结合相似块匹配及线性最小均方误差滤波器的全极化雷达影像去噪

针对全极化合成孔径雷达Pol SAR(Polarimetric Synthetic Aperture Radar)影像相干斑噪声严重的问题,提出了一种结合相似块匹配和线性最小均方误差原理的去噪方法。该方法首先在原始影像上实现相似块组的匹配,进而利用线性最小均方误差滤波器对影像块组进行滤波得到初始去噪结果;然后,同时利用原始影像和初始去噪影像的信息进行相似块组的重新匹配,并再次利用线性最小均方误差原理对重匹配影像块进行去噪,得到影像最终的去噪结果。利用模拟的Pol SAR影像和高分三号卫星Pol SAR影像进行了算法效果的验证。结果表明,去噪算法在显著抑制影像噪声水平的同时,也能较好地保持影像的边缘和极化特性等细节信息。     

位场数据小子域滤波法处理效果对比与优选

重磁位场数据处理解释的主要任务之一是研究推断地质体的边界位置,而通过对重磁位场数据进行一定方法滤波处理后的相关图件可直观显示地质体的边界。小子域滤波法是众多滤波方法中的一种,前人利用小子域滤波法识别地质体边界位置有较多的研究,目前已有10种类型的小子域滤波法,但是鲜有对10种方法滤波效果的系统研究,给使用者带来诸多不便。因此,设计2组理论模型对比了10种方法的处理效果,并根据试验分析优选了最佳的滤波参数。理论模型与实际资料处理结果表明,滑动形子域滤波法对地质体边界增强的效果最好,且滤波窗口选择5×5数据点、迭代1次即可;对称形子域滤波法在滤除随机噪声的同时能够较好的保持原始异常场的梯度变化特征,滤波窗口选择5×5数据点、迭代2次较好。     

基于互信息的机载LiDAR点云自动滤波处理特征选择

随着机器学习的发展,在LiDAR滤波处理中找到一个适用于所有地形的高效高精度滤波算法是我们一直追求的目标。现在,越来越多的学者致力于提取多个特征进行滤波计算。在选择的特征中难免出现冗余等现象,影响计算效率和滤波精度。本文基于机载激光雷达特有的高程精度优势,采用高程互信息作为测度去判断所选择特征的优劣。经过实验,验证了本文所用方法能够有效剔除自动滤波选特征中的冗余特征。     

卫星高度计定标中GPS浮标测量海面高的FIR低通滤波方法

针对GPS浮标用于卫星高度计定标时需要从瞬时海面高观测值中提取平均海面高的需求,研究了其有限冲激响应低通滤波方法。分析了窗函数设计法中几种窗函数的幅频响应特性,讨论了低通滤波器截止频率的确定原则,给出了滤波器阶数的确定方法。基于浮标测量海面高仿真序列的计算结果表明,不同窗函数的滤波效果相差不大;实际定标应用中滤波器的截止频率可设计为需要滤除海浪信号最低频率的一半,滤波器阶数可根据此设置频率计算得到。     

高斯混合求积分卡尔曼滤波姿态估计算法

针对求积分卡尔曼滤波QKF(Quadrature Kalman Filter)在噪声先验特性不准确时引发的滤波缺陷问题,提出了一种基于高斯混合模型的QKF姿态估计算法GMQKF。该算法首先通过引入有限高斯分量来近似状态后验分布和噪声随机模型,在线估计时变方差;然后再采用稀疏网格和高斯-厄米特数值积分理论配置多维积分点,优化了高维滤波的计算量。仿真结果表明:在非高斯噪声环境和载体发生稳态突变情况下,GMQKF算法较传统QKF减少了对随机模型的依赖,增加了系统抗干扰能力,提高了稳定性,将其用于非高斯非线性姿态估计场合可以获得更好的精度,且计算量适中。     

球面多路径格网的恒星日滤波算法及其在PPP中的应用

针对传统的观测值域恒星日滤波在卫星精密单点定位（precise point positioning,PPP）应用中存在的问题,提出球面多路径格网的恒星日滤波算法并应用到静态PPP中,设计了确定格网大小的统计方法,给出了算法的实施步骤。利用全球分布的10个IGS监测站接收的GPS卫星实测数据进行了试验验证,结果表明,本文算法能够明显削弱地面连续运行监测站载波相位观测量的多路径误差;应用本文算法后,1~3 h的静态PPP定位精度得到明显提高,E、N、U三方向RMS分别提高41.59%、38.60%、36.96%。     

地图匹配辅助的KF-PF室内定位算法模型

针对使用智能手机进行行人航迹推算（pedestrain dead reckoning,PDR）时航向角漂移,定位精度不高,误差累积的问题,提出了一种地图匹配辅助的卡尔曼滤波-粒子滤波（Kalman filter-particle filter,KF-PF）多重滤波算法对PDR算法进行优化。在传统PDR算法的基础上,使用KF融合陀螺仪数据和地图信息解算航向角,然后采用基于地图匹配的粒子滤波算法对轨迹结果进行处理。实验结果表明,该方法消除了航向角误差过大对定位结果的影响,在提高室内定位的灵活性的同时增强了定位的稳定性和精度,并通过地图匹配减少了传统粒子滤波采样点数,降低了运算量,使其在手机平台上实时运行成为可能。     

小尺度区域GNSS网三种时空滤波方法研究

针对时空滤波提取GNSS连续坐标时间序列中的共模误差对探测地壳微形变信息至关重要的问题,该文探索了小尺度区域内叠加滤波、主成分分析、独立分量分析等时空滤波方法的特性,基于华北地区13个GNSS测站连续3年的坐标时间序列进行时空滤波,并对比分析不同方法的滤波效果。结果显示,3种方法滤波后均不同程度地降低了坐标时间序列的离散度;区域叠加滤波与主成分分析提取的共模误差空间响应一致,滤波后的标准差基本相同,表明提取共模误差的性质相同,都以二阶统计量为主要信息;独立分量分析滤波后坐标时间序列的标准差较高,这与区域叠加滤波和主成分分析过度滤波有关。     

奇异值分解的容积卡尔曼滤波性能评价北大核心CSCD

针对容积卡尔曼滤波(CKF)在递推过程中易出现状态协方差阵非正定性导致计算发散的现象,该文推导了一种基于奇异值分解的容积卡尔曼滤波算法(SVD-CKF)。该算法基于CKF的理论框架,采用奇异值分解代替标准CKF中的Cholesky分解,兼具奇异值分解算法的数值鲁棒性强和CKF精度高、实现简单等优点,解决了CKF在滤波过程中易出现状态协方差阵非正定性引起的计算发散的问题。同时推导了标准CKF、平方根CKF(SR-CKF)和SVD-CKF等不同滤波算法的具体形式,分析了上述不同CKF算法的特点。采用二维目标纯方位跟踪仿真实例与蒙特卡洛仿真试验对3种CKF算法的性能进行对比,结果表明:SVD-CKF算法性能优于标准CKF和平方根CKF算法。     

灰色GM(1,1)与Kalman滤波模型用于变形预测的比较分析

通过运用灰色GM(1,1)和Kalman滤波模型分别对某高层建筑物的沉降变形趋势进行分析,得出灰色GM(1,1)适用于短期且变形趋势呈线性变化的变形分析与预测,而Kalman滤波模型不仅适用于短期预测,对于长周期预测也有较高的精度。因此,在观测周期较短时,灰色GM(1,1)和Kalman滤波模型对线性变化的高层建筑物都有较高的预测精度,但是对于较长周期的观测,Kalman滤波模型预测的精度和可靠性要高于灰色GM(1,1)模型。