融合三边测量和PDR的室内定位关键技术分析及应用

随着无线室内定位技术的发展,室内定位效果有了明显提升,但仅采用无线定位方法,定位点跳动频繁,定位效果较差,难以获取连续位置的准确定位。实际应用中不同的硬件平台也会影响具体定位方法的选择,通常需采用多种技术手段的组合以达到理想定位效果。本文基于微信公众平台的服务需要,提出了一种基于三边测量定位和步行者航位推算（PDR）融合的室内定位方法,通过地图信息匹配纠正定位结果,得到连续稳定的定位结果;并集成室内地图可视化技术,研发了一套基于微信平台的三维室内定位系统,在实际工程场景中进行应用,具有较好的定位效果。     

时空约束下任务驱动的遥感影像发现案例推理方法

遥感应用任务与遥感影像的关联关系在时空约束下非常复杂,难以抽象且不易精确建模。通过任务发现遥感影像的方法直接在遥感应用任务和遥感影像之间建立关联,不仅关联关系维护困难,而且忽略了时空因素的影响,导致查询准确率不高。利用基于案例的推理技术,将难以抽象成规则和精确建模的任务与遥感影像在时空约束下的关联隐含在案例中,设计相应的类比推理模型,实现通过任务智能检索相关遥感影像。原型系统实验表明了该方法的可行性,并提升了遥感影像数据的服务效果。     

中国2025—2035年碳酸锂需求预测——基于灰色关联分析和ARIMA-GM-BP神经网络的组合模型

碳酸锂供需矛盾日益突出,科学预测未来中国碳酸锂需求量,对碳酸锂生产、进出口计划以及国家能源政策的制定具有重要意义。结合基于灰色关联分析和ARIMA-GM-BP神经网络的组合模型,选取2002—2021年中国人均GDP、产业结构、城镇化率、润滑脂产量、陶瓷产量、玻璃产量、空调产量、锂离子电池产量和新能源汽车产量作为需求情景预测的主要驱动变量,对中国2025—2035年碳酸锂需求进行预测,在此基础上提出了针对性的政策建议。结果表明：所选取的驱动变量与碳酸锂需求具有较高的关联性,且组合模型较单一模型预测精度更高。3种情景下2025年、2030年和2035年预测的碳酸锂需求量均值分别为42万t、69万t和103万t。     

基于EMD与EEMD的最优降噪光滑模型在地震波中的应用

目前地震波在地质构造探测和结构损伤检测中具有广泛的应用。文中将EMD和EEMD算法建立的最优降噪模型应用于地震信号去噪中。首先通过低通滤波和带通滤波算法对比分析降噪效果。然后通过对光滑性系数α取不同的值比较信号的光滑性。并利用模拟信号添加高斯白噪声干扰，在同时考虑将信号光滑性和相似性的情况下用最优降噪光滑模型对数据进行处理，最后用实际地震波验证模型在地震波数据处理中应用的可行性。结果表明，EMD和EEMD最优降噪光滑模型都能对地震波进行降噪和光滑性处理，带通滤波与EEMD算法建立的最优降噪光滑模型效果较好。在实际应用中具有更好的效果。      

基于EMD,EEMD与CEEMD的信号 时频分析技术对比研究

时频分析方法在各个领域中广泛应用起来,特别是在工程领域中对结构和构件的变形以及内部损伤检测应用较多。HHT作为一种新兴的非线性,非平稳时频分析技术在探测和勘探领域中具有广阔的前景。文中重点对EMD,EEMD和CEEMD算法进行分析,通过对合成信号进行傅里叶变换和希尔伯特-黄变换,得到信号的频谱图,希尔伯特黄谱,边际谱等数据。通过对比分析,总结了三种方法的优缺点。结果表明,EMD,EEMD和CEEMD方法是进行非线性非平稳信号分析的有效工具。      

边缘约束下的分形网络分割算法

分形网络演化算法（fractal net evolution approach,FNEA）是一种有效的多尺度影像分割算法,但对于具有斑点噪声、局部区域对比度低等特点的高分辨率合成孔径雷达（synthetic aperture radar,SAR）图像,直接应用FNEA算法得到的分割结果难以用于后续的面向对象影像分析。提出了基于边缘约束的FNEA（edge restricted FNEA,eFNEA）算法,通过加入边缘信息和构建异质性规则来为分割融入更多信息,提高分割效果。实验结果表明,对于微弱边缘和噪声污染严重等情形,eFNEA算法的分割结果均优于FNEA算法。     

融合颜色和深度信息的运动目标提取方法

行人检测是计算机视觉、智能交通等领域研究的热点与难点,基于深度传感器对室内复杂场景下的行人检测展开研究。目前,基于颜色与深度数据的目标检测方法主要包括基于背景学习的方法和基于特征检测算子的方法,前者依赖于视频序列头几十帧的背景知识,帧的数量决定检测质量;后者存在计算量大的问题,训练样本的不足也会影响行人检测结果。因此,深入分析了复杂场景特征,融合颜色和深度信息,提出了RGBD+ViBe(visual background extractor)背景剔除方法,实现前景运动目标的准确提取。实验结果表明,提出的RGBD+ViBe方法在前景运动目标检测准确率方面要明显高于仅考虑颜色或深度信息方法以及RGBD+MoG(model of Gaussian)方法。     

从对地观测到对人观测——浅析社会地理计算

It is possible to obtain vast amounts of spatiotemporal data related to human activities to support the study of human behavior and social evolution.In this context,geography,with the human-nature relationship as its core,is undergoing a transition from strictly earth observations to the observation of human activities.Geocomputation for social science is one manifestation thereof.Geocomputation for social science is an interdisciplinary approach combining remote sensing techniques,social science,and big data computation.Driven by the availability of spatially and temporally expansive big data,geocomputation for social science uses spatiotemporal statistical analyses to detect and analyze the interactions between human behavior,the natural environment,and social activities;Remote sensing(RS)observations are used as primary data.Geocomputation for social science can be used to investigate major social issues and to assess the impact of major natural and societal events,and will surely be an area of focused development in geography in the near future.We briefly review the background of geocomputation in the social sciences,discuss its definition and disciplinary characteristics,and highlight the main research foci.Several key technologies and applications are also illustrated with relevant case studies of the Syrian Civil War,typhoon transits,and traffic patterns.     

一种VGI矢量数据增量变化发现的多层次蔓延匹配算法

矢量要素的匹配是发现地物要素变化的重要方法之一,高精度的匹配结果有助于更快地发现变化地物,进行更新。VGI矢量数据具有几何和语义信息丰富的特点,但使用传统的矢量要素匹配算法难以发挥VGI矢量数据的优势。以城市VGI道路数据为研究内容,提出基于多层次蔓延的矢量要素匹配算法,将VGI数据和专业测绘数据进行匹配对比,从而实现道路变化增量信息的快速识别。