强跟踪抗差自适应滤波算法及其在无人机导航定位中的应用

针对Sage-Husa自适应滤波算法在无人机导航定位应用中存在滤波发散和定位精度低的问题,本文提出一种强跟踪抗差自适应滤波算法.该算法在Sage-Husa自适应滤波算法基础上,引入强跟踪技术,通过自适应渐消因子降低历史数据对当前滤波的影响,从而抑制滤波发散,增强算法的稳健性;结合量测噪声和系统噪声进行实时估计,并且在估...     

面积约束的小流域提取算法研究

针对传统的流域划分方法往往包含面积过小或过大的流域单元,无法顾及治理的可行性及有效性,难以满足实际应用需求的问题,该文以流域单元为主要研究对象,利用数字高程模型提出了一种基于面积约束的自适应流域划分方法;该方法对面积大于50 km²的流域,以面积等分及划分次数最少为优化目标,将流域划分为若干个符合面积要求的流域;对面积小于5 km²的流域,则与其上游流域进行归并。基于流域单元面积约束提取方法的实验结果表明,该方法在不破坏流域归属属性的情况下,使所有流域的面积均符合要求,提高了流域信息的实用性,为山区、丘陵地形为主区域的空间治理单元自动划分提出一种解决路径。     

针对水体提取的大津布谷鸟自适应阈值方法

针对遥感影像进行水体提取存在普适性不高和难以取得最佳阈值问题,该文提出一种布谷鸟搜索算法与OTSU结合组成大津布谷鸟自适应阈值找寻方法(Cuckoo Search OTSU,CS-OTSU)。首先利用大津法进行多级阈值分割,然后在布谷鸟搜索算法的基础上增加一种新的步长搜索机制代替OTSU穷举式多级阈值搜索,并利用取得最佳阈值对遥感影像进行水体提取。通过实验表明,CS-OTSU可快速对不同环境进行水体提取,在精度上优于其他阈值方法,总体精度均大于97%,Kappa系数高于0.93。     

GNSS转发式欺骗干扰方法的改进

针对GNSS多天线转发式欺骗干扰在实际应用中,当干扰机与目标机距离大于一定范围时,将引起目标机钟差突跳,从而易被目标机检测和识别的缺陷,提出了基于干扰机阵列的转发式欺骗干扰新方法。干扰机阵列按照正六边形网型布设,可实现目标区域的无缝覆盖,并且灵活易拓展。不论目标机位于区域的任何位置,均有一个最优干扰机能够对其实施有效干扰。为了确定相邻干扰机的最优间距,本文在干扰机阵列不同间距下对具有钟差突跳自适应检测能力的目标机的干扰有效性进行了仿真研究。结论表明,综合考虑各种约束因素,相邻干扰机最优间距为17 km,满足该条件的干扰机阵列在实施欺骗干扰过程中,不会造成目标机钟差突跳,有效解决了该干扰方式易被目标机识别的问题。     

自适应网格技术在数值模式中的应用研究 I.一维问题

利用变分原理的自适应网格技术被应用到三个有解析解的问题上,它能根据问题 的求解、在解的大梯度区自动加密网格,从而非常成功地算出了激波。通过分析发现自适应 网格技术在提高精度、减少运行时间方面显示了优良的性能。     

动态定位自适应滤波解的性质

自适应抗差滤波具有控制观测异常及状态方程信息异常干扰的能力。着重研究自适应滤波解的性质。首先推导了动态自适应滤波与经典Kalman滤波解的解差，继而给出了状态向量估值的数学期望和均方误差，并分析了在自适应因子调控下解的偏差和均方误差的变化规律。由状态解向量的数学期望和均方误差的表达式可以看出，自适应因子能够控制状态异常对状态估值和均方误差的影响。     

多元自适应回归样条法的滑坡敏感性评价

针对一般滑坡敏感性评价方法不能有效筛选滑坡条件因子的问题,以中国新疆维吾尔自治区新源县为研究区,基于15个滑坡敏感性条件因子,利用多元自适应回归样条法构建了滑坡敏感性指数预测模型,并自动筛选出研究区滑坡敏感性条件因子,在此基础上,实现了新源滑坡敏感性制图.此外,使用逻辑回归方法与多元自适应回归样条法进行精度对比分析.结...     

基于OSTU算法利用新型水体指数进行Landsat数据自适应阈值水体自动提取研究

利用Landsat数据,结合NDWI与MNDWI提取水体信息的特点提出了一种新的水体指数NMWI,并结合OSTU算法自适应地确定最佳分割阈值,完成了对海洋、河流、湖泊和水库4种主要的典型水体信息的自动提取,均取得了较好的效果。     

基于消费级无人机影像的古建筑三维建模方法

针对传统的古建筑调研和保护方法流程复杂且效率不高,时间周期长且成本高的问题。本文研究了基于消费机无人机影像在古建筑三维重建的应用,提出一种低成本、高效率的古建筑数字化展示、发布和宣传的流程方法。实现了古建筑快速优化三维重建,三维模型可用来直接展示,也可进行进一步处理,通过建模软件再建模可以生成三维(3D)打印产品,全景图和虚拟现实(VR)产品等,在古建筑保护领域有很高的应用价值     

基于自适应核密度的贝叶斯概率模型岩性识别方法研究

准确地刻画岩石类型及其结构关系可以为能源矿产勘探、深部结构与构造等研究提供重要信息.目前利用地球物理技术可以通过不同岩石对应的物性参数(如密度、磁化率、电阻率、速度等)之间的差异进行岩性识别,但是不同岩石物性往往存在一定程度的重合,利用单一物性进行岩性识别的结果不够准确,因此利用多源数据进行岩性识别具有重要的意义.贝叶斯方法属于统计分类方法,依靠概率进行分类,概率密度的计算依靠样本属性之间的相互联系.基于此,我们将基于自适应核密度估计的贝叶斯概率模型引入到岩性识别中.该方法对于多类不同物性参数具有良好的适应能力,预测的岩性分类结果带有概率参数,可以存在模糊区间,提供多种岩性分类结果.该方法具有较强可扩展性,可以同时处理参数和非参数信息,使得已知地质信息以及物性参数得到最大化的利用.实验证明该方法的岩性识别结果较好,相比于传统高斯算法和固定带宽核密度估计,自适应带宽的核密度估计获得的分类结果更稳定、更准确.