基于趋势面的多波束测深粗差剔除研究

多波束测深的过程会受到多种因素的影响,必须对测深数据进行粗差剔除,以便获得能够真实反映海底地形的测深数据。简要介绍多波束测深数据粗差剔除方法,基于趋势面滤波进行实践验证,针对不同的地形,给出了较适用的滤波模型。     

考虑自然邻点影响域的多波束测深数据趋势面滤波改进算法

针对传统趋势面滤波法在多波束测深数据粗差探测方面存在曲面拟合函数不确定、滤波不彻底以及部分水深点被不合理剔除的问题,通过引入散乱水深点局部最小范围——自然邻点影响域的概念,提出一种基于自然邻点影响域的多波束测深数据趋势面滤波改进算法。首先,通过对自然邻点影响域内的局部曲面进行分析,构造了影响域内特定局部坐标系下的统一曲面拟合函数;然后,利用该统一曲面拟合函数按照所提传递式迭代趋势面滤波法进行顺次迭代,逐步滤除影响正常水深点判定的粗差数据;最后,根据突变地形边界点在其相邻邻域地形内连续性不一致的特性,建立了面向突变地形边界点的判断准则。试验结果表明：该改进算法可适应不同复杂程度的海底地形,有效剔除多波束水深数据中的粗差点,同时对实际海底地形中的正常水深点和各种特殊水深点进行保留,显著提高了海底地形表达的精度。     

利用BP神经网络剔除多波束测深数据粗差

针对多波束单ping水深数据多呈现较为复杂的曲线形式的现象,提出了基于逆传播（back propagation,BP）神经网络的多波束测深数据粗差剔除方法,即依据BP神经网络具有从输入到输出的映射功能,构建适应多波束单ping水深数据复杂曲线的训练学习算法进行曲线拟合。考虑地形之间的延续性进行相邻ping水深数据间的相关性分析,纵向检查定位并剔除粗差。通过实测多波束测深数据验证该方法的有效性,并与不确定性与测深学联合估值滤波以及交互式滤波方法进行比对分析,结果表明该方法可以有效剔除多波束测深数据中的粗差。     

面向多波束测深数据的双向布料模拟自动滤波算法

针对现有多波束测深数据的滤波算法需要人工干预且难以实现自动滤波的问题,在布料模拟滤波基础上,提出了一种基于双向布料模拟(bidirectional cloth simulation filtering, BCSF)的多波束测深数据滤波算法。首先,基于二次曲面（Levenberg-Marquardt）算法拟合构建传递式迭代趋势面,消除海底负异常数据;然后,构建BCSF修正模型,确定最终海底滤波面,解决海底凹凸地形或具有成簇噪点的复杂海域地形容易产生的过度滤波问题;最后,对分类海底点与非海底点的距离阈值进行了自适应优化与估计,进一步提高BCSF滤波结果的准确性。将所提算法应用于实测多波束测深数据,实验结果表明,与布料模拟滤波相比,所提算法不仅克服了过度滤波的缺陷,而且实验区域的整体测试数据的噪点剔除率从12.87%下降到0.76%,局部测试数据的噪点剔除率从15.29%下降到1.09%;与基于不确定度理论的多波束测深滤波相比,所提算法更加简洁,易于技术实现,人工干预很少,保留了更多的地形细节,具有较好的鲁棒性和应用前景。     

基于拟准检定法的多波束测深粗差探测

针对最小二乘趋势面滤波法在多波束测深粗差探测中存在的不足,本文提出将拟准检定法应用于多波束粗差探测中,进而将拟准检定法探测粗差与最小二乘趋势面拟合有机结合起来。通过构造不同阶次的趋势面,并对实测数据进行分析,结果表明:拟准检定法剔除粗差后海底地形表面较为平滑,微小地形得以保存,跳点和孤立点得以剔除。     

基于选权迭代法的单波束测深数据粗差探测

单波束测深技术因其成本低、精度高、操作简单等特点被广泛应用于水下地形测量,然而在声速设定正确的情况下,测深仪的观测值仍会存在一定数量的粗差。本文针对单波束测深数据中的粗差问题,利用三次曲面函数构造格网模型,采用选权迭代法进行抗差估计,对观测值中的多个粗差迭代降权,以提高水下地形模型精度。本文结合西江某航道码头水下地形测量工程实例,对单波束测深数据进行处理和水下地形建模,验证了该算法在单波束测深数据粗差探测和水下地形建模中的可行性和有效性。     

多波束测深数据处理的抗差最小二乘配置迭代解法

针对利用最小二乘配置处理多波束测深数据,存在二次曲面数学模型通常无法精确表征海底地形的整体变化趋势以及观测数据存在粗差或异常点时,常规方法给出的协方差函数不能精确表征其统计特性的问题,本文提出了一种抗差最小二乘配置迭代解法。该方法首先进行协方差函数和观测值方差阵初始化,以多面函数拟合趋势项,然后应用等价权抗差估计并通过迭代计算,最终给出稳健的协方差函数参数解及最小二乘配置解。利用本文提出的方法及传统的方法处理实测的多波束测深数据,试验结果表明,相比于传统的方法,本文提出的方法能够较好地表征海底地形的整体变化趋势,一定程度上克服了多波束测深数据中粗差或异常点的影响。相比于传统的抗差方法,本文方法更为有效地识别出测深数据中异常点,推估效果较好,具有稳健性。     

二次CUBE滤波算法及在边坡乱石区测深数据处理中的应用

针对传统CUBE（combined uncertainty bathymetry estimation）算法在水下边坡乱石区多波束测深数据滤波中表现出的水深估计不准确、地形特征模糊和粗差剔除能力不足等问题,基于乱石区测深数据特点,提出二次CUBE滤波算法,给出了位置和水深同步估计的思想和方法、顾及地形梯度的平面和水深不确定度传递模型、参考水深的多重估计和优选新算法,以及顾及地形梯度的二次水深估计模型,综合实现了乱石区水深的准确估计和粗差的自动准确检测。试验表明,本文给出的方法实现了粗差的自动准确剔除,提高了传统CUBE算法水深估值的精度,算法效率和抗差性更强,形成的地形特征更加准确。     

利用卡尔曼滤波改正多波束数据声速整体误差

针对传统多波束测深系统从误差源进行平差的后处理方式受声速误差等因素影响较大的应用局限,提出了以相邻条带中央波束构建的每ping海底地形趋势线作为先验信息,利用卡尔曼滤波(Kalman filter, KF)对声速整体误差影响下的测深数据系统性误差进行改正的方法。首先,提取测深数据准确性相对较高的相邻条带的中央波束数据,对多波束每ping测深点所在的区域海底地形构建大致走向的趋势线;其次,利用检测线中央波束与主测线交叉重叠部分的数据,得到观测值的偏差和所构建海底地形趋势线的偏差;最后,结合得到的偏差,以构建的趋势线作为先验信息对测深数据利用卡尔曼滤波进行改正,并对改正后的数据进行精度分析与评估。实验表明,对于声速整体误差引起的海底地形畸变,利用卡尔曼滤波能够对边缘波束的系统性误差进行有效的改正。     

多波束测深异常数据检测与剔除方法研究综述

针对多波束测深数据处理在测深异常数据检测与剔除方法上存在的不足,综合分析了近几十年国内外研究人员在多波束测深异常数据检测与剔除方法方面的研究成果,根据工作原理将其分为基于数据统计理论和基于函数或统计推值比较两类方法,选取中值滤波、小波分析、CUBE算法、趋势面滤波、最小二乘支持向量机滤波法等典型的多波束异常数据检测方法进行重点介绍,并通过列表的方式对不同检测方法进行优缺点对比分析。最后总结了多波束测深异常数据检测与剔除方法研究的现状和趋势。