FY-3C/VIRR中红外图像太阳光污染订正

风云三号C星(FY-3C)上搭载的可见光红外扫描辐射计VIRR (Visible and Infra-Red Radiometer)是继承风云一号卫星光学成像仪器,它在高纬度昼夜交替区域附近由于地平线附近太阳光照射,导致仪器扫描镜和其他部件产生杂散光,导致对地观测图像被污染,尤其VIRR中红外第3通道(3.7 μm)图...     

基于MATLAB的304不锈钢点蚀行为电化学噪声特征

【目的】研究304不锈钢在质量分数3.5%NaCl溶液中的腐蚀行为。【方法】基于MATLAB软件,利用分段多项式拟合、快速傅里叶变换和希尔伯特黄转换的方法设计电化学噪声信号分析模块,得到噪声信号的时域谱图、功率谱密度图和幅值-频率-时间三维分布图。【结果】时域谱图中有明显的4个阶段,分别对应于不同的点蚀发展过程;在频域分析时,白噪声水平与低频区PSD线性部分斜率的分析结果与时域分析结果具有较好的一致性;HHT时频谱图瞬时频率的分布与点蚀发展过程相对应。【结论】分析系统实现方法简单、数据处理速度快、处理方法灵活,可以实现噪声数据的处理与分析。     

固体火箭发动机燃气射流噪声数值模拟

为了研究固体火箭发动机燃气的气动噪声特性,建立了二维轴对称的射流数学模型,采用大涡模拟(LES)方法对火箭发动机超声速燃气射流流场进行了数值模拟,然后利用 FW-H 面积分得到了超声速燃气射流噪声的分布特性。 计算结果表明:该方法能较好地捕捉超声速燃气射流的复杂波系流场结构,射流噪声辐射具有较明显的指向性。     

顾及有色噪声的自适应粒子滤波UWB定位算法

传统卡尔曼滤波算法要求噪声模型符合高斯分布,在UWB室内定位中,由于载体本身的机制等干扰,观测噪声不仅仅是白噪声,也存在有色噪声的情况,而粒子滤波可以处理有色噪声的问题。本文通过增加似然分布自适应调整来改进粒子滤波用于目标跟踪的精度,同时研究在白噪声、有色噪声下似然分布自适应调整粒子滤波和拓展卡尔曼滤波在UWB中的优势与不同。试验结果表明：观测噪声为白噪声时,拓展卡尔曼滤波和粒子滤波均可以较好地实现对行人的定位跟踪;观测噪声为有色噪声时,自适应粒子滤波定位效果优于粒子滤波、拓展卡尔曼滤波。     

结合MST划分和RHMRF-FCM算法的高分辨率遥感图像分割

针对基于像素的HMRF-FCM算法抗噪性差以及对地物复杂边界分割精度低的问题,提出一种结合形状信息的静态MST区域划分和RHMRF-FCM算法的高分辨率遥感图像分割方法。该方法定义一种静态MST同质区域划分准则,借助MST能较好表达边界和形状信息、能较好抑制几何噪声的特点,解决地物复杂边界的表达和降低分割结果中几何噪声问题。首先,利用MST静态划分将图像域划分成若干个均质区域,假设每个均质区域内光谱测度服从独立同一的多元高斯分布。然后,在此基础上构建了区域隐马尔可夫随机场模型,以及建立基于信息熵和KL信息正则化项的模糊聚类目标函数。最后,采用偏微分方法对分割模型参数进行求解,从而得到全局最优分割结果。为验证本文方法,对WorldView-3高分遥感图像进行分割试验。定性、定量分析了尺度参数、光谱相似性参数和区域紧致度参数对最优分割结果的影响,并对比分析本文算法和eCognition软件中的多分辨率分割算法、分水岭算法。     

GPS坐标时间序列分析研究

近20年来,以GPS为代表的空间大地测量技术观测精度不断提高,已累积了丰富的、高精度、全球覆盖的坐标时间序列数据。这些数据为研究不同时空尺度下的各类地球物理现象提供了重要的数据支撑和大地测量几何约束。然而,由于GPS坐标时间序列中同时包含了各类“信号”和“噪声”,而且噪声来源复杂,信号类型多样,水平和高程分量上信号与噪声的表现形式差异较大。如何从原始序列中提取可靠的“信号”、分离出“误差”是目前地学界研究的热点和难点之一。     

BDS3新试验卫星测距信号质量分析

中国的北斗卫星导航系统按照“三步走”的发展战略稳步推进,目前正处于第二代区域卫星导航系统向第三代全球卫星导航系统发展的关键时期。在郑州设置实验测站,实地采集BDS3新试验卫星的数据,分别从卫星可见数、信号频点、载噪比、伪距观测噪声值、多路径效应等方面分析BDS3试验卫星测距信号的质量。结果表明:对于相同频点,不同卫星的载噪比、伪距噪声、多路径效应变化略有不同,一般而言,倾斜同步轨道卫星(IGSO)的性能优于中轨道卫星(MEO)的性能;相同轨道类型的卫星,载噪比、伪距噪声、多路径效应水平相似,并且载噪比、伪距噪声、多路径效应在各个频点的相对大小关系基本一致。     

基于卷积神经网络与条件随机场方法提取乡镇非正规固体废弃物

随着村镇经济建设发展,生活垃圾和工业固体废弃物造成的污染问题日益突出,已经成为制约新农村建设发展和生态文明建设的关键问题,而目前针对乡镇非正规固体废弃物的调查与统计主要依赖全国各乡镇相关部门逐级调查上报,工作量较大。本文基于高分辨率遥感影像,将深度学习模型和条件随机场模型相结合引入到乡镇固体废弃物的提取研究中,探索一种基于深度卷积神经网络的乡镇固体废弃物提取模型。由于固体废弃物在影像上表现为面积小,分布破碎等特点,为了提高工作效率,将模型特分为识别和提取2个部分：① 通过全连接卷积网络（CNN）对固体废弃物进行快速识别判断,筛选感兴趣区域影像块;② 在传统的全卷积神经网络(FCN)的基础上加入条件随机场模型(CRF)提取固体废弃物边界,提高整体分割精度。根据安徽、山西等地区相关部门上报固体废弃物堆放点以及住房与城乡建设部城乡规划管理中心进行野外检查的结果,实验最终识别精度达到86.87%以上;形状提取精度为89.84%,Kappa系数为0.7851,识别与提取精度均优于传统分类方法。同时,该方法已经逐步应用于住房和城乡建设部有关成都、兰州、河北等部分乡镇非正规固体废弃物的核查工作,取得了较为满意的结果。     

一种顾及有色噪声的四星座GNSS动态导航滤波算法

经典Kalman滤波要求噪声是高斯白噪声,而动态GNSS定位的观测误差和状态预测误差往往是有色噪声。本文提出一种简便的有色噪声函数模型拟合滤波算法,采用前面历元的观测残差和状态残差建立有色噪声模型,削弱有色噪声对动态导航解算的影响。采用四星座GNSS接收机观测数据进行动态导航实验,结果表明,顾及有色噪声的动态导航滤波算法比未顾及有色噪声的经典Kalman滤波算法定位精度更高,三维位置精度提升9%以上。     

GNSS变形监测网短基线时间序列噪声特性分析

利用时间跨度为5 a的GNSS短基线时间序列对噪声特性进行分析,发现长周期噪声分量(随机游走噪声)。选取最优噪声模型,评估不同噪声模型对测站周期振幅和线性速度估值的影响。结果表明,短基线时间序列中有色噪声应顾及闪烁噪声和随机游走噪声,对于表现出随机游走噪声的分量,可能与测站的真实运动有关;假设只有白噪声时求得的速度估值与最优噪声模型下求得的速度估值存在0.4～0.6 mm/a的偏差,对周期振幅的影响可以忽略。