三种干涉测量距离向频谱滤波算法的性能比较

针对合成孔径雷达干涉测量技术中的距离向频谱滤波算法研究不足的现状,该文在国内外学者研究的基础上,选取多种数据进行对比实验,重点分析基于矩形窗、Hamming窗、Kaiser窗的3种距离向频谱滤波算法的性能。结果表明基于Kaiser窗函数的滤波算法是一种适用于多源SAR影像的频谱滤波算法,该算法可以有效提高影像相干性,改善干涉条纹图质量,对提高地表高程反演和形变监测精度都具有重要的意义。     

多基线合成孔径雷达干涉相位估计方法探讨

针对多基线SAR干涉相位展开方法精度与效率之间难以兼顾的问题,文章提出一种高效稳健的相位展开方法:利用基于修正矩阵束模型的联合相位梯度估计技术快速和精确地从较短基线干涉图获取长基线干涉相位梯度,以增加算法的精度和效率;建立基于干涉图相干系数(或伪相干系数)以及相位微分偏差的相位质量图指导展开路径,以保证沿最优路径展开长基线干涉像元,有利于降低误差传递效应,提高相位展开精度;引入量化跟踪策略,减s少搜索最佳展开路径所消耗的时间,提高方法效率。仿真数据处理结果表明此方法具有精度及效率较高、稳健性较强的特点。     

一种基于点云数据的DEM生成方法

利用机载激光雷达点云滤波已成为获取高精度数字高程模型的重要手段之一。本文充分考虑规则格网和虚拟格网的优势,利用规则格网进行建筑物区域与非建筑物区域的初步分离;然后,利用虚拟格网进行非地面点的去除,最后,用获得的地面点生成DEM,取得了较好的实验效果,具有一定的实用价值。     

基于统计数据选取种子点的LiDAR点云迭代滤波算法

经典的渐进三角网滤波算法在LiDAR点云数据处理中应用十分广泛,但其滤波精度很大程度上取决于种子点选取的正确率。本文针对这一问题,在渐进三角网加密算法基础上提出了一种基于小格网高程、均方差和点密度统计数据选取种子点的迭代滤波算法。实验结果表明,本文的迭代滤波算法可有效避免低点等非地面点对种子点选取的干扰,且滤波结果生成的DEM精度较高,具有一定的实用性。     

卡尔曼滤波法在城际高铁沉降变形监测与分析的应用

随着我国城市化的不断发展,城际高铁作为城市圈之间的大动脉,对加强城市间联系,方便居民出行起到了重大作用。城际高铁轨道的沉降问题,是高速铁路运行面临最普遍的问题,影响高速行驶下高铁运行的安全性和稳定性。高速铁路的沉降监测数据是一组离散时间序列,蕴含十分丰富的形变信息。为了发掘这些数据中的变形规律,需要建立沉降预测模型,进行综合分析后,采用卡尔曼滤波法对沉降进行预测分析。     

基于立体像对提取DEM的方法研究与实践

DEM作为重要的基础空间数据,在城市规划、建设方面发挥着重要作用。本文利用INPHO数字摄影测量系统,结合高分航空立体像对,探索山地大面积区域DEM数据获取的技术方法,同时对其精度进行了验证评价,为地理国情普查等项目的 DEM生产提供参考。     

GFS对我国南方两次持续性降水过程的预报技巧评估

采用美国全球预报系统（Global Forecasting System,GFS）资料,利用谐波滤波提取空间长波、超长波分量,检验评估了GFS对2012年7月11—31日东亚地区大气环流场和降水的可预报能力。结果表明：GFS模式对东亚地区的中低层高度场预报可靠时效维持6 d以上,高层预报可靠时效可达10 d;长波、超长波的可预报效果显著,其中高度场长波5～8波的预报效果好于3～6波,风场则相反;GFS对我国南方两次持续性降水过程的可预报天数维持在8 d左右,并可提前2天预报出强降水带位置;模式对持续性降水过程预报相对站点观测降水量整体偏强。     

北京7·21暴雨暖区中尺度对流系统的数值模拟

许多业务模式对北京2012年7月21日特大暴雨的预报均是以锋面降水为主。在冷锋过境前,实际北京西南部强降水主要以暖区降水为主。本文利用30个成员的中尺度非静力数值模式（WRF）,通过3次集合卡尔曼滤波(EnKF)同化地面和探空资料,对这次暴雨过程进行了集合数值模拟。通过对比分析模拟降水较好与较差成员发现,好的成员能够模拟出河北中西部及北京西南地区触发出的暖区中尺度对流系统（MCS）以及相对稳定的系统配置,使得MCS在北京上空充分发展,从而较好地模拟了这次特大暴雨过程中的暖区降水;而较差的成员则没能模拟出暖区降水过程,降水以锋面降水过程为主,并且雨带位置偏南、出现时间滞后。集合成员间模拟结果出现的较大差异,和初始场中低值系统位置的较大差异有直接关系,因此通过EnKF提高模式成员初始场的准确率,从而准确模拟后期主要影响系统的移动和发展,是成功模拟暖区对流系统触发和维持的关键所在。     

基于可重置联邦滤波器的水下运载体导航定位方法

单一导航系统无法满足水下运载体高精度、高可靠性的导航需求,文中根据常用水下导航系统的特点,提出基于可重置联邦滤波器的水下运载体导航定位方案,设计了以惯导系统(INS)为主参考系统,声学定位系统/深度计、多普勒计程仪(DVL)、罗经为子参考系统的联邦滤波器,并进行了仿真研究。结果表明文中设计的滤波器能有效融合各个传感器的导航信息,实现水下运载体高精度导航定位,并具有一定容错性。     

基于自适应UKF的BP神经网络及其在高程拟合中的应用

针对BP神经网络收敛速度慢、容易陷入局部极小值点和泛化能力差等问题,基于自适应Kalman滤波理论,提出一种自适应非线性滤波(UKF)训练BP神经网络的方法。该方法采用Kalman滤波框架,引入自适应因子,对神经网络的连接权进行训练,提高了神经网络的学习质量。高程异常拟合算例表明,基于自适应UKF的BP神经网络比标准BP神经网络收敛速度快,泛化能力强,从而证明了该方法是一种有效的连接权训练方法。