顾及邻近点变形因素的高斯过程建模及预测

针对传统的变形监测建模方法一般针对单一监测点的变形预测模型,未考虑到监测点间相互作用的变形特点,该文分析了变形监测点间的相互关联性,通过相关系数法对监测点进行分类,并将邻近监测点的观测序列值作为和时间因素等同的影响因子应用到建模过程中,利用高斯过程算法进行训练,建立预测模型。为提高高斯过程算法的模型预测精度,应选择适合工程案例最优协方差函数。通过实例分析,比较GM(1,1)、多点灰色预测模型和顾及邻近点变形因素的高斯过程等3种模型在基坑围岩、滑坡等变形监测数据处理中的预测精度,表明该文算法考虑到监测点间的变形关联性,充分利用高斯过程在针对小样本、非线性数据建模时的高自适应性等优点,具有较高的预测精度。     

改进粒子滤波器的室内地磁匹配精度研究

针对粒子滤波算法在室内地磁分布的连续性变化中会发生滤波发散,加之算法中重采样步骤使该现象恶化,直接导致室内定位过程中目标丢失的问题。该文受Hausdorff距离度量法中点集匹配思想的启发,提出了一种利用初定位误差作为最大粒子匹配距离的约束思想,通过缩小匹配空间的区域范围的方法来解决传统算法的发散问题。最后实验表明,此方法解决了粒子滤波器在地磁匹配中出现的滤波发散现象,同时使得定位结果更加快速收敛。     

利用零相位Kaiser窗滤波器改善MEX多普勒数据定轨精度

精密轨道确定在深空探测中至关重要,而定轨数据中的白噪声会影响定轨性能。基于零相位分析,比较了FRR（forward-filter reverse-filter reverse-output）、RRF（reverse-filter reverse-filter forward-output）和Matlab中的filtfilt这3种滤波器的优劣,设计了一种零相位Kaiser窗低通滤波器。利用火星快车号（Mars Express,MEX）的仿真数据和实测数据验证了零相位Kaiser窗低通滤波器的性能,结果发现滤除白噪声后MEX数据的定轨精度有了显著改善。双程测速数据残差均方根（root mean square,RMS）减小为原来的1/3左右,达到了0.031 mm/s;轨道位置和速度与欧空局（European Space Agency,ESA）精密轨道的差异明显变小。该滤波算法作为定轨前的数据预处理可以提高定轨精度,从而为中国火星探测器的轨道数据处理提供一定的参考。     

一种基于加表零偏稳定性的GNSS/SINS组合导航异常探测方法

在地面车载组合导航中,全球导航卫星系统（global navigation satellite system,GNSS）的观测值容易受地面复杂环境的干扰,导致其定位结果出现异常,严重影响GNSS/捷联惯性导航系统（strap-down inertial navigation system,SINS）组合的滤波解算。从惯导系统误差特性的角度,研究了一种基于加表零偏稳定性的组合导航异常探测新方法。该方法从加表零偏解算的异常来发现GNSS位置、速度等观测值中的粗差,并采取剔除和降权的抗差方法抵御粗差影响。通过一组车载数据的分析表明,观测粗差对加表零偏解算的影响十分显著,以此为判别条件能够准确地发现观测粗差。采用该方法后,位置误差、速度误差和姿态误差的均方根分别减小了70.8%、87.9%和77.7%,显著提高了组合导航的解算精度和鲁棒性,为组合导航数据的抗差处理提供了一种新思路。     

一种自适应三维核回归的遥感时空融合方法

时空融合是解决遥感数据高重访周期与高空间分辨率矛盾的一种有效方法。发展了一种综合利用遥感数据空间与光谱信息的三维自适应核回归反射率模型（three-dimensional adaptively local steering kernel regression fusion model,3DSKRFM）,通过提取每个像元的三维控制核（steering kernel）的局部信息,使时空融合过程中的权重自适应调节,提高遥感时空融合的精度。利用两组ETM+和MODIS（moderate-resolution imaging spectroradiometer）数据进行实验测试,结果表明3DSKRFM相比STARFM和2DSKRFM模型具有两方面的优势:一是充分利用遥感影像多波段的优势,提高融合精度;二是具有更强的鲁棒性,满足实际影像时空融合的需求。     

显著局部空间同位模式自动探测方法

局部空间同位模式挖掘旨在揭示多类地理事件在异质环境下的共生共存规律。已有的方法一方面需要模式筛选的频繁度阈值参数,另一方面需要区域探测的划分参数或聚类参数,参数的不合理设置会导致挖掘结果不可靠甚至出现错误。因此,提出了一种显著局部空间同位模式自动探测方法。首先,基于空间统计思想,采用非参数模式重建方法对空间同位模式进行显著性判别,将全局非显著空间同位模式作为进一步局部探测的候选模式;然后,借助自适应空间聚类方法提取每个候选模式的热点区域;最后,通过不断生长并测试每个热点区域,界定显著局部空间同位模式的有效边界,即空间影响域。通过实验与比较发现,该方法能够客观且有效判别空间同位模式的显著性,并且自适应地提取局部同位模式的空间分布结构,降低了现有方法参数设置的主观性。     

基于熵权重的水下载体导航信息融合方法

针对水下载体动态导航定位中状态方程和观测方程噪声增加引起的卡尔曼滤波发散问题,提出了一种以高斯混合模型为框架,基于信息熵计算导航融合权重的新方法。首先给出了水下组合导航系统的整体结构和各子滤波器的状态方程以及观测方程;然后研究了各子滤波器输出信息熵值的计算方法,并且定义了熵积的概念用于计算高斯混合模型中各分量的权重;最后总结出了用于水下载体导航信息融合的熵权高斯混合模型滤波算法的计算流程。仿真实验表明,相比于传统的加权卡尔曼滤波算法,新方法的计算精度更高,对噪声引起滤波发散的抑制能力也更强。     

基于数据质量分析的TECR周跳处理算法

针对电离层活跃期或磁暴发生时,现有周跳探测算法未能正确探测并修复周跳的问题,提出了基于数据质量分析的电离层总电子含量变化率（以下简称电离层速率,TECR）拟合残差算法。通过对电离层拟合残差进行数据质量分析,可自适应确定最优拟合历元数,利用此历元数拟合得到的TECR拟合值可有效削弱电离层延迟影响。为保证周跳修复的准确性,采用搜索再判定与TECR补充检测方法对周跳修复值进行验证与确认。通过高电离层延迟条件下的实测数据对本文算法进行验证分析,实验结果表明该方法能够消除电离层延迟影响,实现电离层活跃期时的周跳探测与修复。     

基于局域自适应信息理论测度学习的高光谱目标探测方法

传统基于信号检测的目标探测方法需要依赖特定的统计假设,只有在符合条件的情况下才能取得较好的目标探测结果。为了克服这一缺陷,提出了一种基于局域自适应的信息理论测度学习方法。首先将信息理论测度学习方法作为目标主函数,然后加以局域自适应决策法则进行约束,自适应地减小相似样本对距离,增大不相似样本对距离,使得在考虑阈值的同时兼顾测度学习前后距离的改变情况来进行目标探测决策,从而更好地实现目标探测。实验证明,该方法与其他经典目标探测方法或测度学习方法相比,可以更好地实现目标与背景分离,能够更有效地对高光谱影像数据进行目标探测。     

自适应阈值定权最小二乘3D匹配算法

针对点云精配准中最小二乘3D算法的先验权值无法自动确定的问题,提出了一种自适应阈值定权的最小二乘3D匹配算法。以待匹配点云与目标点云中对应同名点间欧式距离作为约束条件,通过自适应阈值的方式,对同名点先验权重系数进行约束,提高了先验权重系数的有效性。通过实验证明,自适应阈值约束算法提高了最小二乘3D算法的精度和收敛速度,且优于主流的迭代最邻近点算法。