赵各庄矿地下水位时间序列数字滤波分析

为了更好地了解煤矿地下水位的变化趋势,结合工程实例,运用递归和非递归2种滤波技术进行分析,通过对比2种滤波技术的滤波效果,可以得到地下水位的变化规律和成因机理。结果表明:滤波系数的调校对滤波效果的影响至关重要。根据平滑度指标、均方根误差和信噪比对现有观测数据进行计算的结果可知,当b=0.5时递归滤波效果相对较好,当q=5时非递归滤波效果相对较好。滤波结果可以作为预测未来该地区地下水位变化趋势的依据,也可以为安全生产提供参考。     

基于近岸GPS RTK技术的潮位和波浪提取算法研究

由于潮汐和波浪的周期相差甚远,对实时海面高程数据进行相应的低通和带通滤波即可提取潮位和波浪信息。通过对仿真的实时海面高程数据进行平滑滤波、中值滤波、小波滤波等低通滤波,以及椭圆、巴特沃斯等带通滤波结果分析表明:近岸GPS RTK技术可用于潮位和波浪同步测量;对于潮位信息的提取方面,平滑、中值、小波等低通滤波均能很好的提取出潮位信息,其中平滑滤波最佳,且工程中易于实现;对于波浪信息的提取方面,椭圆滤波、巴特沃斯、切比雪夫Ⅰ型等带通滤波均能很好提取出波浪信息。     

盾构隧道点云典型要素分割

针对盾构隧道点云及其几何特征构建八叉树索引,使用体素化网格降采样进行点云降采样,利用统计特征滤波器达到精简点云,继而实现典型要素自动分割。结合点云精简算法,提高了随机抽样一致性(RANSAC)算法效率,通过拟合模型的几何特征,设置合理阈值,自动分割隧道典型要素。实验结果表明,该方法可以精确地分割出相邻距离阈值较小的盾构隧道典型要素,拟合的隧道半径与设计半径误差仅为3 mm;相比传统RANSAC算法,该算法运行速度提高了17倍,实现了相邻距离阈值达1.0 cm精度的目标分割。     

改进粒子滤波器的室内地磁匹配精度研究

针对粒子滤波算法在室内地磁分布的连续性变化中会发生滤波发散,加之算法中重采样步骤使该现象恶化,直接导致室内定位过程中目标丢失的问题。该文受Hausdorff距离度量法中点集匹配思想的启发,提出了一种利用初定位误差作为最大粒子匹配距离的约束思想,通过缩小匹配空间的区域范围的方法来解决传统算法的发散问题。最后实验表明,此方法解决了粒子滤波器在地磁匹配中出现的滤波发散现象,同时使得定位结果更加快速收敛。     

利用零相位Kaiser窗滤波器改善MEX多普勒数据定轨精度

精密轨道确定在深空探测中至关重要,而定轨数据中的白噪声会影响定轨性能。基于零相位分析,比较了FRR（forward-filter reverse-filter reverse-output）、RRF（reverse-filter reverse-filter forward-output）和Matlab中的filtfilt这3种滤波器的优劣,设计了一种零相位Kaiser窗低通滤波器。利用火星快车号（Mars Express,MEX）的仿真数据和实测数据验证了零相位Kaiser窗低通滤波器的性能,结果发现滤除白噪声后MEX数据的定轨精度有了显著改善。双程测速数据残差均方根（root mean square,RMS）减小为原来的1/3左右,达到了0.031 mm/s;轨道位置和速度与欧空局（European Space Agency,ESA）精密轨道的差异明显变小。该滤波算法作为定轨前的数据预处理可以提高定轨精度,从而为中国火星探测器的轨道数据处理提供一定的参考。     

一种基于加表零偏稳定性的GNSS/SINS组合导航异常探测方法

在地面车载组合导航中,全球导航卫星系统（global navigation satellite system,GNSS）的观测值容易受地面复杂环境的干扰,导致其定位结果出现异常,严重影响GNSS/捷联惯性导航系统（strap-down inertial navigation system,SINS）组合的滤波解算。从惯导系统误差特性的角度,研究了一种基于加表零偏稳定性的组合导航异常探测新方法。该方法从加表零偏解算的异常来发现GNSS位置、速度等观测值中的粗差,并采取剔除和降权的抗差方法抵御粗差影响。通过一组车载数据的分析表明,观测粗差对加表零偏解算的影响十分显著,以此为判别条件能够准确地发现观测粗差。采用该方法后,位置误差、速度误差和姿态误差的均方根分别减小了70.8%、87.9%和77.7%,显著提高了组合导航的解算精度和鲁棒性,为组合导航数据的抗差处理提供了一种新思路。     

锥形束重构解析算法的研究历程及内在联系

本文提出了锥形束重构解析算法研究历程中的主要问题,阐述了锥形束重构领域相关数学理论和数值计算方法建立与发展的脉络,剖析了锥形束重构研究过程中各算法的内在联系。指出了该领域今后研究工作的某些关键问题。     

基于改进U-Net的建筑物集群识别研究

针对U-Net在高分影像建筑物提取中部分建筑物边缘特征易模糊或丢失的问题,提出一种对高分影像建筑物边缘增强,同时对U-Net部分卷积过程进行改进的优化的建筑物提取方法.首先利用域变化递归滤波的方式对建筑物边缘进行增强,将增强后影像输入U-Net神经网络中进行训练;其次为充分利用建筑物在高分影像上丰富的细节特征,尝试在原...     

基于多波束前视声呐的水下静态目标的探测识别技术

基于声呐的水下目标检测是具有重要意义的研究课题.由于声呐图像质量差、对比度低、边缘模糊等,基于特征提取的识别方法在精度和速度上无法满足现有要求.鉴于此,将基于卷积神经网络的YOLOv3引入声呐图像的目标识别任务中,首先通过动态亮度分配和中值滤波对图像进行预处理建立数据集,然后对YOLOv3模型进行训练和测试,最后根据静...     

面向复杂地质构造煤田的地震勘探关键技术

从提高地震勘探成果的高精度出发,阐述了全方位地震采集、数据处理、成果解释等几种关键技术的特点。通过在煤田勘探中的应用,获得了“高信噪比、高保真度、高分辨率”地震勘探成果,极大改善了小尺度地质构造的成像能力,准确刻画了复杂地质构造在井田中的分布,显著提高了地质成果精度。