基于最优路径的无人机影像辐射区域网平差

无人机遥感能够提供高时空分辨率的影像数据,拥有广泛的应用前景。辐射校正将传感器记录的数据转化为地表反射率,是无人机数据定量化应用的前提。然而无人机数据易受光照等因素的影响,导致影像间存在不同程度的辐射差异,为多张无人机影像的辐射校正带来困难。基于影像间重叠区域的信息,辐射区域网平差能够获得全局最优的辐射校正参数,降低影像间的辐射差异,因此在实现影像的辐射校正方面具有巨大潜力。但大量待求解未知参数降低了辐射校正模型的求解效率,特别是在数据量急剧增加时,该问题更为突出。基于影像重叠区辐射信息建立的最优路径很好地考虑了影像间的辐射转化关系,可有效控制误差累计,为减少辐射区域网平差中未知参数的数量提供了一种思路。因此,本文将最优路径与辐射区域网平差相结合,以降低待求解参数的数量,在保证辐射校正精度的同时提高辐射校正模型求解效率,进而提升辐射区域网平差在大数据集上的应用潜力。     

地表形变监测的改进相干目标法

如何从雷达干涉时间序列影像中获取更全面的相干目标集合,进行变形时间序列分析是当前研究的难点和热点。本文提出了改进的相干目标法,可获取更为全面且可信度高的相干目标集合,进而提高地表形变监测的时空分辨率和精度。根据雷达影像中同类型地物散射分布相近的特点,采用非参数同分布检验算法提取后向散射特性相近的同质点开展空间非局部滤波,提高干涉图的质量。与此同时,利用多尺度的极大似然条纹频率估计算法分离差分干涉图中的系统性相位,并基于同质点进行自适应相干性估计,获取相干性的平稳估计量,从而获取更多的相干点目标。利用20景TerraSAR-X条带模式时间序列影像,分别利用传统的及改进后的相干目标法对香港填海区域地表形变信息进行时序分析。对试验数据的分析结果表明,本文提出的改进方法在具有稀疏植被的填海区可有效增加相干目标点的提取,得到更为可信的沉降结果。     

自适应渐消卡尔曼滤波及其在SINS初始对准中的应用

卡尔曼滤波常常被用于惯性导航系统初始对准算法,其使用前提是对系统状态进行建模,从而得到比较准确的系统噪声和观测噪声统计特性。在模型失配和观测噪声干扰的情况下,常规卡尔曼滤波会出现精度下降甚至发散,从而影响初始对准精度。针对这一问题,提出了一种新型渐消卡尔曼滤波算法,引入了多重渐消因子对预测误差协方差阵进行调整,设计了基于新息向量统计特性的滤波状态χ2检验条件,使渐消因子的引入时机更加合理,算法的自适应性得到增强。将改进的卡尔曼滤波算法应用到惯性导航系统的初始对准问题中,仿真试验和实测数据试验结果表明,与常规渐消因子滤波算法相比,新算法可以有效提高滤波精度及鲁棒性。     

锚固站对BDS自主导航精度的影响分析

介绍了自主导航的轨道确定及时间同步观测方程。以北斗仿真全星座为对象,通过采用仿真星间及卫星与地面锚固站间观测值,进行了60 d自主导航解算,分别探讨了锚固站数量及锚固站观测连续性对北斗卫星导航系统（BDS）3类卫星自主导航精度的影响。结果表明：锚固站数量及观测连续性对RERR及CERR无影响;加入1个锚固站即可显著改进URE结果精度,继续增加锚固站数量虽然可进一步提高URE精度但其改进效果有限;锚固站观测中断时间越长,其对应自主导航精度越低。因此,在BDS自主导航运行模式下应保持较高的锚固站观测频次以保证自主导航精度;另外,锚固站数量及观测连续性对北斗系统3类卫星自主导航精度的影响无显著差异。     

星载GPS地球静止轨道卫星自主定轨的新算法

针对地球静止轨道卫星的特点,提出了一种自主定轨的新算法--积分滤波算法,即利用Kalman滤波进行动力学模型数值积分与GPS定轨的有效融合.讨论了该算法的基本过程及其中Kalman滤波的数学模型和重要参数.最后给出了仿真实验过程和结果,证明了该算法的可行性.     

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.     

一种基于InSAR相干系数的SAR阴影提取方法

给出了一种新的阴影提取方法,根据阴影区域在InSAR相干系数图上的特性,利用Sigma滤波和最优阈值分割算法实现阴影的自动提取。实验结果表明,本方法是一种高效的阴影提取方法。     

基于剖面和迭代选权曲面拟合的LIDAR点云滤波算法研究

LIDAR数据是目前最为理想的生产DEM/DSM的数据源,利用机载激光雷达获取DEM/DSM数据是机载激光雷达最为直接的应用。提出了一种剖面的数据表达方式对离散的LIDAR点云数据进行组织,同时对点云数据做初步的分类,在此基础上用迭代选权曲面拟合的滤波算法对地面点和非地面点做进一步的分类,以提高LIDAR点云数据的滤波效果的方法。     

陡坡林区的LIDAR点云滤波方法

提出了基于坡度对陡坡林区LIDAR点云数据滤波的预处理算法,结合迭代最小二乘滤波方法改进了滤波效果,实测数据表明,有效地降低了第一类误差和第二类误差。     

一种改进扩展卡尔曼滤波算法的GPS多径抑制应用

在用EKF算法消除微弱GPS卫星信号中的噪声,并估计出多径幅度与码相位时延的码跟踪环中,由于各种误差的存在,从而降低了环路的跟踪性能。针对这一问题,该文在EKF算法的基础上提出了一种LSEKF算法,该LSEKF算法用最小二乘估计的原理对EKF算法所用的采样观测点进行修正,构造出一组无偏、均方误差和最小与空间分布确定的新型采样观测点,用来进行后续的滤波估计。仿真结果表明,相比EKF算法,LSEKF算法拥有更高的伪码跟踪精度,而且收敛速度更快,跟踪门限也更低。