基于数据驱动的无人机编队最优控制算法设计

无人机编队具有广泛的应用价值和发展前景,然而,无人机动力学模型的非线性和耦合性,以及实际应用中的不确定性限制了其应用。为了解决模型不精确问题,提出了一种数据驱动的自适应动态编程（ADP）最优编队控制器设计方法。该方法结合了分布式一致性和线性二次方相关理论。首先,通过建立虚拟领航–跟随者模型,可以将四旋翼无人机的复杂非线性动力学模型简化为4个线性子系统,并解耦它们的相互影响;接下来,针对每个子系统设计编队控制器;随后应用李雅普诺夫理论对算法进行稳定性分析;最后通过仿真,验证了所提算法的稳定性和有效性。     

一种应用于遥感影像的自适应边缘检测算法

本文基于传统的边缘检测算法提出了一种自适应的边缘检测算法,算法对传统边缘检测的4个过程进行了替代与改进,适用于遥感影像。本算法对梯度算子依据距离加权,构造了较为精确的梯度算子模板;通过二次非极大值抑制,保证了单次响应原则,间接提高了定位精度;提出了阈值圆的方法进行阈值判定,并通过静态动态结合的检测方法提高了算子对不同频率区域的适配性;引入引导滤波进行影像平滑,在去噪同时,良好地保持了边缘特性。实验结果表明：本算法符合单次响应原则,误检率低,定位精度高,细节清晰,边缘检测完整,适合于遥感影像的边缘检测。     

顾及有色噪声的自适应粒子滤波UWB定位算法

传统卡尔曼滤波算法要求噪声模型符合高斯分布,在UWB室内定位中,由于载体本身的机制等干扰,观测噪声不仅仅是白噪声,也存在有色噪声的情况,而粒子滤波可以处理有色噪声的问题。本文通过增加似然分布自适应调整来改进粒子滤波用于目标跟踪的精度,同时研究在白噪声、有色噪声下似然分布自适应调整粒子滤波和拓展卡尔曼滤波在UWB中的优势与不同。试验结果表明：观测噪声为白噪声时,拓展卡尔曼滤波和粒子滤波均可以较好地实现对行人的定位跟踪;观测噪声为有色噪声时,自适应粒子滤波定位效果优于粒子滤波、拓展卡尔曼滤波。     

一种基于GA-BP-MC神经网络的高铁桥墩沉降预测模型

提出一种基于马尔科夫链修正的遗传BP神经网络预测模型（GA-BP-MC）,利用遗传算法的全局寻优能力初始化BP神经网络权值和阈值,初步建立GA-BP神经网络预测模型,结合马尔科夫链的无后效性修正模型预测值,形成高精度GA-BP-MC神经网络变形预测模型。结合高铁桥墩沉降数据,分别与BP神经网络、GA-BP神经网络预测模型进行对比,结果表明,该预测模型精度最高。     

一种顾及道路影响的点要素注记配置遗传禁忌搜索算法

为使地图上点要素注记配置更美观易读,利用遗传算法的全局寻优能力和禁忌搜索算法的"爬山能力",在考虑传统点要素注记配置约束条件的同时,考虑点要素与道路间的关系,提出了一种顾及道路要素影响的遗传禁忌搜索算法,并从解算精度、运行效率及稳健性3个方面对该算法进行评价。本文以福建省泉州市惠安县1：20万比例尺的乡村点状地形图数据进行试验,试验结果表明,与遗传算法、禁忌搜索算法和ArcGIS软件相比,该算法的算法精度和稳健性均有所提高,但是计算效率略低于禁忌算法,且点要素注记与点要素、道路要素的压盖量最少,与点要素、道路要素注记的交叉量最少。     

高分二号卫星影像自适应模糊阈值法小波去噪

高分二号卫星影像提供了丰富的图像信息,高分二号影像数据的发布打破了我国高分辨率对地观测数据长期依赖进口的局面。但是图像在传输和保存过程中会有噪声干扰,如果感兴趣区域受到污染,则会导致该区域内的影像信息不能被充分利用。为了解决高分二号遥感影像去噪这一难题,本文采用自适应模糊阈值法去噪方式,该方法根据各个尺度下噪声方差建立的自适应模糊阈值函数非线性处理后,重新构造作为新的小波系数,经小波逆变换后得到去噪图像。通过与均值滤波器滤波、高斯平滑滤波、中值滤波器滤波、小波全局阈值去噪和Birge-Massart策略阈值法去噪比较,结果表明,自适应模糊阈值去噪法充分结合软硬阈值处理方式的优点,既保留图像细节又使图像更加平滑,图像整体信息完好,去噪效果更为理想。     

面向城区宽基线立体像对视角变化的结构自适应特征点匹配

提出一种基于结构自适应特征的城区宽基线影像特征点匹配方法。首先,对影像提取点特征和直线特征,挖掘点特征与其邻域内直线特征之间的几何关系,构建结构自适应的特征区域和特征描述符,并通过双向匹配策略获得初始匹配结果。然后,基于初匹配结果估计影像基础矩阵,构建核线约束的结构自适应特征匹配算法进行二次匹配。最后,将已匹配特征作为控制基础设计匹配扩展算法,进一步增加匹配点数量。本文方法以特征点邻域几何结构为出发点,构建自适应的特征区域,能够在显著的影像视角变化下,为同名特征点提取影像内容一致的特征区域,进而获得相似的特征描述符。试验结果证明,与传统算法相比,本文方法在城区宽基线影像上能够同时获得更多的正确匹配特征和更高的匹配正确率。     

检索词优化与空间自适应的深网POI获取方法研究

针对检索词库构建困难、数据请求量受限制等相关问题,该文提出一种基于独立覆盖率排序和空间自适应剖分的深网POI信息搜索方法,通过候选检索词初步构建、贪婪式探测搜索、检索词优化降维、空间自适应剖分爬行等主要流程,利用逐步逼近POI搜索的最大覆盖最优解,实现对深网POI信息的全量获取,大幅度提高深网POI数据的召回率与采集效率,该方法对于丰富地理信息资源、提升空间信息服务与内容管理能力具有重要意义。     

遗传算法的单频网覆盖时延优化

针对目前数字广播电视单频网不能自动进行覆盖结果优化调整的问题,该文在基于地理信息的单频网台站场强预测的基础上,实现了单频网覆盖时延自动优化。首先,利用台站基本信息,结合地理信息,利用台站场强预测模型,对单频网内各个台站进行覆盖场强预测,得到各个台站的覆盖结果矩阵。其次,结合各个台站的覆盖结果矩阵,利用遗传算法对各个台站的时延情况进行寻优。最后,得到每个台站的最优时延结果,以及得到时延优化后的单频网覆盖结果。实验结果表明,本文提出的基于遗传算法的单频网覆盖时延优化算法,能够很好地实现单频网内各个台站的自动时延优化,根据得到的时延结果,对单频网内各台站信号进行控制,从而自动地进行单频网覆盖结果的优化。     

基于多光谱数据的南海浅水水深测量算法研究

沿海地区的水深测量是大多数海岸工程和沿海科学应用的常见要求。然而,在我国南海浅水区域(0—10 m)及部分政治敏感区,船只很难到达导致测量非常不便,这种情况下遥感测量方法凸显了其价值。本文基于QuickBird多光谱遥感影像及同时期多波束实地测量水深点数据,利用6种算法模型定量反演了中国南海甘泉岛周边浅海的水深。精度验证结果表明,基于遗传算法优化的BP神经网络模型与实际测量水深的相关系数R2大于0.96,测量结果可靠。