Jason-2高度计电离层GIM误差分析及修正研究

基于Jason-2高度计2015年地球物理数据集(GDR)38个周期太平洋海域的全球电离层图(GIM)电离层校正值和双频校正值的数据,分不同季度和不同纬度区域比较二者的差异,结果表明:GIM值与双频校正值之间存在明显的差异,GIM校正值普遍高于双频校正值,说明GIM高估了电离层路径延迟,GIM校正值与双频校正值的差异与季节和纬度区间有关。用梯度下降法得到GIM值的修正方程,将修正方程应用于2016年Jason-2的全年数据,修正后的GIM值与双频校正值十分接近,在各年份中均具有良好的适用性。在单频高度计不能使用电离层双频校正算法的情况下,可以利用不同季度和不同纬度区域的修正方程对同等高度的高度计GIM值进行修正以达到双频校正值的精度水平。     

基于GPS和水准数据的微粒群算法联合反演祁连山北缘断裂三维滑动速率

将微粒群算法与位错理论模型相结合,采用中国地壳运动观测网络提供的青藏高原地区2001~2004年GPS测量数据和2000~2006年水准测量数据,通过常规定权和附有相对权比的方法对祁连山北缘断裂的三维滑动速率进行联合反演,并与蚁群算法反演结果进行对比。结果表明,微粒群算法收敛速度快、稳定性高,结合经典位错理论模型,是一种可以有效求解断层三维滑动速率反演问题的优化算法,在大地测量反演领域极具应用潜力。     

一种顾及有色噪声的四星座GNSS动态导航滤波算法

经典Kalman滤波要求噪声是高斯白噪声,而动态GNSS定位的观测误差和状态预测误差往往是有色噪声。本文提出一种简便的有色噪声函数模型拟合滤波算法,采用前面历元的观测残差和状态残差建立有色噪声模型,削弱有色噪声对动态导航解算的影响。采用四星座GNSS接收机观测数据进行动态导航实验,结果表明,顾及有色噪声的动态导航滤波算法比未顾及有色噪声的经典Kalman滤波算法定位精度更高,三维位置精度提升9%以上。     

浅水多波束测深仪高分辨率波束形成方法研究

常规波束形成技术以其稳健性好、计算量低等特点得到广泛应用,但其空间分辨率受阵元个数限制,不能突破瑞利限。因此,常规波束形成技术应用于高精度浅水多波束测深仪时,存在空间分辨率不足和旁瓣干扰等问题。对比研究了最小方差无失真(MVDR)及多重信号分类(MUSIC)波束形成在浅水多波束测深仪中的应用,给出了浅水多波束测深仪的常规波束形成、MVDR和MUSIC处理方法,并结合能量法和相位法两种底检测测深算法,处理了iBeam8120浅水多波束测深仪外场数据,验证了本文方法的性能。     

利用改进型MODIS火点探测算法实现河北省秸秆焚烧火点识别

为准确地了解河北省秸秆焚烧火点的空间分布,为秸秆焚烧监测的实现、禁烧工作的开展、环境质量改善提供支持.基于MODIS L1B数据、MODIS标准火点产品MOD14、全国秸秆焚烧火点日报数据为基础,采用改进型MODIS火灾探测算法,并通过IDL语言实现,得到秸秆焚烧火点空间分布信息,并进行空间与定量精度分析.研究表明:火点大部分位于河北省南部的一些地区,其中尤以邢台、石家庄、邯郸火点数量最为突出;该算法运算速度快,获取的秸秆焚烧火点数据具有一定检测精度和可靠性,对秸秆焚烧的监测具有一定的实用价值.     

一种病态EIV模型正则化的修正算法

针对解决变量中含有误差(EIV)模型参数估计算法的降正则化性导致即使模型参数初值可靠,参数估值也可能在迭代过程中发散的问题,该文分析现有EIV模型参数估计算法具有的降正则化性质,讨论EIV模型参数估计算法具有的降正则化性对模型正则化的影响,建立一种病态EIV模型的实时修正算法。通过算例验证该文所建立的算法,算例结果表明,该文建立的算法能够有效解决EIV模型参数估计存在的上述问题。该文所建立的病态EIV模型正则化算法更具普适性。     

遗传算法的单频网覆盖时延优化

针对目前数字广播电视单频网不能自动进行覆盖结果优化调整的问题,该文在基于地理信息的单频网台站场强预测的基础上,实现了单频网覆盖时延自动优化。首先,利用台站基本信息,结合地理信息,利用台站场强预测模型,对单频网内各个台站进行覆盖场强预测,得到各个台站的覆盖结果矩阵。其次,结合各个台站的覆盖结果矩阵,利用遗传算法对各个台站的时延情况进行寻优。最后,得到每个台站的最优时延结果,以及得到时延优化后的单频网覆盖结果。实验结果表明,本文提出的基于遗传算法的单频网覆盖时延优化算法,能够很好地实现单频网内各个台站的自动时延优化,根据得到的时延结果,对单频网内各台站信号进行控制,从而自动地进行单频网覆盖结果的优化。     

Estimation of crowd density from UAVs images based on corner detection procedures and clustering analysis

With rapid developments in platforms and sensors technology in terms of digital cameras and video recordings, crowd monitoring has taken a considerable attentions in many disciplines such as psychology, sociology, engineering, and computer vision. This is due to the fact that, monitoring of the crowd is necessary to enhance safety and controllable movements to minimize the risk particularly in highly crowded incidents (e.g. sports). One of the platforms that have been extensively employed in crowd monitoring is unmanned aerial vehicles (UAVs), because UAVs have the capability to acquiring fast, low costs, high-resolution and real-time images over crowd areas. In addition, geo-referenced images can also be provided through integration of on-board positioning sensors (e.g. GPS/IMU) with vision sensors (digital cameras and laser scanner). In this paper, a new testing procedure based on feature from accelerated segment test (FAST) algorithms is introduced to detect the crowd features from UAV images taken from different camera orientations and positions. The proposed test started with converting a circle of 16 pixels surrounding the center pixel into a vector and sorting it in ascending/descending order. A single pixel which takes the ranking number 9 (for FAST-9) or 12 (for FAST-12) was then compared with the center pixel. Accuracy assessment in terms of completeness and correctness was used to assess the performance of the new testing procedure before and after filtering the crowd features. The results show that the proposed algorithms are able to extract crowd features from different UAV images. Overall, the values of Completeness range from 55 to 70 % whereas the range of correctness values was 91 to 94 %.     

广度优先算法在爆管分析中的优化与实现

爆管分析是城市地下管线管理系统中的一个重要内容,但目前多数地下管线管理系统采用的爆管分析算法和管线数据结构难以提供最优的爆管分析解决方案。先利用Geodatabase网络数据模型将管线数据建模为逻辑网络和几何网络,并在管线数据模型中明确表达管线中资源的流向,一体化集成存储管线数据;再利用ArcEngine相关网络访问接口扩展优化传统的广度优先算法,以实现有流向环状管线的爆管分析功能。     

直线特征辅助的靠岸舰船检测

针对靠岸舰船难以检测的问题,提出了一种直线特征辅助的靠岸舰船检测方法。首先利用高精度的卷积神经网络目标检测算法YOLOv3对影像进行粗检测,获取可能存在舰船目标的区域作为兴趣区域;然后提取影像的直线特征,将直线的方向作为确定舰船方向的辅助信息;最后利用具有一定角度的滑动窗口遍历兴趣区域获取候选目标,并对侯选目标进行二次分类和识别得到最终检测结果。利用不同港口的遥感影像进行实验的结果表明,提出方法能够有效检测港口内多种方向和并列停靠的舰船目标。