加速度计及其融合高采样GNSS的低频信号测量特性研究

搭建了一套振动台系统,模拟不同频率振动信号对加速度计进行测试,并从信号功率谱密度和积分位移2个方面对其低频测量特性进行分析。实验表明,当振动信号频率高于0.05 Hz时,对加速度计信号进行高通滤波并积分能够恢复出较准确的振动位移;反之,随着信号频率的降低,积分位移误差增大。因此,为解决加速度计低频测量能力不足的问题,利用高采样GNSS与加速度计数据融合的方法,成功恢复了极低频振动信号。研究表明,振动台系统能够为地震监测研究提供良好的基础平台;加速度计准确恢复位移信号的低频下限在003~0.05 Hz左右,研究方法及结果可为加速度计频带的合理选择提供参考;同时,利用高采样GNSS与加速度计融合方法能够有效弥补加速度计低频测量能力不足的缺点,使地震低频位移更加准确可靠。     

高精度室内地图辅助VLC与PDR融合定位

针对传统室内定位方式存在的忽略地图精度对于整体定位精度的支撑性作用、需要额外的辅助设施和附加模块以协助定位系统实现目标点定位、定位信标的保密性差、定位信号源与辅助基站等具有较强的信号辐射等问题,本研究引入高精度室内地图辅助,提出了一种VLC与PDR融合的室内定位算法。首先,本研究摒弃了传统人工勾绘方式,在室内扫描机器人turtlrbot平台上（装载有二维激光扫描雷达）,利用Gmapping二维栅格地图构建算法,生成高精度室内地图。在此基础上,采用扩展卡尔曼滤波算法结合高精度地图信息实现VLC与PDR融合定位。该融合定位算法较好地结合了VLC定位与PDR定位各自的技术优势,实现了VLC定位结合高精度地图信息对PDR定位自适应动态纠偏,对于进一步实现新型低成本、无信号辐射、保密性强、附加模块少的高精度室内定位提供了较好的理论与技术支撑。实验结果表明：在高精度室内扫描地图构建过程中,其测距分辨率<0.5 mm,VLC与PDR融合定位算法的整体定位精度为1.33 m,平均定位响应时间为0.58 s。     

高光谱-LiDAR多级融合城区地表覆盖分类

城市地区地表覆盖分类在城市研究中是一个十分重要的方向。遥感作为获取地物物理属性的一种重要技术手段,已初步应用于分类研究中。然而,随着城镇化的不断推进,城市内部地物类型越来越复杂,单一的遥感影像已无法满足城区地表覆盖分类中高精度的要求。高光谱影像和LiDAR数据能够分别表征地物的光谱信息及高程而被广泛应用。因此,根据两者之间互补的优势,本文提出了基于高光谱影像和LiDAR数据多级融合的城区地表覆盖分类方法。首先对两幅影像分别进行特征提取,将提取到的光谱、空间及高程信息进行层叠实现特征级融合。对得到的特征影像的所有像素点进行分类,然后利用LiDAR点云数据提取的建筑物掩膜,对非建筑物部分进行分类,再次实现特征级融合,以此改善建筑物区域与非建筑物区域的混淆。然后将未使用掩膜得到的分类结果与利用掩膜得到的分类结果进行投票实现决策级融合。最后利用条件随机场模型对分类结果进行后处理操作,达到平滑图像去除噪声点的目的。     

多源空间大数据的获取及在城市规划中的应用

在当前数据爆发式增长的背景下,通过对互联网大数据的获取、处理,将数据成果更好地应用于城市规划研究中。通过对互联网数据获取、清洗、存储及在城市规划中的应用,使数据的获取方式和手段更加的多样化,对城市规划的研究起到了基础的支撑作用。不同数据源、不同数据精度和不同数据模型的地理数据融合理论与方法的研究,对于降低地理数据的生产成本,加快现有地理信息更新速度,提高地理数据质量有着重要的现实意义。对于改进传统的城市规划理念,以及科学的指导城市规划有重要的意义。     

以内陆水体为观测目标的GF-1影像常规融合方法评价

内陆水体的研究需要遥感影像具备高空间分辨率和高光谱分辨率,这使得影像的全色（PAN）波段和多光谱（MS）波段之间的融合尤为重要。本文以钱塘江大缺口段为研究对象,采用四种常规融合方法,包括Pan Sharpening（PS）、主成分分析（PCA）、Gram Schmidt（GS）和小波分析（WF）,分别对GF-1影像开展了全色波段和多光谱波段的融合方法评价。研究结果表明,GS融合后的影像效果最好,随后分别是PCA、WF和PS。由于水陆之间反射率信息获取的根本差异,大面积水体的存在会影响到融合影像保留源图像空间和光谱信息的能力。因而,在进行遥感影像融合时,融合方法的选择需要考虑影像中水域面积的分布情况。     

融合浅层特征的深度卷积神经网络互花米草遥感监测方法

基于2018年10月份黄河口入海两侧的LANDSAT8 OLI影像,提取植被指数和缨帽变换分量共9维光谱特征,构建融合浅层特征的8层深度卷积神经网络(deepconvolutionalneuralnetwork,DCNN)分类模型,开展互花米草(SpartinaalternifloraLoisel)遥感监测的方法研究,并从不同的浅层特征来具体分析互花米草的监测结果。结果表明:(1)在分类方法上,DCNN模型的总体分类精度最高,达到90.33%,与支持向量机(support vector machine, SVM)、随机森林(random forest, RF)分类器相比,精度分别提高4.78%、2.7%,互花米草的生产者精度分别提高了2.56%、0.47%,说明在滨海湿地遥感影像分类中, DCNN有着更好的应用潜力;(2)融合浅层特征后, DCNN的总体分类精度和互花米草的识别精度分别提高了0.34%和3.25%,有效提高了对互花米草的监测能力。其中,融合归一化植被水分指数(NDII)浅层特征的DCNN分类方法中,互花米草的识别精度提高最多,为2.56%,比值植被指数(RVI)次之,为2.32%。研究结果可为互花米草的监测与管理提供技术与数据支撑。     

北部湾南部重力柱状样的MSCL地声学性质测量及分析

利用钻孔多参数连续记录仪(multi-sensorcorelogger,MSCL),对在南海北部湾南部海区所取得的6个孔重力柱状样进行了测量,获得了连续P波波速、湿密度和孔隙度数据。在室内实验室对柱状样分样之后的沉积物样品进行了孔隙度与湿密度的测定。利用不同的统计回归方法对所获得的6个柱状样的孔隙度与P波波速进行相关分析,并对比室内测量的P波波速、湿密度、孔隙度,建立了基于孔隙度数据对沉积物P波波速进行预测的方法,对MSCL测量方法的优缺点进行了讨论。结果表明,MSCL测量结果与实验室柱状样测定结果较为吻合。样品所在深度对声速的变化影响不大。孔隙度与声速的多项式回归,样条插值回归和GAM模型回归都获得了较高的相关系数,GAM模型可以提供一个较为接近测量值的声速预测方法。MSCL用来测量海底沉积物,可以获得大量的高密度、高精度的沉积物地声学及其他参数数据,但是,如果空气混入沉积物样品中则会导致MSCL测量结果失真。该研究为使用MSCL在区域海底地声学性质、恢复区域海洋沉积历史、海底地声学模型建立等研究提供了参考。     

面向城市道路的多传感器融合定位导航技术

方便地获取高精度、高可靠的轨迹数据是交通、旅游等行业智能化发展的关键。鉴于此,本文设计一款集GPS、SINS和OBD于一体的多源车载组合导航系统来收集轨迹数据,提出数据融合的方法来弥补因传感器噪声导致的位置累积误差,并在GPS失锁时有效预测轨迹位置信息。此方法通过梯度提升与决策树相结合建立INS误差补偿模型,并引用粒子群算法优化模型的回归参数,可有效避免误差积累;再利用联邦滤波器实现GPS、SINS和OBD数据融合,提高了轨迹信息的准确性。实际道路测试证明,基于此方法的组合导航系统,在多种路况下可收集连续精准的轨迹数据。     

多特征融合的高分辨率影像建筑物变化检测

为充分发挥遥感影像中各特征的优势,提高遥感影像建筑物变化检测精度,基于面向对象的分析方法,提出了一种基于模糊集合的证据理论特征信息融合的变化检测方法。首先,在影像分割的基础上,利用变化矢量分析法分别计算前后时相对应对象的光谱、纹理特征差异及形态学建筑物指数差异;然后,以Sigmoid函数作为隶属度函数,计算对象属于变化类和非变化类的隶属度并以之构建证据理论所需的基本概率分配函数;最后,利用证据理论对多种特征进行融合并通过规则判定得到建筑物变化区域。利用不同地区影像的试验结果表明,该方法能够有效融合影像的多种特征,提高建筑物变化检测的精度。     

国产高分卫星遥感影像融合方法比较与评价

选择适宜的融合方法有利于卫星遥感影像融合产品更好地服务于生产实践及科学研究。本文在总结现有影像像素级融合算法原理的基础上,选用Pansharp、Gram-Schmidt、HPF、Ehlers、Subtractive、Modified IHS、Brovey、PCA、NNDiffuse等多种常用的影像融合方法对国产高分影像的全色和多光谱数据进行了融合处理,并从定性和定量的角度对融合结果进行了详细评价,试图寻找适用于国产高分卫星遥感影像的最佳融合方法。结果表明：针对国产高分一号卫星遥感数据,超分辨率贝叶斯算法融合效果在视觉效果与影像质量定量评价指标中综合表现最佳;Gram-Schmidt、NNDiffuse、Subtractive和HPF融合结果地物边界最为清晰;Modified IHS、PCA、Brovey融合影像色彩失真较为明显;NNDiffuse在可见光波段表现较突出;Gram-Schmidt在近红外波段表现效果最佳。