地学时序大数据的相似性度量与索引方法综述

地学时序大数据具有多传感器、多目标、多分辨率、多类型的多源异构特征,是地学领域机器学习与数据挖掘的重要数据来源,分为基于时点和基于时段的两大类时序数据。现有时序数据的相似性度量与索引研究主要聚焦在前者。时序数据表达方法的核心思想是降维处理,是相似性度量与索引方法的基础,主要包括基于域变换和模型的表达方法和基于极限分段思想的表达方法。相似性度量的核心是相似性距离计算,主要分为锁步度量和弹性度量。它为时序数据索引中索引项的聚合与划分提供了基本准则。多源异构地学时序大数据的高效相似性度量与分布式索引方法是地学大数据领域未来的重要研究方向。      

天气雷达数据处理系统的设计与实现

天气雷达数据处理系统是“全国天气雷达终端更新”项目的关键,其目的就是要实现雷达回波信号的高速采集与处理、天线控制、实时显示与存储、回波强度定标等功能。设计中,利用复杂可编程逻辑器件（CPLD）和QuarmsII设计软件,产生各种复杂的时序逻辑控制时钟,协调信号处理器、天线控制器中各功能电路的工作。实现的数据处理系统达到了系统的技术指标,通过实际使用证明,系统性能稳定可靠、结构简单、界面友好、操作方便、便于升级,完全能够实时、高效地处理常规天气雷达信号。     

天气雷达数据处理系统的设计与实现

天气雷达数据处理系统是“全国天气雷达终端更新”项目的关键,其目的就是要实现雷达回波信号的高速采集与处理、天线控制、实时显示与存储、回波强度定标等功能。设计中,利用复杂可编程逻辑器件（CPLD）和quartusⅡ设计软件,产生各种复杂的时序逻辑控制时钟,协调信号处理器、天线控制器中各功能电路的工作。实现的数据处理系统达到了系统的技术指标,通过实际使用证明,系统性能稳定可靠、结构简单、界面友好、操作方便、便于升级,完全能够实时、高效地处理常规天气雷达信号。     

多时相HJ-1数据补充的水体分布时序变化监测

由于地域、天气等原因造成的云影问题,导致了水体时序分析困难。本文以资源三号（ZY-3）影像作为辅助数据,以环境与灾害监测预报小卫星影像（HJ-1）作为研究数据,通过提取一个时间段内多景时相相近HJ-1数据中有效水体信息,迭代补充成完整的水体提取结果,将不同时间段内影像水体提取的完整结果形成时序监测数据,以达到对某地区水体时序变化监测的目的。通过对淮河流域安徽段研究区水体分布监测表明,该方法能充分利用每个时间段内质量不理想的源数据,对相近时相数据迭代补充,完整提取该时间段内的水体信息。多个时间段迭代补充形成的时序数据可有效支持时序监测。本文在研究区共选取了8295个查找点,结果表明：2013年该研究区洪季（7、8月）水体信息比旱季（3、4月）更丰富,特别是东南部在洪季形成了许多零散水体;相较于旱季,洪季研究区水域面积增长了22.1%。     

SBAS-InSAR在矿区地表形变监测中的应用与分析

本文运用SBAS-InSAR时序技术,对2019年9月19日-2020年3月29日期间的17景Sentinel-1A数据进行处理,获取了济宁北部煤矿区内的年均沉降速率,探测到6处沉降漏斗分布,最大沉降速率达到-242 mm/y.结果 表明:SBAS-InSAR时序方法可在矿区的地表形变监测中得到足够的监测对象,较完整地...     

基于奇异谱分析的CORS大地高时序形变信息提取

为增强信号提取的信噪比，采用奇异谱分析（SSA）对测站大地高序列进行分解与重构，利用仿真实验确定嵌入维数与截断主分量个数的选取原则，进一步将SSA方法应用到CORS时序形变信息提取中。通过FFT分析发现，大地高时序以分解的季节性变化成分为主，重构后时序标准差明显减小，表明SSA方法可有效提高CORS大地高时序信噪比，起到降噪平滑作用。研究结果对地壳垂直形变特征表达及SSA应用拓展具有一定意义。     

Landsat时序变化检测综述

时序变化检测已成为当前Landsat数据主流的变化检测方法。本文从检测算法对比、时序数据构建和精度评价等方面对Landsat时序变化检测进行回顾和评述,进而提出Landsat时序变化检测当前所存在的问题,及其所面临的挑战。Landsat时序变化检测算法可大致归纳为轨迹拟合法、光谱-时间轨迹法、基于模型的方法3大类,这些算法大多基于森林扰动提出;变化检测常用指标有波段型、植被指数型、线性变换型、组合型4大类,每类指标的优势不同,可综合多类指标以更全面地检测不同扰动类型。尽管Landsat时序变化检测已取得长足发展,但仍然面临诸多挑战,其中最大挑战是缺少一致性的参考数据集进行变化检测精度评价。     

地铁隧道地表变形小波去噪及灰色-时序组合预测模型研究

以青岛地铁3号线地表变形横向观测线实测数据为例,开展小波去噪及时序组合预测模型的研究。首先,采用小波理论对观测值进行粗差剔除与去噪处理,根据均方误差最低、信噪比最高的原则,证实dmey小波1层分解、rigrsure软阈值小波去噪方法是最优的。其次,给出地铁隧道地表变形灰色-时序组合预测模型表达式,选用等维新息GM(1,1)模型和残差时间序列模型进行地表变形叠合预测。最后,通过小波去噪后时间序列预测模型、小波去噪前灰色-时序组合预测模型、小波去噪后灰色-时序组合预测模型进行计算分析,结果表明小波去噪后灰色-时序组合模型预测精度最高,并分析了各模型预测精度差别的成因。     

崩滑灾害位移曲线典型类型及其形成机制

通过整理分析大量的崩塌滑坡位移-时间曲线发现,孕育期地表位移时序曲线典型类型主要有稳定型、渐进型和突发型3类,其中稳定型分为蠕滑稳定型和波动稳定型2亚类,渐进型分为三阶段渐进型、振荡渐进型和多台阶渐进型3亚类;孕育期地下位移时序曲线典型类型主要有单滑裂面型和多滑裂面型2类,并发现滑带处位移时序曲线与地表的具有相似的演化规律;从孕育、成灾到形成崩滑堆积体的全过程位移时序曲线典型类型只有生长型一类。基于崩塌滑坡滑裂面上锁固段数量、位置和强度,结合变形状态空间区划效应及外界因素对锁固段的加卸载特征,对孕育期地表典型位移时序曲线形成机制进行了探讨。      

永久散射体点目标提取方法研究

分析幅度稳定性、相位稳定性、时序相关性及振幅离差阈值等多种PS点提取方法的特点与缺陷,提出基于时序相关系数阈值与振幅离差阈值并集和交集的PS点识别策略,给出其相应模型,并实例验证了该方法的有效性与优越性。     

基于反馈线性化的多变量模糊迭代控制器设计

针对一类多变量非线性控制对象的轨迹跟踪问题,设计一种模糊迭代学习控制器,利用模糊控制器动态调节迭代学习律增益矩阵参数,通过反馈线性化算法和信息融合技术降低模糊控制器输入变量维数,实现多变量非线性系统轨迹跟踪控制.结果表明:与固定增益型迭代学习控制器相比,采用模糊迭代学习控制器学习速度提高,控制稳定性改善,两自由度机械臂的轨迹跟踪控制仿真结果也验证模糊迭代学习控制器的优越性.     

模糊PID控制器在水压机控制系统中的应用

介绍了模糊控制中的设计思想及方法，并采用模糊控制的方法来改进实际生产中PID控制的一些控制难点。将改进方法应用在一大型水压机控制系统中并在实际生产中取得了理想效果。     

基于同伦法的跟踪系统鲁棒控制器设计

针对传统控制系统鲁棒控制器阶数较高的缺陷,提出一种具有阶次限制的鲁棒控制器设计方法.利用Ne-vanlinna-Pick插值方法,将鲁棒控制器设计问题转化为求解非线性方程的根,避免选择H∞控制中加权函数.基于同伦法设计低阶鲁棒控制器,通过仿真实验研究该鲁棒控制器下的阶跃响应,以及存在外部干扰时系统的控制性能及干扰抑制能力,并与传统滞后超前校正方法进行比较.结果表明:该控制器不仅能够在保证跟踪精度前提下具有较强干扰抑制能力,而且当系统存在不确定性时,闭环控制系统具有很好的鲁棒性.     

�������ƽ����ıȽ�

??????????????????????????????????????????????????????Э??????????????????????????????????????????????????????????????????????????????????????????? ?????GPS??????м??????????????Ч????     

序贯平差的稳健化处理

本文从最小二乘贝叶斯原理出发,指出了序贯平差的一般原则,据此平差原理,每组观测可以分别处理,从而很客易应用稳健估计方法获得稳健的序贯解。本文算例说明了可行性。     

�÷�����������Ӧ���ƽ�ȷ������ת������

???????Ч??????????????任????????????????????????????????????÷??????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????У????????????????????????????????????????     

基于Nevanlinna-Pick插值的时滞系统鲁棒控制器设计

针对时滞系统,提出一种基于Nevanlinna-Pick插值的鲁棒控制器设计方法.它首先通过互质分解得到控制器和灵敏度函数的参数化形式,将控制器的设计转化为灵敏度函数成型;然后利用同伦法求解具有阶次约束的Nevanlin-na-Pick插值问题,从而求得控制器和灵敏度函数.仿真实验结果表明,闭环系统的灵敏度函数由被控对象的非最小相位零点和不稳定极点决定.     

多类观测量联合平差中方差分量估计的序贯算法

在赫尔默特公式的基础上．推导了多类观测数据联合平差中方差分量估计的序贯算法,它区别于以前文献中使各类观测量所对应的验后单位权方差整体趋于一致的做法,而采用逐类（次）平差法,在每次平差后进行方差分量估计,依次使各类观测量的验后单位权方差趋于相等。该算法未作任何近似,依然保留原赫尔默特方差分量估计公式所具有的优良统计特性;它克服了原来严密公式计算中占用内存大、计算繁琐的缺点,不需要额外保留逐类（次）平差的历史数据,非常适合计算机程序实现。