基于àtrous小波分解的贝叶斯SAR图像滤波

合成孔径雷达(SAR)在成像过程中由于回波的相干性而产生斑点噪声,严重干扰了图像的自动解译。根据SAR图像斑点噪声的特殊性,首先对影像进行对数变换,并使用àtrous运算法则对变换后的影像进行分解,然后通过贝叶斯原理估计修正小波系数。与自适应局域统计滤波和基于M allat分解的滤波算法进行分析比较,结果表明,该方法在噪声滤除和边缘保持方面效果较好。     

多传感器组合导航系统的多尺度分布式滤波算法

将模型的动态系统分析与具有统计特性的多尺度信号变换方法相结合,首先将状态方程采用数据块变换的方式以得到新的状态块方程,并将量测方程表达为数据块的形式;然后将量测向量进行多层小波变换以得到新的量测向量,并结合状态块方程进行卡尔曼滤波;最后根据卡尔曼滤波结果建立多尺度分布式融合估计算法。仿真结果表明,相对于原始尺度的集中式卡尔曼滤波器及原始尺度的多尺度融合算法,本算法可明显地提高系统的滤波精度。     

GPS变形监测系统中消除噪声的一种有效方法

GPS变形监测系统的观测资料可看成为与时间有关的数据序列，应用小波分析理论，研究了时间序列观测数据的误差消除问题。结果表明，借助于小波分解与重构，可有效地从强噪声干扰的观测数据序列中提取变形特征。该方法解决了传统处理技术对非平稳、非等时间间隔观测数据序列滤波的局限性问题。     

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。     

大桥GPS动态监测去噪方法

针对从GPS实际监测到的信号中去除噪声,提取真实信号的问题,该文对EMD去噪法、小波阈值去噪法,EMD小波去噪3种方法进行了比较,并通过实例分析得出:3种方法均可滤除噪声,但效果各不相同;EMD对信号分解具有良好的自适应性,但在滤除噪声时可能因为模态混叠的原因造成过滤不完全,各分量中可能均含有一定量的噪声;小波滤波噪声效果和小波基、阈值函数及分解层数选择有关,具有主观性;对于EMD小波混合去噪方法,提出先用EMD自适应方法进行分解,分解出噪声主导分量和信号主导分量;对于高频噪声主导分量,可能含有少量有用信号,故须再用小波阈值法过滤出有用信号;而对于信号主导分量,再用小波滤除多余噪声,最后进行逆变换得到重构后的信号。实例表明EMD小波混合去噪方法能很好地去除噪声,是一种高效的去噪方法。     

GPS码跟踪环自适应多径消除算法

根据多径信号的产生机理,在对GPS接收机中的码跟踪环多径信号模型研究的基础上,提出了采用自适应滤波的来消除GPS多径效应的算法。自适应滤波的方法不需要估计模型的系统参数,而直接通过自适应滤波将多径信号滤除。在有噪声的情况下,自适应滤波的RLS算法是最小二乘意义下的最优估计,仿真的结果表明采用自适应滤波算法可以快速的消除多径的影响,修正鉴相函数的过零点偏差,提高码跟踪环的跟踪精度。由于自适应滤波算法是递推算法,易于软、硬件实现。     

一种基于小波分析的SAR图像斑点噪声滤波算法

利用多分辨率小波分析的理论，分析了SAR图像经多分辨率小波分解后生成的系列子图像中信号与斑点噪声能量分布特性及其信噪比的变化规律，提出了一种新的小波域斑点噪声的滤波算法，该滤波算法阈值取决于各细节子图像的序列长度、方差及其所在的层次，并采用真空SAR数据和模拟加噪图像进行了试验。 结果表明，该算法具有较强的噪声抑制和较好的边缘、细节保护能力及目视效果。     

联合区域叠加滤波法与小波变换去除GPS站坐标时间序列噪声

GPS站坐标时间序列中存在的周期性与非周期性误差严重影响了对测站运动特征的分析及其非线性变化的物理机制解释。因此,为削弱噪声的影响,本文首先利用区域叠加滤波法去除了南加利福尼亚地区16个测站时间序列的共模误差,以此削弱时间序列中存在的包括周年和半周年误差在内的周期性误差。为去除滤波后残留的噪声,对滤波后的信号进行静态离散小波变换,提取了周期为半周年以上的信号。结果表明,联合区域叠加滤波法与小波变换对GPS站坐标时间序列进行处理,既能够削弱周期性误差对信号的影响,又能较好地提取测站的非线性运动信号。     

组合导航中一种新息自适应卡尔曼滤波算法

全球定位系统/航位推算组合导航定位中,由于目标运动的不确定性,GPS接收机与DR器件接收的数据存在噪声,使预置目标运动模型通常很难得到较高跟踪精度,针对应用常规卡尔曼滤波进行组合导航解算由于噪声统计特性未知而引起滤波不稳定的问题,本文提出了一种基于新息序列的量测计算进行自适应估计的卡尔曼滤波算法。该算法通过对新息方差强度进行极大似然估计,将新息计算引入卡尔曼滤波器的增益计算,达到控制发散的目的。最后对改进的算法与一般卡尔曼滤波算法做了对比仿真试验分析,结果表明了改进算法的有效性。     

SAR图像斑点噪声的小波软门限滤除算法

本文介绍利用小波分析和软门限对合成孔径雷达（ＳＡＲ）图像斑点噪声（Ｓｐｅｃｋｌｅ）进行抑制与滤除的算法。首先选择合适的小波基对合成孔径雷达（ＳＡＲ）图像进行小波分解,应用Ｄａｖｉｄ Ｌ．Ｄｏｎｏｈｏ软门限理论,并且将其推广到２维信号。针对ＳＡＲ图像斑点噪声的特殊性,即在小波变换域内图像和斑点噪声的奇异性不同,选取合适的门限在小波域内滤波。最后进行小波反变换得到去噪后的ＳＡＲ图像。实验证明,该算法能     

基于自适应噪声抵消与小波滤波的GPS监测误差分析

对GPS载波相位测量误差进行了理论分析和试验研究。根据噪声特征以及它们对载波相位测量结果的影响，提出了基于自适应噪声抵消与小波滤波相结合的GPS噪声抑止方法。对具有强相关特性的多路径误差采用自适应噪声抵消方法，而对于不相关的高频噪声则通过合理选择小波分解层数对信号进行分解，对作用闽值后的小波系数进行重构，得到最后的变形信号。实测数据分析表明，该方法能有效地削弱多路径效应及测量随机噪声，较用单一方法对GPS数据进行消噪处理有较大的优越性。     

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。     

基于自适应 Kalman 滤波的边坡变形预测研究

研究Kalman滤波和自适应Kalman滤波算法,结合边坡监测点的运动模型将其应用于边坡变形监测动态数据变形预测。利用小湾水电站二号山梁高边坡GPS监测数据进行实验研究。结果表明,自适应Kalman滤波在边坡三维形变预测及变形速率估算方面有很好的预测结果。     

Adaptive estimation of multiple fading factors in Kalman filter for navigation applications

Kalman filter is the most frequently used algorithm in navigation applications. A conventional Kalman filter (CKF) assumes that the statistics of the system noise are given. As long as the noise characteristics are correctly known, the filter will produce optimal estimates for system states. However, the system noise characteristics are not always exactly known, leading to degradation in filter performance. Under some extreme conditions, incorrectly specified system noise characteristics may even cause instability and divergence. Many researchers have proposed to introduce a fading factor into the Kalman filtering to keep the filter stable. Accordingly various adaptive Kalman filters are developed to estimate the fading factor. However, the estimation of multiple fading factors is a very complicated, and yet still open problem. A new approach to adaptive estimation of multiple fading factors in the Kalman filter for navigation applications is presented in this paper. The proposed approach is based on the assumption that, under optimal estimation conditions, the residuals of the Kalman filter are Gaussian white noises with a zero mean. The fading factors are computed and then applied to the predicted covariance matrix, along with the statistical evaluation of the filter residuals using a Chi-square test. The approach is tested using both GPS standalone and integrated GPS/INS navigation systems. The results show that the proposed approach can significantly improve the filter performance and has the ability to restrain the filtering divergence even when system noise attributes are inaccurate.     

基于小波分析的Kalman滤波动态变形模型研究

对GPS动态形变测量信号的性质进行了分析 ,采用小波分析对GPS动态变形数据滤波、变形特征提取和不同变形频率分离。与Kalman滤波方法相结合 ,首次提出基于小波分析的Kalman滤波动态变形分析模型 ,研究其参数设计和算法 ,并用MATLAB与C语言在微机上编程实现。对比大坝实测数据的处理结果可知 ,通过对原始观测值进行小波分析与Kalman滤波的联合处理 ,能克服只使用单一方法进行GPS数据噪声处理的不足。     

Adaptive Kalman Filtering for INS/GPS

After reviewing the two main approaches of adaptive Kalman filtering, namely, innovation-based adaptive estimation (IAE) and multiple-model-based adaptive estimation (MMAE), the detailed development of an innovation-based adaptive Kalman filter for an integrated inertial navigation system/global positioning system (INS/GPS) is given. The developed adaptive Kalman filter is based on the maximum likelihood criterion for the proper choice of the filter weight and hence the filter gain factors. Results from two kinematic field tests in which the INS/GPS was compared to highly precise reference data are presented. Results show that the adaptive Kalman filter outperforms the conventional Kalman filter by tuning either the system noise variance–covariance (V–C) matrix `Q' or the update measurement noise V–C matrix `R' or both of them. Received: 14 September 1998 / Accepted: 21 December 1998     

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。     

受外界随机干扰影响的光纤陀螺信号分析与处理

针对受外界随机干扰影响的光纤陀螺信号进行分析并作了相应处理。分别比较了小波变换和建立在AR模型基础上的Kalman滤波两种滤波方法,并用实测数据进行验证。结果表明,相对于小波变换,建立在AR模型基础上的Kalman滤波不仅能够削弱有色噪声的影响,还能够部分削弱高频噪声的影响,滤波效果较好;将小波变换和Kalman滤波两种方法的优点结合起来,可以获得更好的滤波效果,有效地削弱了信号中各种干扰噪声的影响。