高斯混合求积分卡尔曼滤波姿态估计算法

针对求积分卡尔曼滤波QKF(Quadrature Kalman Filter)在噪声先验特性不准确时引发的滤波缺陷问题,提出了一种基于高斯混合模型的QKF姿态估计算法GMQKF。该算法首先通过引入有限高斯分量来近似状态后验分布和噪声随机模型,在线估计时变方差;然后再采用稀疏网格和高斯-厄米特数值积分理论配置多维积分点,优化了高维滤波的计算量。仿真结果表明:在非高斯噪声环境和载体发生稳态突变情况下,GMQKF算法较传统QKF减少了对随机模型的依赖,增加了系统抗干扰能力,提高了稳定性,将其用于非高斯非线性姿态估计场合可以获得更好的精度,且计算量适中。     

GS—15型重力仪滤波效能与观测稳定性的对比分析

通过观察和模拟干扰源试验,认为红山地震台ＧＳ－１５型重力仪潮汐观测曲线畸变和观测精度氏是因原配ＲＣ滤波电路的抗干扰能力差。用自制的有源贝赛尔滤波电路取代原配ＲＣ滤波电路后,观测质量得到了根本的改善,一系列参量的分析表明,ＧＳ型重力仪弹性系统手换能电路性能优良,有源滤波电路具有很强的抗干扰能力,使用数字记录代替模拟记录可以减小记录系统非线性失真,提高潮汐分析的精度和稳定性。     

广西西江流域致洪暴雨过程中尺度特征及机制分析

利用广西逐站逐小时降水量、1°×1°逐小时FY-2C的TBB资料和1°×1°逐6 h NCEP/NCAR再分析资料,应用空间25点平滑滤波方法,分析了2005年6月18~22日西江流域致洪暴雨过程的中尺度特征及其发生、发展的机制。结果表明:这次致洪暴雨过程的降水时空分布不均,具有明显的中尺度特征。雨团集中出现在TBB值的低值中心、低值中心北侧等值线密集的地方以及等值线曲率大的地方。镶嵌于大尺度西南气流中的中尺度涡旋系统在西江流域反复生成,导致对流云团不断生成和加强,是此次暴雨产生的直接原因。暴雨区上空中尺度经向垂直环流圈的存在对中尺度涡旋和对流云团的发生和发展具有促进作用。中低层弱的对流不稳定与强的水平风垂直切变和湿斜压性共存是此次暴雨产生和持续发展的重要机制。     

结合光谱和纹理的高分辨率遥感图像分水岭分割

针对遥感图像分割时仅利用光谱信息容易造成过分割和边缘定位不准的问题,提出一种结合光谱强度和纹理信息的遥感图像分水岭分割算法。首先分别提取图像的光谱梯度和纹理梯度,提出一种改进双边滤波模型,滤除图像中的噪声的周时,采用了一种局部的平滑尺度,能够有效消除纹理信息,借助于滤波算法,分别对原图像和Gabor纹理特征图像进行平滑处理,利用边缘检测算子得到光谱梯度和纹理梯度。最后利用形态学膨胀方法进行融合融合,使用分水岭变换对图像分割。用三幅高分辨率彩色遥感图像数据进行实验,并与JSEG（Joint Systems Engineering Group）和多分辨率分割方法进行比较,结果表明该方法具有较高的边界定位准确性,同时降低了过分割和欠分割现象。     

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。     

混合误差协方差用于集合平方根滤波同化的试验

在集合卡尔曼滤波方法中, 根据预报集合统计提供的依流型而变的预报误差协方差对同化起到决定性的作用。但在集合样本容量不足及模式存在系统误差时, 由预报集合估计的预报误差协方差会出现明显偏差。既要减小这种估计偏差对同化产生的影响而又不增加计算量, 一种可供选择的方法是将定常或准定常的高斯型预报误差协方差和由预报集合估计的预报误差协方差加权平均用于集合卡尔曼滤波同化。利用浅水方程模式, 通过观测系统模拟试验检验在不同的模式误差、 集合成员数以及观测密度条件下, 将这种混合预报误差协方差矩阵用于在集合平方根滤波的效果。试验结果表明, 当预报集合成员数较多而模式又无误差时, 不必采用混合的预报误差协方差矩阵, 否则, 采用混合的预报误差协方差矩阵都有可能改进分析和预报。混合预报误差协方差的最优的权重系数与模式误差关系密切, 模式误差越大, 定常预报误差协方差的权重越大。最优的权重系数与集合成员数及观测密度也有一定关系。     

基于车载激光点云的数学形态学滤波方法改进

针对车载激光点云数据空洞插值误差大及利用多尺度数学形态学滤波方法耗时高的问题,提出一种改进的数学形态学滤波方法,该方法按照点云空间分布形态格网化,以控制开运算方向。腐蚀运算过程中,根据格网腐蚀前后高程的变化情况,更新格网高程,以达到空洞精确填充及各格网均含地面点的目的。利用5组点云数据进行了实验,结果表明:该方法能有效提取地面点,运算效率明显优于多尺度数学形态学滤波方法,具有一定的实用性。     

集合均方根滤波同化地面自动站资料的技术研究

模式地形与观测站地形高度差异一直是地面资料同化面临的棘手问题,合理的同化方案能够将地面自动站资料有效的同化到中尺度数值模式中。本文首先采用Guo et al.(2002)的方案实现了在WRF模式中应用集合Kalman滤波方法同化地面自动站资料;然后对方案进行调整,对10 m高度风场、2 m高度位温、2 m高度露点和地表气压进行同化。通过均方根误差分析,模拟结果和同化增量分析来确定集合平方根滤波(EnSRF)同化地面自动站资料的有效性,并进行敏感性试验分析检验模式对各要素物理量的响应状况。结果表明:在EnSRF同化系统中应用Guo et al.(2002)的方案将地面自动站资料进行同化到数值模式中,能够部分改善模拟结果;地面观测资料(温度、湿度、风场、地表气压)中各物理量分别同化到数值模式都能影响18小时降水预报,但各物理量所起作用大小不同,其中对结果影响最大的是露点;使用位温、露点分别代替温度、比湿进行同化模拟效果更好,对自动站资料的同化也更加有效。     

"2003.6.17"滇中特大暴雨的中尺度分析

结合大尺度环流的高通滤波、卫星云图和雷达回波诊断，用Shuman—Shapiro中尺度滤波方法，对2003年6月17日云南中部的楚雄市至南华县一带发生的特大暴雨过程进行了中尺度分析。结果表明，这次过程是热带中尺度气旋东南移并发展造成的；地面强冷空气侵入中尺度低压导致对流发展，是热带中尺度气旋加强的原因；大尺度环流下，孟加拉湾、南海和北部湾形成的两条水汽输送带通过热带低压，为强对流的发展和维持提供了能源保障；地面中尺度低压中心和与之配置的切变线北侧对特大暴雨落区有较好的指示。     

时空数据插值的杨赤中滤波法

时空数据插值是时空数据分析的一项基础性任务,其核心问题在于建模时空自相关结构。当时空数据非平稳、分布稀疏时,现有方法难以准确建模时空自相关结构,直接影响了插值的精度与可靠性。本文基于空间域复合变量理论,采用几何学与统计学相结合的策略对时空自相关结构进行建模,提出了一种基于杨赤中滤波的时空数据插值方法。该方法首先耦合杨赤中滤波与时空积和模型,建立定量描述时空自相关结构的时空基本变化函数;然后,基于时空基本变化函数,构建满足最优线性无偏估计准则的时空数据插值模型。采用模拟数据、2000—2009年我国大陆区域年平均气温与2014年5月—2015年4月北京市日均PM_2.5浓度时空数据集进行试验验证,结果表明：本文方法的时空插值精度明显优于当前的3种代表性时空插值方法,且不需要时空平稳性假设,可以更好地适应分布稀疏的时空数据集。