三频BDS/INS紧组合的抗差自适应Kalman滤波

构建了适合北斗三频信号的北斗/惯性紧组合模型。针对三频模糊度解算算法的错误整数解可能对滤波结果造成"污染"这一问题,应用了抗差自适应Kalman滤波算法,优化了所建的模型。车载组合导航实验结果表明:三频模糊度解算算法得到的模糊度正确率平均值为99.84%,直接用于紧组合模型将造成最高达0.7 m的天向位置误差;抗差自适应Kalman滤波算法能消除错误模糊度整数解的影响,东、北、天三个方向的位置最大偏差值在厘米级。此外,载体姿态和速度频繁变化造成的状态预测误差也被自适应处理校正,组合导航的位置均方根误差为东向0.007 m,北向0.014 m,天向0.023 m。研究表明,在三频信号条件下,所采用的抗差自适应Kalman滤波能够增强所构建的紧组合模型的可靠性。     

星载ScanSAR模式成像算法分析

ScanSAR模式是现在SAR卫星的工作模式之一,具有幅宽大,时间间隔短的优点。介绍了ScanSAR的成像原理,重点分析了全孔径RD算法,改进的SPECAN算法和ECS算法等几种适合于ScanSAR模式雷达回波成像的算法,并对其特点进行分析了比较。     

遥感数据处理中的现代人工智能方法

数字遥感卫星技术和地面数字处理技术开始于20 世纪60 年代, 以1974 年成功发射的陆地卫星和获取的MSS 多光谱遥感数据为标志, 开启了40 多年数字图像处理方法的探索之路, 不断地将遥感数据转化为有用的信息和知识, 在帮助人类勘察资源能源, 增加社会财富积累, 应对自然灾害与全球环境变化, 实现经济社会与自然和谐发展等方面发挥了重要的作用。从20 世纪90 年代开始, 学界针对遥感数据表现出来的非线性问题, 不断探索新的模型, 引入最新的数学成果, 其中遥感数据智能处理算法与系统集成经历了10 多年的积累, 成为现代遥感图像处理方法的重要组成部分。     

求解带容量约束车辆路径问题的离散布谷鸟算法

提出一种离散布谷鸟算法(DCA)求解带容量约束的车辆路径问题(Capacitated Vehicle Routing Problem).该算法采用轮盘赌机制增强初始解选择的随机性,对基本布谷鸟算法的莱维飞行操作中,使用2—opt法和exchange法进行位置更新;在寄生巢位置更新中,使用shift法和reverse法增...     

HOGGH:一种WMSN网络的路由优化算法

研究WMSN(Wireless Multimedia Sensor Network)的洞路由算法优化问题。基于启发式思想,提出1种WM-SN的洞路由优化算法HOGGH(Heuristic Optimization algorithm for Geographic Greedy Hole-bypassing routing)。该算法对路由算法生成的路径进行探测,从中寻找波峰节点,再根据探测到的信息计算波峰节点之间的优化增益率,对优化增益率高的波峰节点之间的路径进行路径优化,从而达到对整条路径的优化。仿真实例说明了该算法的有效性。     

粒子群优化广义回归神经网络与HHT样本熵结合的地震辨识研究

天然地震与人工爆破信号具有许多相似的特性,为实现地震类型的准确辨识,提出一种基于粒子群优化广义回归神经网络和HHT样本熵的地震类型辨识新方法．该方法先通过经验模态分解（EMD）将初始信号分解成6个本征模态函数（IMF）及1个残余向量,对前三个IMF进行Hilbert变换得到瞬时频率和瞬时能量,进而提取出样本熵并构造神经网络训练集与测试集;利用粒子群算法和训练集优化广义回归神经网络的光滑因子参数值,建立PSO-GRNN分类模型．将该模型结果与BPNN模型、GRNN模型、PNN模型及RBFNN模型等神经网络模型进行性能对照,得到该模型单次识别的准确率、MAE、MAPE、RMSE R2及MSE分别为95%、0.1604、0.1204、0.2381、0.7123、0.0567,绝大多数性能评价指标优于其他4种神经网络模型．该研究建立的PSO-GRNN模型性能较稳健,在100次循环随机试验中辨识效果仍然较突出,计算得到的上述评价指标均值为97.42、0.04、0.04、0.12、0.89、0.02,其对应的标准差为3.53、0.05、0.04、0.08、0.11、0.02,将PSO-GRNN模型...     

基于粒子群算法优化SVM的GPS高程拟合方法

采用支撑向量机(Support Vector Machine,SVM)模型进行GPS高程拟合时,拟合精度受模型参数(核参数和惩罚因子)选择影响较大,传统交叉验证法存在计算复杂,易陷入局部最优的问题.本文将粒子群(Particle Swarm Optimization,PSO)算法引入SVM模型,利用PSO全局搜索能力强...     

南海北部叶绿素a浓度遥感反演算法评估与COCTS反演算法构建

本文利用2018年9—10月和2020年7—8月在南海北部海域获取的叶绿素a浓度和遥感反射率现场实测数据,对3种叶绿素a浓度标准算法（OC2v4、OC3M和OC4v4）及3种区域算法（OC4v4＿TP、OC2＿X、INOC3）进行了模型精度评估;根据我国自主海洋水色卫星（HY-1C和HY-1D卫星）搭载的水色水温扫描仪（COCTS）的波段设置,构建了适用于我国南海北部海域的两波段、三波段、四波段和五波段比值的叶绿素a浓度反演算法。研究结果表明：标准算法的反演精度优于区域算法;针对HY-1C和HY-1D卫星构建的五波段比值OC5＿C算法反演精度较标准算法反演精度有很大提高,叶绿素a浓度反演值与实测值的平均绝对误差为0.08μg/L,平均相对误差为21.36%,可为我国海洋水色卫星遥感数据在南海及同类水体的定量化应用提供算法支撑。