基于简单模式的集合卡尔曼滤波与粒子滤波的比较研究

集合卡尔曼滤波和粒子滤波是大气海洋领域两种先进的数据同化方法。理论上讲,粒子滤波克服了集合卡尔曼滤波中先验分布的高斯假定。但现有的关于两种方法的比较研究不够全面和系统,基于简单的洛伦兹63模式,重点对基于确定性集合卡尔曼滤波和均权重粒子滤波的数据同化方法开展对比分析,通过对观测误差和模式误差的不同配置,设计了四组试验着重研究两种方法相同试验条件下的同化效果。试验结果表明:与采用最优膨胀系数的集合卡尔曼滤波的同化方法相比,均权重粒子滤波的均方根误差更加依赖于观测信息的质量,但最优膨胀因子的集合卡尔曼滤波的均方根误差低于粒子滤波同化方法。      

Kalman滤波风暴潮数值预报四维同化模式研究进展

本文首先介绍了Kalman滤波在风暴潮数值预报中的应用，特别介绍了近年来国际上发展的一些在实际中可行的次优化Kalman滤波算法。并通过一个稳态Kalman滤波风暴潮数值预报模式的实例表明，使用资料同化可以明显改进风暴潮后报结果；资料同化能够提供更为合理的预报初始场，对风暴潮的短期预报有较明显的改进。一旦没有资料同化到模式中去，预报结果很快接近确定性模式。     

地球物理勘探数据处理──递归滤波与褶积滤波计算量对比

在地球物理勘探数据处理中，通过实例计算表明，递归滤波可达到褶积滤波效果，又大大减少了计算量，提高了滤波速度。     

序统计滤波估计检测海洋测深异常数据

根据海洋水深数据处理的要求，构建了海洋水深数据的序统计滤波模型，并根据水深异常数据的特点，提出了离差法判定水深异常数据，在遵循“舍深取浅”这一基本海洋数据处理原则基础上，设计了海洋水深异常数据检测的序统计滤波方案。实例分析表明，该滤波方案能够有效地检测并剔除零水深、负水深、孤立突跳水深，保留连续（个数多于（含）3个的）异常水深，在序统计滤波异常数据检测的基础上剔除粗差，能大幅提高粗差检测的效率。     

基于模糊理论的抗差Kalman滤波算法

动态导航与定位的质量取决于对动态载体扰动和观测异常扰动的认知和控制质量.在实践中,观测向量及其动态模型信息均可能存在异常,此时若仍利用标准Kalman滤波,则状态滤波解将极不可靠.在标准Kalman滤波原理的基础上,结合模糊控制理论,提出了一种基于模糊理论的抗差Kalman滤波算法.该方法是依据滤波处理后的数据残差,利用模糊理论构造等价权,从而有效控制粗差对导航解的影响,并用算例验证了该方法的可行性和有效性.     

一种改进的SAR影像斑点噪声抑制方法

合成孔径雷达（SAR）影像的应用越来越广泛,但斑点噪声很大程度上影响了SAR的应用。本文首先研究了常用斑点噪声滤波方法,在此基础上,将中值滤波与常用的Lee,Frost,Kuan滤波结合。实验结果表明,该方法在斑点噪声抑制及边缘保持上明显优于传统的滤波方法。     

基于Kalman滤波的InSAR基线估计方法

针对目前SAR干涉测量中基线估计现存的问题,提出了利用Kalman滤波和配准参数进行基线估计的方法.所提出的方法具有不需地面控制点、不受地形限制和不依赖于轨道参数等优点,并可以估计时变的基线参数.利用南京地区的ERS-1/2 tandem数据进行了试验研究,并对提出的方法进行了验证.结果表明,在精确的卫星轨道数据和地面控制点不能获取时,所提出的方法仍能有效地估计InSAR基线.这在一定程度上补偿了轨道偏移带来的误差,为获取高精度的DEM奠定了基础.     

用分层稳健线性估计法从机载LIDAR数据中获取DEM

评述了利用机载激光扫描数据进行DEM提取的4类典型算法,分析了各自的优缺点。在此基础上,提出了利用双重策略进行数据滤波的方法,即分层稳健线性估计法。该算子同时利用小波分层滤波法和稳健线性估计法,以克服两种算法单独使用时的不足,即小波分层滤波算子没有有效策略保证参考面的精度;稳健线性估计法不能有效过滤数据中的粗差。利用该算法策略对德国Nahrodde地区的数据进行了实验,并将实验结果与用TerraScan软件获取的真实值进行了比较,结果表明分层稳健线性估计法不仅具备小波分层滤波算法和稳健线性估计法这两种滤波算法的优点,而且还可以克服这两种算法固有的缺点,从而实现了直接从原始数据中有效获取地面点的目的。     

基于模糊理论的抗差Kalman滤波算法

动态导航与定位的质量取决于对动态载体扰动和观测异常扰动的认知和控制质量。在实践中,观测向量及其动态模型信息均可能存在异常,此时若仍利用标准Kalman滤波,则状态滤波解将极不可靠。在标准Kalman滤波原理的基础上,结合模糊控制理论,提出了一种基于模糊理论的抗差Kalman滤波算法。该方法是依据滤波处理后的数据残差,利用模糊理论构造等价权,从而有效控制粗差对导航解的影响,并用算例验证了该方法的可行性和有效性。     

一种新的SAR影像融合滤波方法

为解决有效地去除斑点噪声和保留图像边缘两者矛盾的问题,首先通过中值滤波得到较好的平滑SAR图像,然后利用AMSS方程得到较好的保留图像边缘信息的SAR图像,最后将所得的两幅图像进行融合,并对融合后的图像进行定量和定性分析。仿真实验表明,无论是定性分析,还是定量分析都证明融合后的图像在很好地去除噪声的同时,有效地保留了图像的地物分界处及边缘细节信息。