基于OpenGL的DEM数据与河流矢量数据集成

在现有DEM数据和MIF河流矢量数据,本文应用OpenGL实现DEM数据与河流矢量数据集成,实现河流区域的3维仿真显示,其中数据采用嘉荫县地区的DEM数据及河流矢量数据。经实验表明,在OpenGL平台下,可以实现DEM数据与河流矢量数据的有效结合,为防汛监测提供很好的显示平台。     

制图数据与建库数据一体化整合研究——以CAD数据为例

建库数据与制图数据的长期分离已不适应多专业领域综合应用和分析的需求,本文针对如何将建库数据和与之对应的CAD制图数据一体化整合为数字线划地图数据的问题,在阐述数据线划地图的概念、管理方式和符号描述以及分析CAD制图数据内容与特点的基础上,研究和设计了数据一体化整合流程,包括数据准备与分析、数据对照规则、数据整合等内容,并以某区域大比例尺建库数据和CAD制图数据为例验证了数据一体化整合的可行性。     

一种高效的GNSS数据自动化下载方法的实现

针对传统的GNSS数据下载方法存在无数据下载的登陆与登出这一缺点,对原始的数据下载方式进行了改进。改进的原理是,事先获取ftp存储路径下的文件名,然后再利用数据下载命令进行数据下载,这样可避免传统的数据下载方式的缺点,大大地提高了数据的下载效率。实际测试的结果表明,改进的数据下载方式与传统的数据下载方式相比,下载IGS数据平均每小时可节约34 min,下载MGEX的数据平均每小时可节约17 min,改进的数据下载方法可有效提高数据下载效率。      

面向时空信息数据的大数据平台设计

设计了面向时空信息数据的大数据平台,以GISCloud的云计算框架作为基础资源平台,通过两层服务架构为平台提供计算和存储资源的管理。以数据融合思想构建大数据平台的基础数据支持,依托GISCloud建立各种资源池,对数据进行抽取和分析,建立核心数据集与共享数据集,实现数据资源的差异化共享。通过面向时空信息数据的大数据平台设计,构建时空信息数据中心,利用公共服务时空信息和共享交换平台提供数据服务,实现海量时空信息数据的高效管理和服务。     

国土资源数据综合管理平台建设探讨

针对国土资源数据多类型、多尺度、数据量大等特点以及数据资源管理中面临的数据移交分发流程繁琐等困难,结合管理业务构建国土资源数据综合管理平台。该平台对成果数据、业务数据、专题数据等数据成果统一管理,实现了国土资源数据使用和管理的规范化,提高了数据管理效率。     

基于面向对象的GIS制图数据与建库数据一体化系统的设计与实现

针对数据生产、建库、使用过程中,制图数据与建库数据矛盾问题,以及各项数据的采集、编辑所具有的工序复杂,工作量大,数据冗余,人工交互多,人为数据错误的可能性大等特点,本文提出基于制图表达的一体化建库模式,通过面向对象技术开发了制图数据与建库数据一体化系统平台,实现数据一体化编辑和数据库一体化管理。     

智慧城市地理信息数据体系研究

根据各种地理信息数据在智慧城市生态系统中所起的作用,将智慧城市地理信息数据划分为基础地理信息框架数据群、服务提供者数据群、服务消费者数据群和管理数据群4大数据群落,并对各数据群在智慧城市数据体系中的作用、内容和要求进行了分析和讨论。     

CAD制图数据与DLG建库数据的转换

CAD制图数据和DLG建库数据是对空间对象的不同描述,CAD数据侧重于地图显示与输出,DLG数据侧重于空间分析。利用现有的CAD数据建立DLG数据库,可实现高效、快速的数据转换。研究了2种数据的本质区别,指出了制图过程导致的差异,从概念角度提出了数据转换的方法,并以实例验证了数据转换的可行性。     

DLG数据转换为地理国情普查要素数据的技术研究

基础地理信息数据是地理国情普查的重要数据源之一,如何充分利用好基础地理信息数据,这关系到地理国情普查数据的生产效率。以1∶10000DLG数据和重要地理国情要素数据为研究对象,通过分析两类数据之间的关系,建立了两类数据的要素对照表,并研究了DLG数据到重要地理国情要素数据的转换模式,最后基于Geoway软件平台,成功将DLG数据转换成重要地理国情普查要素数据。     

CAD数据与GIS数据融合方法研究

AutoCAD数据和GIS数据的数据模型差异导致的异构性,是AutoCAD数据与GIS数据之间难以实现无损转换、无缝融合的根本原因。从以上根本原因出发,提出了两种基于语义的AutoCAD数据与GIS数据融合方案,并给出了利用AutoCAD进行数据生产作业过程中在制图规则、数据规范化方面的建议。     

多波束声纳测深瞬间到达角和旅行时的精确确定

详细论述了多波束测深系统的幅度检测方法，指出了传统的BDI和WMT检测方法的缺点，提出了回波最大强度优先法。它首先采用基于中值滤波、局部方差检测和小波分析相结合的方法来定位异常数据，然后将一个发射接收周期的幅度数据看作二维信号，从图像处理角度来分割高峰值区，从而得到高精度、可靠的DOA和TOA，并使用模拟数据进行了分析，证明了算法的优越性。     

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。     

基于局部条纹频率估计的二维高斯滤波方法

提出一种基于局部条纹频率估计的干涉相位图二维高斯滤波方法。该方法采用最大似然法估计局部条纹频率,并用相位噪声的局部标准差评价噪声强度,从而控制滤波器参数实现自适应滤波,并采用仿真数据和SIR-C/XSAR在意大利Etna火山的干涉数据进行试验,将本算法与均值滤波方法和中值滤波方法以及Goldstein滤波方法进行了比较。试验结果表明,该方法不仅能够有效抑制干涉相位噪声,还能够很好地保持干涉条纹的细节信息。     

Robust adaptive filter for shipborne kinematic positioning and velocity determination during the Baltic Sea experiment

Information on trajectory and attitude is essential for analyzing gravimetric data collected on kinematic platforms. Usually, a Kalman filter is used to obtain high-accuracy positional and velocity information. However, this can be affected by measurement outliers and by state disturbances that occur frequently under a fast-changing environment. To overcome these problems, a robust adaptive Kalman filtering algorithm is applied for state estimates, which introduces an equivalent weight to resist measurement outliers and an optimal adaptive factor to balance the contributions of the kinematic model information and the measurements. In addition to the conventional robust estimator, an improved Current Statistical (CS) model is proposed. The improved CS model adopts a variance adaptive learning algorithm, and it can perform self-adaptation of acceleration variance with the innovation information; thus, it can overcome the shortcoming of lower tracking accuracy and avoid setting the maximum acceleration. Following a gravimetry campaign on the Baltic Sea, it is shown in theory and in practice that the robust adaptive Kalman filter is not only simple in its calculation but also more reliable in controlling the colored observation noise and kinematic state disturbance compared with the classical Kalman filter. The improved CS model performs best, especially when analyzing the positioning errors at the turns due to the target maneuvering. Compared to the CS model, the RMS values of the positional estimates derived from the improved CS model decrease by almost 30% in the horizontal direction, and no significant improvement in the vertical direction is found.     

粗差探测与识别统计检验量的比较分析

LS估计对粗差非常敏感。在粗差的探测与识别理论体系中,通常采用正态检验、学生氏t检验以及τ检验等,笔者对此进行比较分析。标准化局部敏感度指标与标准化LS残差均可用来作正态检验,但研究表明,当观测量相关时,前者的检验功效大于后者。先验单位权方差因子未知时,可依据内部学生化残差及外部学生化残差分别进行τ检验和学生氏t检验。...     

GPS导航中的抗差自适应Kalman滤波算法

GPS导航与定位的质量取决于对动态载体函数模型和随机模型的认知。本文首先基于机动载体的当前统计模型 ,设计了离散系统的Kalman滤波器 ,进而基于方差分量估计给出了一种适合GPS动态定位的抗差自适应卡尔曼滤波算法。该算法模型简单 ,实时性好。实测数据计算结果表明 ,滤波导航解能有效地控制观测异常和动态扰动异常对导航解的影响 ,使导航解更能反映导航目标的真实情况     

SNPP-VIIRS夜间灯光影像去噪方法研究

高精度的夜间灯光数据能够有效反映人类空间活动特征，传统的SNPP-VⅡRS夜间灯光影像去噪方法容易忽略新增加或消失的有效灯光，且未处理灯光异常值，随着时间推移，去噪误差会逐渐增大。因此，本文提出了利用中值滤波与低阈值去噪相结合的方法过滤SNPP-VⅡRS夜间灯光影像中的异常值及背景噪声，并将去噪后的夜间灯光总量与GDP进行相关性分析及精度验证。试验结果表明，通过中值滤波与低阈值去噪结合的方法提取的夜间灯光总量与GDP的相关性优于传统方法，利用该方法建立的模型估算出的亮度值精度更高，证明该方法具有更高的去噪精度。     

钟差预报AR模型异常值探测的Bayes方法

主要研究了时间序列AR模型的异常值探测问题。首先在一定的限制条件下,将AR模型的异常值探测问题转化为线性回归模型的异常值探测问题;并在正态-Gamma先验条件下,计算了基于均值漂移模型和方差膨胀模型异常值事件发生的后验概率。然后运用Bayes方法对异常值进行了估算。最后通过卫星钟差实测数据计算,比较了模型修正前后预报的情况,验证了新方法的有效性。     

精密单点定位不等精度观测值的RKF研究

推导了精密单点定位含有粗差观测数据的M-LS滤波原理,对等价权阵采用三段降权函数实现抗差。从新息和残差的协方差关系出发,利用对粗差敏感的残差标准差作为抗差因子。通过迭代减弱卫星间载波残差及其抗差因子的相关性。针对载波和伪距观测值不等观测精度和不相关性,采用双抗差因子实现静态抗差卡尔曼滤波（robust Kalman filtering,RKF）。采用标准卡尔曼滤波、基于新息RKF、基于残差的增益矩阵双抗差因子RKF、基于残差的等价权阵双抗差因子RKF等4种模型,分别对一组实测数据解算分析。结果表明,基于新息RKF对精度较高的载波粗差不敏感;基于残差的增益矩阵RKF对载波较小的粗差抗差效果较差,且发生粗差历元时刻的状态参数与真值偏差较大;而基于残差构造的等价权阵双抗差因子RKF可以非常精确和高效地实现抗差,单个卫星粗差对测站位置参数影响小于1 mm。     

Robust Kalman filtering based on Mahalanobis distance as outlier judging criterion

A robust Kalman filter scheme is proposed to resist the influence of the outliers in the observations. Two kinds of observation error are studied, i.e., the outliers in the actual observations and the heavy-tailed distribution of the observation noise. Either of the two kinds of errors can seriously degrade the performance of the standard Kalman filter. In the proposed method, a judging index is defined as the square of the Mahalanobis distance from the observation to its prediction. By assuming that the observation is Gaussian distributed with the mean and covariance being the observation prediction and its associate covariance, the judging index should be Chi-square distributed with the dimension of the observation vector as the degree of freedom. Hypothesis test is performed to the actual observation by treating the above Gaussian distribution as the null hypothesis and the judging index as the test statistic. If the null hypothesis should be rejected, it is concluded that outliers exist in the observations. In the presence of outliers scaling factors can be introduced to rescale the covariance of the observation noise or of the innovation vector, both resulting in a decreased filter gain. And the scaling factors can be solved using the Newton’s iterative method or in an analytical manner. The harmful influence of either of the two kinds of errors can be effectively resisted in the proposed method, so robustness can be achieved. Moreover, as the number of iterations needed in the iterative method may be rather large, the analytically calculated scaling factor should be preferred.