Alta U9000相机噪声的测试与分析

CCD在成像过程中不可避免地引入一定的噪声,这些噪声将对以图像检测为基础的CCD各种工程应用带来误差。本文分析了各种CCD噪声的来源及其数学性质,并对科学级CCD Alta U9000相机的各种噪声进行了量化分析,给出了暗电流噪声、成像电路噪声及随机噪声的变化规律;对不同积分时间的图像进行了噪声抑制实验。实验证明,根据对U9000 CCD噪声的预先测试数据,其噪声中的暗电流噪声、成像电路噪声等系统噪声可以得到很大的抑制,而随机噪声无法抑制。     

GPS变形监测系统中消除噪声的一种有效方法

GPS变形监测系统的观测资料可看成为与时间有关的数据序列，应用小波分析理论，研究了时间序列观测数据的误差消除问题。结果表明，借助于小波分解与重构，可有效地从强噪声干扰的观测数据序列中提取变形特征。该方法解决了传统处理技术对非平稳、非等时间间隔观测数据序列滤波的局限性问题。     

基于小波分析的成像光谱图像随机点噪声消除

成像光谱技术为实现遥感定量分析、识别地物提供了一种重要的有效技术手段,但是成像光谱图像中往往含有严重程度不一的随机点噪声。要优化成像光谱图像质量,提高依据地物光谱特征探测、识别地表物地有效性,必须将图像中的随机点噪声予以消除或压抑。在分析已有各种随机点噪声消除或压抑方法的基础上,提出了一种基于小波分析理论的成像光谱图像随机点噪声消除方法。对成像光谱图像的试验处理及与邻域平均、中值滤波去噪声处理方法     

顾及有色噪声影响的青海地区应变场分析

基于青海地区14个中国大陆构造环境监测网络(CMONOC)连续站10年的坐标时间序列数据,利用贝叶斯信息准则(BIC)确定各连续站的最优噪声模型,进而得出修正后的水平速度场,并在此基础上建立整体旋转与线性应变模型来分析青海地区的应变特征. 结果表明:青海地区CMONOC连续站坐标时间序列各方向的噪声特性存在较大差异,东(E)、北(N)、天顶(U)方向的最优噪声模型分别为 白噪声+幂律噪声(WN+PL)、白噪声+高斯-马尔科夫噪声(WN+GGM)和白噪声+闪烁噪声(WN+FN). 考虑有色噪声(CN)影响青海地区CMONOC连续站基于ITRF2014框架下的平均水平运动速率为39.45 mm/a,运动方向为88°57′58″NEE. 青海地区构造活动相对强烈的东北与西南部分别表现为挤压应变特征和拉张应变特征;从东北向西南,挤压应变逐渐减小,拉张应变逐渐增大,总体表现为挤压应变.      

二维小波变换及ICA消除图像混合噪声

针对自然条件下获取的图像通常含有混合噪声的情况,提出了二维小波变换与独立分量分析(independent component analysis, ICA)的自适应图像混合噪声消除方法.该方法不需要大量观测图像样本,无需事先掌握观测图像信号类型的详细信息,可针对单个观测图像进行自适应混合噪声消除.结果表明,该方法可以有效地消除图像中的混合噪声,突出图像细节,改善图像质量.     

基于灰度归一化的HJ-1A星HSI图像条带噪声去除方法

针对HJ -1A星HSI图像上的条带噪声,在分析传统条带噪声去除方法的基础上,提出了一种新的基于灰度归一化去除条带噪声的方法.首先,设计孤立点检测窗口,将随机斑点噪声与条带噪声分离;然后,利用灰度归一化方法建立图像各列像元灰度级与基准列像元灰度级对应的查找表,根据查找表对HSI图像条带噪声进行消除.实验结果表明,该方法在很好地保留图像光谱信息的情况下,能够有效地消除图像条带噪声和随机斑点噪声.     

eLoran噪声误差模型及产生方法研究

增强罗兰(eLoran)系统具备与全球卫星导航系统(GNSS)的互补性,使其成为最佳备份系统. 接收机通过测量到达时间(TOA)进行定时与定位,噪声是影响eLoran信号TOA精度的重要因素,而噪声中高斯白噪声(WGN)又是普遍存在的. 本文首先基于最大似然估计(MLE)方法推导了WGN下的TOA误差模型,其次采用线性同余法与Box-Muller变换对法相结合生成WGN,仿真分析了WGN的时、频域特性,最后利用产生的噪声模拟出TOA测量误差,并与理论TOA模型进行比较. 结果表明:理论误差模型与仿真TOA值误差吻合,验证该研究的TOA测量误差模型和产生噪声的正确性,研究成果可为eLoran信号的TOA误差模型和模拟器中噪声产生提供参考,促进eLoran系统应用发展.      

顾及时间相关噪声的单频GPS精密单点定位

扩展Kalman滤波(EKF)常常被用于单频GPS精密单点定位.Kalman滤波的前提假设之一是观测噪声为白噪声,即时间不相关,这在实践中往往不能满足.因为单频GPS观测值中包含有很难被完全消除的电离层、对流层等大气折射误差,以及多路径影响误差.这些误差在时间上是相关的,严重地影响了滤波解的精度和收敛时间.这里提出一种顾及时间相关噪声的Kalman滤波,在移动窗口内,利用核估计预测时间相关噪声的系统部分,进而实时修正当前历元的观测值和观测向量的协方差矩阵.该方法还有一个明显的优点就是,在滤波过程中不需要对时间相关误差做任何假设.最后通过一个实测算例验证了该算法的适用性.     

顾及时间相关噪声的单频GPS精密单点定位

扩展Kalman滤波(EKF)常常被用于单频GPS精密单点定位。Kalman滤波的前提假设之一是观测噪声为白噪声,即时间不相关,这在实践中往往不能满足。因为单频GPS观测值中包含有很难被完全消除的电离层、对流层等大气折射误差,以及多路径影响误差。这些误差在时间上是相关的,严重地影响了滤波解的精度和收敛时间。这里提出一种顾及时间相关噪声的Kalman滤波,在移动窗口内,利用核估计预测时间相关噪声的系统部分,进而实时修正当前历元的观测值和观测向量的协方差矩阵。该方法还有一个明显的优点就是,在滤波过程中不需要对时间相关误差做任何假设。最后通过一个实测算例验证了该算法的适用性。     

连续观测系统的平差模型与有色噪声补偿

现代测量技术多依赖于各种连续对地观测系统。有色噪声在影响参数估计的同时,还蕴含了地球科学研究所需的大量有用信息。本文讨论了连续平差模型及最小二乘解,将有限维空间中的测量平差问题推广至无穷维空间,从信号分析角度讨论了观测有色噪声的消除方法。研究表明,连续观测方程的最小二乘解可由经典最小二乘解的极限导出;有色噪声对解的影响是系统性的,然而通过合理的观测方案设计可以实现参数的无偏估计     

顾及系统噪声和观测噪声的分级自适应信息滤波算法

高精度的载体动态导航与定位不仅需要对载体异常扰动和观测异常有良好控制,还需要对状态方程系统噪声及观测噪声的时变特性有准确认识和处理.首先针对包含系统噪声的动力学模型和包含时变观测噪声的导航系统,提出一种基于信息滤波形式的分级自适应滤波算法.然后针对系统噪声的渐变性和突变性,增加了遗忘因子和二段自适应因子,提高了对突变噪...     

SAR图像斑点噪声抑制方法与应用研究

通过详细分析SAR图像的判读和应用斑点噪声的算法,得出:多视处理能有效地平滑噪声,但降低空间分辨率;基于空间域滤波算法能有效地平滑斑点噪声,但不同程度地损失边缘和细节信息;基于变换域的小波多尺度滤波可以较好地保持边缘信息,然而其滤波效果不理想。在此基础上提出利用小波分析技术把两种或两种以上的单个滤波方法进行融合,在有效去除斑点噪声时能够较好地保持边缘、细节和纹理信息。最后初步讨论在实际应用中应根据不同情况和要求选择相应的滤波方法。     

空间与光谱维度的高光谱图像噪声估计

高光谱图像能够获取地物精细的光谱诊断特征,但受限于多谱段分光的成像机制,图像各个谱段上光成像的能量不足,信噪比难以提升.高光谱图像噪声类型与强度的准确估计,是提升高光谱图像去噪性能的关键,也是优化其成像系统设计的重要依据.现有高光谱图像噪声估计算法通常将不同类型的图像噪声作为一个整体,并未充分考虑不同类型噪声的区别.本...     

PLL Tracking Performance in the Presence of Oscillator Phase Noise

The tracking performance of a Phase Lock Loop (PLL) is affected by the influence of several error sources. In addition to thermal noise and dynamic stress error, oscillator phase noise can cause significant phase jitter which degrades the tracking performance. Oscillator phase noise is usually caused by two different effects: Allan deviation phase noise is caused by frequency instabilities of the receiver's reference oscillator and the satellite's frequency standard. It can be termed as system-inherent phase noise and is relevant for both static and dynamic applications. “External” phase noise, however, is caused by vibration and is a major problem for dynamic applications. In the context of this paper, both types of phase noise will be modeled and the resulting integrals will be evaluated for PLLs up to the third order. Besides, phase jitter induced by thermal noise and signal dynamics will also be discussed, thus providing all necessary formulas for analyzing the performance of a phase lock loop in case of different forms of stress. Since the main focus is centered on the effects of oscillator phase noise, the overall PLL performance is graphically illustrated with and without consideration of oscillator phase noise. © 2002 Wiley Periodicals, Inc.     

GNSS坐标时间序列噪声特征分析

为了研究我国目前建立的连续运行参考网络（CORS）GNSS基准站的坐标时间序列噪声特征是否与国际领域研究的成果相符合,对江苏CORS网连续3年24个分布均匀的GNSS基准站的数据进行处理,利用GAMIT软件获取了各基准站的坐标时间序列,并利用CATS软件采用最大似然估计法对坐标时间序列的噪声特征进行了分析,结果表明：GNSS基准站坐标时间序列不仅包含白噪声,还包含有色噪声;GNSS基准站坐标时间序列在N、E、U方向的噪声类型并不完全一致,其中N、E方向的最佳噪声模型为“WH＋FN＋RWN”,U方向的最佳噪声模型为“WH＋FN”.     

结合分形理论和自适应图像块划分的遥感图像噪声估计

针对场景复杂的光学遥感图像中加性噪声估计问题,提出了一种结合分形理论和自适应图像块划分的噪声估计方法。区别于传统的基于规则图像块划分的噪声估计方法,本文提出了一种自适应于图像局部信息的图像块划分算法,更大程度地保证了自适应图像块内部的平滑性。结合基于分形理论的图像低粗糙度纹理区域选取和基于统计分析的图像噪声标准差计算,实现了光学遥感图像加性噪声强度的自动估计。利用资源三号卫星图像进行定量试验分析,试验结果表明本文方法可以有效地适用于不同复杂程度、不同噪声强度的光学遥感图像。同时,本文中低粗糙度纹理区域选取和自适应图像块划分的方法经过改进后,还可以应用于雷达图像中乘性噪声的估计。     

小波函数在变形监测数据降噪中的应用

利用计算机仿真技术,在加入人为噪声的基础上,采用小波函数对仿真数据进行降噪处理验证。测试过程中采用全局阈值和分层阈值的方式,分析降噪后能量成分和方差,比较两种阈值的降噪效果,并得出结论:小波分析在数据降噪方向有很明显优势,而且分层降噪的效果更好,将其应用到GPS变形监测的降噪处理中,取得了很好的效果,为GPS后续处理提供了数据保障。     

北京市CORS站坐标时间序列噪声分析

针对北京市CORS站的稳定性问题,该文利用GAMIT/GLOBK软件对北京市13个CORS站2016—2018年的观测数据进行了处理,获取了原始坐标时间序列和坐标残差时间序列,通过极大似然估计的方法对CORS基准站进行了噪声模型分析和区域速度场估计。结果表明,北京市CORS站坐标时间序列的最佳噪声模型为WN+FN+RWN组合模型;采用NEU方向的最佳噪声组合模型对北京市CORS站进行区域速度场估计,BJTZ、CHAO、DSQI、XNJC站的沉降较为严重,其他CORS站N方向速度估值在7.2~14.3 mm/a,E方向速度估值在27.5~32.5 mm/a,U方向速度估值在2.0~8.5 mm/a。     

环渤海区域GPS坐标时间序列噪声分析

本文以环渤海区域GPS基准站2013年至2018年观测数据为基础,从噪声特性及时间序列参数方面进行分析。利用最大似然估计法估计环渤海区域27个测站坐标时间序列在不同噪声模型下的噪声量级及时间序列参数。针对最佳噪声模型,利用谱指数和最大似然估计两种方法分别从定性和定量确定。结果表明,测站的最佳噪声模型主要有WN+FN和WN+FN+RWN两种模型组合,绝大多数测站的最佳噪声模型为WN+FN,其中WN+FN+RWN模型主要分布在基岩类型为土层的基准站上,WN+FN模型主要分布在基岩类型为基岩的基准站上。     

噪声的分布层次分析及其自适应滤波算法

基于对噪声模型的分析 ,提出了两种自适应中值滤波器算法 :(1)对于消除噪声密度较大的脉冲干扰 ,提出了基于剩余脉冲检测的自适应中值滤波器算法 (AMF1) ,通过对滤波器输出是否存在剩余噪声的检测来决定采用的滤波器窗口尺寸 ,从而有效滤除脉冲干扰 ;(2 )对于消除的一定宽度的脉冲干扰 ,则提出了基于脉冲宽度检测的自适应中值滤波器算法 (AMF2 ) ,通过决定干扰脉冲的宽度来确定滤波器窗口的大小 ,从而有效去除较宽的干扰脉冲。通过对实际图像的测试 ,表明提出的算法运算结果优于标准中值滤波器的输出结果