椭球谐和球谐系数之间一个简单的转换关系

本文推导的椭球谐系数和球谐系数相互之间转换关系的核心思想是在ε~2量级下利用Legendre函数的正交性,从球谐系数求解的积分表示出发,将积分中的椭球坐标变量与球坐标变量相互转换,从而得出椭球谐系数与球谐系数之间的转换关系。本文导出的转换关系有以下优点:①对于第二类Legendre函数的计算采用Laurent级数表示,使计算第二类Legendre函数更为简单;②保留了ε~2量级下,导出的转换关系相比文献[2]的形式更简单,满足物理大地测量边值问题线性化的要求;③顾及了余纬和归化余纬的区别。     

不同椭球与投影参数的两套高斯平面坐标的变换方法

不同时期建立的坐标系可能采用不同参考椭球与投影参数,研究高斯投影坐标间的变换方法,具有实用价值。研究不同椭球参数及投影参数对高斯投影坐标的影响特性,除不同中央经线对投影坐标影响的非线性特性较强外,其它因素对区域坐标系坐标的影响几何都是线性的,因此只要使两种坐标系的中央经线近似一致,就能采用线性变换模型实现两种坐标系的变换。文中利用广州市平面坐标系与CGCS2000平面坐标系之间变换为实例,验证文中技术方法可行性。文中方法为其他城市进行CGCS2000坐标与城市独立坐标的变换具有借鉴作用。     

大坝变形监测的粒子群优化高斯过程预测

针对大坝变形数据的非平稳非线性特点,传统预测模型受到了一定限制。鉴于高斯过程(Gaussian Process,GP)对非平稳数据具有高自适应性,考虑到其自身在协方差函数选取以及超参数优化方面存在不足,为提高高斯过程模型的预测精度,文中通过粒子群算法(Particle Swarm Optimization,PSO)优化其超参数并选择最优协方差函数。通过实例验证分析,比较多元回归分析、GP、PSO-GP三种模型在大坝变形监测数据处理中的预测精度,表明大坝非线性预测模型粒子群优化高斯过程算法具有较高的预测精度,是一种有效的大坝变形分析预测方法。     

Canny双阈值算子在边缘提取中的优势

对Canny双阈值算子原理进行了分析,并利用Canny算子处理图像仿真实验对研究区图像边缘进行提取。利用Prewitt算子、Sobel算子、形态学算子处理研究区影像,并将结果进行对比。结果表明,Canny双阈值算子不仅能去除遥感图像中的椒盐噪声,而且能保证边缘提取的精度;与其他算法相比,在提取效率上也有明显优势和优异的稳健性。     

基于模糊最大似然估计算法的遥感影像分割

针对模糊K-均值算法依赖于群集原型的初始估计和对于数据中所存在的子群数目做出假设的缺点,结合最大似然估计,提出了不依赖先验假设的模糊聚类法——基于模糊最大似然估计的遥感影像分割算法。该算法在模糊最大似然估计算法中用模糊协方差来计算后验概率,用后验概率矩阵代替隶属度矩阵来进行划分。先用模糊K-均值进行图像预处理,然后用模糊最大似然估计算法进行分割。此外,本文用性能指标参数——超体积指标FHV来评价最优的类别数目。本文通过对模拟影像和真实影像的实验,验证了该算法的有效性和准确性。     

快速射电暴的数据统计

快速射电暴于2007年首次在脉冲星巡天的历史数据中被发现,是一种在射电波段观测到的具有色散量的单个强脉冲,其特征为持续时间仅为若干毫秒,峰值流量密度可达到央斯基量级。类似于射电脉冲星的单个脉冲,但其色散显著超过同一视线方向上银河系内星际介质的预期最大值。对截止2018年6月帕克斯望远镜、绿岸望远镜、阿雷西博射电望远镜、UTMOST望远镜和ASKAP望远镜已探测到的52例快速射电暴进行了观测量统计分析,根据模型扣除银河系星际介质导致的色散量后,快速射电暴平均色散量为584.5 pc·cm^-3,暗示着快速射电暴来自河外。通过最佳拟合估算红移幂律分布谱dN/dF_obs=4.14±1.30×F■sky^-1·day^-1。根据分析结果预计,FAST望远镜使用19波束接收机后,其多科学目标同时巡天在经过一年时间内能发现大约10个快速射电暴,将有效地扩大样本数量,为快速射电暴研究提供重要信息。     

基于压缩感知法对法拉第色散函数的重构

观测到的偏振量与法拉第色散函数之间是傅里叶变换对,而法拉第色散函数反映了辐射区域和辐射传播途径的磁场结构。如何通过这一关系精确重构出法拉第色散函数对于研究银河系及河外星系磁场具有重要的作用。目前已提出了基于压缩感知的法拉第色散函数重构方法,模拟结果要优于传统方法,然而是否具有实用性仍然未知。主要探究该方法应用于实际观测频率范围时是否依然可行,并进行了大样本统计学实验。结果表明:重构结果受多种因素的影响,具有很大的随机性,对重构结果在峰值附近再次进行最小二乘拟合后,重构的法拉第深度更接近真实值。     

一种局部稀疏地面点云与已有DEM的融合方法

机载LiDAR采集的点云数据中会存在一些局部区域地面点稀疏的情况,利用这些稀疏地面点构建DEM时会出现“三角面片化”的问题,严重影响DEM的质量。为此,本文提出了一种局部稀疏地面点云与已有DEM的融合方法：将稀疏点云作为高精度控制点,在尽量保持原始DEM的地形形态特征的前提下,通过高斯核函数加权迭代插值算法对DEM进行高程局部改正,实现稀疏点云与DEM的一致性融合。试验分析表明,融合后的点云数据得到了较好的补充,由此构建的DEM地形形态自然,在精度上相对于融合前的稀疏地面点云有一定改善,在弱精度区域的可靠性有显著提升。     

检测前跟踪框架下利用蒙特卡洛算法的空间碎片跟踪策略研究（英文）

在轨卫星或者空间碎片数量的增多,是对空间目标地基自动观测的一个挑战。尽管北美防空司令部编目管理了绝大多数直径超过10 cm的空间物体,但由于轨道摄动,空间目标的位置信息(基于6个轨道根数)依然非常重要,并需要定期更新。在过去的几十年里,配备电子传感器的现代地基光电望远镜已广泛用于天体测量领域。然而,这种设备的跟踪性能主要取决于空间目标的大小和亮度。这些目标所在的天文图像会有不同的背景;而且,在基于凝视模式的短曝光实时观测过程中,运动目标和背景恒星在不同的信噪比下显示为类似的点扩散函数,难以辨认。本研究是为了实现对非高斯和动态背景的高灵敏度检测和跟踪能力的提高,并具有简单的系统机制和出色的计算效率。为突破该限制,将重点放在利用状态估计技术对微小卫星和暗弱目标进行跟踪上。提出一种基于神经网络的自适应运行高斯平均算法,用以从恒星背景及干扰下提取运动的空间目标。该方法随后被集成到了一个检测前跟踪框架中。该框架利用基于蒙特卡洛的粒子滤波跟踪空间目标。三段来自亚太地基光学空间目标观测系统(APOSOS)图像序列被用来对该跟踪策略进行评估。实验结果表明,该方法能够达到满意的跟踪性能。     

基于遥感影像的地块边界半自动提取

针对遥感影像图中地块的提取,提出了一种基于高斯模型的地块边界的半自动提取方法。以无人机影像为实验数据,首先利用影像分割得到包含要提取地块的窗口影像;然后利用高斯模型对地块进行提取,该算法解决了传统图割算法抗噪能力差的问题。随后,运用数学形态学对分割的结果做进一步处理;最后利用边界提取函数对地块边界进行提取并对边界进行拟合。实验结果证明,本文算法不仅提取地块精度较高,而且适当的减轻了工作人员的工作强度。