基于地形的LiDAR数据缺失区域填充方法研究

针对机载激光点云数据栅格化过程中出现的空白区域进行研究,在对邻近填充和最低点填充分析的基础上,提出基于地形的填充方法。对缺失数据边界进行一维形态学滤波得到其边界各点地形高,利用边界点构建不规则三角网进行地形内插填充。实验结果表明,地形填充法可适应不同原因造成的区域数据缺失,能够有效保证高程的连续性并可提高滤波精度。     

基于Otsu方法点云粗分类的渐进三角网滤波算法研究

针对传统渐进三角网滤波方法需要针对不同的地形条件频繁调整滤波参数,并且对低矮地物滤波效果较差等问题,结合图像分割中的Otsu方法,提出一种基于Otsu方法点云粗分类的渐进三角网滤波算法。在对原始点云数据粗分类的基础上,以点云类别属性引导滤波过程。实验结果表明,方法简单可行,可以有效地控制低矮点被误分类成地面点的可能性,提高滤波处理结果的准确性。     

基于分数阶滤波器的遥感图像处理

在研究分数阶微积分的基础上,提出了一种基于WLS误差准则的滤波方法,该滤波器的系数可通过调节其阶次来改变; 给出了该滤波器的原理,分析了其幅频特性.通过用Riemann-Liouville定义验证,并将此滤波器运用于遥感图像处理,结果表明,该方法在抗干扰和提取更多细节方面取得了很好的平衡,具有较好的滤波效果.     

星敏感器/GNSS定姿系统的联合非线性预测滤波算法

提出一种联合式非线性预测滤波算法,解决该系统在姿态动力学模型误差非高斯分布条件下的多敏感器信息融合问题。从算法结构和估计准则两个方面证明非线性预测滤波(NPF)与Kalman滤波的等效性,分析联合式NPF的算法流程,讨论模型误差方差矩阵的计算方法,给出加权系数矩阵的设计准则;介绍星敏感器和全球卫星导航系统(GNSS)的定姿原理,推导星敏感器/GNSS组合姿态确定系统的联合式NPF滤波模型,分析系统的算法实现流程;进行数值仿真试验,结果表明联合式NPF算法融合NPF与联邦滤波的优良品质,可有效解决姿态动力学模型误差非高斯分布条件下无陀螺姿态确定系统的多敏感器信息融合问题。     

GPS单频伪距相位平滑的离散性分析

基于Hatch滤波方法进行伪距相位平滑的研究,对GPS单频伪距相位平滑的离散性进行理论分析,给出移动窗口分段平滑方法的处理方案.采用自编软件,利用IGS跟踪站数据,对单频伪距相位平滑的离散性进行数据验证;对基于Hatch滤波的移动窗口分段平滑方法的可行性和效果进行分析,结果表明:移动窗口分段平滑方法可以较好地控制单频伪...     

改进的快速中值滤波算法在图像去噪中的应用

在图像处理中,传统的中值滤波算法都是建立在排序理论上,并没有充分考虑到各数据之间的相关性。提出一种改进的快速中值滤波算法,充分利用数据的相关性,避免传统算法因排序所需大量数据比较。先用分治法计算第一个窗口的中值,然后利用数据的相关性计算余下窗口的中值,大大提高了效率。最后分别用传统的中值滤波算法和改进的快速中值滤波算法对同一幅有椒盐噪声的图像做去噪实验。实验表明,该算法能快速实现图像去噪。     

一种改进的Mean Shift点云数据滤波

点云数据滤波是三维重建质量好坏的关键,为了避免在进行滤波时花费大量计算时间建立点云间的拓扑关系,提出利用改进的Mean Shift算法直接对点云数据进行处理,使其快速移动到核密度估计函数的最大值点,从而达到降低噪声的目的。     

强跟踪自适应卡尔曼滤波在高铁沉降监测中的应用

以高铁沉降监测为应用背景,研究了一种强跟踪自适应卡尔曼滤波算法,并将其与其他几种卡尔曼滤波算法进行仿真对比。结果表明,滤波算法具有较高的精度和较强的跟踪能力。     

罗兰C信号中的窄带干扰抑制与仿真

窄带干扰（NBI）是罗兰C接收机接收信号中普遍存在的一种干扰。这种窄带干扰经常淹没有用的罗兰C信号,因此,去掉NBI对罗兰C接收机的正常工作尤为重要。分别采用最小均方误差（LMS）自适应算法和二阶自适应格型滤波器算法对带有窄带干扰的罗兰C信号进行处理。仿真结果得出：LMS自适应滤波器对同步干扰和近同步干扰都有很好的效果;但是由于罗兰C信号本身的编码信息而比较难获取期望信号,加上LMS自适应滤波器实现阶数较高,实现相对困难。二阶格型自适应滤波器由于是完全除去干扰频率点,不能用于同步干扰,但其对近同步干扰和非同步干扰仍然有很好的效果,且其实现较为简单,易于在工程上应用。     

罗兰C接收机的数字带通滤波器的设计

根据罗兰C信号的特点,设计直接FIR滤波器,在直接FIR滤波器的基础上介绍插值滤波器设计方法,根据罗兰C信号的频谱特性设计出满足要求的插值滤波器,通过比较发现：在相同的参数下,插值滤波器比直接FIR滤波器节省了很大的阶数,体现在运算量和资源占用量,在工程应用上有很大的优势,而且所要求的频带越窄,采样率越大,节省资源的百分比就越大。