实时威胁态势感知的室内火灾疏散路径动态优化方法

如何在火灾态势迅速演变的复杂室内环境下选择安全有效的疏散路线是正确引导人群疏散、减少人员伤亡的重要保障。传统静态寻径方法难以顾及火灾态势演变过程,导致疏散决策的盲目性和滞后性突出。本文提出了一种实时威胁态势感知的室内火灾疏散路径动态优化方法,充分利用实时接入的火场状态和室内建筑环境状态等火灾威胁态势场信息,动态调整和优化疏散路径。该方法建立了室内火灾实时威胁态势信息在语义空间的统一表示模型,并对多源、多尺度火灾传感器观测数据在语义空间进行统一建模,从实时接入的动态观测数据中提取室内火灾三维威胁态势信息,用于约束疏散路径的动态优化。模拟试验证明,本方法可根据火灾态势演变准确可靠地动态调整疏散路径,从而显著提高应急疏散的精准性。     

Kalman滤波在变形监测数据处理中的应用

卡尔曼滤波通过建立状态方程和观测方程来描述系统的动态过程,依据滤波增益矩阵的变化,从测量数据中定量提取有效信息,修正状态参量,利用已有的信息对动态噪声方差阵进行实时估计,从而补偿噪声对数据的影响,有效地提高数据精度。通过用Kalman滤波对郑州某地高层建筑变形监测数据的处理与预测分析,并同多项式拟合方法比较,表明Kalman滤波在处理变形监测数据时具有实时快速、精度高的特点。     

改进的Sage—Husa自适应滤波在GPS动态导航定位中的应用

本文利用Kalman滤波方法对动态测量进行数据处理,由于高动态的GPS测量,不易确定系统动态噪声和观测噪声.同时标准的Kalman滤波在应用过程中由于状态模型确定的误差存在,滤波效果不佳.因此本文结合动态导航的实时性和高动态性,建立了动态导航系统中滤波状态方程和观测方程,采用改进的Sage-Husa自适应滤波对来进行实时定位数据处理,利用已有测量数据进行了实例分析.改进的Sage-Husa自适应滤波在计算过程中计算量小,结果稳定,有较强的自适应性.     

SWOT卫星对青海湖的水位监测潜力研究

青藏高原湖泊群水位变化是反映全球气候变化的重要指标。在实测数据稀缺和现有卫星时空覆盖范围低的限制下，基于雷达干涉模式的新一代SWOT (Surface Water and Ocean Topography)卫星可为全球内陆水体提供高时空分辨率和高精度的水位信息，是对传统观测形式的有力补充。在卫星发射之前探讨其监测潜力具有重要意义。本研究以青藏高原最大的青海湖为例，使用CNES SWOT水文模拟器，模拟2010年—2018年类SWOT水位序列。通过分别采用实测水位、光学水位和雷达水位作为SWOT模拟器驱动，探讨了SWOT模拟器模拟精度对输入驱动的敏感性，并在多个尺度下评价了其模拟表现。结果表明：多种驱动数据情景下，类SWOT水位均可在季节和全年尺度上捕捉青海湖水位变化过程，相关系数和纳什效率系数分别在0.9—1.0和0.8—0.99变化；且可较好监测到青海湖水位长期变化趋势。SWOT具有监测青藏高原湖泊群水位动态的巨大潜力，能够有效观测湖泊水位变化。     

利用TrackRT进行GPS实时动态形变监测研究

在相对实时动态定位软件TrackRT的基础上进行二次开发,完善了数据流实时传输与解码,并设计了两组模拟地面运动的观测实验,分别对TrackRT水平向和垂直向上的内外符合精度进行了评定。结果表明,在观测数据质量较好的情况下,实时定位水平分量精度优于2cm,垂向分量精度优于4cm。     

利用ENVISAT测高数据监测青海湖水位变化

使用2002年10月～2006年2月的ENVISAT SGDR数据,并利用重跟踪技术实施了距离等相关改正之后,计算了青海湖的水位变化;同时分别利用EGM96、青海省的似大地水准面模型计算了青海湖的正高和正常高相应水位变化,并与青海湖下社站的水文观测数据进行了验证.研究结果表明,利用波形重跟踪技术在某种程度上可以改进内陆水域的距离精度,能够较好地监测出青海湖的水位变化.     

一种联合载波相位观测值的GPS/BDS滤波导航算法

提出了一种基于历元间相位差分的GPS/BDS单机实时动态定位算法。该方法采用历元间载波相位差分数据准确计算出载体的位置变化量;并以此描述载体的运动状态变化,建立动态定位滤波模型的状态方程。同时以历元间载波相位差分数据与伪距数据作为主要观测值,采用扩展Kalman滤波实时估计载体的位置和钟差。采用自主编制的软件对静态与车载GPS/BDS实测数据进行处理,结果表明:采用该方法,定位结果精度优于传统的标准单点定位算法与载波相位平滑伪距算法;而且算法具有较好的稳定性,与载体的运动状态无关。     

实时水深模型的一种构建方法

水深是表达海洋深度变化的基础数据,实时水深是舰船航行和海岸带军事行动的重要影响因子。本文从实用角度出发,采用海图水深作为静态水深,基于余水位订正的预报水位作为动态水位,提出了一种顾及实时水深区域变化特征的实时水深模型。实验表明,该模型实现了实时水深的快速求取,一定程度上可以满足航海和军事应用需求。     

带约束条件的自适应滤波及其在GPS定位中的应用

推导了约束状态下的卡尔曼滤波递推方程,采用不消去状态参数的方法,在卡尔曼滤波的数学模型中增加约束状态方程推导出约束状态下的卡尔曼滤波递推方程.表明采用带约束条件的滤波递推过程与一般卡尔曼滤波递推方程相似,只要对预报值及其协方差增加一项约束条件改正项即可,因此,在滤波计算上不需要做大的修改.还讨论了带约束条件的卡尔曼滤波的自适应算法,说明一般自适应滤波算法同样适用于带约束条件的滤波,因此在应用上非常便利.利用一组GPS动态定位数据中的伪距观测值进行计算分析,并以距离作为一个约束条件,结果显示约束条件对滤波结果的改善程度与约束条件和动态系统本身有关.对于一般卡尔曼滤波中因模型确定误差和动态目标突然加速而导致的滤波发散现象,如果增加约束条件的约束力较小时,同样会出现滤波结果偏离,因此,带约束条件的滤波同样需要考虑滤波的自适应性.     

GPS动态单频单历元定向算法及其数据分析

提出了一种动态准实时滤波算法，将基线长度作为一虚拟观测值与伪距相位观测值进行联合建模，以提高GPS动态单频单历元定向算法解算的成功率及正确率。利用LAMBDA方法初步求解整周模糊度的备选值，利用基线长度约束模糊度，计算得到单个历元的解；再根据载体的运动特性，采用一种动态适应滤波算法，剔除解算错误的值，并和解算错误或解算失败的历元进行插值和修正。对实测数据处理分析表明：该方法能够将基线约束算法的定向正确率提高5-10％左右，使其稳定性得到进一步提高。     

海洋测深数据的抗差Kalman滤波

从线式测深模式要求出发,构建了海洋水深测量过程中的测船位置滤波模型和深度数据的滤波模型,并在此基础上,给出了测线上位置数据和深度数据Kalman滤波的一般解和抗差解,并结合海洋水深测量特点,构建了满足水深数据剔除异常值的截断权函数和滤波方案,实例分析表明,抗差滤波方法能够有效地控制测船位置粗差,在选择截断权函数情况下,抗差滤波方法能够有效地剔除水深跳点和假水深。     

顾及降水因子的卡尔曼滤波在滑坡变形数据处理中的应用

滑坡体在受到内部及外部相关因素作用后逐渐失稳,促使滑坡体发生变形。本文利用卡尔曼滤波对滑坡体上的监测点进行变形分析,估计出监测点的状态参数以全面地反映滑坡体的运动状态。普通卡尔曼滤波没有考虑其他控制因子的影响,如降水量、河流的水位等,但这些因素对某些滑坡的变形有时起了决定性作用。本文探讨了将降水因子作为卡尔曼滤波的控制输入及控制输入系数确定的方法,利用该方法可以初步判断出滑坡体对降水是否敏感。     

航空矢量重力测量中光纤陀螺随机漂移误差实时补偿方法

光纤陀螺随机漂移误差是影响航空矢量重力测量系统姿态解算精度的关键因素。建立模型并在输出中对其补偿是抑制该项误差的有效方法。针对传统ARMA模型只能对平稳随机漂移误差建模,且模型无法满足实时滤波需求的问题,本文引入适用于非平稳随机漂移误差的ARIMA模型,同时给出详细的建模过程,并提出采用实时平均算法消除原始采样序列中常值分量的思路,实现了随机漂移误差的实时Kalman滤波估计。基于本文所提出的模型和实时滤波算法,对光纤陀螺实测数据进行分析,结果表明处理后信号中随机漂移误差的方差减小了46.5%。Allan方差分析结果表明,滤波后角度随机游走系数和角速率随机游走系数分别降低了约50%和40%。本文的结果说明ARIMA模型能够准确描述陀螺的非平稳随机漂移误差。基于实时平均算法的Kalman滤波可实现随机漂移误差的在线估计,有望提高航空矢量重力测量系统的姿态解算精度。     

自适应卡尔曼滤波法用于变形监测数据处理

卡尔曼滤波作为一种动态数据处理方法广泛应用在变形监测数据处理中。文中针对传统卡尔曼滤波因动态噪声不准或不容易确定影响结果准确度的问题,提出并探讨了方差补偿自适应卡尔曼滤波,并通过传统卡尔曼滤波和自适应卡尔曼滤波对GPS变形监测数据进行处理,其结果表明方差补偿自适应卡尔曼滤波对GPS变形监测具有很好的剔除噪声的作用,效果明显。     

基于Kalman滤波的高耸建筑物沉降预测模型研究

为了提高高耸建筑物沉降监测数据的可信性与实时预测的准确性,利用小波分析与Kalman滤波在数据处理方面的优势,采用小波分析先对沉降数据进行去噪,并采用Kalman滤波理论进行预测。通过实验数据的对比分析,结合小波去噪分析与Kalman滤波理论对原始沉降变形量进行沉降预测,能克服只使用单一Kalman滤波方法进行沉降预测中噪声处理的不足,验证了小波分析及结合Kalman滤波理论进行沉降预测的可行性,且预测精度比较高。     

基于卡尔曼滤波模型的地铁沉降监测分析

卡尔曼滤波方法是变形监测中常用的一种方法,本文通过对获取的地铁沉降观测数据进行监测,采用经典的卡尔曼滤波方法和基于方法补偿的自适应卡尔曼滤波方法进行监测预估,通过对比发现,基于方差补偿的自适应卡尔曼滤波方法能够有效地控制观测数据异常对动态系统参数估计的影响,保证了变形监测数据估计的精度。     

A Task-Based Approach to User Interface Design for a Web-Based Hydrologic Information Systems

Hydroinformatics is a new and rapidly developing field that integrates knowledge and understanding of water resources with the latest developments in information technology to improve decision‐making in many critical applications. It encompasses methods for data capture, storage, processing, analysis and visualization, and the use of advanced modeling, simulation, optimization and knowledge‐based tools and systems infrastructure. Three types of hydrological data are most commonly used: flow rate in major rivers and streams, height of water in wells, and precipitation. To get a complete view of the state of water at a given point in space and time, one must analyze many different types of hydrological data together to derive information using an online GIS tool. To help use these disparate data sources more effectively and efficiently, we have built an online interface called the IJEDI WebCenter for Hydroinformatics using a task‐based approach. In this design, we first identify the tasks that users perform to study water‐related issues, then organize data for each task, and build task‐specific tools to present and analyze data and information. In a study involving both novices and experts in hydrology, we found that the both groups performed water‐related studies more effectively and efficiently than they would have without the WebCenter.     

基于自适应卡尔曼滤波的地表移动变形预报研究

构建自适应卡尔曼滤波预报模型,利用GNSS CORS连续运行实时监测数据,通过自适应卡尔曼滤波预报值、标准卡尔曼滤波预报值及实测数据对比分析,得到自适应卡尔曼滤波预报偏差明显减小,预报精度明显提升,满足了地表移动变形实时监测的精度要求。      

基于模糊理论构造的自适应滤波算法

本文在自适应滤波原理的基础上,结合模糊控制理论,提出了一种基于模糊控制的自适应滤波方法,它是基于滤波处理后的数据残差构造一模糊控制器来自适应控制卡尔曼滤波器的自适应因子α,从而合理调节动力学模型对导航解的贡献。并通过算例验证了该方法的可行性、有效性。     

新型自适应滤波算法在惯导/双星组合中的应用

在系统模型误差和噪声统计特性未知时,为防止滤波发散和提高系统的实时性,提出了一种模糊自适应Kalman滤波算法。该算法利用滤波异常判据获得一个滤波状态因子,进而利用模糊推理系统在线调整量测噪声协方差阵的值,使滤波实现自适应。将该算法应用到惯导/双星组合导航系统中,并和简化的Sage-Husa自适应滤波算法进行仿真比较。仿真结果表明：在滤波精度相当的情况下,该算法简化了运算,提高了实时性。