顾及有色噪声的自适应粒子滤波UWB定位算法

传统卡尔曼滤波算法要求噪声模型符合高斯分布,在UWB室内定位中,由于载体本身的机制等干扰,观测噪声不仅仅是白噪声,也存在有色噪声的情况,而粒子滤波可以处理有色噪声的问题。本文通过增加似然分布自适应调整来改进粒子滤波用于目标跟踪的精度,同时研究在白噪声、有色噪声下似然分布自适应调整粒子滤波和拓展卡尔曼滤波在UWB中的优势与不同。试验结果表明：观测噪声为白噪声时,拓展卡尔曼滤波和粒子滤波均可以较好地实现对行人的定位跟踪;观测噪声为有色噪声时,自适应粒子滤波定位效果优于粒子滤波、拓展卡尔曼滤波。     

GPS坐标时间序列分析研究

近20年来,以GPS为代表的空间大地测量技术观测精度不断提高,已累积了丰富的、高精度、全球覆盖的坐标时间序列数据。这些数据为研究不同时空尺度下的各类地球物理现象提供了重要的数据支撑和大地测量几何约束。然而,由于GPS坐标时间序列中同时包含了各类“信号”和“噪声”,而且噪声来源复杂,信号类型多样,水平和高程分量上信号与噪声的表现形式差异较大。如何从原始序列中提取可靠的“信号”、分离出“误差”是目前地学界研究的热点和难点之一。     

BDS3新试验卫星测距信号质量分析

中国的北斗卫星导航系统按照“三步走”的发展战略稳步推进,目前正处于第二代区域卫星导航系统向第三代全球卫星导航系统发展的关键时期。在郑州设置实验测站,实地采集BDS3新试验卫星的数据,分别从卫星可见数、信号频点、载噪比、伪距观测噪声值、多路径效应等方面分析BDS3试验卫星测距信号的质量。结果表明:对于相同频点,不同卫星的载噪比、伪距噪声、多路径效应变化略有不同,一般而言,倾斜同步轨道卫星(IGSO)的性能优于中轨道卫星(MEO)的性能;相同轨道类型的卫星,载噪比、伪距噪声、多路径效应水平相似,并且载噪比、伪距噪声、多路径效应在各个频点的相对大小关系基本一致。     

城市地理研究中的单分形、多分形和自仿射分形

分形几何学在城市地理研究中具有广泛的应用,然而很多基本概念却让初学者感到迷惑。如何区分单分形、自仿射分形与多分形,是一个基本而重要的问题。简单分形容易理解,而真实的地理现象很少是单分形的。城市生长过程具有自仿射特征,而城市空间格局却具有多分形性质。作者发现,各种分形的共性在于三个方面：标度律、分数维和熵守恒。论文基于标度、分维和熵守恒公式,借助隐喻城市生长的规则分形来区分单分形、多分形和自仿射分形,讨论分形系统演化的机理、分形与空间自相关和空间异质性的联系,同时澄清一些在地理分形研究中的常见错误概念。最后以城市位序-规模分布为例,说明并对比单分形和多分形在城市地理研究中的建模与应用思路。     

京津冀城市用地形态的双分形特征及其演化

区域城乡一体化的标志之一是城镇体系结构的一体化,这个过程可以从标度的角度进行描述和评价。分形是标度分析的重要方法,地理空间无尺度分布特征的典型参数是分维。论文以京津冀城镇体系为例,利用遥感图像的解译数据和人口普查数据开展分形分析、位序-规模分布分析和异速标度分析,用以解释1995—2013年间京津冀城镇体系演化的过程。结果表明,京津冀城镇体系及其演化的特征有：①京津冀空间结构和位序-规模分布都表现为自仿射双分形结构;②京津冀区域的城市人口-城区面积异速标度退化为假线性关系;③随着城镇体系的演化,自仿射的双分形结构逐步向自相似分形结构演化。由此得出结论：其一,京津冀城镇体系存在结构性的不协调因素。其空间结构和等级结构具有二元化特征,但演化方向却呈现内在结构一体化的显著趋势。其二,大城市用地不够集约。城市边缘区的无序扩张导致土地利用铺张浪费。地方政府和规划专家可以有意识地利用城镇体系演化的这种特征和趋势制定管理措施和优化规划方案。     

基于灯光数据的京津冀城市多标度异速分析

城镇体系的时空演化是一个复杂的动力学过程,具有无尺度性,其特征可以采用异速标度指数定量描述。论文以京津冀为例,基于1992—2013年夜间灯光数据的校正结果,提取城镇夜间灯光信息,采用多标度异速分析方法,分析京津冀城镇体系的相对发展特征及其空间分异格局。研究发现：①京津冀大城市的增长空间局限日益显著。虽然大城市如京津唐的绝对发展水平高,但接近环境承载量的极限,22 a间增长快速的是大城市交接地带的小城市(如三河、迁安、廊坊等)。②相对增长速度快的城市从东北到西南呈现带状分布——政府选择发展的“雄安新区”就在这个轴带上。由此可以得出两个结论：其一,京津冀城市演化的趋势相对均衡化,空间结构异质性逐步减弱,整个城镇体系的发展趋于相对平衡状态;其二,大、小城市“两极”贯通或许是增强城镇体系功能的有效途径。京津冀的空间格局优化不能仅仅考虑主要的、规模大的中心城市,而应该基于等级结构协调整个城镇网络体系。     

基于DEM分形特征的坡度尺度变换模型

利用DEM提取坡度具有明显的尺度依赖性,探求DEM在不同尺度下表现出的规律关系,建立多尺度变换模型,以实现不同尺度间的转换是地形分析研究的热点和难点。本文阐释了DEM表面与地表粗糙度分形维数值的地学意义及内在关系,并利用分形对象的自相似性原理,建立了一种基于DEM分形特征的坡度尺度变换模型。选取四川丘陵地区某小流域为研究区,进行坡度尺度变换实验和误差分析,结果表明该模型能有效实现坡度尺度变换:在非平坦地区(坡度>1°)一般重采样方法变换得到的坡度误差为该方法的1.86倍;从信息熵理论分析,经该方法转换后的坡度信息得到了显著恢复。对于无1︰1万及以上精度地形数据的西南山区,利用该方法获取高精度坡度数据具有重要的理论价值和现实意义。     

基于随机森林的光子计数激光雷达点云滤波

新一代星载激光雷达卫星ICESat-2首次采用了微脉冲光子计数激光雷达技术,由于单光子探测的灵敏性导致数据在大气和地表下层产生了大量噪声,因此对光子计数激光雷达点云数据实现信号和噪声的分离是开展进一步应用研究的前提和基础。本文选择美国俄勒冈州和弗吉尼亚州2个研究区,采用MATLAS数据,根据光子点云数据的特点构造了12个光子点云特征,对所构造的特征利用随机森林进行变量筛选,用机器学习方法对光子点云进行分类,并将建立好的模型推广到整个研究区。研究结果表明,本文构建的分类器分类总精度达到了96.79%,Kappa系数为0.94,平均生产者精度和用户精度分别为97.1%和96.8%。在相对弱噪声、平坦地形区域和强噪声、复杂地形区域都取得较好的分类结果。本文结果显示了基于少量样本通过机器学习的方法构建模型,可以推广到较大范围区域的光子点云分类应用中。     

基于深度学习的钨钼找矿靶区预测方法研究

随着矿产勘查工作由浅部矿向深部隐伏矿、由易识别矿向难识别矿发展,找矿难度日益增大,地质专家越来越重视新理论、新方法、新技术的应用。深度学习作为人工智能的前沿领域/技术,对于实现矿产资源预测“智能化预测评价”具有得天独厚的优势。本文以陕西省镇安县西部钨钼矿集区单元素化探异常原始数据为基础,提出了基于深度学习的钨钼矿产评价方法。该方法以归一化地球化学数据作为模型训练数据,通过深度学习中深度自编码网络方法实现异常值提取进而识别重点成矿有利地段,实现矿产资源找矿远景区定性预测。研究结果表明,在对957条单元素化探异常原始数据分类且做好模型标签后,整个过程在计算机的“黑盒子”中自动完成学习和预测,相较于传统预测研究方法,本文方法具有自动化程度高和客观性强的特征。此外,本文利用已知矿点构建训练数据集,采用随机森林方法对预测区进行矿产资源找矿靶区预测圈定,为进一步缩小找矿靶区范围提供科学依据。     

函数模型与随机模型双约束的GPS-InSAR数据融合方法建立三维形变场

针对InSAR技术研究地表三维形变时监测信息不足的问题,以GPS监测信息为先验信息,建立附有随机模型约束的地表三维形变模型。考虑到SAR卫星极轨方式运行导致LOS向观测量对南北向形变不敏感的问题,以GPS南北向形变观测值作为强约束,构建三维形变解算的函数约束条件。模拟数据与西安地区实测数据的计算结果表明,基于随机模型与函数模型共同约束的地表三维形变参数最小二乘解的精度优于仅有函数模型约束或仅有随机模型约束及无任何约束的参数解精度。