�������ڲ�̽�⼰����ѧ�о�

??20?????????????????????????????????????????μ??Σ???????????μ??о???????????·?????????????????о???????????????????о????????????δ????????о??????     

������������й����ϵ�����������ϡ������ļ�ֵ�ֺ�ģ��

????????(Gunbel)????????????????????(??????????????),????????????????????Σ?????о???????????临??????????,???????????????,?????????????????о??е???á????,????????????????????о?:?????????Ч???ù??????;???????????????????????????????????÷??????????????????????????????о?,???????÷???????????,?????????????μ????顪???й?????????????????????????????????????????????о???????????????????????????????????С??     

Sacks��Ӧ����𲨵Ĺ۲�������

?о??????Sacks??????????????????????????????????????о??й????????????????????????о???????????????????????????????????о????????????????????????????6?Sacks??????????ε?????????????????????????????伫??????????????????????????????     

���������о�Խ��������������Ч������(Ӣ)

??????????????????????о??????????????????е?Ч??,???????????????????????????????????????????????????????о????????:1)????????????????????????????о??????????????????Ч??????????????;2)??????????????????Ч?о?????????????????????????????????????????п????;3)???????????????????????????????????????????????????????????     

۰®���Ѵ�����Ӧ��״̬�о�����

???????????????????????????????????о???????????????????????????????????????????????????????????????NEE??????????ж???EW??????????????NEE?????????????????????????????????????????????????????????????????о?????????????????????????????????????о????????     

�����ɽ����������仯��������۲��о��Ľ�չ����״

????λ???????о????????????????????????????е????,?????????????????????ε???????λ?????????????????仯?о??????3????????λ??????????????????????????????????????????????????????????????????????????????????仯???????????о???????????????     

��Ͽ���̿��������Ŷ���������������о�

???????????????о???????????????????????????????????????о????о??????????1??????????????????????????????????????????????????????л???2??????????????????????????????????3????????????????????????????????????????4?????????????????????????????????????????????????5???????????￡?????????????Ms3.0??4.0?????????     

�۲�ֵ����ITRF��������о�

??????????????ITRF??????μ???????????????????????????????????????????????????????о????????????????????????????????????????????о????????????????????????????????????????????????????????????????????ο??????м????????????????о????????????????????????Ч?????????????????????????Ч???ο???????Ч???     

���տ������山��Ե��Ҫ�����ֽ��Է���

????GPS??????????????山???????α????????????????????????????о??????????????о?????????????????????????????????????????С??????????????о???????????????????????????????-???????????????-?????????????????????????????????-?????????????????????????????-??????????-?????????????????????????????????     

��������ˮ׼�߹ؼ�����ָ���о�

?о????漰????????????????????????????????????????о???????????????????????????????????????????????????????????????????????????????????????ж?????????????????????????     

窄带信号数字滤波器的设计

介绍一种特殊的CIC级联数字滤波器，它能对窄带信号进行滤波。通过抽点的方法能够有效地降低采样频率，而不影响有用信号。 同时介绍了运用SPTool图形化数字滤波器设计工具箱来设计凯泽窗FIR低通数字滤波器。     

双偏振雷达差分传播相移的五种滤波方法对比分析

为了对双线偏振雷达的差分传播相移ΦDP进行滤波降噪处理,提高双线偏振雷达识别粒子、估测降水的能力。通过对C波段双线偏振雷达差分传播相移分别采用滑动平均、中值滤波、FIR滤波、卡尔曼滤波和小波分析5种不同方法地介绍,利用中国气象科学研究院灾害天气国家重点实验室移动式C波段双线偏振雷达(POLC)2013年外场试验观测资料,对比分析了经5种方法处理后的差分传播相移ΦDP径向数据,及其分别在降水估测中应用的效果。结果表明:采用FIR滤波方法、卡尔曼滤波方法和小波分析方法对ΦDP径向数据进行处理的效果比传统的滑动平均和中值滤波方法好;其中小波分析处理的ΦDP径向数据波动最小,再经过变距离法拟合的KDP数据的负值能够得到最有效地抑制,最后应用到R(KDP)降水估测中的精度最高。     

Enhanced Destriping of Satellite Data of Ice Surface in Antarctica

1　Introduction TheAntarcticcontinentissurroundedbyPacificOcean,theAtlanticOceanandthe IndianOcean,itistheisolatedcontinentfarthestfromthemankind.ItsSpecialgeography andclimateenvironmentmakethemankindverydifficulttobeclosetoit,whichlimits mankind'sinvestigationofitandstudytoagreatextent.Restrictioncausedofthegeograph icalenvironmentandtheclimatecanbebrokentoagreatextentwiththeaidofthemodern remotesensingtechnology,itdemonstratesincomparablesuperioritythatremotesensing technologyisusedin…     

nhanced Destriping of Satellite Data of Ice Surface in Antarctica

This paper briefly reviews the cause of the striping and then develops a tapered (Chebwin & Kaiser) window finite impulse response (FIR) filter and a constrained least squares FIR filter by reason of the striping of ASTER satellite data . Both filters minimize the stripes in the visible data and simultaneously minimize any distortion in the filtered data. Finally, the results obtained by using these new filtering methods are quantitatively compared with those produced by other destriping methods.     

基于形态学与区域生长的机载LiDAR点云数据滤波

针对形态学滤波存在的地形过度腐蚀以及区域生长滤波需要大量地面种子点的问题,提出一种点云数据由粗到精的两级滤波策略。对机载LiDAR点云数据进行多尺度形态学滤波得到粗略DEM("粗滤波"),由此可提供大量的地面种子点用于区域生长,进而得到精细DEM("精滤波")。利用ISPRS提供的滤波数据进行测试,结果表明,该滤波算法对地形适应性较强,可有效保证地形特征,具有更好的稳健性。     

数字抽取滤波器的DSP优化设计

为了降低地震数据采集系统的成本和功耗，采用数字信号处理器（DSP）实现∑-△模数转换器中的数字抽取滤波器算法。通过采取查表法、倒序循环遍历法以及模拟循环寻址法等优化方法，以较低工作频率实现了四通道四级抽取滤波运算，达到了系统设计的要求。     

��������ӦUnscented Kalman�������˲�

???????????????????????????????UKF?????????????÷??????????????????Unscented Kalman????????????????????????????????????Э????????????????????Kalman?????????????Kalman?????Unscented Kalman??????????????????????UKF?????????????????????????????     

基于经验正交函数分解的GRACE时变地球重力场滤波处理

针对传统GRACE去相关滤波方法很难同时完美实现真实信号的保留与条带误差的削弱等问题，提出将经验正交函数滤波与去相关滤波相结合的改进策略。分别对真实GRACE数据和模拟数据进行滤波处理，结果表明，改进的滤波方法继承了经验正交函数滤波方法与去相关滤波方法的优点，能够在尽可能地削弱南北条带误差影响的同时，最大程度地保留真实地球物理信号。     

一种地形自适应的机载LiDAR点云正则化TPS滤波方法

随着机载激光雷达成像技术（LiDAR）的不断发展,激光点云数据处理的相关研究也在不断深入。点云滤波是机载激光雷达点云数据处理的重要环节之一。针对多数经典滤波方法在复杂地形和地物条件下的滤波效果不够理想的现状,提出一种新的基于相对变异系数的地形自适应正则化薄板样条插值点云滤波方法。采用二维区域增长获取初始插值参考点后,基于线特征约束对参考点进行优化,去除部分低可靠性参考点以得到较准确、分布离散均匀的初始插值参考点集合,在此基础上通过正则化薄板样条插值方式来拟合地形点与地物点之间的滤波分类面,完成对机载激光点云的高精度自适应滤波。对比实验结果表明,本文的地形自适应滤波方法在2组实验数据的总体错误率分别达到4.14%和4.17%,在错误率和多地形综合表现等方面具有优势,且滤波运算效率在目前主流的滤波算法中处于较高水平。另外,实验结果验证了地形自适应滤波方法在斜坡、山脊等起伏较多的复杂地形与包含植被和建筑物的混合地形等处的点云滤波结果具有较好的准确性。     

捷联式海洋重力数据的小波阈值滤波

基于捷联式海洋重力测量数据，对比不同小波、阈值及施加方式对滤波效果的影响。结果表明，db6、db7、db8、db9、db10、sym6、sym7、sym8、sym9、sym10、coif3、coif4和coif5小波较适用于海洋重力测量，小波分解层次可取至8层或9层，采用史坦无偏风险阈值滤波效果较好；小波分解至第8、9层时，阈值滤波结果与截止频率为0.005 Hz和0.003 3 Hz的Butterworth低通滤波器的滤波结果吻合较好，但小波阈值滤波结果更加平滑，两者差值的RMSE在0.25 mGal以内，且小波阈值滤波更容易分解出噪声成分，可以更有效地消除重力畸变。