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。     

数学方程近似模拟缓冲区分析的加速方法

缓冲区分析是地理信息系统空间分析的一种重要方法,但应用现有的缓冲区分析方法处理海量数据的时间效率和空间效率非常低。针对存在的问题,本文定义了缓冲区的一种近似表达方式--方程式缓冲区,它以数学方程模拟缓冲区的边界。使用方程式缓冲区代替传统的缓冲区能使缓冲区分析从一个包含复杂几何运算的过程转变成包含简单代数运算的过程,从而提高计算效率。论文阐述了方程式缓冲区的定义、图形、使用方法和性能。最后将方程式缓冲区应用于中国高速公路实时路况采集的数据筛选过程中,实验结果表明方程式缓冲区在海量地理数据分析中的有效性。     

卡尔曼滤波粗差修正方法应用

基于标准卡尔曼滤波,提出对含有粗差的观测值进行整体修正和局部修正。最后,通过工程实例验证,两种修正方法均能够有效抵抗粗差的影响,并可获得比标准卡尔曼滤波更准确的滤波结果。     

多分量瑞利波勘探系统和试验效果

鉴于目前瑞利波勘探用单分量,存在着信号不易区分和干扰不易滤除的缺陷,采用多分量瑞利波勘探和资料处理技术,经多分量极化滤波、压制体波等干扰,增加了解释的可靠性和精度,试验中亦取得了明显的效果。      

小波包变换空间滤波法分离信号研究

利用小波包分析在时域和频域同时具有良好的局部化特性,对信号进行小波包变换后,用谱矩阵法计算质点的空间运动特性,构造相应的滤波函数,对分解后的信号进行滤波,将滤波结果用逆小波包变换进行重构,实现了滤除干扰、保留有用信号的目的,取得了非常满意的效果。      

航空重力测量数据向下延拓基于信噪比的正则化方法的研究

本文研究了正则化方法在航空重力测量数据向下延拓问题中的应用。首先对这种不适定问题的线性模型,分析了设计阵的复共线性结构与其对参数估计危害之间的关系,利用参数LS估计的信噪比提取了各个参数是否受到复共线性严重危害的信息,从而在一定程度上揭示了设计阵复共线性结构的特征。然后提出了基于信噪比的正则化方法（SNR）,以信噪比为依据构造正则化矩阵,以极小化均方误差为目标选取正则化参数。本文构造正则化矩阵无需利用附加物理或先验信息,这对于在缺乏此类信息的情况下运用正则化方法提供了新的手段。最后进行了数值试验,结果表明,本文提出的新方法（SNR）比普通的正则化方法（OR）在滤噪和保真方面表现更佳。     

基于GPS双频原始观测值的精密单点定位算法及应用

本文提出一种基于GPS双频原始观测值的PPP算法,与基于消电离层组合观测值的传统PPP算法不同,新算法通过参数化站星视线方向的电离层延迟以消除其对PPP估值的不利影响;该新算法可以有效避免观测值组合过程所引起的观测数据噪声以及多路径效应被放大的不利影响;同时在利用扩展卡尔曼滤波模型进行未知参数的递归估计过程中,通过对大气延迟参数引入符合实际的约束,可以加快滤波收敛,提高参数估值的可靠性;视线方向电离层延迟可与其他未知参数同时估计得到,进而便于利用PPP技术进行精密电离层研究;此外,对于可能的模型误差（如码观测值粗差、相位观测值周跳等）,基于DIA的质量控制策略以消除或削弱其对参数估值的不利影响。利用实测数据对新算法在静态、低动态以及高动态定位应用方面的精度进行检验,结果表明,静、动态定位结果的外符合精度可分别达到1~2 cm和7~8 cm,验证了新算法的可行性和有效性。     

一种基于改进粒子滤波的动态精密单点定位算法

提出一种改进的粒子滤波,试图提高粒子滤波的收敛速度,减弱非线性模型线性化误差和非正态分布随机误差对动态单点定位结果的影响.首先固定单差无电离层模糊度,以减少状态参数向量的维数,提高初始定位的精度和粒子滤波的收敛速度;采用Kalman滤波作为粒子滤波的预滤波,以提高粒子滤波的重点采样效率,并提高采样粒子精度,减缓粒子退化.利用一个实测动态GPS数据验证表明,改进的粒子滤波可以提高动态GPS的定位精度.     

利用多维观测序列的KCFM混合模型检测新型P2P botnet

提出了一种新颖的综合考虑多维观测序列的实时检测模型——KCFM。通过抽取新型分散式P2Pbotnet的多个特征构成多维观测序列,使用离散Kalman滤波算法发现流量异常变化,将Multi-chart CUSUM作为差异放大器提高检测精度。实验表明,基于多维观测序列的KCFM模型能够有效地检测新型P2Pbotnet。