GPS动态相对定位的自适应Kalman滤波算法

GPS动态数据处理中广泛应用卡尔曼滤波,经典Kalman滤波认为预报误差是白噪声,服从零均值的正态分布,并利用动态噪声协方差矩阵来控制它对当前信息的影响,但实际测量定位中难以保证观测对象的规则运动,因而容易出现模型误差。针对GPS动态定位的这一问题,探讨了在实际应用中存在模型误差时的卡尔曼滤波,介绍了一种自适应Kalman滤波算法,该法顾及了载体机动加速及接收机发生周跳时的影响,减少了滤波发散的机会。     

顾及时变非高斯噪声的高斯和滤波及其导航应用

高斯和滤波可利用高斯混合模型精化非高斯嗓声随机模型来提高估计精度,但导航测量环境的动态性和复杂性使非高斯噪声具有时变性特征,若GMM不随之调整会导致滤波解算失真.针对该问题,本文提出一种基于位移参数自适应估计的高斯和滤波算法.首先分析GMM位移参数对非高斯噪声拟合精度的影响,然后利用位移参数自适应技术修正GMM,进而改...     

融合GPS与强震仪数据实时监测瞬时地壳形变

针对强震仪与GPS各自的优点与缺陷,以2016年意大利Mw 6.0级地震为例,探讨了利用Kalman滤波融合GPS与强震仪数据实时监测中等强度地震引起的瞬时地壳形变的可行性与优势。Kalman滤波获取的位移波形以GPS数据作为整体趋势,细节部分用强震仪数据进行描述,融合后的位移波形精度较高,能够准确和细致地描述地震引起的地表动态形变;与此同时,Kalman滤波位移波形也能够准确地探测中等强度地震引起的同震永久阶跃;Kalman滤波位移波形的功率谱在低频部分与GPS位移波形的功率谱密度相似,在高频部分与强震仪位移波形的功率谱密度相似,表明Kalman滤波结合了GPS与强震仪各自的优点;交叉小波分析表明,Kalman滤波获取的位移波形与GPS、强震仪数据呈现较强的正相关性,小波相似值均在0.8以上。以上结果表明,融合GPS与强震仪数据可以结合二者各自的优点,弥补各自的缺陷;融合GPS与强震仪数据可以有效探测中等强度地震引起的瞬时地壳形变。     

LiDAR数据中建筑物提取的新方法-Fc-S法

激光雷达技术(LiDAR)已广泛应用于数字高程模型(DEM)的快速获取和三维城市模型的建立中,但仍有许多不足之处,需要做更深入的研究。本文介绍了一种新的建筑物提取方法,称之为Fc-S法。该方法首先利用等高线特征进行滤波,从LIDAR数据内插的数字表面模型(DSM)中提取出DEM,利用DSM与DEM的高差阈值和DSM边缘特征参数去掉地面点和汽车等矮小物体,获得主要包含植被和建筑物的地物点群,然后对地物点群进行分割,利用二次梯度和面积等参数去掉植被点,并采用迭代逼近的方法精化建筑物。文章通过实验对所提方法进行验证,并借助高分辨率的航空影像对建筑物提取结果进行评估,评估结果表明该方法能够在地形起伏的区域中较准确地提取出建筑物。     

2013年3月涿鹿微震群遗漏地震事件检测和发震构造分析

震群活动时,短时间发生大量地震,不同地震事件的记录波形相互交叠影响,易造成地震目录的遗漏,对震群发震构造分析等研究带来不利的影响.本文针对2013年3月3日至5日在河北涿鹿发生的微震震群,利用匹配滤波技术,以地震台网观测目录所记录地震事件的波形为模板,在连续波形记录中搜索与模板相似的信号,从而检测台网目录遗漏的地震.利用波形互相关标定新检测到地震事件的P波和S波到时,进而对其震中位置和震级做出估计.计算结果显示,通过互相关扫描检测到52个地震台网常规分析遗漏的地震,约为地震目录给出的45个事件的1.16倍.检测到的遗漏地震震级估算为ML0.1~0.9,通过震级-频次统计分析,加入遗漏地震后地震目录的完整性在ML0.3~0.8范围内有较明显的改善.根据地震事件精定位结果,推测此次震群的发震构造为北西走向倾角较大的断层,施庄断裂为发震构造的可能性较大.     

基于机载LiDAR数据的区域林木信息提取

本文对LiDAR数据的各种滤波方法以及多次回波特性进行了综合研究,提出一种基于其多次回波特性进行林木信息提取的方法,并对该方法的可行性进行了实例验证,为探索LiDAR数据的应用提供了新的思路。     

小波分析和经验模态分解对BDS多路径误差削弱对比研究

在利用北斗卫星导航系统（BDS）进行高精度变形监测时,BDS信号产生的多路径效应是影响变形监测数据精度和可靠性的一个不可忽视的误差源. BDS有三种不同的轨道卫星,所形成的多路径误差较为复杂. 基于坐标域的多路径误差使用小波分析(Wavelet)和经验模态分解(EMD)进行原始序列降噪,对降噪后序列使用改进恒星日滤波(ASF)进行多路径误差剔除,两种方法分别对基线精度的E方向改善了38.6％和40.8％,N方向改善了59.1％和61.0％,U方向改善了57.8％和57.9％,EMD对坐标序列的平滑和基线精度改善较优.      

一种改进的坡度机载LiDAR数据滤波算法

改进了LiDAR点云数据处理滤波算法的判断条件,运用四种坡度阈值判断数据点的地形信息,实现了改善滤波效果的目的。     

时空Kalman滤波在变形分析中的应用研究

时空Kalman滤波可对变形监测数据进行时空滤波去噪、数据插补和变形预测,本文利用时空Kalman滤波进行变形分析,从模型原理及试验两方面比较分析了Kriged Kalman filter(KKF)、space time Kalman filter(STKF)和spatio-temporal mixed effects(STME) 3种典型时空Kalman滤波模型的性能和适用性。结果表明:3种时空Kalman滤波模型均基于空间基函数及动力学模型组合形式描述时空数据的时空相关性,其主要差异在于空间变异的描述形式不同、空间基函数和状态转移矩阵构造过程不同及模型降维方法不同。在适用性方面,KKF模型更适合于稀疏测站的变形分析,STKF模型及STME模型更适合于海量测站的变形分析。在变形分析应用效果方面,3种时空Kalman滤波模型均具有较高精度的时空滤波去噪、数据插补和变形预测性能,其滤波结果相对于普通Kalman滤波结果的平均改善率为21.1%,其缺失数据插补结果相对于Hermite时间插值结果的平均改善率为42.4%,其空间预测结果相对于Kriging空间插值结果的平均改善率为65.3%,其对已知测站未来变形的时空预测结果相对于普通Kalman滤波时间预测结果的平均改善率为20.6%,其对非观测站点未来变形的时空预测结果相对于Kalman滤波+Kriging组合模型预测结果的平均改善率为20.5%。     

基于独立分量法的新疆GNSS时间序列共模误差分析CSCD

共模误差(CME)是区域连续全球卫星导航系统(GNSS)网中的主要误差来源之一.针对GNSS时间序列具有非高斯分布特征,基于二阶统计量的主成分分析(PCA)难以准确提取出CME分量问题,采用具有高阶统计量的独立分量分析(ICA)对CME进行提取.以2011—2018年新疆区域GNSS坐标时间序列为例,将PCA滤波效果进行对比验证,分析了CME对GNSS坐标时间序列的影响,并对CME序列进行周期分析.结果表明:前6个独立分量包含CME分量,这可能与卫星轨道、地表质量负荷和时钟误差有关,ICA滤波后东(N)、北(E)、天顶(U)三个方向的均方根(RMS)值分别降低31.83%、32.29%、35.49%,速度不确定度分别降低44.14%、38.49%、43.32%,各测站的周期项振幅较滤波前更一致,有效地剔除了CME,提高了坐标时间序列的精度.