联合资料同化理论及其研究进展

联合资料同化是在"集合预报与资料同化一体化"的思想框架下研究发展的一种数值预报新理论和新方法。它在变分同化系统框架的基础上,充分利用集合预报结果,构造"流依赖"的背景误差协方差,提高对不同尺度天气系统背景误差协方差的刻画能力,进而改善分析和预报的质量。目前该方法已引起国际各主要气象业务中心广泛关注,极具业务应用潜力。本文以联合ETKF-3D-Var为例简要介绍了联合资料同化理论及其研究进展,也说明了联合资料同化的应用前景。     

一种基于高程差粗糙度的建筑物激光脚点提取方法

LiDAR技术逐渐成为获得城市三维信息的主要手段之一,其中建筑物信息的提取,是目前研究的难点和热点。为了能够更好地提取建筑物信息,在分析现有建筑物提取方法优缺点的基础上,结合高程信息和滤波结果信息,设计了一套基于虚拟格网的建筑物激光脚点提取方法。实验表明该方法提取效果较好,而且对数据质量要求较低。     

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。     

结合异质性及分水岭变换的遥感影像分割方法

面向对象的遥感信息提取,首要任务是对遥感影像进行分割,分割的目的在于把原始图像分割成一些在空间上相邻、光谱相似的同质区域。传统的分水岭变换对噪声敏感,易产生过分割现象,不能直接适用于遥感影像的信息提取。本文利用非线性同组滤波方法(PGF)消除原始影像噪声,根据高分辨率遥感影像地物的异质性特征,对分水岭初始分割结果进行异质性准则合并。实验结果表明,该方法对高分辨率遥感影像的分割效果良好,能够适用于面向对象的信息提取。     

一种改进的SAR影像边缘检测方法

由于SAR影像具有乘性相干斑噪声,某些对光学影像有较好检测性能的边缘检测算子,对于SAR影像并不适用,因此本文提出了一种将改进后的Ratio算子与Canny算子相组合的新方法。首先采用多种客观评价指标,得出经典方法中的Lee滤波能有效去除噪声,且最大限度保留了梯度信息,适用于边缘检测;然后对边缘检测具有恒虚警特性的Ratio算子进行改进,改进后的算子更利于影像归一化处理;最后利用改进后的Ratio算子与Canny算子组合成新方法。试验结果证明,组合后的新方法显著提高了边缘检测正确率和定位精度,改善了边缘连续性,具有一定的有效性和实用性。     

高斯加权的遥感影像中值滤波及其快速算法

中值滤波算法能有效抑制椒盐噪声和高斯噪声,是一种广泛应用的遥感图像预处理方法。针对标准的图像中值滤波算法中在方形邻域窗口进行简单排序而没有考虑与中心像素距离的不足,提出了一种对邻域像素使用高斯加权的中值滤波算法,并使用C语言进行了快速实现。普通图像、光学和SAR遥感图像的实验表明,新算法具有更好的噪声抑制性能,且计算效率与经典算法有大幅提高。     

高灵敏度机载L波段微波辐射计探测海表盐度

海水盐度是研究大洋环流和全球气候变化的重要参数,L波段(1400-1427MHz)微波辐射计是进行海水盐度遥感的最有效工具.在该频段内,微波辐射亮度温度对海水盐度变化的灵敏度为0.5K/psu,而用于海洋研究的盐度分辨率为0.1-0.2psu,要求微波辐射计的灵敏度优于0.1K.高灵敏度机载L波段微波辐射计,应用数字增益波动自动补偿和温度补偿技术,保证了系统的稳定性,并采用高效的滤波技术有效地抑制了全球定位信号(GPS)对接收机的干扰,灵敏度达到0.08K.进行了多次航空和海上对比遥感试验,获得了分辨率优于0.2psu、误差精度0.42psu的测量结果.     

基于自适应Kalman滤波的BP神经网络及其在高程拟合中的应用

针对传统BP神经网络容易发散、泛化能力差等问题，采用自适应Kalman滤波方法训练神经网络的连接权。与Kalman滤波训练连接权和传统的BP算法相比，该方法提高了BP神经网络计算精度，增强了泛化能力。实测数据的计算结果证明了该方法的可行性与有效性。     

Comparison of Two Fading Filters anc Adaptively Robust Filter

Two kinds of fading filters and their principles are introduced. An adaptive robust filter is given with corresponding principle. The basic abilities of the fading filters and adaptively robust filter in controlling the influences of the kinematic model errors are analyzed. A practical example is given. The results of the fading filter and adaptively robust filter are compared and analyzed.     

GPS／DR组合导航自适应Kalman滤波算法

针对GPS/DR组合导航Kalman滤波的异常扰动影响问题,引入了自适应滤波算法.给出了由预测残差确定自适应因子的过程.利用实测数据进行验证,结果表明无论是单因子自适应滤波还是多因子自适应滤波都能够很好地控制状态异常对滤波估值的影响,滤波精度均优于标准Kalman滤波导航解;而且因为多因子自适应滤波避免损失可靠的状态参数信息,较单因子自适应滤波,精度又有明显提高.