Contourlet��InSAR����ͼ�˲������о�

?о??????Contourlet?任?????????????????????·?????????Goldstein??С????????????????в????????????????????????????????????????????????????????к?????????????????????????????????????????в??????Ч??????????С???????????????????Щ????????Goldstein???Ч??????     

����SUSAN����Ľ��㷨��InSAR����ͼ�˲��о�

??SUSAN?????????InSAR???????и???????????SUSAN??????????InSAR????????????????????????????Ч?????SUSAN???????SUSAN??????????Goldstein????????ж????飬???????SUSAN??????????Goldstein???????????λ????????Goldstein??????????71.7%????82.6%??SUSAN???????????????????????????????????????????????????????????????????     

SAR����ͼ�˲�����λ����㷨�Ƚ��о�

??L ^P ????????￡?????????λ???????????????????о?????????????3???????????????????????Bam?????????SAR??????????????????????????:Goldstein?????????Ч???????е??????????,??????????????Ч??????????????????????L ¹?????????????????????????????Ч?????L ²?????????????????????????Ч?????L ⁰????????????????????????????????????????????????????????     

���ڻ��΢��Ⱥ�㷨����λ���

???Goldstein??????????????????????????????????????????????λ??????????????????????????????????????????????????????????????????????????????????????????????????????????·???????????Щ???·????????????С???????????????????δ???????????????????????????????????????????????????????????????Ч??     

�߽��������仯����Ļ�������Ӧ����������ж��ЧӦ

?????鹹??????,???????????????????????????,??????????????????????3D????????,?????????????????????????????????,??????????????????????????仯,?????о????????????????????仯???????????????????????????ж??Ч??????????:????????????????????????,?????????????????????????Ч??????????????????ж??Ч?;???????????????????????,???????????????ж??Ч???????????????????Ч?;??????????????????????,???????в??????- ?????????????Ч?;???????????????????????,?????????????????????????Ч????????????ж??Ч???     

����Ԥ����Ч�ȵı����������Ԥ��

??????????????????????????????Ч?????????????????????????????????????????????Ч?????????????????????????????????????????Ч????     

HVF������GPS��·��ЧӦ�о��е�Ӧ��

????????Helmert????????????Vondrak????????????HVF??????????????GPS??·??Ч????о????????????????????????????÷???????????Vondrak?????????????????????????????????Ч????????????????е????????????????÷????????·????????????GPS??·??Ч?????????????????????Ч????????·??Ч??????????????????GPS??λ?????     

����ObjectARXʵ���Զ��������ʵ��

??????AutoCAD???????????????????????????????Ч????????????????????????????????????????????????????Ч???????ObjectARX???????????????????????????????????????????????????????????????????????????????洢???????????????????????????????????????????????÷??????Ч??????????????????????????????????????????????????ε?????     

����С���任���۵ľ��ܴ���������ȫվ�Ƕ���ϵͳ�������޳������о�

????????????????????????????????????????????????????仯???仯??????????????У??о??????????????????????????????????????????????С?????????????Ч??????????????????????????Ч??????????????÷?????????????????????????????????????????????????????????????????????????Ч??????????????????????????????????     

�ش��ڡ���Դ�����뼰��ǿ��ǰ�ڡ���Դ��������ϵ���ݻ�����

?????????????????????????1997??11??8?????????????o????Ч?????????????????????????λ?????????Ч????????仯??????????????????????Ч?????????仯????????λ?????????????????????????Ч????????仯??????????λ????????????????????     

��ͬ�����¼����˲������ıȽ��о����Ľ�

????о???GPS???μ???????????????????????????С???????????????????????????????????????Ч?????ó?????????????????????÷?Χ????????????????????????????????????????????????????????????С???????????????????????????????????????????????????????????????Ч??????????????     

应用MATLAB设计高效多级抽取滤波器

介绍如何应用Matlab设计级联梳状(CIC)滤波器、半带滤波器和有限脉冲响应(FIR)滤波器。并设计了一种高效的多级抽取滤波器，将该算法用数字信号处理器(DSP)进行验证，结果表明，该多级抽取滤波器能满足地震数据采集系统的精度要求。     

基于Hilbert变换处理绝对重力仪测量数据

基于Hilbert变换相位平移原理,提取干涉条纹信号采样点瞬时相位,得到采样点位移信息。结合采样频率提取时间信息,利用最小二乘法重建自由落体轨迹,最终解算出重力加速度g值。为提高测量精度,使用零相移低通滤波器去除信号高频噪声,使用多项式拟合法去除信号线性干扰,通过加窗口选取拟合数据抑制吉伯斯现象。仿真结果表明,该方法能使g值误差在10-2 μGal以下,实验结果所得g值平均误差为0.12 μGal。     

基于Gabor变换和支持向量机的手写体字符识别算法

针对在手写字符识别中由于书写习惯和风格的不同造成字符模式不稳定的问题,将支持向量机SVM方法用于手写字符的识别.算法首先采用Gabor变换提取手写字符图像的特征参数,然后采用提取的特征训练SVM分类器.再应用SVM分类器分类和判别手写字符.实验表明这种方法具有良好的车牌识别效果,较强的鲁棒性,较大的应用价值.     

湛江气温的多时间尺度特征及其变化趋势预测

利用MHAT小波函数分析了湛江市近50年来年平均气温的多时间尺度变化特征,并采用Kalman滤波模型对年平均温度的变化趋势进行了预测研究。结果表明,在半个多世纪的气候变化过程中包含了16 a4、a和准2 a的周期振荡,20世纪80年代中期以来湛江气温持续升高,且未来几年仍处于偏高阶段。卡尔曼滤波模型对湛江年平均气温的预测中,独立样本预测的平均绝对误差(MAE)等于0.30℃,相对误差为1.24%,对短期气候预测工作具有较高的参考价值。     

基于卡尔曼滤波的D-InSAR和水准监测数据融合方法研究

针对面状监测的D-InSAR技术在沉降最大值附近精度较低,而高精度水准测量只能得到有限个监测点变形值的缺陷,利用集合卡尔曼滤波方法对D-InSAR和水准监测结果进行同化,从而对目标进行高精度面状沉降变形监测。结果表明,基于集合卡尔曼滤波同化结果相比于反演值和D-InSAR监测结果有了很大改善。将该方法应用于济宁邹济公路,经同化值的总均方根误差为17.7 mm,满足高等级公路变形监测的精度要求。     

基于Kalman滤波的低轨卫星运动学精密定轨快速算法

提出一种改进的Kalman滤波算法,设计并实现了基于Kalman滤波的运动学定轨方法。通过对GRACE卫星实测数据的计算表明,该方法不仅对计算机要求低,计算效率高,而且能达到与最小二乘法相当的定轨精度,可以作为今后高采样率星载GPS数据的定轨方法。     

An innovative process to improve turbidity and Organics Removal by BAC filters

The turbidity criterion for the product water of a WTP according to the State Project ‘863＇ on the safeguard technology of drinking water in the southern areas of China is 0.1 NTU. The turbidity removal in the activated carbon filter was analyzed in a pilot-scale test and an innovative technology to improve the turbidity removal in a biologically activated carbon （BAC） filter was put forward in order to meet the criterion. Experimental results showed that the enhanced filtration by adding polymerized aluminium chloride （PAC） into the BAC filter was quite effective in turbidity control. The effluent turbidity was kept at a stable level （mean） of 0.033 NTU with a high removal of about 80% for influent turbidity of 0.110- 0240 NTU with an addition of PAC at 0.05 mg L^-1, meeting the requirement for filtrate turbidity equal to or less than 0.1NTUC totally. In addition, the larger the PAC dosage was, the lower the effluent turbidity was. However, further improvement of turbidity removal was not obvious for PAC dosages beyond 0.10 mg L^- 1, and an optimal PAC dosage in the range of 0.05 - 0.10 mg L^- 1 was proposed.     

一种改进的SAR影像斑点噪声抑制方法

合成孔径雷达(SAR)影像的应用越来越广泛,但斑点噪声很大程度上影响了SAR的应用。本文首先研究了常用斑点噪声滤波方法,在此基础上,将中值滤波与常用的Lee,Frost,Kuan滤波结合。实验结果表明,该方法在斑点噪声抑制及边缘保持上明显优于传统的滤波方法。