基于压缩感知的地磁数据分频压缩与重构方法

构建高精度导航所用的地磁数据库时,需要对大量数据进行压缩。为保留必要的高频细节特征信息,提出一种基于压缩感知理论的数据分频压缩及联合重构方法。在余弦变换频域中对数据进行分频压缩编码,在数据重构算法中引入压缩感知理论。利用局部余弦变换系数作为线性测量观测值,通过解决小波变换域l1范数和时域稀疏梯度全变差正则化的模型,精确重构原始数据高频信息。利用实测地磁数据进行仿真试验的结果表明,仅使用25%的分频压缩采样测量系数,可精确重构原始数据;在相同压缩比下,分频压缩感知重构算法与传统滤波逆变换方法相比具有更高的精度,且峰值信噪比最大可提高5dB左右。     

基于DCT变换的GIS矢量数据压缩技术研究

针对矢量数据的复杂内部结构以及失真在矢量数据中的特殊表现形式，提出了基于DCT变换的矢量数据有损压缩方案。该方案主要针对自然形成的矢量数据，通过分块将结构复杂的矢量数据划分为定长点序列，通过一个特别的量化表控制有损压缩产生的失真不超出事先给定的指标。实验表明，本方案具有较高的压缩比，且可以通过预期指标控制失真。     

不同地磁基准图制备方法的比较研究

地磁基准图制备是实现地磁匹配导航的基础性工作，对提高导航精度具有重大意义。地磁测量技术手段的提高，为地磁数据的获取提供有效途径。文中采用4种方法构建地磁基准图，并对不同算法构建的基准图进行比较和精度评价。首先确定性方法和地统计方法基于数学函数和变异函数反映地磁数据分布的空间结构特性，能在各采样率下取得较优的插值结果；其次低采样率条件下压缩感知算法插值能力最强，实验中均方根误差为14.41 nT,相比泛克里金方法精度提升约38.5%;最后神经网络算法随样本训练数据量增多，精度增加幅度最大，采样率10%～30%情况下，均方根误差从72.85 nT下降至14.38 nT。实验表明，实现高精度地磁基准图制备需依据不同分辨率、不同数据量的地磁数据选用优势更大的插值方法。     

全张量地磁梯度基准图构建及其组合导航方法

为实现利用地磁梯度数据的惯性/地磁梯度辅助导航,给出移相 二维余弦变换时域微分公式,推导出全张量地磁梯度计算公式,实现了高精度地磁梯度导航基准图的构建。并将改进的粒子滤波算法应用于地磁梯度辅助导航系统中,能很好地抑制纯惯性导航系统随时间累积的误差。通过仿真实验分析,验证地磁梯度数据计算方法以及辅助导航滤波算法的有效性和鲁棒性,地磁梯度辅助导航系统的定位精度在100 m以内     

基于压缩感知的无人机航拍遥感图像动态重构方法

针对当前无人机航拍遥感图像动态重构效果不佳,图像清晰度较低的问题,提出基于压缩感知的无人机航拍遥感图像动态重构方法.构建无人机航拍遥感影像降质模型,获取图像特征信息,进一步对无人机航拍遥感图像进行降噪预处理,更好地提高无人机航拍遥感图像的分辨率、光谱和多时相趋势,有效解决采样数据量大、采样时间长、数据传输存储量大等资源浪费问题.最大程度上提高无人机航拍遥感图像的采样率、降低无人机航拍遥感图像动态重构复杂度,有效获得高质量的图像重建的研究要求.实验结果表明,提出的基于压缩感知的无人机航拍遥感图像动态重构方法正确有效,优于目前的主流方法.     

时空和语义结合的船舶轨迹数据压缩方法EI北大核心CSCD

大数据时代积累了覆盖范围广、时效性强的船舶轨迹数据。对海量冗余轨迹数据进行压缩,可提高检索效率,降低数据存储和传输负担;然而现有方法容易忽略移动对象的运动特征。因此,本文提出一种顾及轨迹时空特征和航行语义特征的压缩方法。首先,分析船舶轨迹的空间、时间和语义特征,设计顾及时空语义特征的轨迹数据压缩流程;其次,通过道格拉斯-普克和滑动窗口法计算轨迹点的时空和语义特征值;然后,加权融合轨迹点的时空和语义特征,构建轨迹点的重要性排序,并通过指定压缩比例获取保留轨迹点数目,实现船舶轨迹数据压缩;最后,根据压缩算法效率、质量和实例分析,表明本文方法可保留行驶的动态语义信息和时空形态特征,既可根据压缩比例控制压缩过程,又可显著减少数据冗余,为后续轨迹挖掘等应用提供数据基础。     

大气质量公众感知时空特征分析和综合评价方法研究EI北大核心CSCD

相对于有限的大气质量监测站点,公众是无处不在的。公众作为大气质量的直接感受者以及环保工作绩效的评价者,对大气质量综合评价至关重要。随着移动互联网的深度普及,公众在网络上关注、反映和表达大气污染问题也比较普遍,这些以自然语言形态存在的公众大气质量舆情信息往往也蕴含了大量空间信息。     

大数据环境下道路场景高时空分辨率众包感知方法EI北大核心CSCD

道路场景作为人类发展演变中最重要、最复杂、最典型的载体之一,是道路基础设施与活动行为共同构成的综合体,链接和构建“人地关系”。道路场景感知从二维抽象简略到三维精细丰富、从静态过去式向动态现在时发展,成为智慧城市、智能交通、无人驾驶的关键技术支撑,是我国新型城镇化战略、交通强国战略的核心技术保障。本文立足于时空交通大数据,提出基于道路场景静态基础设施“形”和动态活动行为“流”的高时空分辨率道路场景感知方法。该方法从静态路网“形”角度,以“点-线-面-体”等要素为研究脉络,构建高精度道路地图众包感知的理论体系;在活动行为“流”感知上,突破传统的点模式分析局限,发展了道路网络空间活动流的时空建模与多尺度分析方法。本文揭示了静态基础设施“形”结构与动态活动行为“流”模式交互作用下的道路场景演化规律,形成以“形”控“流”、借“流”定“形”、“形”“流”叠置的高时空精度道路场景众包感知理论体系,为智慧城市、智能交通的发展提供核心技术与数据支撑。     

基于FFT稀疏压缩感知域内遥感图像融合

压缩感知理论因其远低于乃奎斯特采样率的特性,减少了大量的采样数据。基于这一特性,提出一种在压缩感知域内进行遥感图像融合的方法。该方法首先对图像作快速傅里叶变换(FFT);然后进行测量采样获取压缩感知域数据;再采用权重法对数据进行融合;最后通过重构算法得到融合图像。通过实验得出压缩感知域内遥感图像融合具有数据量少,融合效果好等特点。     

全球电离层实时建模方法研究EI北大核心CSCD

电离层总电子含量(TEC)是描述电离层变化特性的关键参量,构建实时电离层TEC模型可为实时导航定位用户提供电离层延迟改正,加快精密单点定位收敛速度,实现对空间天气的精准监测。基于此,论文以构建实时电离层TEC模型为目标,从融合多源电离层数据构建电离层TEC模型和高精度电离层TEC预报模型的构建展开研究,主要研究内容及贡献如下:(1)使用不同方法评估了2002年001天-2018年365天IRI-2016模型、NeQuick2模型与IGS提供的电离层最终产品(IGSG)的精度。     

脉冲星计时数据的处理理论与方法研究EI北大核心CSCD

脉冲星是高速旋转且自转频率极其稳定的中子星,它们的位置坐标可精确测定,犹如恒星星表一样构成一种高精度惯性参考系;它们辐射的X射线脉冲信号具有高稳定周期和高稳态轮廓特性,部分毫秒脉冲星自转频率长期稳定度优于地面原子钟,因此能够为飞行器深空航行提供良好的时间和空间参考基准,提升航天器大范围长航时的自主导航能力和在轨自主运行能力,提高我国控制空间的本领。     

基于压缩感知的遥感影像几何精校正方法

在遥感影像几何精校正过程中,无论是通过人工选择还是特征匹配方法选择的控制点对都会随机发生误匹配的现象,这将大大影响几何精校正的精度。针对这一问题,本文利用压缩感知理论,利用误匹配控制点在所有控制点对中的稀疏性,实现了几何校正模型参数的抗差估计,提高了几何校正结果的精度。对卫星遥感影像的几何精校正的试验结果表明,基于压缩感知的遥感影像几何精校正方法能够有效克服误匹配控制点的影响。     

利用压缩感知方法的高分辨率三维层析SAR研究

利用压缩感知方法解决SAR三维层析成像中的频谱估计问题,弥补了传统谱估计方法的一些缺陷,准确重建了来自不同散射目标的回波信号。实验结果表明,该方法不仅能够有效地区分影像中同一像元中的多个散射体,而且可以较为准确地获取目标散射体相对强度分布及高程信息,为目标的分类和识别提供更多依据,显现出对数据量要求较少及抗噪声性能强等优势。     

基于压缩感知的遥感影像弹性配准方法

针对遥感影像由于载荷类型、观测角度、地形起伏等内外部因素造成的影像局部几何畸变,而基于全局配准方法制约着影像配准精度的提高,基于像元的弹性配准方法可大幅提升遥感影像的配准精度,但是存在运算效率这一瓶颈等问题,该文利用像元弹性配准参数的稀疏性,提出一种基于压缩感知的弹性配准方法。通过对遥感影像像元梯度幅值响应较强的点进行随机抽样,形成观测样本点集,采用弹性配准局部参数解算模型求解样本点平移参数;通过压缩感知稀疏重构算法重构影像各像元平移参数。实验表明,在配准精度差异较小和一定的参数设置条件下,该方法可显著提高弹性配准运算速度。     

Tetrolet域利用时空相关性的云图压缩感知重建

针对卫星云图数据量大,但传输通道和存储空间相对狭小的问题,本文基于Tetrolet变换,利用相邻时次云图的时空相关性,实现了一种高重构质量的卫星云图压缩感知方法。该方法将善于表达图像方向纹理及边缘信息的Tetrolet变换引入压缩感知的稀疏表示环节,从而很好地体现了卫星云图细节丰富、纹理结构复杂的特性;同时,考虑到卫星云图序列间的相关性,将时间相邻的卫星云图组成图像组,以中间时刻云图作为参考图像,计算其与相邻时次云图的差异,通过在参考图片及序列差异图片间合理分配采样率,获取测量数据,在压缩感知框架下,采用带平滑处理的投影Landweber算法,重构出相邻时次的图像组。实验结果表明,Tetrolet变换适用于卫星云图的稀疏表示,而且图像组时空相关性的利用可显著提高重构云图的视觉效果及客观评价指标;在采样率低于0.2时,红外1、水汽和可见光3个通道重构云图的峰值信噪比(PSNR)较传统方法平均提高了7.48 dB,13.51 dB和6.15 dB。由此可见,本文方法可以通过获取少数随机测量值,重构出高质量的卫星云图,不仅为云图数据的低比特率压缩提供了一种可行的解决方案,而且对于其他序列图像的压缩采样具有借鉴意义。     

基于压缩感知的航空影像超分辨率重建

详细介绍了压缩感知的研究现状和发展趋势,对压缩感知理论的原理、稀疏基的选取、测量矩阵的构造和信号的重建进行了详细阐述。在图像超分辨率重建技术的基本模型的基础上,基于压缩感知的图像超分辨率重建模型,使用小波基作为稀疏基,并使用改进的正则化正交匹配追踪算法对单幅图像进行超分辨率重建。最后,进行仿真实验,实现了基于压缩感知的单幅图像超分辨率重建,并且和传统的超分辨率重建算法进行对比。结果表明,基于压缩感知的图像超分辨率重建算法,取得了比较好的效果。     

三维点云的室内外场景层次化理解方法研究EI北大核心CSCD

环境理解是计算机视觉领域的基础工作,在机器人导航、智能交通等诸多军民领域有着广泛的应用。三维点云因其高精度、高密度等的数据特性,能够高效地捕获和描述三维场景中清晰的地物目标几何结构和丰富的空间细节信息,是表达、分析和理解室内外环境信息的重要数据类型之一。因此,基于三维点云数据进行室内外场景理解一直是备受关注的热点问题。     

多星座GNSS/INS组合导航理论与方法研究EI北大核心CSCD

随着我国BDS的持续发展,GPS不断完善,GLONASS加紧现代化进程,多系统的联合使用对卫星定位的精度和可靠性带来极大改善。但在复杂的动态环境下,卫星信号频繁受到遮挡,甚至失锁,无法保证定位的有效性。INS不受外界环境的影响,并且可以获得短时、高精度的导航参数。GNSS/INS组合导航技术能够获得连续、可靠和高精度的导航参数信息,已经被广泛应用于军事与民用领域。     

基于压缩感知的sar图像cfar目标检测算法

提出了一种基于压缩感知（compressedsensing,cs）和恒虚警率（constantfalsealarmrate,cfar）目标检测算法,用于合成孔径雷达（syntheticapertureradar,sar）图像的目标检测。针对传统的均值类和有序统计量类cfar目标检测算法,首先对每个局部滑窗的背景杂波像素利用压缩感知进行重建,以此来降低sar图像相干斑现象的影响,然后利用重建后的数据进行杂波分布参数的估计,并利用cfar检测器进行目标检测。在真实的sar图像中证明了上述目标检测算法的有效性     

基于多源数据的林区电力走廊安全风险评估方法EI北大核心CSCD

大型输电网是构筑国家经济发展的重要脉络,国家电网中高压电力线路跨越了广泛的区域,但是野外架空电力线路周围空间内常存在一些影响线路稳定运行的灾害与风险。诸如山林火灾、邻近生长的植被都可以轻易地造成输电故障。林区电力走廊中,火灾是电力线和植被之间相互作用、相互影响的一个重要媒介,无论是自然临近山火还是雷击或输电线触及植被放电导致火灾,总是会影响输电系统的正常运行。