北极冰下水声通信中改进的最小均方/四次方直接自适应均衡器

本文提出了一种适用于北极冰下水声通信的最小均方/四次方直接自适应均衡器（LMS/F-DAE）。它能处理基带复信号,与LMS相比,具有更好的均衡效果。考虑到均衡器的稀疏特性,在其代价函数中加入自适应范数（AN）作为约束。它能根据均衡器系数的大小自适应变化：对于小系数,此约束项存在以加快收敛速度;对于大系数,此约束项不存在以减小均衡误差。利用第九次中国北极科学考察得到的实验数据验证AN-LMS/F-DAE的性能。结果表明,与传统的LMS/F-DAE相比,AN-LMS/F-DAE能提升均衡器的稀疏性且均衡性能更优。     

社会-生态系统适应性治理研究进展与展望

社会—生态系统（SES）由社会子系统、生态子系统及两者的交互作用构成,具有不同于社会系统或生态系统单独具有的结构、功能和复杂特征。社会—生态系统适应性治理旨在通过适应性的社会权利分配与行为决策机制,使社会—生态系统能够在动态条件下可持续地保障人类福祉。适应性治理理论的形成受到“公共池塘资源管理”“韧性”和“治理”3方面理论的影响,并为“转型治理”与“协作治理”提供了建构基础。该理论具有以下3个主要目的：① 理解和应对社会—生态系统多稳态、非线性、不确定性、整体性以及复杂性;② 建立非对抗性的社会结构、权利分配制度以及行为决策体系,匹配社会子系统与自然子系统;③ 通过综合方法管理生态系统,使其可持续提供生态系统服务。因此,面对人类行为主导地表过程的“人类世”,实现适应性治理有助于应对社会—生态系统的复杂性与不确定性。鉴于中国的生态环境正处于迅速变化时期,且中国与世界各国间的相互影响日益复杂,未来研究可重点关注以下3个方面：① 理解耦合系统的多元互动过程,增强适应能力;② 强调社会—生态系统的整体性研究;③ 提高环境变化背景下理解和预测系统动态的能力。     

融合GNSS和加速度计监测数据的超高建筑动态特性分析

GNSS和加速度计是目前动态监测超高建筑环境载荷变形的主要手段。GNSS具有无需通视、可直接获取三维位移等优点,但受精度和采样率的限制,其对微变形及高频振动信息不敏感;而加速度计具有高精度和高采样率等优点,但无法监测超高建筑低频的似静态变形。为充分发挥这两种传感器的各自优势,提出利用多速率Kalman滤波和RTS平滑方法对超高建筑GNSS和加速度计监测数据进行融合处理。试验结果表明,与单一的GNSS监测技术相比,该方法有利于削弱GNSS高频噪声的影响,提高位移数据的采样率,可有效识别超高建筑的低频和高频振动频率,提高对微变形振动的监测能力;与单一的加速度计监测技术相比,该方法可以准确监测超高建筑的低频变形信息,具有良好的工程应用价值。     

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。     

高分二号卫星影像自适应模糊阈值法小波去噪

高分二号卫星影像提供了丰富的图像信息,高分二号影像数据的发布打破了我国高分辨率对地观测数据长期依赖进口的局面。但是图像在传输和保存过程中会有噪声干扰,如果感兴趣区域受到污染,则会导致该区域内的影像信息不能被充分利用。为了解决高分二号遥感影像去噪这一难题,本文采用自适应模糊阈值法去噪方式,该方法根据各个尺度下噪声方差建立的自适应模糊阈值函数非线性处理后,重新构造作为新的小波系数,经小波逆变换后得到去噪图像。通过与均值滤波器滤波、高斯平滑滤波、中值滤波器滤波、小波全局阈值去噪和Birge-Massart策略阈值法去噪比较,结果表明,自适应模糊阈值去噪法充分结合软硬阈值处理方式的优点,既保留图像细节又使图像更加平滑,图像整体信息完好,去噪效果更为理想。     

面向城区宽基线立体像对视角变化的结构自适应特征点匹配

提出一种基于结构自适应特征的城区宽基线影像特征点匹配方法。首先,对影像提取点特征和直线特征,挖掘点特征与其邻域内直线特征之间的几何关系,构建结构自适应的特征区域和特征描述符,并通过双向匹配策略获得初始匹配结果。然后,基于初匹配结果估计影像基础矩阵,构建核线约束的结构自适应特征匹配算法进行二次匹配。最后,将已匹配特征作为控制基础设计匹配扩展算法,进一步增加匹配点数量。本文方法以特征点邻域几何结构为出发点,构建自适应的特征区域,能够在显著的影像视角变化下,为同名特征点提取影像内容一致的特征区域,进而获得相似的特征描述符。试验结果证明,与传统算法相比,本文方法在城区宽基线影像上能够同时获得更多的正确匹配特征和更高的匹配正确率。     

Robust adaptive unscented Kalman filter for bearings-only tracking in three dimensional case

This paper proposes an improved version of Unscented Kalman Filter (UKF), namely Robust Adaptive UKF (RAUKF), with a special focus on Bearings-Only Target Tracking for three-dimensional case (3DBOT). The automatic tuning of the noise covariance matrices and the robust estimation of the target states form a critical point for the performance of the Kalman-type filtering algorithms, especially in the variable environmental conditions exposed in underwater. The key idea of the proposed filter is to combine robust aspects of UKF and adaption of the process and measurement noise covariance matrices with low computational complexity. The main contribution of this paper is to adjust these matrices by means of the steepest descent algorithm, and the H_∞ technique is embedded to achieve superior performance in terms of accuracy and robustness against initial conditions and model uncertainties. Different experiments are performed to evaluate the performance of the proposed algorithm in the 3DBOT problem with a single moving observer. Simulations demonstrate that the proposed filter produce more accurate results with satisfactory computational burden in comparison with other methods.     

Experimental Study of a Command Governor Adaptive Depth Controller for an Unmanned Underwater Vehicle

Unmanned Underwater Vehicles (UUVs) are increasingly being used in advanced applications that require them to operate in tandem with human divers and around underwater infrastructure and other vehicles. These applications require precise control of the UUVs which is challenging due to the non-linear and time varying nature of the hydrodynamic forces, presence of external disturbances, uncertainties and unexpected changes that can occur within the UUV’s operating environment. Adaptive control has been identified as a promising solution to achieve desired control within such dynamic environments. Nevertheless, adaptive control in its basic form, such as Model Reference Adaptive Control (MRAC) has a trade-off between the adaptation rate and transient performance. Even though, higher adaptation rates produce better performance they can lead to instabilities and actuator fatigue due to high frequency oscillations in the control signal. Command Governor Adaptive Control (CGAC) is a possible solution to achieve better transient performance at low adaptation rates. In this study CGAC has been experimentally validated for depth control of a UUV, which is a unique challenge due to the unavailability of full state measurement and a greater thrust requirement. These in turn leads to additional noise from state estimation, time-delays from input noise filters, higher energy expenditure and susceptibility to saturation. Experimental results show that CGAC is more robust against noise and time-delays and has lower energy expenditure and thruster saturation. In addition, CGAC offers better tracking, disturbance rejection and tolerance to partial thruster failure compared to the MRAC.     

检索词优化与空间自适应的深网POI获取方法研究

针对检索词库构建困难、数据请求量受限制等相关问题,该文提出一种基于独立覆盖率排序和空间自适应剖分的深网POI信息搜索方法,通过候选检索词初步构建、贪婪式探测搜索、检索词优化降维、空间自适应剖分爬行等主要流程,利用逐步逼近POI搜索的最大覆盖最优解,实现对深网POI信息的全量获取,大幅度提高深网POI数据的召回率与采集效率,该方法对于丰富地理信息资源、提升空间信息服务与内容管理能力具有重要意义。     

卡尔曼滤波在GPS潮位数据处理中的应用

利用RTK GPS技术测量潮位数据时,在把具体的潮位数据提取出来以后还会存在很多的异常点或不确定点,因此我们要在提取出具体波动的过程中实时的修正,才能得到有效的资料。文中简要介绍了卡尔曼滤波的基本原理,以及如何应用于GPS潮位数据的处理,并通过试验讨论卡尔曼滤波在数据处理中的效果。