重力固体潮观测数据的自动化预处理

研究了重力固体潮汐观测数据的预处理方法,给出了对原始观测数据降采样的平均滤波和小波滤波处理方法以及处理中断数据的线性插值和三次样条插值方法,研制了重力固体潮汐观测数据自动化预处理软件APTsoft,实现了异常数据(包括尖峰、台阶、中断等)的自动标定与改正功能.实验结果验证了本文预处理方法及APTsoft软件的有效性,APTsoft可应用于重力固体潮观测数据的自动化预处理.     

利用卷积自编码器重建含噪重力数据

卷积自编码器融合了适于处理相同维度数据映射的自编码器神经网络,以及近年来在图像处理领域取得广泛应用的卷积神经网络。基于深度学习处理重力观测数据图像, 利用卷积自编码器从含噪声的重力图像中重建重力观测图像。首先,随机建模生成大量不同参数的重力异常体,正演其重力异常, 将加入噪声的重力异常和原始重力异常分别作为卷积自编码器的输入和输出进行训练;然后,模拟数据测试表明训练得到的神经网络重建效果良好;最后,用Kauring实验场实测重力数据测试该神经网络的泛化性能,并与快速傅里叶变换(fast Fourier transform,FFT)滤波、db小波(Daubechies wavelet)滤波方法进行了比较。结果表明,训练好的卷积自编码器重建实测重力数据的平均误差小于FFT滤波方法及db小波滤波,且能避免重力异常特征过度滤波而消失,受噪声干扰小于db小波滤波,综合效果理想。     

一种基于小波变换的GPS基线求解算法

在分析GPS相位观测粗差、周跳及随机噪声的小波变换特性基础上,提出了基于小波变换的GPS相位粗差探测及小波滤波算法,并提出了基于小波滤波的GPS基线求解算法,该方法能缩小模糊度搜索空间,提高整数模糊度解的有效性.     

一种基于小波变换的GPS基线求解算法

在分析ＧＰＳ相位观测粗差,周跳及随机噪声的小波变换特性基础上,提出了基于小波变换的ＧＰＳ相位粗差探测及小波滤波算法,并提出了基于波滤波的ＧＰＳ基线求解算法,该方法能缩小模糊度搜索空间,提高整数模糊度解的有效性。     

基于小波的GPS基线解算精化处理技术及其应用

采用小波技术对GPS信号进行处理,提出基于小波变换的周跳与粗差的探测.利用基于小波变换的小波滤波法对于提高GPS双差相位观测值的信噪比具有较好的效果,对其相位观测值进行小波滤波,消除或削弱多路径效应和各种观测噪声,使其观测值得以净化.这种方法对于缩小模糊度搜索空间及提高模糊度解的有效性有明显的作用,从而提高基线解算的精度.     

一种使用剪切波变换的干涉图滤波算法

干涉图小波阈值法滤波未考虑干涉相位统计特性, 导致在低相干区域得到的滤波效果不能令人满意。针对这一问题, 提出了一种剪切波变换与干涉相位标准差相结合的相位滤波算法。该算法将干涉相位统计特性与剪切波阈值滤波结合起来, 利用相位标准差改正滤波阈值以提高滤波效果。此外, 为了评价干涉图的滤波效果并为实测数据选择合适的滤波方法提供参考, 将模拟干涉图解缠结果的局部均方差分布作为滤波质量评价指标。将此算法与Goldstein滤波、小波滤波、最优方向融合滤波和剪切波软阈值滤波进行比较, 结果表明所提算法能更有效地削弱干涉图噪声, 同时保留干涉图的细节信息, 避免了低相干地区弱滤波问题。     

基于短时间序列重力观测数据的潮汐改正方法

对于没有长期连续潮汐观测站和无精密潮汐模型的地区,研究高精度潮汐改正方法具有重要意义。给出了基于短时间序列重力观测数据的高精度潮汐改正方法,并利用全球动力学计划中TIGOConcepcion、Kamio-ka和Hsinchu三个台站的超导重力观测数据对该方法进行了试验分析。研究结果表明,利用一天或数天重力观测数据可建立高精度潮汐模型,其振幅因子和相位延迟解算精度分别优于0.01和0.5°,潮汐改正精度可以达到μGal量级,验证了该方法的正确性和有效性。本文方法为无精密潮汐模型区域的潮汐改正提供了新的途径。     

网络RTK基准站间的模糊度及空间相关误差解算

利用载波相位双差观测值的宽巷和无电离层组合固定部分模糊度参数,并采用Kalman滤波算法估计残余的对流层延迟;然后对观测值进行改正,剔除对流层延迟误差,从而提高剩余模糊度参数的固定率;最后估计双差电离层延迟。文中采用美国CORS网的GPS数据进行实验,实验结果表明,自适应滤波算法可明显提高残余对流层延迟的解算精度和模糊度的解算效率;固定模糊度并改正对流层和电离层延迟,差分定位精度得到很大提高。     

联合GOCE卫星轨道和重力梯度数据严密求解重力场的模拟研究

论述了联合卫星轨道和重力梯度数据严密求解重力场的方法及数据处理方案,研究了GOCE重力场反演中有色噪声的AR去相关滤波、病态法方程的Kaula正则化和观测值最优加权的方差分量估计等关键问题。模拟结果表明:①极空白问题会降低法方程求解的稳定性,导致低次位系数的求解精度较低,而Kaula正则化可有效用于GOCE病态法方程的求解,并得到合理稳定的解;②重力梯度有色噪声会降低GOCE重力场求解的整体精度,特别是对低阶位系数的影响最为明显,而AR去相关滤波法可有效处理有色噪声,但解算结果仍含有低频误差;③方差分量估计可有效确定SST和SGG两类观测值的最优权比,并且有色噪声造成的低频误差经过联合求解后得到了抑制;④利用30d、5s采样的GOCE模拟数据恢复200阶次的重力场模型,其大地水准面和重力异常精度在纬度±83°范围内分别为±3.81cm和±1.056mGal。     

重力极潮的小波分析

分别分析Brussels台站的观测记录,首先扣除数据序列中的合成潮得到重力残差,接着用小波带通滤波器将残差滤波,得到256～512 d时间尺度上的序列,然后运用最小二乘法估算Chandler和周年项的潮汐因子.由于小波滤波器能更有效地消除仪器漂移,计算结果具有更小的均方差,更加可靠.     

遥感影像亚像素快速配准方法

针对经典亚像素配准算法运算效率不高的情况,提出一种快速亚像素配准方法。在原有傅里叶变换相位相关方法与矩阵乘法离散傅里叶变换方法的基础上,利用有效子图代替原图进行图像亚像素配准。有效子图是通过二维小波分解高频分量的能量总和大小来选取,再对有效子图进行相位相关像素级定位与矩阵乘法傅里叶变换亚像素定位。改进方法不但继承矩阵乘法离散傅里叶变换亚像素高精度配准的优良性能,而且选用有效子图替代原图进行配准其速度可大大提高,对海量数据的遥感影像更显优势。经模拟试验与工程实例,综合分析该方法的配准精度与配准速度,证明改进方法较经典亚像素配准算法效率更高,更适合用于实际遥感影像的高精度配准。     

GRACE时变重力场滤波方法研究北大核心CSCD

用3种不同的滤波方法获得了2007年相对于2005年的卫星重力变化图像,并与同期地面重力测量的结果进行比较,对比分析GRACE月重力场滤波方法的优缺点。结果表明,去相关平滑滤波算法优于高斯滤波和直接截断法,且去相关平滑滤波DDK5处理得到的卫星重力动态变化图像与地面观测结果符合最好,表明GRACE卫星时变重力场可以用来分析大区域重力动态变化。     

GRACE时变重力场滤波方法研究

用3种不同的滤波方法获得了2007年相对于2005年的卫星重力变化图像,并与同期地面重力测量的结果进行比较,对比分析GRACE月重力场滤波方法的优缺点。结果表明,去相关平滑滤波算法优于高斯滤波和直接截断法,且去相关平滑滤波DDK5处理得到的卫星重力动态变化图像与地面观测结果符合最好,表明GRACE卫星时变重力场可以用来分析大区域重力动态变化。     

单频GPS精密单点定位的逐次滤波法模型及其精度分析

单频GPS精密单点定位的逐次滤波法,将载波相位观测值在相邻历元间求差以消除电离层延迟误差的影响,并辅助伪距观测值进行高精度定位。本文详细分析该方法的随机模型和函数模型,讨论观测值先验方差的确定方法,包括指数函数经验模型、观测残差向量的开窗估计法等,并采用自编软件计算实测数据分析该模型的精度。     

基于时间序列叶面积指数稀疏表示的作物种植区域提取

以华北平原黄河以北地区为研究区域,以时间序列叶面积指数LAI(Leaf Area Index)傅里叶变换的谐波特征作为不同作物识别的数据源,利用稀疏表示的分类方法识别2007年—2016年冬小麦、春玉米、夏玉米等主要农作物种植区域。首先利用上包络线Savitzky-Golay滤波分别对2007年—2016年的时间序列MODIS LAI曲线进行重构,进而对重构的年时间序列LAI进行傅里叶变换,以0—5级谐波振幅、1—5级谐波相位作为作物识别的依据,基于各类地物的训练样本,通过在线字典学习算法构建稀疏表示方法的判别字典,对每个待测样本利用正交匹配追踪算法求解稀疏系数,从而计算对应于各类地物的重构误差,根据最小重构误差判定待测样本的作物类型,并对作物识别结果的位置精度进行验证。结果表明,2007年—2016年作物识别的总体精度为77.97%,Kappa系数为0.74,表明本文提出的方法可以用于研究区域主要作物种植区域的提取。     

基于小波变换和中值滤波的InSAR干涉图像滤波方法

介绍小波分析的基本理论和利用小波分析对信号进行消除噪声的基本方法,以及In-SAR干涉相位图像中噪声的特点.针对目前普遍采用的均值滤波和中值滤波等方法对In-SAR干涉相位图像中噪声进行滤波的局限性,提出一种基于小波分析和中值滤波相结合的InSAR干涉相位图滤波算法以改善滤波效果.实验证明该算法的有效性.     

基于希尔伯特-黄变换的合成孔径雷达内波参数提取新方法

基于希尔伯特-黄变换,发展了合成孔径雷达内波参数提取的新方法,解决了传统的傅里叶变换不能提取非线性内波群各个孤立子波信息的问题。利用该方法对巴士海峡附近的一幅ERS-1 SAR内波图像进行了内波参数提取。希尔伯特-黄变换对内波剖面数据进行了尺度分解,根据归一化方差最大来提取内波分量。该方法具有自适应性。结果表明,该方法获取的内波平均波长与傅里叶变换和小波分析具有较好的一致性,提取得到的反映各个孤立子波信息的波形比小波分析的要清晰,提高了数据的质量。通过提取的内波信号,利用极值序列计算了剖面线前后段平均波长大小,消除了谱分析当中的180°模糊问题。计算了明暗点的间隔,反演得到各个孤立子波的半振幅宽度。利用CTD数据获得的跃层深度,反演前导波振幅,与验证算例结果在量级上一致。     

小波和傅里叶变换在坐标时间序列分析中的应用

正确提取坐标时间序列中的特征信息是非线性变化分析的前提．根据傅里叶变换和小波变换各自的特点,提出将两种方法结合起来对时间序列在时域和频域上进行分析的算法．首先采用小波函数db4对坐标时间序列分解5层得到高频和低频部分,进而分析各次谐波的时域波形以及可能存在的突变信息和区间,再在快速傅里叶变换的基础上求得各次谐波的准确频率和幅值．研究结果表明,低频分析可以直观地得到“周年项”和“两年周期项”,而高频分析能够较准确提取“半周年项”、“一季项”等短周期．与单独采用傅里叶变换或小波变换相比,基于小波变换与傅里叶变换相结合的方法能够有效地提取坐标时间序列中的特征信息,具有较高的研究价值.      

GPS结构振动监测数据滤波方法及其性能实验研究

使用GPS监测结构振动的目的在于提取振动信号特征,但GPS观测量受多种误差源的影响,因此,选用合理的数据处理方法有效地分离各误差项,对于提高GPS的监测精度具有重要意义。将Vondrak滤波、小波滤波、自适应FIR滤波和卡尔曼滤波等四种方法应用于资料序列中振动信号的分离,通过对模拟振动实验观测资料的分析表明:运用滤波法可提高GPS测量微小动态变形和变频振动信号的检测能力;4种滤波法均能有效地提高GPS监测结构振动的精度,其中,Vondrak滤波和小波滤波的性能相当,且优于自适应FIR和卡尔曼滤波。同时,在对各滤波法参数选择的优缺点进行分析的基础上,提出不同情况下选择滤波器的建议。     

同时估计电离层延迟的单频精密单点定位方法

提出一种基于单频码和相位观测量的单频精密单点定位方法,将每个观测量的电离层延迟量与接收机钟差、对流层天顶延迟、接收机位置、相位模糊度一起作为未知参数。采用约化参数的平方根信息滤波与平滑算法进行参数解算。该方法适用于实时定位和事后处理,且不需要外部的电离层模型。采用全球分布的32个IGS监测站16 d实测数据进行静态解算试验,结果表明E、N、U方向的RMS分别为0.023 m、0.018 m、0.059 m;基于一组机载GPS数据进行动态解算试验,得到E、N、U方向的RMS(与载波相位动态相对定位结果比较)分别为0.168 m、0.151 m、0.172 m。