移动平均法的数字滤波特性分析

自然界的非电信号经传感器转换和放大器放大后，不可避免地要混入干扰及噪声信号，为此必须使用滤波器对信号滤波。本文讨论移动平均法的数字滤波特性，将“三点平均”与“四点平均”法作一比较。     

扩展区间Kalman滤波器及其在GPS/INS组合导航中的应用

针对具有不确定动态模型参数的 GPS/INS 组合导航系统,首先介绍一种新型的区间Kalman滤波器,讨论了GPS/INS 组合系统中模型参数不确定性的问题,分析了惯性传感器建模中相关时间常数的区间特性,并建立了适合非线性特性的GPS/INS组合系统的扩展区间卡尔曼滤波器.计算结果表明,扩展区间卡尔曼滤波器对非线性GPS/INS组合系统是很有效的,它能给出组合系统导航误差的上下界,这对组合系统的设计具有指导的意义.     

航空重力测量数据的滤波与处理

我国首套航空重力测量系统(CHAGS)于2002年研制成功.本文设计了CHAGS观测数据的滤波处理流程,着重讨论了比力及各项改正的滤波计算方法,提出了'两步滤波法'.基于某航空重力测量实测数据,对测线重力异常的计算精度作了比较和分析,重复测线计算结果表明,CHAGS确定测线重力异常的内符合精度优于±3mGal,相应的波长分辨率为8km;与地面实测数据向上延拓数值比较表明,对于同样的波长分辨率,外部符合精度优于±4mGal.     

频率补偿技术在提高探地雷达分辨率中的应用

电磁波传播理论与弹性波的传播理论有许多类似的地方,两者遵循同一形式的波动方程,因此可以把石油地震勘探的高频补偿技术引入到探地雷达的资料处理中。但该技术是在对近地表微测井直达波资料分析的基础上对叠后地震数据进行高频补偿的一种方法,而在实际的探地雷达探测中一般都不会同时去做一套微测井资料。基于这样的情况,通过对探地雷达反射子波的分析,总结一套直接利用探地雷达的原始记录就可以做频率补偿的方法,从而达到提高数据分辨率的目的。     

海洋重力测量中厄特沃什效应的合理改正

在海洋重力测量中,厄特沃什(Eoetvoes)改正误差一直是影响测量精度的主要误差源。对测量过程的分析可以发现,原始采集的重力值实际上是经过低通滤波后一段时间内的平均重力变化,而一般的Eoetvoes改正方法计算所得的只是某一时刻的改正值,这种差异导致了重力数据精度的下降。针对这种情况,提出了合理的滤波Eoetvoes改正方法,使改正值和重力值达到了完全对应。最后以L＆R的S型海洋重力仪的测量数据为例,具体地说明了这种新方法的改正效果。     

神经网络自适应数字滤波器技术

作者在本文中介绍了如何利用 BP神经网络实现自适应滤波器的算法和关键技术 ,这对于在地质勘测、工业控制领域的数据采集中的数据数字滤波处理具有极其重要的指导意义     

时间域航空电磁数据线圈运动噪声去除方法仿真研究

时间域航空电磁探测中,接收线圈在地磁场中的运动产生感应电动势,形成线圈运动噪声,因其幅度较大而成为航空电磁探测中的主要噪声源之一。线圈运动噪声具有低频特性,虽然幅度随频率增大而迅速衰减,但仍然含有高于发射基频的频率成分;因此,传统的高通滤波器在处理线圈运动噪声中存在一定的局限性。根据航空电磁数据的特点,采用多项式拟合全波半周期运动噪声,运用拉格朗日优化算法求解运动噪声多项式系数,并将其从半周期电磁数据中去掉以达到去除噪声的目的。通过仿真实测数据的运动噪声压制实验,对比分析了多项式拟合法与传统高通滤波器法的线圈运动噪声去除能力。仿真结果表明,多项式拟合法能够有效去除航空电磁数据中的线圈运动噪声,提高信噪比超过40 dB。     

水位数据中气压影响因素的自适应排除方法研究

地下流体的水位观测数据中除了含有可能的地震前兆信号外,还含有固体潮效应,气压效应,降雨量等等因素的影响.而通常认为地下水位的地震前兆信号是弱信号,难于从众多强干扰中清楚识别出来.科学的分析方法是将综合的地下水位观测信息分解为各种因素(包括地震前兆信号)的叠加.     

用于VLBI数字基带转换的多相滤波技术研究

该文阐述了利用低通滤波器和多相滤波器技术实现VLBI数字基带转换的原理,建立了采用多相滤波器与FFT技术的数字基带转换系统的仿真模型;然后对本模型的算法复杂度进行了分析和比较;最后对该模型的正确性进行了仿真实验验证.     

实现1/n阶积分的分数阶数字积分器

设计了一类能实现1/n(n为整数)阶积分的分数阶数字积分器.介绍了该已存在的一阶数字积分器,将已有的一阶数字积分器通过Carlson-Newton迭代函数构造了类积分器所必须的两个步骤.该类分数阶数字积分器主要是基于Carlson-Newton迭代法和分数阶的数字积分器,从幅频上分析了该类数字积分器的性能.该类数字积分器能实现1/n阶的数字积分运算,在0.1n≤ω≤0.6π频域内能很好的逼近理想情况.