基于SAR-SIFT改进的SAR图像配准

合成孔径雷达(SAR)图像配准时,由于受到乘性散斑影响,匹配算法的性能受到限制.SAR-SIFT使用ROEWA算子代替差分算法计算梯度,对SAR图像的散斑具有一定的稳健性.为了进一步抑制散斑噪声,本文提出了基于SAR-SIFT改进的SAR图像配准算法.利用非线性扩散滤波生成SAR图像的非线性扩散尺度空间,在非线性尺度空...     

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。     

CNS+GNSS+INS船载高精度实时定位定姿算法改进研究

天文导航(CNS)、卫星导航(GNSS)和惯性导航(INS) 3种系统组合可提供高精度的定位定姿结果。实际工程中因INS长时间误差累积,以及系统硬件传输存在不可忽略的时间延迟,导致INS提供给CNS的预报粗姿态误差较大,恶劣海况下难以保障快速搜星,造成天文导航可靠性下降、姿态测量精度较低的问题。为此,本文提出了一种CNS+GNSS+INS高精度信息融合实时定位定姿框架,引入了等角速度外推措施,有效地解决了惯导信息延迟问题。通过高精度转台模拟恶劣海况下载体大角速度摇摆,验证了本文提出的改进算法的有效性。试验结果表明,该算法架构简单,性能可靠,显著提高了恶劣环境下星敏感器的快速、准确搜星能力,保障了三组合姿态测量的精度和可用性。     

一种顾及道路复杂度的增量路网构建方法

针对传统路网采集和更新需要昂贵的实地测量以及大量的后续内业处理问题,提出了一种从大规模粗糙轨迹数据中自动生成路网的方法。该方法包含轨迹滤选和路网增量构建两步:第1步通过构建空间、时间、逻辑约束的规则模型,在消除数据中的噪音和冗余的同时,将原始轨迹进行合理分割,滤选形成规范轨迹集合;第2步基于信息熵计算轨迹点周围道路的复杂度,据此自动调节道路分割参数,不断将新产生的路段加入到路网,同时计算道路平均交通流量和速度等路况信息,遍历各规范轨迹的定位点重复以上处理过程,最终得到完整路网。通过昆明市200辆出租车采集的约6851万条轨迹数据进行路网构建试验,并与OpenStreetMap数据比较,证明了本文方法的有效性。与已有典型方法比较,本文方法能用更少节点提取更高质量的路网。     

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.     

捷联式海洋重力数据的小波阈值滤波

基于捷联式海洋重力测量数据,对比不同小波、阈值及施加方式对滤波效果的影响。结果表明,db6、db7、db8、db9、db10、sym6、sym7、sym8、sym9、sym10、coif3、coif4和coif5小波较适用于海洋重力测量,小波分解层次可取至8层或9层,采用史坦无偏风险阈值滤波效果较好;小波分解至第8、9层时,阈值滤波结果与截止频率为0.005 Hz和0.003 3 Hz的Butterworth低通滤波器的滤波结果吻合较好,但小波阈值滤波结果更加平滑,两者差值的RMSE在0.25 mGal以内,且小波阈值滤波更容易分解出噪声成分,可以更有效地消除重力畸变。     

基于EEMD和ARIMA的海温预测模型研究

类型丰富、时空分辨率高的海洋探测数据,为信号分解和机器学习算法的应用提供了可能。本文针对如何建立有效的海温预测模型这一问题,使用高时空分辨率的海表温度(SST)融合产品,引入信号处理领域的集合经验模态分解(EEMD)和机器学习领域的自回归积分滑动平均模型(ARIMA)。首先利用最适于分解自然信号的EEMD方法,将海温数据分解成多个确定频率的序列;再利用ARIMA分别对各个频率的序列进行预测,最后将各个序列的预测结果进行组合。该方法在丰富数据的支撑下,比以往直接使用海温数据所建立的预测模型精度更高,为更好地进行海温预测提供了新方法。