基于噪声估计的卡尔曼滤波用于GPS卫星钟差预报研究

利用重叠哈达玛方差确定卫星钟噪声随机模型,采用顾及钟差随机噪声模型的卡尔曼滤波进行钟差预报分析,并与最小二乘预报算法相比较,得出以下结论:卡尔曼滤波进行1 d以内的短期预报时,精度达到亚纳秒级,优于最小二乘预报算法,在长期预报或拟合数据量较少时,最小二乘预报精度优于卡尔曼滤波。     

机载激光雷达数据提取DEM的关键技术分析

结合激光雷达数据的特点,着重分析利用激光LiDAR数据提取DEM的几个关键技术：预处理技术、滤波技术、DEM构建与质量评价技术。通过分析,为快速、高效、准确地获取DEM基础数据提供一个技术方案。     

基于城市环境LiDAR数据的滤波方法

设计了一种多次渐进滤波方法,通过反复选取地面点,不断更正误选点,最终得到较正确的地面点数据。试验表明,该方法能有效地克服地陷点带来的问题,得到了更加精确的数字地面模型。     

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。     

MODIS植被指数时间序列Savitzky-Golay滤波算法重构

利用Savitzky-Golay(S-G)滤波方法对若尔盖高原湿地区2000—2009年MODIS16d最大值合成的NDVI时间序列数据进行了重构,并与中值迭代滤波法、傅里叶变换法进行了比较。结果表明,基于S-G滤波的时间序列重构方法重构后的NDVI时间序列在直观及像元的时间序列曲线上均取得了较好的效果,对提高该数据产品质量有很大帮助,通过该方法重构后的高质量的NDVI时间序列对利用该数据源对若尔盖湿地生态系统监测提供了良好的基础。     

相关法自适应滤波在动态行程时间预测中的应用研究

动态行程时间预测是智能交通系统研究的重要内容。为避免卡尔曼滤波中白噪声方差对行程时间预测结果的影响,本文把相关法自适应滤波理论引入到动态行程时间预测中,提出了应用浮动车GPS数据建立相关法自适应滤波模型的方法。预测结果表明,相关法自适应滤波模型的涉动性小,精度满足要求。     

ANFIS在湿地遥感信息提取中的应用研究

自适应神经模糊推理系统(ANFIS)综合了模糊推理与神经网络的优点,本文探讨了其在湿地遥感信息提取中的应用。首先阐述了ANFIS分类方法的特点、原理以及分类流程;然后以黄河三角洲垦利县湿地为实验区,分析了基于ANFIS的湿地遥感信息提取;最后将由该方法得到的分类结果与传统分类方法进行比较,结果表明由该方法所得的分类总正确率与各地物正确率都有较好表现。     

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。     

基于卡尔曼滤波的Wi-Fi/PDR融合室内定位方法研究

当前智能手机大多集成了多种传感器,组合多种传感器数据进行室内定位已成为研究热点。本文针对传统的Wi-Fi位置指纹室内定位精度不高的问题,提出了一种基于卡尔曼滤波结合行人航位推算的融合定位方法,经测试,融合定位方法的平均定位精度为3.1 m,较单独Wi-Fi指纹定位精度提升了43%。同时针对PDR步数检测不准确的问题,本文提出了基于低通滤波和阈值滤波的组合滤波方法,将计步准确率提高至99%,对于不同的应用场景具有较强的适应性。