一种快速重叠开窗拟合算法及其在电离层拟合中的应用

提出一种基于分段的重叠窗口拟合算法,它将分段窗口分为边界区、重叠区和内部区,通过对前后窗口重叠区拟合值的加权平均,使窗口间拟合值的变化连续。采用实测GNSS电离层数据,分别对逐历元滑动窗口、独立分段窗口和重叠窗口3种算法进行实验对比,其中在以400历元窗口对NKLG站G01的电离层拟合计算中,逐历元法耗费121.618 s,而独立分段法和重叠分段法只分别用了0.396 s和0.985 s,计算效率分别为前者的307倍和123倍。结果证明,该算法兼顾计算精度与执行效率,是处理数据量较大、连续且变化剧烈的时间序列的有效方法。     

附有基线长约束的改进CLAMBDA算法研究

探讨附有基线长约束的最小二乘模糊度降相关搜索算法(CLAMBDA)的基本原理和实现过程,针对其处理高维模糊度时存在搜索效率低的问题,提出一种基于部分模糊度搜索策略的改进CLAMBDA算法。新算法通过优选部分模糊度子集,在改善搜索空间形状的同时,降低了模糊度搜索空间的维数,有效提高了模糊度的搜索效率。利用澳大利亚科廷大学静态短基线网数据和实测动静态定位数据进行验证,结果表明,改进的模糊度搜索方案可以在保证模糊度固定成功率的情况下,有效地缩短搜索时间,能更好地满足载体实时姿态测量的要求。     

一种航空重力测线交叉点搜索新方法

针对目前航空重力测量数据处理中常规搜索方法存在搜索速度慢、正确率低、适用性差的不足,提出以主测线点为搜索中心,采用一定宽度的搜索框对主副测线点进行搜索,将搜索到的主副测线上相邻测点组成线段,运用行列式方法精确求出交叉点及不符值的方法,即滑动窗口搜索法。从搜索时间和正确率两方面对滑动窗口搜索法进行分析,结果表明本文所提方法简单有效,能明显提高测线交叉点搜索效率。     

卫星对地覆盖时间窗口实时计算方法

卫星对地覆盖时间窗口的高效计算能够有效地保障遥感卫星数据信息资源的管理与应用。为解决现有卫星对地覆盖时间窗口计算方法无法提供同时保证精度、效率和实时性的在线服务的问题,提出了一种实时卫星对地覆盖时间窗口计算服务方法。在时间窗口的通用计算方法基础上,建立了地面区域的扩充四至范围,通过判断卫星星下点与地面区域的扩充四至范围的空间关系来决定是否需要计算卫星对地覆盖区域;在卫星对地覆盖区域与地面区域空间关系发生变化时,通过双重时间步长策略提高计算效率和精度;使用流计算框架构建算法的实时在线服务。实验结果表明,与商业软件采用的跟踪传播算法对比,本文方法与其计算结果差异较小,均小于1 s,说明本文方法能够保证较高的计算精度;与传统跟踪传播算法相比,本文方法耗时大幅减少,实现了超过8倍的加速比。本文方法同时保证了精度、效率和实时性,能够满足不同场景下卫星对地覆盖时间窗口的计算需求。     

Array processing-a new method to detect and correct errors on array resistivity logging tool measurements

In recent years more and more multi-array logging tools, such as the array induction and the array lateralog, are applied in place of conventional logging tools resulting in increased resolution, better radial and vertical sounding capability and other features. Multi-array logging tools acquire several times more individual measurements than conventional logging tools. In addition to new information contained in these data, there is a certain redundancy among the measurements. The sum of the measurements actu- ally composes a large matrix. Providing the measurements are error-free, the elements of this matrix show certain consistencies. Taking advantage of these consistencies, an innovative method is developed to de- tect and correct errors in the array resistivity logging tool raw measurements, and evaluate the quality of the data. The method can be described in several steps. First, data consistency patterns are identified based on the physics of the measurements. Second, the measurements are compared against the consis- tency patterns for error and bad data detection. Third, the erroneous data are eliminated and the measure- ments are re-constructed according to the consistency patterns. Finally, the data quality is evaluated by comparing the raw measurements with the re-constructed measurements. The method can be applied to all array type logging tools, such as array induction tool and array resistivity tool. This paper describes the method and illustrates its application with the High Definition Lateral Log (HDLL, Baker Atlas) instru- ment. To demonstrate the efficiency of the method, several field examples are shown and discussed.     

Retinex图像增强在GPU平台上的实现

伴随着无人机时代的到来,对海量数据处理的实时性要求越来越高。本文在GPU（Graphic Processing Unit）平台上实现了Retinex图像增强算法的并行处理,提升了Retinex图像增强算法处理高分辨率数字图像的处理速度。首先,通过数据合并访问和内存数据交互技术实现了数据的快速访问,缩短了数据在不同种类内存间的传输时间,提升了数据访问的效率;然后,采用内核指令优化和数据并行计算技术,实现了Retinex图像增强算法在GPU平台上的多核程序设计;最后,采用主机端和设备端的异步执行模式,在数据传输的同时进行内核数据的并行计算,通过任务级的并行进一步缩短了算法在GPU平台上的执行时间。研究表明,对于不同分辨率的图像,Retinex图像增强算法的处理速度相比于CPU平台均有数十倍的提高,如处理一帧分辨率为2048像元×2048像元的图像仅需要38.04 ms,算法的处理速度较CPU提高了40倍。     

AIS数据在集装箱港口服务效率的应用研究

港口是物流供应链中的核心环节,港口服务效率会决定整个物流供应链的效率。本文提出了一种基于海量船舶AIS(Automatic Identification System)轨迹数据的港口服务效率计算框架,利用集装箱船舶AIS轨迹、港口地理信息等海事大数据,采用滑动窗口算法等数据挖掘方法判断船舶在港内的状态,估算出反映港口服务效率的AWT/AST指标,从时间维度对港口服务效率评价,为港口管理运营部门和航运公司决策提供参考。并以上海港、宁波港、深圳港、釜山港为例,采用2018年全年全球5600余艘集装箱船舶的AIS轨迹数据,量化评价4个亚洲集装箱港口的服务效率。结果显示:(1)船舶抵港泊位作业时间近似正太分布,正太分布均值在14～18 h之间,船舶泊位作业时间集中在10～30 h;(2)船舶泊位作业时间与船舶船型大小成正相关,船型越大则泊位作业时间越长;(3) 32%的船舶抵达上海港会发生等待时间,体现上海港集装箱码头整体处于供不应求的状态。宁波港整体服务效率较高,船舶发生等待事件较少。作为区域性枢纽港,釜山港近洋区域性运输频繁使得釜山港抵港船舶频率较高。(4)洋山四期码头为自动化码头,其港口...     

局部型地形因子并行计算方法研究

 随着分析区域的扩展及需求精度的提高,数据-计算密集型地形分析亟需通过并行化来满足用户的时间响应需求。局部型地形因子是以一定半径的分析窗口(通常为3×3)计算且具有单元计算结果独立性的地形信息,是数字地形分析的基本参数。本文在分析局部型地形因子串行算法特征的基础上,以坡度算法为样本,对局部型地形因子的并行计算方法进行了深入研究。从数据并行的角度,对并行计算环境下的数据划分粒度、方式及结果融合策略进行了分析,构建了局部型地形因子的并行计算方法。利用SRTM陆地表面地形DEM数据,设计了坡度并行计算的实验以验证其方法的正确性和实用性。实验结果表明,本文提出的并行计算方法顾及了任务、数据及计算环境,可快速对局部型地形因子串行算法进行并行化改造,提高算法的执行效率,具有较好的并行性能。     

天然气水合物储层地震反射相干分析研究

以实际水合物存在的美国布莱克海台地震数据为例,利用地震剖面中四个层位(海底层、水合物顶层,水合物层和游离气层)地震数据,通过相干技术研究了四个层位地震波同相轴的连续性。结果表明:在同一层位中,随着时窗宽度的增大,所有时窗相干值的均值都逐渐减小;在相同时窗宽度下,相干程度最好的为海底层,其次为水合物层、水合物顶层及游离气层。由此,通过对比各层位的相干值,可以指示天然气水合物的存在,这为水合物识别及其开采提供了有价值的参考。     

��С�����պϻ������㷨��̽��InSAR��λ�������е�Ӧ��

??????С????????????????????????????????????е??????????????????????????????????????????????????????????????С????????????????????????????·?????????????????????????????????????????????????????????????InSAR??λ???????????????????InSAR????????Ч???     

GPU加速的改进PAM聚类算法研究与应用

空间聚类是空间数据挖掘的重要方法,而K-Medoids是一种常用的空间聚类算法。K-Medoids聚类算法存在初始点选择问题,而且计算复杂。为了提高算法的有效性和时间效率,本文结合模拟退火算法思想,改进了传统的K-Medoids算法PAM,提出一种基于GPU计算的并行模拟退火PAM算法。类比矩阵乘法运算,定义了一种新的矩阵计算方法,可以有效减少数据在GPU全局内存和共享内存之间的传输,提高了算法在GPU中的执行效率。利用模拟退火算法搜索聚类中心点,保证了聚类结果的全局最优性。基于不同的数据集,将串行和并行模拟退火PAM算法以及已有的遗传PAM算法进行比较,结果表明并行模拟退火PAM算法聚类结果正确,且时间效率高。最后,应用本文改进算法对贵州省安监系统的安全监管隐患数据进行聚类分析,发现了隐患聚集中心,相关结果对政府的决策具有一定的实际应用价值。     

一种建立公交网络的最短路径改进算法

目前,对最短路径问题的研究很多,基本都是关注算法的计算效率问题,而其应用到具体领域时会遇到一些算法本身无法解决的细节问题。如将邻接结点算法用于公交网络的最短路径计算时,会遇到诸如缺少网络拓扑信息、属性数据复杂等问题。本文针对这些问题给出了解决方法:在计算最短路径之前,利用算法将站点和线路数据进行自动匹配,建立公交网络的拓扑关系。同时在数据存储方式上进行了改进,运用数据库存储复杂的公交属性数据和中间过程中产生的公交网络数据,节约了运算时的内存占用率,提高了数据的利用率,使算法更具实际意义。     

多边形叠加Vatti算法的VCS优化方法与GPU并行化

Vatti算法是常用的矢量多边形裁剪算法之一,在其构建扫描束实现交点计算的过程中,二叉树的数据结构和递归计算方法导致其计算效率受矢量多边形边界顶点数量影响显著。本文针对Vatti算法执行过程中较为耗时的扫描束构建环节,提出了一种多边形边界顶点预排序的优化方法——VCS（Vertex Coordinate Pre-Sorting）方法,并基于该方法实现了对Vatti算法的GPU细粒度并行化。VCS方法使用双向链表对Vatti算法原有的二叉树数据结构进行了替换,以较小的额外存储空间取得了多边形边界顶点信息查找效率的明显提升。在GPU环境下采用双调排序算法对多边形边界顶点数组元素进行并行化排序并过滤出有效值,克服了原始算法使用二叉树存储导致效率低下的问题。实验结果表明,改进后的算法与原始算法相比,具有相同的计算精度;当多边形顶点数量为92万,CUDA每个线程块中的线程数量为32时,使用VCS优化方法,与采用CPU计算构建扫描束方法相比,GPU并行化方法获得了39.6倍的相对加速比,矢量多边形叠加分析算法效率总体上提升了4.9倍。     

利用小波变换进行遥感多光谱图像融合的算法及实现

在分析了小波变换的分解与重建方法后,提出了一种基于区域的图像增强算法。先提取出源图的边缘,以图像的边缘为参考,围绕边缘建立融合窗口,然后结合区域内的图像信息,应用基于窗口的融合规则进行融合处理。实验结果显示,融合后的图像综合了3幅源图像的不同特征,处理后的图像变得容易识别了。表明该方法保持了尽可能多的原始信息,算法简单,稳定性好,适合于多光谱遥感图像识别、医学成像等领域。     

基于MapReduce的多机并行DP算法与实验分析

随着网络地图不断发展,个性化网络地图也得到快速发展。个性化网络地图需要以矢量数据为数据基础,以满足人们对地图色彩、符号等个性化要求,所以需要实时、快速进行大量数据化简。本文以经典Douglas-Peucker算法作为曲线化简算法,利用开源云计算平台Hadoop建立多机协作的曲线并行化简服务框架,设计和实现了多机并行Douglas-Peucker算法,并在集群上进行实验分析,验证算法的效率和适用性。算法核心是设计数据的逻辑分片,利用MapReduce计算原理,将分片分配到集群中,实现并行运算。实验分别分为两个方面:(1)比较在固定阈值不同数据量情况下,传统DP算法与多机并行DP算法效率;(2)比较在相同数据量不同阈值情况下,传统DP算法与多机并行DP算法效率。实验表明,在大数据量和高复杂度情况下,多机并行DP算法的效率更高。     

大规模GNSS网多进程并行解算研究

针对大规模GNSS网常规数据处理时效性差、效率低的问题,基于GAMIT/GLOBK软件,利用进程池技术从多时段与多子网2个维度分别设计共享内存模型数据并行算法,并融合实现大规模GNSS网在时间域和空间域上的时空一体化双层并行解决方案。该方案可突破软件传统串行处理GNSS数据时效性差、多核计算资源利用率低的限制,在测试环境下最大加速比高达19.39,可充分挖掘计算机算力,大幅提升大规模GNSS网数据处理的时效性。     

一种新的散乱点云数据多级空间索引

散乱点云数据具有数据量大（海量性）、数据表达精细（高空间分辨率）、空间三维点之间无拓扑关系（散乱性）等特征,在对其进行应用前必须进行数据预处理（如去噪、配准、分割等）。而在这些数据处理过程中需频繁的进行邻域查找,如果没有高效的查询索引机制,很难实现数据自动处理。因此,如何进行数据的组织和索引,以提高后续邻域检索和查询等操作的速度,是目前点云数据处理中的一个研究热点。针对现有点云数据采用的空间索引方式的优缺点,本文提出了一种多级格网和KD树混合的空间索引,该索引提出变分辨率格网索引与KD树的混合索引模式,简称MultiGrid-KD树索引。该方法在保持网格索引算法实现简单查询效率高等优点的同时,解决了单一分辨率数据冗余的问题。以故宫太和殿的点云数据为例,对本文提出的MultiGrid-KD树索引算法和KD树、八叉树等经典算法做对比。结果表明,本文索引方法在最邻近点查询以及四邻域查询的效率上均优于KD树,以及八叉树索引。     

基于语义的GP服务多层次发现算法

随着云技术的飞速发展,"一切资源皆服务"成为可能,"数字地球"的实现也不例外。观测技术的快速发展使数据资源变得很丰富,但数据利用率低是普遍存在的现象,如何完成空间数据信息的再加工是亟待解决的问题,在云时代,具有数据处理功能的服务是解决此问题的方法之一,如何描述、发现和集成数据处理服务,从云端服务池中发现最优的服务是其关键所在。为了提高服务的查全率和查准率,引入了本体的概念,服务的语义描述很大程度上提高了空间数据处理服务的应用范围,缓解了非专业用户和专业人员之间的沟通障碍。本文分析了相关领域服务匹配算法的优缺点,结合GP服务自身的特点,提出了本体的GP服务的多层次发现算法:通过包含关系和线索关系完成服务间隐含关系的挖掘,主要是父子关系和前驱后继关系的表述;扩展传统本体表达模型,增加包含和线索关系,为服务的查找做准备;服务的多层次查找,第一次筛选主要针对服务预处理中包含和线索关系的表达查找,第二次筛选利用神经网络的突触原理,结合传统的服务匹配算法,完成服务的准确查找。经试验证明,此方法大大地提高了服务的查准率和查全率,具有重要的实践意义。     

基于N-KD树的空间点数据分组算法

随着科学技术的进步,地理空间数据的分析处理面临着数据量膨胀和计算量高速增长的双重挑战,为了解决海量数据处理速度慢的问题,本文针对空间分布不均匀的点数据,从数据并行的角度,以保持数据的空间邻近性及保证数据分组后各组数据量负载均衡为目标,提出基于N-KD树（Number-K Dimension Tree）数据动态分组的方法,其是一种面向实时变化（数据量和数据空间范围变化）的空间数据动态分组方法。该方法借鉴K-D树的创建和最临近点搜索的思想,通过方差判断数据分布稀疏程度,利用最临近点搜索方法处理边界点,实现空间范围的不均等切分,保证数据分组后各组数据量基本均衡。试验表明,该方法具有较好的动态分组效果与较高的计算效率;支持各种分布状态的空间点数据的分组;分组后各组数据量负载均衡;分组算法本身有支持并行、支持分布式协同工作模式的特点。     

图划分对Arc-flags算法的影响

最短路径计算作为导航的常用算法在移动互联网中扮演了重要角色,由于路网规模的增大和终端的不停移动,传统的串行最短路径算法已经无法满足实时性要求,因此预处理技术得到了广泛使用。Arc-flags是一个经典的基于预处理技术的最短路径算法,可以提供高效的在线最短路径查询服务。现有Arc-flags算法的研究主要集中在提升预处理时空效率和比较不同路网划分方式的优劣上,尚未见图划分对Arc-flags算法影响的深入研究。本文在真实路网上测试了不同的图划分数量和边界点数量等因素对Arc-flags算法的影响,主要包括预处理时间和空间的消耗、在线查询时间和搜索范围等方面,并根据实验结果和分析提出了合理的图划分建议（如选用好的图划分方法减少边界点数量等）,为改进和使用Arc-flags算法提供指导。