基于半参数模型的海洋深度数据滤波

在传统海洋深度数据滤波的趋势面模型基础上,考虑到海底地形的变化的复杂性,对于那些海底地形变化较大,尤其是呈波浪形变化的海底地形,通常多项式模型不能对海底地形进行较好的拟合,存在有较大的模型误差。由于半参数模型可以较好地将参数值与模型误差进行分离,因此在趋势面模型的基础上引入非参数分量来表示趋势面模型中的模型误差,将常规的趋势面模型转化为半参数趋势面模型。并为了使所建立的模型具有抗差性,进一步引入半参数抗差趋势面模型,对于含有大量异常值的测深数据能够进行有效的滤波。     

SBAS-InSAR形变反演的L曲线谱修正迭代法

提出一种基于L曲线的谱修正迭代法,通过绘制谱修正充分迭代过程中的L曲线,以最大曲率点对应的迭代估值作为最终估计结果。通过SBAS-InSAR形变反演实验进行验证分析,结果表明,L曲线谱修正迭代法能够确定残差较小且稳定的估值,提高了谱修正迭代估计结果的精度和稳定性。     

城市复杂环境下Visual/INS/LiDAR融合高精度位姿估计方法研究EI北大核心CSCD

高精度位姿估计在国防安全、空间探索、经济发展和社会服务等方面发挥着不可替代的支撑作用。随着智能化时代的到来,互联网、物联网的快速发展,谷歌、百度、特斯拉、Uber等无人驾驶方案的不断完善,以及我国北斗工程“羲和计划”的实施,基于位置的服务不断增加。在城市复杂场景下,当前单一传感器的位姿估计方法已不能满足人们对导航定位服务精度及可靠性的需求,因此,融合多种传感器,适用于复杂环境的高精度位姿估计成为当前学术研究与工程实践的聚焦点。     

GNSS-A水下定位的动态非线性Gauss-Helmert模型及其抗差总体卡尔曼滤波算法

GNSS-声学组合式观测是确定海底控制点位置的重要手段,但会受到声速不确定性、海面平台定位偏差等误差因素的干扰,而基于误差传播定律的常规方法对各类误差的处理策略使得海底点坐标解算不准确。针对这一问题,本文将声速测距误差非时变项设为待解参数,在水下观测方程的系数矩阵中讨论声速测距误差时变项与换能器位置误差的影响,构建了GNSS-声学水下定位的动态非线性高斯-赫尔默特(Gauss-Helmert, GH)模型,并推导了该模型的总体卡尔曼滤波解。在此基础上,进一步考虑扩展后的观测信息受到粗差污染的情况,给出了模型的抗差处理方法及解算步骤。最后分别通过仿真试验和胶州湾海域实测试验进行了验证,试验结果表明,在不同深度或不同换能器位置误差大小的无粗差设定下,本文方法解算精度及稳定性较常规方法均更高;当观测信息含有粗差时,模型的抗差滤波算法能更准确地识别及定位异常信息,其三维点位精度明显更优,解算效果达到最佳。     

昆明地区降水量时空分布特征

近年来由于降水异常所带来的干旱、城市内涝等气象灾害越来越受到人们的关注.采用回归方法对昆明12个大监站近43年来的降水量时空变化特征进行分析,发现昆明地区年降水量减少,春、夏、秋的降水也减少,但冬季降水略增加;年、四季降水有较为明显年代际变化趋势,且存在一个或多个突变点.降水量变化具有一定的区域分布特征,市区及以东以南地区夏季及年降水量偏少显著,春季降水西北部地区偏多其余偏少,秋季降水为一致减少型,冬季降水西南部减少其余大部持平或略增加.     

牙鲆家系耐热性状的初步研究

本研究从30个母系全同胞家系中各选取30尾牙鲆,28℃高温养殖40d,运用最小二乘法构建各牙鲆家系在高温下生长40d后的体质量(Y)与初始的体质量(X)的回归方程,结果为:Y=2.433X+5.539,(R=0.899),其中斜率的95%置信区间为1.973~2.892,截距的95%置信区间为0.909~10.169,并最终得到高温情况下各个家系增重情况的遗传力的估算值在0.15~0.38之间,属于中等遗传力。以牙鲆家系为材料进行了急性温度致死和慢性温度致死实验,实验结果表明:实验温度的选取在耐高温选育过程中至关重要,急性温度致死实验中(32℃)各家系均在58h左右死亡;而在慢性温度致死实验(31℃)中,各家系表现出了良好的耐热选择效应,死亡时间呈现了一定的连续性,各家系间耐热性差异极显著(P0.01)。在31℃下,根据其热致死时间对其耐热性选择,最终选择2、11、19和36号家系作为耐热家系,为下一步耐热家系选育提供了基础群体。     

基于训练序列的水声信道多普勒频移估计

由于水声通信媒介(声波)速度远远小于陆地通信媒介(无线电波)速度,水声通信多普勒频移比陆地无线通信多普勒频移要大几个数量级,因此多普勒频移估计是水声通信的一个重要问题。文中提出了一种水声通信系统中基于训练序列的多普勒频移估计方法。在接收端先由已知训练符号构造无噪声干扰下的理论接收信号;再根据理论接收信号与实际接收信号之间的误差平方和最小,得到含有信道衰减因子A和多普勒因子Δ的双变量目标函数,根据此目标函数的曲面图以及对其的分析,发现A的不同取值基本不影响Δ的寻优,从而可将双变量目标函数变成单变量目标函数;然后利用全局优化理论中求解有限区间内多峰值函数最值的区间斜率算法,求解多普勒因子的最小二乘估计值,从而得到多普勒频移的估计值。文中还分析了区间斜率算法的收敛性,且仿真结果显示所提算法优于现有算法。     

基于高光谱大气红外探测器模拟亮温的稳健变分反演研究

经典变分反演法是基于观测误差服从高斯分布的假定,对偏离均值较大的离群值较敏感。当实际观测数据包含离群值观测误差呈现非高斯分布时,如果采用经典反演法进行变分反演就会产生大的偏差,甚至导致变分反演的失败。使用经典变分反演法首先需要进行质量控制,剔除所谓的离群值,但有相当部分的离群值包含了一些亮点,如天气现象。如果对其“视而不见”,则对很多重要的信息就无法把握。基于此,研究采用稳健变分反演的思想同化这些离群值,主要思想是把M-估计法（L2、Huber、Fair和Cauchy一估计）的权重函数耦合到经典变分反演中,在每次变分反演极小化迭代过程中重新估计观测项对经典变分反演目标泛函的贡献率。采用高光谱大气红外探测器（AtmosphericInfraRedSounder,AIRS）的通道模拟亮温进行理想试验,结果表明：采用Huber一估计进行稳健变分反演对温度和湿度反演具有较好的效果;采用Cauchy-估计得到的效果反而更差,这是由Cauchy等分布函数固有的缺陷所决定的。因此,稳健变分反演观测误差非高斯分布是可行的,但依赖M-估计法权重函数的选取。     

建设与破坏——土地变化中的人力作用

正如果人力是顺应自然规律的、与天地和谐参用的,其变化的结果当是田地自然元气的培正扶持,是人类生存环境的改善与进步,像都江堰;如果反其道而行之,结果就很危险了。"沧海桑田"一词,道出了中国人对大千世界奇异变化认识的极致。诗文曲赋中关于土地变化的就多有精妙震撼之作。最经典的莫过于杜牧《阿房宫赋》中的两句:第一句是"蜀山兀,阿房出"。蜀山山势连绵围裹,百里千里不绝,极高极大。但是,因为要造"覆压三百余里,隔离天日"的阿房宫,蜀山上的树木都被砍光了,山变秃了。这是第一层变化,显尽了人的能     

基于EIV模型的稳健估计

EIV（error-in-variables）模型同时考虑观测向量和系数矩阵的误差,自提出以来便得到广泛应用。目前针对EIV模型的整体最小二乘解法（TLS）假设观测值仅含有偶然误差,当观测值存在粗差时其解并不是最优的。文中通过选定合适的权函数,结合加权整体最小二乘迭代算法,导出基于EIV模型的稳健整体最小二乘迭代解法（RTLS）。线性拟合实验表明,文中方法能对粗差进行定位,且估计量受粗差影响较小,具有稳健性。