塔里木与扬子新元古代热-构造事件特征、序列和时代——扬子与塔里木连接(YZ-TAR)假设

淄博市大武水源地是中国北方罕见的特大型岩溶-裂隙地下水水源地,地下水开采量为52×10~4m~3/d。为了对岩溶地下水进行有效监测,需要建立最优的地下水监测网。文中在对岩溶地下水流系统分析的基础上,建立了地下水流系统确定性-随机性数学模型,运用有限元与卡尔曼滤波耦合的模拟递推算法,对大武水源地地下水监测网进行了优化设计,结果显示:现有地下水位动态监测网难以达到监测目标,最优地下水位监测网由14个监测井,每月监测一次的监测频率组成,比现有地下水位监测网减少了2个监测井。     

车辆导航系统的地图匹配技术研究

常规的地图匹配方法只能消除路段径向的偏差,在分析GPS误差模型的基础上,采用卡尔曼滤波技术对传感测量位置与数字道路地图之间的偏差进行估计,销减了路段平行方向的偏差,从而大大提高了系统的定位精度。仿真试验的结果证明了该算法对于提高车辆定位系统的性能是有效的。     

地球空间信息相关论文摘要

网络RTK参考站间模糊度动态解算的卡尔曼滤波算法研究,基于Bayesian线性规划的影像纹理识别方法,POS数据辅助的航空影像变化检测方法研究,测量仪器检定结论的风险研究,敦煌壁画数字图像的三维信息恢复……     

卡尔曼滤波方法在风的短期预报中应用

应用卡尔曼滤波方法,结合Ｔ６３Ｌ１６数值预报产品,制作了东营市风的短期预报递推。经试用预报精度高于同期电视天气预报,结果令人满意。该方法制作简便,对季节变换和数值模式的变更适应性强,优于传统的统计方法,开拓了卡尔曼滤波方法及数值预报产品释用的前景。     

GAIM电离层同化方法进展

电离层是复杂的空间层结,其变化受太阳活动强度、地球磁场等因素影响。随着空间技术发展的需求,电离层天气变化成为目前空间天气预报最重要的内容之一。最近10年,人们利用卫星在电离层观测方面取得了重大进展,尤其引人注意的是:无线电掩星观测技术正走向应用的新阶段,加上已经建立的全球大量的地基GPS观测网,它们不仅为电离层动力学模式研究提供了丰富的电离层资料,而且为电离层预报提供了很好基础。因此,电离层天气预报成为当前重要的、前瞻性的研究方向,电离层资料同化是电离层预报最重要的研究内容之一。该文系统介绍这方面国际动态,重点是美国的USC/JPL和犹他州大学开展全球电离层同化模型研究、全球电离层同化研究的进展,以及在电离层天气预报中应用的初步成果。     

顾及数字地图中车道走向的车辆跟踪增强算法

车辆跟踪技术旨在从连续场景中估计目标车辆的状态,对智能车辆的环境感知、场景理解和目标行为预测起着至关重要的作用.基于激光雷达的感知系统能够提供准确的车辆检测结果,但依据检测结果进行车辆跟踪时,存在车辆朝向估计失准导致跟踪误差大、轨迹预测稳定性差的难题,尤其在目标距离较远、点云较为稀疏的情况下.考虑到大多数时刻车辆行驶方向与车道线方向基本一致,本文提出一种基于数字地图中车道朝向先验信息的车辆跟踪增强方法,将局部车道线的识别结果与OpenStreetMap地图中的车道线信息进行融合,建立道路模型并获取道路朝向的先验约束;在基于扩展卡尔曼滤波的车辆跟踪框架下,利用该约束优化车辆的朝向估计,进而提升车辆跟踪的精度与轨迹预测稳定性.在KITTI数据集上的定性与定量试验证明,本文所提出的方法在多目标跟踪指标上提升至少0.33％,平均位移误差降低了0.014 m以上,同时,对于60 m外车辆目标的跟踪误差降低了0.08 m以上.     

城市环境下智能手机GNSS/视觉组合导航算法和性能评估

通过将卫星定位和计算机视觉定位组合,可以使智能手机在城市、峡谷等卫星定位结果跳变或中断的情况下,仍为用户提供连续、高精度的位置服务.因此,为改善手机端卫星信号不理想区域的定位精度,设计和实现了GNSS与单目相机组合导航的实验.通过数据平滑、旋转矩阵求解等过程完成系统间的轨迹转换,并分析了坐标转换误差.使用结合贝叶斯估计的卡尔曼滤波对两种轨迹进行融合处理.最终结果表明,在城市环境下,GNSS与单目相机组合后,定位误差小于3 m的概率由21.21％提升至48.15％,小于5 m的概率由48.82％提升至70.03％.     

基于CEI的飞船交会对接远程导引段的轨道确定方案

探讨了CEI技术在飞船交会对接远程导引段的高精度定轨与实时监控的能力。仿真结果表明:精密定轨中采用可视弧段较长的单站可使相对位置精度达百米以内,速度达厘米/秒级。采用单一绝对扩展卡尔曼滤波器的方案进行实时轨道计算,采用滤波稳定后固定模糊度的方法可以使相对轨道位置精度达十米级,速度精度达厘米/秒级,事后及实时的轨道精度均满足远程导引段的精度指标。     

结合不确定度与密度聚类算法的多波束异常值自动滤波算法

本文在复现CUBE滤波算法的基础上,借鉴其网格节点可吸收水深点选取模型,提出了一种结合不确定度与密度聚类算法的多波束异常值自动滤波算法。本文使用DBSCAN密度聚类算法对水深值加以聚类,使用卡尔曼滤波推估节点水深值,选取具有最小不确定的水深假设作为节点水深值,实现对多波束测深数据异常值的有效清理。实测数据和仿真试验结果表明：CUBE滤波算法不能将连续异常值完全剔除,而本文算法能够较好地去除连续异常值。本文算法流程明晰、参数简单、性能可靠,对数据质量较差的情况下较多异常值也能够进行清理,具有实际的工程应用价值。     

鲁棒无迹卡尔曼滤波组合导航定位方法

针对无迹卡尔曼滤波(UKF)在非高斯噪声或统计特性不准确时滤波精度会下降甚至发散等问题,提出了一种基于Huber-M估计的无迹卡尔曼滤波导航算法。首先采用奇异值分解(SVD)迭代计算代替协方差矩阵的迭代变换;然后将Huber方法用于UKF框架中,使先验信息和量测信息进行重构;最终以达到克服传统UKF滤波器稳定性差的问题,提高滤波抗差能力。对提出算法进行GPS/UWB组合导航仿真验证,并与EKF和UKF进行了比较。实验结果表明,加入M估计的SVD-UKF在噪声统计特性不准确时和加入随机观测异常状态下都可以将滤波器性能提高25%～40%,与其他两种算法相比,本文所提算法的定位误差能快速收敛,并保持较高滤波精度。