Approximate solution of normal equations by eigenvalue decomposition

Geodetic adjustment problems frequently require the solution of large systems of linear equations. An approximation method is presented based on the decomposition of the estimated covariance matrix of the observation matrix, calculated in a pre-processing step, into a system of eigenvalues and eigenvectors. Neglecting the non-dominant eigenvalues and the assigned eigenvectors, the matrix of the residuals is approximated applying the synthesis formula of principal-component analysis. Although the number of observation vectors in the multivariate Gauss–Markoff model is drastically reduced, all unknown parameters are estimated approximately. The described method is tested using a numerical example of satellite altimetry. Received: 6 January 1997 / Accepted: 16 November 1998     

应用时间序列EVI的MERSI多光谱混合像元分解

针对风云3数据的特点,本文将EVI生长曲线引入多光谱混合像元的分解。首先,利用Landsat8 OLI影像,采用支持向量机的分类方法,提取研究区域的耕地信息,利用该信息对风云MERSI数据进行掩膜处理,获得研究区域的耕地影像。接着,利用MERSI时序影像,计算像元EVI值,通过SG滤波,构建农作物(端元)和混合像元的EVI生长曲线。通过实地调查,获取研究区的农作物端元,尤其对主要的农作物玉米,在空间上均匀选取了14个端元。然后,采用传统的方法,将14种玉米端元生长曲线分别与其它端元组合,进行混合像元分解。发现分解的效果差异很大,提取的玉米种植面积从191.90 km2到574.83 km2不等。为提高分解精度,借用光谱匹配(光谱夹角最小)的方法(用生长曲线代替光谱曲线)自适应选择与混合像元EVI曲线最相似的玉米端元作为组合端元,进行混合像元分解。结果得到玉米的种植面积为589.95 km2,比传统方法的最好(相对)精度提高了2%。     

遥感时间序列影像变化检测研究进展

同一区域、不同时期大量历史数据的积累,以及同一区域能够方便地获取高时间分辨率遥感数据,使遥感时间序列影像变化检测成为近年来遥感技术与应用的研究热点。本文系统总结和评述了当前遥感时间序列影像变化检测的相关研究进展和应用状况,在阐明遥感时间序列分析的意义,以及时间序列影像在变化检测中的优势的基础上,从非遥感领域时间序列变化检测方法出发,针对遥感时间序列影像变化检测的需求,明确和归纳了遥感时间序列变化检测的问题与类型,并对当前最新研究进行了综述,总结了各种方法的优点与不足,重点介绍了基于经验模态分解的遥感时间序列影像异常信息检测方法和基于隐马尔可夫模型的土地利用/覆盖变化检测方法,以期能够为相关研究提供参考。最后总结了该研究领域的发展趋势和存在问题,并对今后的研究工作和未来发展方向进行了展望。     

改进LM模型在机载小光斑LiDAR数据分解中的应用

机载小光斑Li DAR是近年来遥感领域的新兴技术,它对回波脉冲进行全数字化的记录,通过分解返回波形能够得到更加丰富的信息。针对传统LM波形分解算法容易陷入局部最优的问题,引入改进LM模型,采用信赖域技巧使得参数解全局收敛。实验证明,该方法相比传统LM能够得到更加可靠的波形分解结果,并且对城区、郊区和山地区域适应性好,具有较强实用价值。     

基于GPU的全波形并行LM分解算法

波形分解是机载激光雷达全波形数据处理的重要基础工作,通过求解波形函数模型的参数,将波形数据利用具体的函数模型拟合出来,实现对全波形及其中各个子波形函数表达。LM(Levenberg-Marquardt)算法及其改进的算法是波形分解中对参数进行拟合求解的常用方法。针对LM算法在参数拟合计算的过程中存在大量迭代和矩阵运算,提出了基于线程块组和线程两级并行粒度的并行计算方案。将串行多次循环迭代求解参数改为单次并行计算取最佳值实现对参数的选择,将矩阵运算进行线程块的协同并行计算,实现了LM算法在通用计算图形处理器上的并行计算。实验证明,在规定阈值条件下,并行LM降低了算法的迭代次数,提高了波形分解LM算法的计算效率,为提高波形分解的处理效率提供了研究思路。     

总体最小二乘曲线曲面模型建立方法比较探究

本文探究了总体最小二乘的3种方法,包括奇异值分解、最小奇异值方法和迭代法,并且对3种方法进行比较。在模型推导的基础上,文中对3种总体最小二乘法在曲线和曲面拟合中求解的参数及其精度进行了比较分析。通过与最小二乘法的比较表明:总体最小二乘法得到的拟合结果更加稳健,并且发现迭代法和奇异值分解方法的结果是一样的;最小奇异值方法的结果欠优。     

地磁变化场的MEEMD-样本熵-LSSVM预测模型

目的 针对地磁变化场时间序列的混沌特性,提出了一种改进的集成经验模态分解(modified ensemble em-pirical mode decomposition,MEEMD)-样本熵-最小二乘支持向量机(least square support vector machine,LSSVM)的地磁变化场预测模型。首先,利用MEEMD-样本熵将非平稳的地磁变化场时间序列分解为一系列复杂度差异明显的地磁变化场子序列;然后,针对每一个子序列分别建立LSSVM模型,选择各自适合的最优模型参数;最后,以地磁台站实测的地磁变化场数据为例进行实验,并与基于单一LSSVM以及RBF径向基神经网络的两种预测模型进行比较。实验结果表明,MEEMD-样本熵-LSSVM模型的预测值能紧跟地磁变化场的变化趋势,相比另外两种模型,体现出更好的预测效果,在地磁Kp指数小于3时,预测3h平均绝对误差为1.63nT。     

陀螺仪转子电流信号去噪方法研究

磁悬浮陀螺全站仪定向系统中转子电流数据的噪声是影响仪器定向精度的重要因素之一.文章经统计分析知转子电流信号为非平稳信号,对其进行对比分析,确定选取特定的阈值和小波基函数对转子电流信号进行小波阈值去噪.借助信噪比、均方根误差和平滑度多类评价指标的变化特征随小波分解层数增加而收敛的特性,来确定最佳分解层数.实验结果表明:此种方法实现了转子电流有效信号和环境噪声信号的有效分离,剔除了不同观测环境条件下转子电流观测数据的噪声,提高仪器的定向精度.     

小波变换在处理GPS监测数据中的应用

由于小波变换特殊的性质决定了其在GPS监测数据中的应用，它能够提高GPS的定位精度和速度，并且在周跳检测、波形分解、消除噪声、数据压缩等方面大有可为。     

超大规模大地网分区平差快速解算方法

针对超大规模大地网平差解算这一难题，首先按常规将大规模大地网分解成多个子网，并组成相应子网的误差方程和法方程，然后提出了用解算约化代替求逆约化的新算法，解算约化采用Cholesky分解法，计算过程中对联系误差方程进行压缩存储，并进行相应的有效算法。如此可大大节省大型大地网平差的计算时间，利用PentiumⅣ个人计算机即可解算全国范围的约5万个点(约18万个未知参数)的超大型大地网的整体平差问题，且计算时间只需3h左右。