优化方法,分别使用Boiman的分配策略和主成分分析对不同场景类别视觉单词的模糊性和单词冗余进行优化,增强视觉词典的辨识能力。本文算法通过计算不同视觉单词的影像频率,剔除视觉词典中影像频率较小的视觉单词,得到每种场景的类别视觉词典,计算类别直方图,将类别直方图和原始视觉直方图融合,得到不同类别场景的融合直方图,将其作为SVM分类器的输入向量进行训练和分类。选取遥感场景标准数据集,验证算法,实验结果表明:本算法能适应不同大小的视觉词典,在模型中增加场景类别信息,增强了词包模型的辨识能力,有效降低场景错分概率,总体分类精度高达89.5%,优于传统的基于金字塔匹配词包模型的遥感影像场景分类算法。     

自动推算室内接入点坐标算法

随着基于位置服务的应用与发展,室外和室内定位技术都得到了飞速发展。特别是在WiFi定位技术的不断完善下,室内定位技术有了广泛的应用,但是,WiFi定位技术的两种定位方式均需预先知道室内网络接入点的精确坐标,这一要求无法满足一些紧急情况下的定位需求。因此,本文提出了一种基于M估计的自动推算室内接入点坐标算法。该算法借助在室内外交界处同时获取卫星定位信息和WiFi信号的RSSI信息,巧用分段RSSI测距算法提高长距离RSSI测距精度,结合残差绝对和最小的M估计改进距离交会定位算法,最终推算出室内接入点的三维坐标,实现自动化推算过程。试验结果表明：该方法的定位精度比常规距离交会最小二乘算法提高了50%,能够快速实时较精确地推算室内接入点的坐标,进一步完善了WiFi定位技术。     

室内空间用户行为的智能手机识别

针对地磁匹配中经常会出现相似点,造成定位偏差较大的问题,该文提出利用智能手机识别用户室内行为方式的方法,为地磁匹配算法提供筛选条件。开发了智能手机传感器数据采集工具,获取用户在室内环境下的行为数据。原始数据首先利用一阶低通滤波和平滑滤波算法进行去噪处理,再经过数据分割和特征提取后,应用于行为识别过程。行为识别模型的建立主要使用两种方法,K最近邻算法和隐式马尔可夫模型,并研究了两种方法的不足以及改进途径。通过针对识别准确度的对比实验,在输入最合适的数据的条件下,隐式马尔可夫模型的准确度略优于K最近邻算法。两种方法的识别准确率均在95%以上,能够有效地提高地磁定位精度。利用室内用户行为数据辅助地磁室内定位,很好地改善了地磁数据单一、定位精度较低的问题。     

数码城市GIS中建筑物室外与室内三维一体化表示与漫游

介绍了数码城市中室外与室内场景的数据管理及可视化等关键技术，对室外与室内场景进行了综合比较，讨论了室内外场景一体化的表示思想。     

空间碎片激光测距微弱信号实时识别方法

针对传统二次滤波算法在空间碎片激光测距微弱信号实时识别中表现出误检率高的问题,基于空间碎片激光测距回波信号时间相关性的特点,本文提出采用一次滤波和线性拟合相结合的方法,顾及微弱信号实时识别的搜索代价与识别精度,实现了空间碎片激光测距微弱信号的实时识别。利用空间碎片激光测距实测数据进行了算法验证,结果表明：本文提出的激光测距微弱信号实时识别算法能够快速准确提取空间碎片的微弱信号,误检率由原来的5.72%降低到0.12%,漏检率由原来的0.77%降低到0.34%,对提高空间碎片的探测成功率具有重要意义。     

北斗/超宽带组合定位的室内外过渡区无缝链接方法

室内外无缝导航定位是万物互联之基石,具有广阔的市场前景和应用价值. 但目前对于室内外过渡区的无缝组合导航技术,仍存在诸多棘手问题亟待解决. 对此,从三个方面对BDS/UWB组合定位的室内外无缝链接方法进行了改进:一是提出了一种基于内引法和外引法的室内信标绝对定位方法,以解决室内外定位结果的坐标基准统一问题;二是提出了一种基于位置精度因子(PDOP)平稳变化的室内信标优化布局方案,以提高过渡区域的导航定位精度与信标可用性;三是提出引入自适应权重因子,来解决BDS/UWB组合定位的观测值合理定权问题. 通过具体实验验证:1) 利用基于内引法和外引法的室内信标绝对定位方法,可实现室内外坐标基准的统一,显著提高了用户使用的便捷性;2) 采用所提信标优化布局方案,可有效提高过渡区定位精度,相比无超宽带(UWB)信标,BDS/UWB组合定位的平均定位精度至少提高 355%;3) 自适应权重因子可实时调节不同时间、不同类型观测值的权比,增强了观测信息利用效率,相比北斗卫星导航系统(BDS)空旷区域,定位精度可至少提高22.5%.      

最小割与深度学习联合优化的室内粘连点云分割方法

随着数字城市的发展,城市三维模型重建对三维点云结构化的需求与精度要求越来越高。如何有效准确地分割室内语义模型与三维重构是当前研究的热点问题。点云分割分类是室内点云结构化的重要基础,如何将粘连点云构件进行准确分割并用于室内点云结构化,是当前城市建模的难点。本文提出了一种面向室内粘连点云数据的分割分类方法。首先,利用深度学习网络处理室内点云数据;其次,对点云数据进行标签分类,得到目标标签点云;然后,利用欧氏算法对目标点云进行聚类分割,通过室内语义构件包围盒信息计算各目标中心点坐标与水平半径;最后,利用点云最小割实现室内粘连点云的准确分割。利用3组室内场景中获取的数据对分割方法的精度及有效性进行了验证。结果表明,该分割优化方法具有较高的精度与数据完整性。     

Boosting和Bagging算法的高分辨率遥感影像分类探讨

多分类器集成能够有效地提高遥感分类精度、降低结果中的不确定性,基于样本操作的Boosting和Bagging算法是多分类器系统常用的两种算法。针对高分辨率卫星遥感分类的需求,以Qu ickb ird数据为例,分别以BP神经网络、RBF神经网络和决策树为基分类器,对Boosting和Bagging算法的应用效果进行了实验和分析评价,结果表明Boosting算法和Bagging算法能够用于高分辨率遥感影像分类,具有较好的分类性能。     

From 2D and 3D GIS for CyberCity

In order to understand the 3D landscape with many high buildings in a city, the 2D GIS has to be extended to 3D GIS. The further development of CyberCity has to include various applications of 3D scenes from the outdoor scenes to the indoor ones. In thispaper, some key techniques, such as data management method and dynamicalvisualization method for the outdoor and the indoor scenes, are discussed. The indoor scene is compared with the outdoor one. The idea of integratedrepresentation of the outdoor and the indoor scenes in CyberCity GIS is discussed. Funded by the open research fund program of LIESMARS (No. 010302).     

From 2D to 3D GIS for CyberCity

In order to understand the 3D landscape with many high buildings in a city, the 2D GIS has to be extended to 3D GIS. The further development of CyberCity has to include various applications of 3D scenes from the outdoor scenes to the indoor ones. In thispaper, some key techniques, such as data management method and dynamicalvisualization method for the outdoor and the indoor scenes, are discussed. The indoor scene is compared with the outdoor one. The idea of integratedrepresentation of the outdoor and the indoor scenes in CyberCity GIS is discussed.