GPS动态数据处理中的快速Kalman滤波算法

根据GPS数据处理中的Kalman滤波状态转移矩阵和设计矩阵大量存在零元素的特点,将其构造成特定稀疏矩阵。再利用稀疏矩阵乘法,同时结合矩阵对称性、矩阵求逆降维等方法,可大大减少Kalman滤波的乘法次数。在非差C/A伪距情况下,该算法乘法总次数不到传统算法的1/3;在双差伪距P1,P2 双差载波情况下,该算法乘法总次数甚至不到1/6;其耗时也只有传统算法的1/3左右,因而大大提高了Kalman滤波的计算效率。     

高分辨率SAR图像杂波模型对比研究

本文针对高分辨率SAR图像的陆地场景,开展Normal分布、Rayleigh分布、LN分布、Weibull分布和Gamma分布模型的对比拟合实验。通过K-S法检验每种模型对不同SAR场景杂波数据的拟合精度,并通过Gamma Map滤波简单说明杂波模型在斑点噪声抑制方面的应用。结果表明,Gamma Map滤波效率高于其他的传统方法。     

太湖叶绿素a同化系统敏感性分析

太湖叶绿素a同化系统对于不同参数的敏感性将直接影响到该系统能否精确的估算太湖叶绿素a的浓度分布.利用2009年4月21日环境一号卫星(HJ-1B CCD2)影像数据反演太湖叶绿素a浓度场信息.以此作为背景场信息,结合基于集合均方根滤波的太湖叶绿素a同化系统,分析和评价了样本数目、同化时长、背景场误差、观测误差和模型误差对于同化系统性能的影响.结果表明:从计算成本、系统运行时间和同化效果等方面分析,当集合样本数目达到30~40左右时同化系统取得了较好的结果;同化系统对于背景场误差的估计变化不是很敏感,即初始场的估计是否准确对于同化系统的性能影响不是很大;同化系统对于模型误差和观测误差的变化较为敏感,不同的测试点位由于水体动力学性质不一,其敏感性的表现形式有所差异;利用数据同化方法可以有效地估算太湖叶绿素a浓度.     

一种基于极值检测与自适应滤波的图像去噪算法

标准中值滤波及其一些改进算法对于被低密度脉冲噪声污染图像的处理可取得令人满意的效果,图像被严重污染时,这些算法得到的结果均不理想。针对这一缺陷,基于文献[1]提出的一种滤波算法进行改进。首先,利用极值法对图像进行检测,判断出噪声及非噪声点;其次,设置滤波模板的最小及最大尺寸,对噪声点进行窗口逐渐增大的滤波处理。计算机模拟实验结果及对SAR图像滤波结果表明:该滤波算法在噪声去除及边缘和图像细节保持上优于标准中值滤波及其一些改进算法。     

强随机噪声条件下时窗类型局部线性化对TFPF技术的影响

为了更广泛地应用时频峰值滤波方法消减地震勘探记录中强随机噪声,本文比较详细地探讨了该方法在应用时需要处理的时窗选取、一个时窗内局部线性化等主要基础技术问题.经过时变时窗的仿真计算,运用多项指标比较,包括整体背景强弱、振幅谱、信噪比、均方误差、有效子波波峰波谷幅值、畸变程度,综合评价出（L0+Lx）时窗滤波的效果较理想.对于三角波这类简单类型的周期波,其时频峰值滤波效果与边线段平均曲率变化、时窗长度等条件有关,即三角波边线段平均曲率越大,滤波结果的均方误差越大;另外,边线段平均曲率增大时,选取的时窗长度有变小的趋势.总之,在地震勘探中应用时频峰值滤波方法消减强随机噪声时,一方面要合理地选取时窗参数,另一方面时窗参数又不能变化过大,以避免对有效子波波形产生畸变影响.     

表面多次波压制的研究进展:回顾与展望

在绝大多数的地震资料处理中,将多次波视为相干噪音进行压制.表面多次波的压制方法主要分为两大类:基于波动方程预测的预测减去法和基于信号处理的滤波法.本文系统地回顾了两类多次波压制方法,分析了各种方法处理各类介质的优势及存在问题.本文也阐述了基于波动方程预测的自适应相减方法的发展.分析了多次波压制方法的发展趋势,随着GPU...     

有色噪声观测量的逐次静态滤波与配置

通过改化观测方程,将有色噪声观测值转化为白噪声的虚拟观测值,用白噪声逐次滤波公式进行滤波计算.有色噪声观测值的逐次静态滤波理论可用于GPS数据处理.GPS载波相位观测值经过测站间、卫星间、历元间的3次差分计算,消除了大部分误差和整周模糊度,并使周跳成为孤值,但是相邻历元间隔的三差观测值误差相关造成其协方差阵呈现出分块三对角阵,使所求矩阵占据的时间和内存太大.利用有色噪声观测值的逐次静态滤波的理论,可消去相关性,减少计算时间和内存.这种顾及三差观测值的相关性的算法是严密的.     

集合Kalman滤波同化理论及其数值试验

集合Kalman滤波用于数值试验有着坚实的理论基础.本文介绍了集合Kalman滤波理论及其技术实现, 在此基础上搭建了集合Kalman滤波同化系统, 用MM5模式同化了实测探空资料并作了48 h的预报试验, 并将预报结果与实测值及4D VAR同化的结果作了比较.试验结果表明: 集合Kalman滤波同化探空资料可以改进MM5模式的预报效果, 且集合Kalman滤波同化后模式的预报效果明显优于4D VAR同化后模式的预报效果.     

顾及POI人口吸引力异质性的城市人口空间化方法

人口空间化是提升人口统计数据空间分辨率的常用手段,现有研究多基于统计建模思想建立多源数据与统计人口的数学模型以预测格网人口。兴趣点（Point of Interest, POI）作为精细人口估算的重要数据源,通常以数量/密度型指标形式参与回归建模,该方式忽略了类型相同但个体规模不同的POI与人口之间数量关系的差异,特征均质化处理造成POI语义细节的损失,导致中心城区人口低估与远城区高估。为此,本文基于随机森林模型,提出一种顾及POI人口吸引力异质性的城市人口空间化方法。该方法在表征POI空间多尺度重要性的基础上,引入移动定位数据构建人口吸引力指标;并基于非欧式滤波修正格网人口权重,建模人口空间自相关,刻画水体等障碍物对局部空间连通性的影响。本文以武汉市为研究区域开展100 m格网验证,通过与POI密度型回归模型、公开人口数据集的对比和消融实验,展现了人口吸引力指标与权重修正的有效性。结果表明,本文方法平均绝对误差为WorldPop、GPW及对比模型的1/4～2/3,在精细人口空间化场景具有精度优势。此外,本文还讨论了移动定位数据采样率及格网粒度对建模精度的影响。