基于小波变换的单频GPS快速精密定位整周模糊度的解算

对于GPS短基线,载波相位双差观测量已基本消除了卫星轨道误差、钟差、大气折射误差等系统偏差的影响,主要包含距离观测量信息及随机测量误差,其中测量误差是高频的测量噪声,小波变换可将GPS载波相位双差观测量中的观测噪声(高频部分)分解出来。本文利用Coiflets小波基函数对GPS快速定位的原始载波相位双差观测量进行5层分解,通过重构第5层低频系数获得去除噪声的"干净"的载波相位双差观测量,然后利用"干净"的双差观测量进行最小二乘参数估计,以减小测量噪声对GPS快速定位病态方程解的扰动。计算结果表明该方法能够显著提高GPS快速定位中模糊度浮点解的精度,仅利用几个观测历元的数据就可以准确地固定模糊度。     

基于小波变换的全色和多光谱遥感图像融合

基于多分辨率小波变换,针对高分辨率全色图像和多光谱图像的融合,提出了一种基于方向可调滤波器的区域能量测量的小波变换融合算法.将此方法与HIS和传统小波的融合方法比较,结果表明,该方法在保留多光谱图像光谱信息的同时,能够更好地保留高分辨率图像的空间信息,融合效果有较大改善.     

ASTER多光谱波段与SPOT全色波段融合方法研究

遥感图像融合可以发挥多源遥感数据的优势。但由于不同传感器的遥感数据有着不同的特征,不同数据所采用的融合方法也应不同。文章探讨了ASTER多光谱波段与SPOT全色波段数据融合的方法,通过对PCA融合、IHS融合和基于小波的IHS融合方法的对比研究,得出基于小波的IHS融合法在提高空间分辨率的同时较好地保持了地物的多光谱信息。     

水文时间序列周期识别的新思路与两种新方法

针对水文序列周期识别的困难,提出首先对原序列处理,再识别周期的新思路,同时提出两种新方法:一种是模拟延长序列法,即通过建模延长原序列,再应用最大熵谱分析法(MESA)对延长序列识别周期;另一种方法是构建主频序列法,应用小波重构法重构原序列主频部分,然后应用MESA对重构序列进行周期识别。结合实例,运用多种方法对同一序列进行周期识别。分析结果表明:由于受序列长度偏短、偏态性、复杂随机成分等因素的影响,传统单一处理方法(周期图法、FFT、MESA、小波分析)周期识别效果并不理想,而使用两种新方法可以有效地减小或消除上述因素的影响,周期识别效果有明显改善。     

小波技术在GPS基线解算数据预处理中的应用

采用小波技术对GPS观测数据进行处理。应用小波变换技术对GPS相位观测值进行周跳的探测和修复。GPS相位观测值可以作为时间序列来进行分析,作为时间函数,它所表现出来的是一条光滑度很好的曲线,一旦出现周跳,这种光滑性就被破坏,从发生周跳的历元开始,后继相位观测值序列发生等量阶跃,通过小波变换的信号特性检测原理,能够有效地探测出周跳的发生,这种方法对于缩小模糊度搜索空间及提高模糊度解的有效性有明显的作用,从而提高基线解算的精度。     

经验模式分解的尺度阈值滤波在变形分析中的应用

本文将信号处理领域的经验模式分解算法应用于变形信息的提取中,通过引入阈值函数,建立了基于经验模式分解的尺度阈值滤波模型,采用优化模型确定了经验模式分解的次数。分别通过模拟试验和实测数据与小波阈值法和多项式拟合法进行了比对,分析表明:在低噪声情况下,三种方法都有一定的滤波效果;在高噪声情况下,经验模式分解的尺度阈值滤波法具有与小波阈值去噪法相等的精度,而且瞬时强噪声识别能力更好,优于多项式拟合法。     

端元光谱自动提取的总体最小二乘迭代分解

根据总体最小二乘(total least squares, TLS)模型理论,提出了一种影像端元光谱可受噪声污染的混合光谱线性扩展模型,并实现了该模型的端元光谱自动迭代提取以及混合像元的限定性分解.实验结果表明,扩展的混合像元分解模型明显优于传统的最小二乘分解模型,总体精度大约提高了10%～20%.     

基于整体最小二乘法的线性回归建模和解法

对基于自变量和因变量误差的回归问题进行了进一步研究,证明了两种方法的实质并未解决同时考虑自变量和因变量的误差问题,其解算结果和不考虑自变量误差的解算结果完全相同.给出了能同时顾及自变量和因变量误差的新的回归模型,并推导了具体的解算方法.算例结果和基于矩阵分解的整体最小二乘法解算方法的结果相同,说明了本文方法的正确性.     

基于正交小波变换的海底地形复杂程度分类方法研究

给出了量化的海底地形复杂程度分类指标,并利用正交小波变换所具有的良好的图像识别与分类特点建立了包含18种典型海底的特征海底分类库,同时给出了海底地形复杂程度分类算法.通过分类算法将计划测量海区海底与特征海底分类库中的海底进行分类匹配,确定了计划测量海区海底的海底地形复杂程度.实例验证了该方法的有效性和适用性.