雷达-雨量计联合估测区域降水量方法研究Ⅰ——模式集成法的提出

天气雷达估测区域降水量是其应用研究的重要领域,不断研究改进雷达估测区域降水量精度和稳定度是雷达气象工作的重要目标。文章回顾了集合预报理论基础及其发展概况,总结分析集合预报方法、产品表现形式等。对前期雷达估测区域降水量的8种方法,从基本原理和特点等方面进行了系统分析。对该理论在雷达估测区域降水领域的适用性进行了分析,阐述了集合预报理论在该领域应用的概念模型,并提出了两种集成估测区域降水量的新方法,为下一步的应用研究提供了理论支撑。     

舍入误差对大气环流模式模拟结果的影响

此文旨在研究气候数值模式的长期计算时受舍入误差的影响。通过对大气环流谱模式SAMIL采用不同CPU数计算时获得的长时间积分结果进行分析,发现使用不同CPU数进行单精度计算时,其十年平均月平均500 hPa高度场随机误差在正负6～8 gpm范围内,而使用双精度计算时相应的误差为正负3～4 gpm。对于气候平均场而言,作者的试验表明SAMIL在并行计算时由于计算顺序改变而引起的误差在可接受范围之内。然而,虽然舍入误差的全球平均值不大,但其误差分布的差别范围并不小。数值试验得到的不同模拟结果之间误差大小与模拟结果的自身年际变化大小在同样的量级,因此对于“年际变化”这样的问题来说,其影响是不可忽略的,必须要使用集合预报的办法来减小误差的影响。文中列出了3种研究复杂数值模式舍入误差的实验方法,指出其一定条件下的等效性和不同适用范围,对于其他模式的舍入误差影响研究有一定的参考价值。在舍入误差分析的基础上,介绍了一种新型的专门针对舍入误差的集合预报方法（舍入误差平均集合,RME）,指出了其在气候模拟研究中的应用价值。     

Case Study of Fog Predictability for an Event with Cold-Front Synoptic Pattern

Fog has recently become a frequent high-impact weather phenomenon along the coastal regions of North China. Accurate fog forecasting remains challenging due to limited understanding of the predictability and mechanism of fog formation associated with synoptic-scale circulation. One frequent synoptic pattern of fog formation in this area is associated with cold front passage(cold-front synoptic pattern, CFSP). This paper explored the predictability of a typical CFSP fog event from the perspective of analyzing key characteristics of synoptic-scale circulation determining fog forecasting performance and the possible mechanism. The event was ensemble forecasted with the Weather Research and Forecasting model. Two groups of ensemble members with good and bad forecasting performance were selected and composited. Results showed that the predictability of this case was largely determined by the simulated strengths of the cold-front circulation(i.e., trough and ridge and the associated surface high). The bad-performing members tended to have a weaker ridge behind a stronger trough, and associated higher pressure over land and a weaker surface high over the sea, leading to an adverse impact on strength and direction of steering flows that inhibit warm moist advection and enhance cold dry advection transported to the focus region. Associated with this cold dry advection, adverse synoptic conditions of stratification and moisture for fog formation were produced, consequently causing failure of fog forecasting in the focus region. This study highlights the importance of accurate synoptic-scale information for improved CFSP fog forecasting, and enhances understanding of fog predictability from perspective of synoptic-scale circulation.     

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.