受外界随机干扰影响的光纤陀螺信号分析与处理

针对受外界随机干扰影响的光纤陀螺信号进行分析并作了相应处理。分别比较了小波变换和建立在AR模型基础上的Kalman滤波两种滤波方法,并用实测数据进行验证。结果表明,相对于小波变换,建立在AR模型基础上的Kalman滤波不仅能够削弱有色噪声的影响,还能够部分削弱高频噪声的影响,滤波效果较好;将小波变换和Kalman滤波两种方法的优点结合起来,可以获得更好的滤波效果,有效地削弱了信号中各种干扰噪声的影响。     

受外界随机干扰影响的光纤陀螺信号分析与处理

针对受外界随机干扰影响的光纤陀螺信号进行分析并作了相应处理.分别比较了小波变换和建立在AR模型基础上的Kalman滤波两种滤波方法,并用实测数据进行验证.结果表明,相对于小波变换,建立在AR模型基础上的Kalman滤波不仅能够削弱有色噪声的影响,还能够部分削弱高频噪声的影响,滤波效果较好;将小波变换和Kalman滤波两种方法的优点结合起来,可以获得更好的滤波效果,有效地削弱了信号中各种干扰噪声的影响.     

陀螺仪转子电流信号去噪方法研究

磁悬浮陀螺全站仪定向系统中转子电流数据的噪声是影响仪器定向精度的重要因素之一.文章经统计分析知转子电流信号为非平稳信号,对其进行对比分析,确定选取特定的阈值和小波基函数对转子电流信号进行小波阈值去噪.借助信噪比、均方根误差和平滑度多类评价指标的变化特征随小波分解层数增加而收敛的特性,来确定最佳分解层数.实验结果表明:此种方法实现了转子电流有效信号和环境噪声信号的有效分离,剔除了不同观测环境条件下转子电流观测数据的噪声,提高仪器的定向精度.     

TLS三维点云聚类滤波算法应用研究

现有地面三维激光扫描点云数据滤波算法较少,针对地形复杂区域的点云滤波效果更是不甚理想,因此对二维聚类算法进行改进,提出三维点云聚类滤波算法,并对其在地形复杂区域的TLS数据滤波中的应用进行研究。以重庆鸡冠岭危岩体的TLS数据为例,分别采用曲率平滑滤波方法和文中提出的点云聚类滤波方法处理,并对两种方法处理过的数据进行形变量计算和分析。实验证明,针对植被覆盖茂密、地形复杂的山体,该方法的点云滤波效果较好,且处理速度有较大提升,能为点云后期形变量计算提供较好的基础。     

基于地形智能识别的自适应DSM滤波方法研究

介绍一种基于地形快速识别的自适应DSM滤波方法。该方法通过对地形类别的智能识别,达到对滤波参数的自适应调节,以改进三角网加密的滤波算法,实现对影像匹配生成的DSM全自动化滤波。算法后期通过引入已有基础测绘及省情矢量数据作为参考,对房屋和道路等人工地物区域进行精细化滤波处理,以减少影像纠正过程中人工地物变形比例,最终实现快速生产DOM的目的。     

风振对GAT陀螺全站仪寻北影响规律的研究

GAT磁悬浮陀螺全站仪是由我国自主研发的高精度仪器,外界环境(包括风力、温度、外界震动、周围的磁场等)都会对仪器的测量精度产生影响。在陀螺定向的过程中,风振对寻北精度的影响比较大,无论在洞外已知边还是在洞内待定边上的寻北过程,都有可能受到风振的影响。因此,研究风振对陀螺仪寻北的影响规律尤为重要。本文对不同风振条件下磁悬浮陀螺全站仪所采集的定、转子电流数据进行分析,研究其影响规律,并提出相应的改正方法,为验证改正后的外符合精度,采用在设计的闭合导线中加测陀螺边并施加不同风振的方法。     

三维激光点云的降噪算法对比研究

点云降噪是数据预处理中的一项基本操作,并且噪声滤除的效果将直接影响后期点云分割、配准、识别等操作成果的质量。受扫描环境及仪器影响,扫描生成的点云不可避免地会产生噪声点,必须借助点云降噪算法方能剔除。统计滤波与半径滤波是点云去噪中的常用方法,可有效地滤除离散点。本文基于PCL实现两种滤波算法,并对试验点云数据进行降噪处理,以验证滤波算法的有效性,最终分析参数设定对滤波效果的影响及对比两种滤波结果质量。     

Kalman滤波在高铁桥梁变形预测分析中的应用

针对高速铁路桥梁架梁后许多沉降变形点沉降量级较小,变形曲线呈现＂小量级,大波动＂特点,观测数据中可能存在大量的随机噪声,对沉降变形分析产生干扰,影响预测结果的可信度,本文将Kalman滤波引入到高速铁路桥梁变形分析数据预处理中,建立基于Kalman滤波的动态模糊神经网络模型。通过应用实例分析表明,基于Kalman滤波的动态模糊神经网络模型的预测精度有所改善,具有一定的优势。     

提高卫星导航精度的卡尔曼滤波算法应用研究

采用卫星导航对海上航行的船舶进行速度测量是目前最广泛应用的方法,但是卫星导航接收机由于受外界偶然因素的影响,其显示的速度往往包含噪声,且属于随机的高斯白噪声。针对此问题,提出一种基于卡尔曼滤波理论的计算模型,只考虑上一个时刻和当前时刻的关系,大大地减少数据冗余;应用迭代的方法来处理卡尔曼滤波,以更好地简化计算的过程,并根据深圳某航海公司的实际数据对此计算模型进行仿真验证。实验结果表明,对于数据跳跃十分大且明显的噪声数据,经过滤波后,这些数据变得更加平滑和准确。     

基于改进Kalman滤波算法的粗差修正及应用

现代动态数据处理中,以Kalman滤波为代表的现代时间序列分析方法发挥着举足轻重的作用。对于平稳性比较好的数据,一般方法都能够得到良好的处理结果,并可以做出相对准确预测,但是在动态数据中总会出现一些粗差值或异常值,如果这些异常数据不能得到有效的处理控制的话,不仅会对本期处理结果造成严重影响,还会因计算过程中状态值吸收此项粗差而对后期数据的处理结果产生影响。针对可能出现的粗差项及其带来的影响,本文首先详细地讲解了Kalman滤波的具体理论,在此基础上提出了一种改进的基于Kalman滤波的修正方法,经过实际实验发现,在无需先探测粗差的情况下,本方法能够对所含粗差项进行有效的修正并且效果良好。     

一种新的INSAR干涉条纹图滤波方法

干涉条纹图滤波是合成孔径雷达干涉测量处理中不可缺少的重要环节.对干涉条纹图滤波的一个重要要求是在有效抑制噪声的同时尽可能地保持条纹的跳变纹理信息.在分析干涉条纹图一阶差分的分布性质和三种当前最常用干涉条纹图滤波的算法的优缺点的基础上,提出基于椭圆方程的干涉条纹方向检测方法,并基于此推导了基于误差方程的用于表述不同方向的像素与滤波窗口中心像素的相关关系的加权模型,以此加权模型修正窗口均值滤波和圆周期均值滤波,得到新的保边缘的滤波器.接着分析了新滤波器的计算复杂度和不同权函数对滤波结果的影响.以此新的椭圆加权的保边缘滤波器处理了河北尚义地区的ERS-1/2合成孔径雷达数据,证明了本文提出的新滤波算法具有噪声抑制效果好,边缘信息保持能力强,计算速度快和可灵活配置等优点.     

基于Kalman滤波的高耸建筑物沉降预测模型研究

为了提高高耸建筑物沉降监测数据的可信性与实时预测的准确性,利用小波分析与Kalman滤波在数据处理方面的优势,采用小波分析先对沉降数据进行去噪,并采用Kalman滤波理论进行预测。通过实验数据的对比分析,结合小波去噪分析与Kalman滤波理论对原始沉降变形量进行沉降预测,能克服只使用单一Kalman滤波方法进行沉降预测中噪声处理的不足,验证了小波分析及结合Kalman滤波理论进行沉降预测的可行性,且预测精度比较高。     

自适应卡尔曼滤波法用于变形监测数据处理

卡尔曼滤波作为一种动态数据处理方法广泛应用在变形监测数据处理中。文中针对传统卡尔曼滤波因动态噪声不准或不容易确定影响结果准确度的问题,提出并探讨了方差补偿自适应卡尔曼滤波,并通过传统卡尔曼滤波和自适应卡尔曼滤波对GPS变形监测数据进行处理,其结果表明方差补偿自适应卡尔曼滤波对GPS变形监测具有很好的剔除噪声的作用,效果明显。     

有色噪声作用下的抗差卡尔曼滤波

根据用GPS载波相位三差观测量进行动态定位或精密导航的需求,推导了动态噪声、观测噪声为有色噪声的抗差卡尔曼滤波公式。白噪声的抗差卡尔曼滤波是有色噪声的抗差卡尔曼滤波的特例,有色噪声的抗差卡尔曼滤波为白噪声的抗差卡尔曼滤波的推广。     

自适应卡尔曼滤波高铁沉降观测数据处理模型研究

在介绍国内外高铁沉降数据处理方面的研究现状的基础上,依次阐述了包括回归分析法、人工神经网络、灰色系统理论和时间序列分析法在内的经典沉降数据处理方法,着重讲解了标准卡尔曼滤波理论及其相关公式,介绍了两种自适应卡尔曼滤波理论:方差分量估计AKF、方差补偿AKF。本文针对某具体工程实例,分别基于MATLAB平台编写了一套标准卡尔曼滤波程序和一套自适应卡尔曼滤波程序,并运用程序对其作了相关分析。通过对比分析,证明了自适应KF的优越性,并得到一套在处理实际问题时具有一定可行性的模型。     

自适应卡尔曼滤波在基坑变形监测中的应用

在现代建筑中基坑越来越深,基坑越深带来的危险就越大,因此准确地监测和预报基坑的变形趋势十分重要。卡尔曼滤波是经典的数据处理方法,但传统卡尔曼滤波所建立的数学模型不是很精确且动态噪音设计不易确定可能导致状态估计失真,甚至导致滤波发散的现象,本文利用方差补偿自适应卡尔曼滤波理论对太原万达广场某商住楼基坑位移监测数据进行处理,得出基坑位移变化趋势。     

GPS动态定位模型的研究

讨论当前三种动态数据处理模型(最小二乘法、卡尔曼滤波法及H∞滤波法)的特性,分析比较这三种模型各自的优点,并通过实测数据和相关软件来对这三种模型各自的应用前提、范围和应用效果进行试验。实验结果表明:当载体处于匀速状态时,这三种模型的精度相当;当载体处于机动加速度时,H∞滤波精度最好,最小二乘次之,卡尔曼滤波最差。     

水文变化语义约束的实时水位观测数据流在线滤波方法

受外界环境和仪器设备等的影响,实时水位观测数据流噪声和数据异常问题突出,严重制约了实时应用效能。针对已有数据清洗方法适应性差,难以根据动态观测数据的变化特征进行动态调整问题,本文提出了一种水文变化语义约束的实时水位观测数据流在线滤波方法:在实时水位观测数据变化特征与水文时空过程动态演变规律之间建立高层语义映射,实现水文变化语义知识约束下的卡尔曼模型参数自适应调整,从而突破传统滤波方法的瓶颈。采用多种降雨情景下的实时水位观测数据进行了试验,证明了该方法结果质量的可靠性。     

基于LiDAR点云数据索引的DEM快速提取

DEM应用日趋广泛,从LiDAR点云数据中提取DEM是一种满足应用需求的简单有效方法。由于Li-DAR点云数据的庞大性,直接提取DEM效率不高。为了提高对点云数据处理的效率,本文探索应用索引技术来优化LiDAR点云数据的处理,生成高精度DEM。该方法首先对LiDAR原始数据点建立网格分块索引;然后再利用形态学的方法对LiDAR原始数据进行滤波处理;最后用逐点内插方法生成DEM。实验结果表明应用空间数据索引技术极大地提高了点云数据滤波与DEM生成的效率。