Ocean current estimation using a Multi-Model Ensemble Kalman Filter during the Grand Lagrangian Deployment experiment (GLAD)

In the summer and fall of 2012, during the GLAD experiment in the Gulf of Mexico, the Consortium for Advanced Research on Transport of Hydrocarbon in the Environment (CARTHE) used several ocean models to assist the deployment of more than 300 surface drifters. The Navy Coastal Ocean Model (NCOM) at 1 km and 3 km resolutions, the US Navy operational NCOM at 3 km resolution (AMSEAS), and two versions of the Hybrid Coordinates Ocean Model (HYCOM) set at 4 km were running daily and delivering 72-h range forecasts. They all assimilated remote sensing and local profile data but they were not assimilating the drifter’s observations. This work presents a non-intrusive methodology named Multi-Model Ensemble Kalman Filter that allows assimilating the local drifter data into such a set of models, to produce improved ocean currents forecasts. The filter is to be used when several modeling systems or ensembles are available and/or observations are not entirely handled by the operational data assimilation process. It allows using generic in situ measurements over short time windows to improve the predictability of local ocean dynamics and associated high-resolution parameters of interest for which a forward model exists (e.g. oil spill plumes). Results can be used for operational applications or to derive enhanced background fields for other data assimilation systems, thus providing an expedite method to non-intrusively assimilate local observations of variables with complex operators. Results for the GLAD experiment show the method can improve water velocity predictions along the observed drifter trajectories, hence enhancing the skills of the models to predict individual trajectories.     

基于方差递推法的Kalman滤波在钟差预报中的应用

卫星导航系统中星载原子钟的钟差预报对于导航、定位及授时具有重要的作用。为了提高卫星钟差预报的精度,设计了一种两步确定卫星钟噪声协方差矩阵的Kalman滤波钟差预报模型。该方法首先基于Hadamard总方差确定卫星钟噪声协方差矩阵的初值,然后,使用方差递推法得到滤波过程中卫星钟的噪声协方差矩阵。使用GPS系统的星载铷钟数据进行短期预报,并与常用的二次多项式模型、灰色模型进行对比,结果表明:本文中提出的方法可以实现高精度的卫星钟差预报且预报效果优于两种常用模型,同时,该方法能够在一定程度上弥补预报误差随预报时间增加而不断变大的不足。     

PPP/SINS紧耦合系统仿真的研究与分析

在捷联惯导(SINS)和GPS卫星接收机进行紧耦合的研究中,采用差分定位进行紧耦合的方法比较成熟,而关于精密单点定位(PPP)与捷联惯导紧耦合的研究还比较少。本文对精密单点定位与捷联惯导紧组合系统进行了Matlab仿真,利用数学解析的方法产生机载运动轨迹,通过设置系统的参数,获得仿真SINS和GPS数据;然后,通过PPP/SINS紧组合系统的仿真程序解算,将定位结果与PPP的结果比较,表明PPP/SINS紧组合导航定位的结果比PPP的精度和可靠性好,而且收敛的速度更快,同时也验证了算法的正确性。最后,分析了不同等级惯导对定位精度的影响。     

Heterogeneous surface displacement pattern at the Hatchobaru geothermal field inferred from SAR interferometry time-series

We estimated surface displacements using persistent scatterer SAR interferometry (PS-InSAR) around the Hatchobaru geothermal field, Japan, from 18 ALOS/PALSAR images acquired from July 2007 to December 2010. Generally, geothermal fields, covered with natural targets such as rocky terrain and vegetation, have been one of the difficult targets for PS-InSAR analysis. However, we applied space adaptive filtering to increase the number of pixels for measuring surface displacement. The results of our analysis demonstrate ground subsidence with decaying velocity over the observation period around the geothermal field. The spatial pattern of ground subsidence includes sharp boundaries of subsidence that can be interpreted as fault traces. We demonstrated the usefulness of PS-InSAR analysis with the space adaptive filtering to estimate surface displacements with high spatial resolution and high spatial density around a geothermal field.     

自适应联邦滤波器在GPS-INS-Odometer组合导航的应用

针对多传感器观测信息较多、计算效率较低、对动力学模型误差稳键性不佳的问题,提出了一种自适应联邦滤波器并应用于GPS-INS-Odometer组合导航。首先介绍GPS-INS-Odometer组合导航的动力学模型和观测模型,比较分析了信息分配因子和自适应因子的共同特性,论证了联邦滤波器和自适应滤波器的等价性及其等价成立条件,提出了自适应联邦滤波器的信息分配因子构造方法。最后利用实测数据验证了算法的有效性。结果表明,相比于基于GPS和Odometer(里程计)初始方差构造信息分配因子的联邦滤波器,本文提出的自适应联邦滤波器兼容了联邦滤波器高效计算效率,且具有较好的抵抗动力学模型误差效果,能够有效削弱多传感器动力学模型误差对于导航解算的影响,对直接可测参数和间接可测参数的精度提高均起到了积极的作用。     

利用Abel-Poisson径向基函数模型化局部重力场

多种类型高分辨率重力场数据的不断增加,使得在局部范围内精化重力场模型成为了可能。本文采用Abel-Poisson核将重力场量表示成有限个径向基函数线性求和的形式,对局部区域的多种重力场数据进行联合建模。为了提高运算速度,运用了基于自适应精化格网算法的最小均方根误差准则(RMS)来求解径向基函数平均带宽。以南海核心地区为例,联合两种不同类型、不同分辨率的重力场资料(大地水准面起伏6'×6'、重力异常2'×2'),构建了局部区域高分辨率的重力场模型。所建模型表示的重力场参量达到了2'×2'的分辨率,对原始的重力异常数据(2'×2')拟合的符合程度达到±0.8×10-5m/s2。结果表明,利用径向基函数方法进行局部重力场建模,避免了球谐函数建模收敛慢的问题,有效提高了模型表示重力场的分辨率。     

融合点、对象、关键点等3种基元的点云滤波方法

基元是影响点云滤波精度和效率的关键因素之一。本文提出了一种基于多基元的三角网渐进加密(MPTPD)滤波方法。它包括点云分割、对象关键点提取、基于关键点的对象类别判别3个主要阶段,且3个阶段的基元分别为点、对象、关键点。使用了4景机载激光雷达和摄影测量点云数据对MPTPD、三角网渐进加密(TPD)、基于对象的三角网渐进加密(OTPD)3种滤波方法进行了性能测试。试验表明,MPTPD方法具有整体上最优的性能:在精度方面,MPTPD与OTPD两种方法的精度相当,MPTPD方法的一类误差I、总误差T比TPD的相应误差分别低约22.07%和8.44%;在效率方面,多数情况下TPD、MPTPD、OTPD方法的效率依次降低,且MPTPD的平均耗时是OTPD平均耗时的57.93%。     

K-GM（1，1）模型在岩体变形监测中的应用

传统GM （1,1）模型存在着长期预测效果差、模型精度不高等问题,卡尔曼滤波能够排除建模过程中随机干扰因素,滤波值能够反映更真实的数据情况。为了能更好地提高变形监测的预测精度,基于传统GM （1,1）模型和卡尔曼滤波,提出K‐GM （1,1）模型,利用该模型对岩体变形监测数据进行建模预测,并与传统GM （1,1）模型预测结果进行对比分析,结果表明,K‐GM （1,1）模型具有较高的预测精度,可作为变形监测的一种新方法。     

基于点云空洞修复和TPS模型的数学形态学机载LIDAR滤波

在分析现有滤波算法的基础上,结合数据驱动和模型驱动式算子各自的优点,提出基于点云空洞修复和TPS变形模型的数学形态学机载LIDAR点云滤波,该方法首先提取和修复由水域造成的大面积点云空洞,采用多尺度形态学开算子作用于修复的数据,得到近似裸露地表面;然后利用2D空间的TPS变形模型,以近似地表面为基础,插值原始点云,根据插值与原始点云高程的差值大小去识别地面点和非地面点。通过定量分析,验证该方法不仅有较高的滤波精度,而且也能较好的保留裸露地表的细节特征,同时该方法有助于辅助人工处理,提高数据处理的质量。     

赵各庄矿地下水位时间序列数字滤波分析

为了更好地了解煤矿地下水位的变化趋势,结合工程实例,运用递归和非递归2种滤波技术进行分析,通过对比2种滤波技术的滤波效果,可以得到地下水位的变化规律和成因机理。结果表明:滤波系数的调校对滤波效果的影响至关重要。根据平滑度指标、均方根误差和信噪比对现有观测数据进行计算的结果可知,当b=0.5时递归滤波效果相对较好,当q=5时非递归滤波效果相对较好。滤波结果可以作为预测未来该地区地下水位变化趋势的依据,也可以为安全生产提供参考。