国家数字地震台数据处理研究

为了突显被淹没在噪声背景下的有用信息,对国家数字地震台的数据处理方法进行了研究,并用Matlab程序给出了详细的设计过程。     

吉林省重大暴雨过程评估方法研究

应用Barnes滤波原理,构建合适的带通滤波器,获取了中尺度信息,对2005年7月21～24日台风"海棠"登陆后与中纬度系统相互作用给河南省造成的暴雨过程进行了分析.结果表明:在台风外围大尺度气旋性环流中,中尺度低压、中尺度辐合线和辐合区是此次暴雨的直接影响系统;台风低压移近后,与西太平洋副高之间气压梯度加大,可以在副高西南侧形成东南风低空急流,东南急流的形成促使中尺度系统加强和发展;干冷空气自对流层中层向低层伸展,与低层的暖湿气流交汇,使对流和暴雨加强.     

基于卡尔曼滤波的中国区域气温和降水的多模式集成预报

利用TIGGE资料集下欧洲中期天气预报中心(ECMWF)、日本气象厅(JMA)、美国国家环境预报中心(NCEP)、中国气象局(CMA)和英国气象局(UKMO)5个模式预报的结果,对基于卡尔曼滤波的气温和降水的多模式集成预报进行研究。结果表明,卡尔曼滤波方法的预报效果优于消除偏差集合平均(BREM)和单模式的预报,但是对于地面气温和降水,其预报效果也存在一定的差异。在中国区域2 m气温的预报中,卡尔曼滤波的预报结果最优。而对于24 h累积降水预报,尽管卡尔曼滤波在所有量级下的TS评分均优于BREM,但随着预报时效增加,其在大雨及以上量级的TS评分跟最佳单模式UKMO预报相当,改进效果不明显。卡尔曼滤波在地面气温和24 h累积降水每个预报时效下的均方根误差均最优,预报效果更佳且稳定。     

航空重力弱信号提取的卡尔曼滤波方法研究

航空重力测量以飞机为载体对重力场数据进行采集.由于气流、飞行状态及机体自身振动等因素的影响,航空重力测量原始数据含有大量的噪声,信噪比高达上万级分之一,因此从原始测量数据中获取弱小重力信号成为航空重力测量系统发展的一个技术难题.本文针对航空重力测量系统将通用卡尔曼滤波公式进行了适应性调整,建立了航空重力异常的数学模型,...     

海洋天然气水合物调查地震采集技术——调查初始阶段研究

地震调查方法在水合物中的应用分为两个主要阶段:调查初始阶段和调查深入阶段。调查初始阶段以“突出天然气水合物的四大主要识别标志(似海底反射、振幅空白带、穿层特征、振幅和速度结构异常)”为主要目的,为资料的处理、解释提供丰富的地震信息。从而圈定天然气水合物富集程度高、成藏条件好的“目标”靶区,开展深入调查,更好地展现“天然气水合物矿体立体上的形态特征”,了解“水合物矿体的厚度、顶底界面及富集程度”。文中从震源技术研究、高分辨率地震调查技术的调谐组合参数研究和野外施工方法等方面的内容出发,根据大量野外技术试验资料和有关科研成果,总结了在天然气水合物调查初始阶段的特点及相应的地震调查技术。     

利用水准数据的天津市地面沉降时空特征分析

地面不均匀沉降可能对城市的发展与人民的安全造成危害,天津市的地面沉降情况尤为严重。针对该问题,本文收集天津市2005—2012年、2016—2017年水准观测数据,以固定水准点位的沉降量、沉降速率、沉降加速率为状态向量,构建卡尔曼滤波模型,对天津市历年的水准观测数据进行滤波;根据滤波后的结果,本文利用多项式加权内插的方法,以距离、沉降速率、沉降加速率信息确定权值大小,对地面沉降情况进行内插;并以中误差作为精度评定参数,比较多种内插方法的精度。通过对内插结果的试验分析发现,2005—2017年天津市地面累计平均沉降量为394.477 5 mm,最大沉降量为1 143.5 mm;主要沉降区域为北辰、大港、塘沽等地区,且随着时间的增长,这些区域呈现漏斗式下沉。试验证明本文结合卡尔曼滤波与多项式加权内插的方式能够较好地反映地面沉降的时空特征分布情况并对未来一段时间的沉降情况进行预测,对天津市的城市发展及建设有一定的参考意义。     

PDR算法对地磁室内定位精度的提升研究

利用建筑物中金属结构引起的地磁场扰动可以对室内的行人目标进行定位,而且基于地磁场的定位无需布设任何额外设施,因此可以以低成本实现定位。但仅靠单一的地磁技术无法满足室内定位的精度要求。为了解决磁场数据中单点定位的模糊性问题,本文提出了一种利用粒子滤波算法将PDR与地磁相融合的室内定位方法,并开发了地磁室内导航系统,以智能手机为硬件平台构建磁力计传感器模型,建立匹配轨迹的均方误差准则并实现PDR累积误差实时校正的迭代计算。在68 m×1.8 m的试验区域内,产生的平均定位误差为1.13 m,最大定位误差为2.17 m。本文算法的定位精度比单独PDR算法提升了42%;与单一地磁指纹匹配算法相比,定位精度提高了57%。试验证明,本文提出的融合算法对提高室内定位精度具有显著的作用。     

顾及局部与结构特征的稀疏多项式逻辑回归高光谱图像分类方法

稀疏多项式逻辑回归在分类中仅利用图像光谱信息,导致分类效果不太理想.本文提出了一种顾及局部与结构特征的稀疏多项式逻辑回归高光谱图像分类方法.首先利用加权均值滤波与拓展形态学多属性剖面对原始高光谱图像进行局部与结构特征提取;然后对二者进行加权平均特征级融合以获取更具唯一性的像元特征;最后由稀疏多项式逻辑回归分类器对融合结果进行分类.结果表明,本文方法能有效地提高分类精度,而且具有较强的稳健性.     

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。