一种异步多传感器组合导航系统融合算法

针对不同导航传感器存在的采样率不同步（或尺度不同）,提出了一种基于状态方程多尺度变换的异步多传感器组合导航系统信息融合算法。仿真结果表明,本算法不仅具有较好的实时性,而且具有较好的融合精度。     

传感器位置条件的自适应卡尔曼滤波及其应用

当多个传感器安装于同一载体之上,构成组合导航系统时,必然存在位置约束关系,当定位传感器等于或多于三个时,会产生多个这样的关系。利用这些条件,采用传统的约束滤波算法可以提高组合定位系统的整体精度,但有时也会造成高精度传感器的精度损失。本文中将这些位置约束条件看作观测量,通过设计适当的权矩阵,并结合自适应卡尔曼滤波算法,提出了一种用于提高传感器滤波精度的方法,并和传统的约束滤波算法进行了比较。仿真计算表明:在各传感器精度相当时,该算法可以提高各个传感器的精度,并和传统的约束滤波算法等效;当各传感器精度不同时,该算法仍然可以提高高精度传感器的滤波精度或保证高精度传感器的滤波精度不受损失。     

GPS/DR组合导航中一种新的数据融合算法

在分析以往多传感器组合观测数据融合算法基础上,提出了一种新的数据融合算法。仿真计算结果证实了该方法的可行性。     

一种基于分步式滤波的多传感器组合导航系统算法研究

提出了一种多传感器组合导航系统的分步滤波算法。当所有传感器的观测值到来时,首先对该时刻的系统状态进行预测,然后利用常规卡尔曼滤波器和各导航传感器的观测值依次对该时刻的状态向量估计值进行更新,进而得到该时刻状态向量基于全局信息的最优融合估计。最后利用GPS/SST/高度表/SINS多组合导航系统对上述算法进行验证。仿真结果表明,该算法与集中式卡尔曼滤波算法的估计精度相同,但计算量得到降低。     

考虑障碍物的RSSI室内定位传感器多目标优化

针对目前无线传感器网络（wireless sensor network, WSN）部署时,障碍物影响WSN优化部署的问题,以接收信号强度指示传感器室内定位应用为例,提出了一种考虑障碍物的无线传感器多目标优化部署方法。首先,基于室内定位算法原理和传感器覆盖模型,给出了在室内定位场景下WSN有效覆盖率的概念和信标节点部署模型。然后,在分析障碍物感知模型和信标节点部署策略的基础上,提出了考虑障碍物的传感器部署多目标优化模型。最后,以第三代非支配排序遗传算法为基础设计优化模型求解算法,数值仿真结果与正三角形、正方形、正六边形均匀部署,以及没有考虑障碍物的优化部署（进化1 000代,传感器个数为36）结果进行对比,结果表明所提方法的WSN有效覆盖率分别提高了52.7%、112.1%、16.6%和9.62%。     

运用分段仿射变换模型拼接分片TDICCD图像

介绍了多片非共线TDI CCD传感器,并分析了该类传感器的成像特点。用SIFT算法提取片间连接点,用分段仿射变换模型描述分片CCD图像的平移、旋转和缩放,利用大量连接点构建误差方程,求解仿射变换系数,最终实现分片TDI CCD图像的几何拼接。采用某高分辨率卫星遥感图像对提出算法进行实验验证,结果表明:分段仿射变换拼接算法总体拼接精度达到子像素级。     

一种基于小波系数特征的遥感图像融合算法

多光谱图像和全色图像是目前卫星遥感领域最常见的传感器图像.为了更充分地发挥这两类遥感图像数据的价值,人们利用两类数据的互补性,将多传感器融合技术引进了遥感图像处理领域.在IHS彩色空间变换和小波多分辨率分析的基础上,利用图像高频小波系数的多个特征来定义特征量积,并利用特征量积作为依据提出了一种图像融合新算法.通过一组多光谱图像和全色图像数据进行融合仿真试验,并将该算法与IHS,HPF等算法和归一化矩算法作了比较.证明该方法能在保留多光谱图像光谱信息的基础上,有效地提高多光谱图像的空间分辨率.     

面向配网带电作业机器人的激光雷达与视觉系统融合定位

为提高配网带电作业机器人在开展带电作业时对导线的识别与定位的准确性,本文提出了一种基于单线激光雷达传感器与视觉系统融合的定位方法,获取导线的空间三维坐标。并通过研究多传感器在户外强光环境下的工作特点,提出了基于激光雷达深度信息与图像信息的多传感器融合算法。首先利用激光雷达与相机事先进行像素级标定,使图像像素与激光雷达深度点云一一对应;然后利用Canny算法与霍夫变换,获取图像中作业导线;最后计算出导线与雷达点云空间中相交部分空间位置,实现机器人在户外强光下高精度、高效率地进行导线识别定位,帮助机器人完成抓取导线等动作。     

北斗／WSN网络的融合定位算法

通过对传统的无线传感器网络RSSI定位算法的研究,分析了其定位精度差,响应速度慢等特点,结合北斗定位系统的优点,提出了一种传统无线传感器定位与北斗导航定位相融合的算法,通过卡尔曼滤波,将两种算法的数据进行融合,得到了新的融合定位算法。通过仿真分析可得,新的融合算法在定位精度和收敛速度上,相较于传统单一的无线传感器网络节点定位算法都有了相应的提高,通过对这一算法的仿真,仿真结果说明该算法切实可行。      

基于无人机的电网实景建模研究

无人机已经发展成为未来电网线路安全运营的重要支撑技术,文中针对现行无人机巡线技术的一些不足,提出基于多镜头传感器完成多基线影像数据融合,通过结合实例编制了线路走廊三维实景建模算法,并验证了建模效果的真实性和有效性。     

基于K-means聚类距离准则的R树结点分配算法研究

对于空间数据库,R树索引是非常有效的空间索引。本文针对R树的结点分配算法存在的不足,提出了一种新的结点分配算法—基于K-means聚类距离最小的R树结点分配算法。研究结果表明,新的分配算法比原始的算法,产生的虚结点的最小约束矩形具有更少的空白区域,较明显地提高了空间查询的效率。     

一种适用于卫星导航系统星间链路的可抢占时隙TDMA体制

针对传统TDMA体制数据传输时延较大的缺点,提出了一种适用于卫星导航系统星间链路的可抢占时隙的TDMA体制,并抽象出了该TDMA体制下的时隙编排优化目标,结合卫星导航系统星座的星间可视性,以顶点着色为理论基础提出了一种优化的时隙编排算法。仿真结果表明,与GPS星间链路的TDMA体制相比,所提出的TDMA体制可达到相同的卫星自主定轨精度以及系统用户等效观测误差(URE)性能,同时大幅提高了系统通信性能。     

基于形态学理论的自动目标识别技术--自适应BP学习算法

在设计了一种具有实用意义的形态学开、闭滤波的神经网络模型基础上，完成了用于目标检测识别的优化学习算法，为克服BP算法存在的收敛速度慢、需要选择学习参数且无法保证全局最优等固有缺陷，将启发引导策略与学习规则相结合，采用了一种动态调控学习参数的自适应BP学习算法。试验结果表明，该算法不仅能适应复杂多变的背景环境，而且对运动目标的持续检测能力具有位移不变、伸缩不变和旋转不变的特性。     

一种新的基于Dempster-Shafer理论的自适应遥感分类融合方法

提出了一种基于Dempster-Shafer's理论和模糊Kohonen神经网络分类融合的方法。该方法融合了非监督神经网络模型和在Dempster-Shafer证据理论框架中使用邻域信息的思想,即当一个待识别模式的每个邻域被划分为支持识别框架中某一类的一个证据体时,该证据体支持关于该模式隶属关系的某一假设。     

基于案例推理的居民地选取方法

针对当前中小比例尺地图中居民地选取面临的专家制图经验难以形式化表达的问题,提出一种基于案例推理的居民地选取方法。首先,把制图专家对居民地交互选取结果作为案例对象,挖掘居民地案例的属性特征指标,对属性赋值和归一化处理;然后,采用逐步消元法对居民地最佳属性组合进行选择,并构建源案例库;最后,采用案例推理方法,结合KNN算法,训练案例库确定KNN算法的最佳K值,将新案例与源案例库检索匹配,得出最佳决策结果,进而指导待决策居民地的自动选取。经试验验证,该方法能够较好地还原专家的选取意向,具有较好的抗噪声能力,在面状居民地自动选取中取得了较好的效果。     

蚁群-势场算法在水下重力辅助导航航迹规划中的应用

水下潜器航迹处于重力特征变化明显的适配区域才能保证重力辅助导航的有效实施,因此在重力匹配导航阶段,潜器的航迹规划至关重要。本文首先依据重力统计特征参数对水下潜器航行区域进行适配性划分,并给出适配、非适配区标签;然后在蚁群算法进行航迹规划的基础上引入人工势场算法,重新构建启发函数,避免了蚁群算法的局部最优问题;同时利用最大-最小蚁群系统改进算法信息素更新规则,防止了"早熟"现象发生。仿真试验结果表明,本文提出的蚁群-势场算法可以有效解决水下潜器在重力辅助导航中的航迹优化问题,提高了问题解的可行性。     

运用人工鱼群算法的3D扫描碎片重建探究

针对传统三维碎片拼接匹配过程中依赖单一特征及存在误差累积的问题，提出了一种运用鱼群算法的全局最优匹配方法。该方法先对碎片点云数据进行多特征提取，结合纹理、专家经验信息对混合在一起的多种类型碎片进行粗糙集分类，之后采用鱼群算法的最优解求得最佳匹配方案。实例验证所提全局匹配方法具有能力强、与初始位置无关及较强的稳健性等特点，为三维碎片的全局匹配提供了一种有效的解决方案。     

Height Assignment Improvement in Kalpana-1 Atmospheric Motion Vectors

The real-time operational use of atmospheric motion vectors (AMVs) at numerical weather prediction (NWP) centers in India are being adversely affected due to inaccurate height assignment of cloud tracers, especially in thin semi-transparent clouds. In India, the operational derivation of AMVs from the Indian geostationary satellite Kalpana-1 began few years ago. A statistical empirical method (SEM) of height assignment, based on a genetic algorithm, is currently used to estimate the height of the retrieved vectors from Kalpana-1. This method has many limitations. In this paper, attempts have been made to implement the widely used and well tested height assignment methods such as the infrared window (WIN) technique, the H₂O intercept, and the cloud base method in the Kalpana-1 AMV retrieval algorithm. The new height assignment algorithm significantly improves the statistics of the retrieved winds when compared to radiosondes, especially in high and mid levels winds.     

基于生态事件序列的时态关联规则挖掘

本文分析了时态关联规则挖掘的相关定义,介绍了强时态关联规则挖掘的步骤,设计并实现了基于时间约束的T-Apriori算法。提出了生态事件和生态时间序列的概念,以我国南海大亚湾海域的赤潮现象为例,研究了基于生态事件序列的时态关联规则挖掘问题。     

基于布谷鸟算法的遥感影像智能分类

提出了一种新的基于布谷鸟算法的智能式遥感分类方法。采用布谷鸟智能优化算法,自动搜索遥感影像各波段的最优阈值分割点,并定义各波段最优阈值分割点和影像分类目标类别的连线为布谷鸟的最佳解,构造以If-Then形式表达的遥感分类规则。将所提的基于布谷鸟算法的影像分类方法应用于ALOS影像分类中,并与蜂群智能遥感分类方法和See5.0决策树方法进行了对比分析。结果表明,布谷鸟智能遥感分类的总体精度和Kappa系数均比蜂群智能遥感分类和See5.0决策树方法更高,该智能遥感分类方法具有更好的分类效果。