基于MSA特征的遥感图像多目标关联算法

遥感图像中多目标关联存在以下两个问题:一是低时间分辨率观测使得目标状态信息无法准确估计,基于Kalman滤波的多目标关联算法不再适用;二是基于图像特征的目标关联算法又无法处理大场景观测中多个目标关联引起的模糊性.针对上述问题,提出一种基于多尺度自卷积特征匹配和关联代价矩阵最优化的多目标关联算法.实验表明该算法对遥感图像中多目标关联问题具有一定的适用性.     

小波变换阈值去噪法在GPS数据处理中的应用

在介绍小波变换阈值去噪法的特性及其有点的基础上,结合武汉某大学教学楼GPS变形监测数据,首先使用不同的小波函数及阈值策略分别对GPS观测数据的非差、单差相位观测值和伪距观测值进行阈值去噪处理,然后分别使用Bernese高精度数据处理和Trimble TG0软件对消噪前后的单差相位观测值、非差相位观测值和伪距观测值进行基线解算。最后,比较消噪前后基线解算结果,分析不同小波函数和阂值策略对基线解算精度的影响,探讨小波变换阅值去噪的合理方法。     

边角网平差中方差分量估计改进算法

基于单位权中误差的先验估值与验后估值一致,对边角网提出一种改进的赫尔默特方差分量估计算法,该算法可直接计算角度和边长的方差分量估值,克服了原公式计算过程繁琐、占有内存量大的不足,通过采用Newton法进行迭代计算,收敛效果好,算例表明该方法是有效的。     

模拟退火算法在控制网平差中的应用

线性最小二乘估计在对非线性函数进行线性近似的过程中会产生模型误差,而一些非线性参数估计方法可能因为函数复杂而难以求导,法方程系数矩阵秩亏或呈病态矩阵时难以求解,非线性迭代解法有时对初始值的选择存在依赖性,不恰当的初始值会导致迭代无法收敛。针对这些问题,引入了模拟退火算法,介绍了该算法的基本原理、计算步骤和收敛性,并以3个控制网平差应用为例,说明该算法具有无需求导求逆,简洁实用,易于编程等优势,并能实现全局优化,获得高精度的平差结果。     

半参数平差模型估计量的精度评定

将半参数估计理论引入测量数据处理理论中,利用Blight和Ott提出的思想,用多项式函数来表示半参数平差模型中的非参数分量,从而得到了半参数平差模型中参数分量和非参数分量的Bayes估计量,通过理论证明,半参数模型参数分量的Bayes估计为通常意义下高斯马尔可夫模型参数估计值与参数期望的加权平均,是一致、渐近无偏和渐近有效估计量,并且其方差小于参数模型中参数估计量的方差。在一定情况下推广了平差理论,具有一定的理论价值。     

有色噪声作用下的卡尔曼滤波

利用GPS载波相位三差观测量进行动态定位(或精密导航),就必须研究有色噪声滤波的理论问题.根据需求,推导了动态噪声、观测噪声为有色噪声的线性系统滤波公式,并证明白噪声卡尔曼滤波是有色噪声卡尔曼滤波的特例,或者说有色噪声的卡尔曼滤波是白噪声卡尔曼滤波的推广.     

附加约束条件的序贯平差

从观测量分组的参数平差出发,详细推导了附加约束条件的序贯平差及其精度估计,讨论了附加约束条件的抗差序贯平差的计算过程.算例表明,推导的公式正确有效,简单实用,附加约束条件的序贯平差抗差估计能有效地抵制粗差的影响.     

抗差最小二乘配置在数字化地图几何纠正中的应用讨论

抗差估计具有较好的抗拒异常观测值及粗差的能力,而最小二乘配置又能较好地处理系统误差,本文结合两者的优点,利用抗差最小二乘配置对数字化地图进行几何纠正,其中对协方差函数采用抗差拟合,得到了较好的结果。实验证明在GIS数据处理的扫描数字化地图几何纠正中,抗差最小二乘配置在抗拒异常值和处理系统误差方面优于单纯的最小二乘估计和单纯的最小二乘配置方法。     

附非负约束平差模型的最小二乘估计

研究了不等式约束下的平差问题,即先将不等式约束的最小二乘问题转换成凸二次规划问题,然后求其最优解.给出了几个判定最优解的充分必要条件,以及非负约束下的平差问题参数最小二乘估计的一般形式,并给出了简明的算法.模拟实例说明,此算法可以很好地应用于实际测量中的平差计算.     

基于载噪比及参数先验信息的抗差模型

结合GPS应用的特点,建立了一种综合载噪比(C/No)及参数先验信息的抗差模型.试验结果表明该模型具有更高的抗差性能,从而能更有效地削弱GPS观测量中各种误差的影响.