GPS/SINS组合导航系统混合校正卡尔曼滤波方法

利用卡尔曼滤波器将GPS伪距与SINS进行了深组合,在分析了导航误差产生原因的基础上,提出了输出校正与反馈校正相结合的混合校正卡尔曼滤波方法。与输出校正和反馈校正方案相比,这种校正方法提高了系统导航精度。仿真结果验证了混合校正卡尔曼滤波方法的有效性。

求解二维波动方程初边值问题的显隐混合校正并行算法

提出了一种基于区域分解法的显隐混合校正并行算法.通过对二维波动方程的数值试验,发现该算法具有无条件稳定性,其数值计算结果与整个区域上采用隐格式的计算结果相当,计算精度明显好于Kuznetson算法和改进的Kuznetson算法,计算时间也比Kuznetson算法和改进的Kuznetson算法的时间少,且小于隐格式计算时间的一半.

基于混合校正内点法的最优潮流

提出了一种混合校正的内点法.该方法有效结合了预测校正和中心校正方式,在预测校正过程中通过动态选择校正方向在总的牛顿方向中的比例来优化搜索方向,以改善中心校正的效果,进而加快了整个算法的收敛速度.通过IEEE 57、IEEE 118、IEEE 300和3个实际系统的仿真计算表明,与多中心-校正内点法相比,此算法能以更少的迭代次数和计算时间快速收敛.此外,计算结果还表明,该算法比传统的预测-校正内点法及其衍生的内点法更具有鲁棒性.

江汉平原地下水混合的^(14)C年龄曲线投影校正研究

地下水^(14)C年龄的分布可以指示地下水渗流的方向及其变化。经典校正模型可以消除水化学组成变化对^(14)C年龄的影响,但很难识别地下水混合,导致得到的^(14)C年龄代表的是地下水的混合年龄。本文根据地下水化学组分变化提出了识别混合和校正a^(14)C值的方法,并以江汉平原为研究实例进行解剖。江汉平原地下水中硫酸盐矿物溶解导致SO_(4)^(2-)含量增加,且SO_(4)^(2-)含量与a^(14)C值的关系曲线可以识别混合,并利用曲线投影校正a^(14)C值,提出了混合-IAEA模型。IAEA年龄和混合-IAEA年龄的分布差异揭示出地下水渗流变化。年轻地下水混合区为年轻地下水的汇聚方向;老地下水混合区为老地下水的汇集方向。因此,对于大型沉积平原(或盆地)的地下水流系统,使用^(14)C定年时需要考虑地下水混合的影响,混合校正后的^(14)C年龄可以用来识别地下水渗流变化。

基于改进U-Net网络的图像混合畸变校正方法

图像几何畸变校正是许多计算机视觉应用的关键预处理步骤。当前基于深度学习的几何畸变校正方法主要解决图像的单一畸变校正问题,为此,本文提出一种改进U-Net网络的图像混合畸变校正方法。首先,提出了一种构建混合畸变的图像数据集的方法,解决了训练数据集稀缺以及畸变类型单一的问题。其次,采用U-Net网络结合空间注意力机制进行图像特征提取及畸变坐标图的重建,将图像校正问题转为畸变图像的逐像素点坐标位移变化的预测问题,并设计了结合坐标差损失和图像重采样损失的损失函数,有效提高校正的准确性。最后,通过消融实验验证了本文方法各模块的性能。与最新基于深度学习的畸变校正方法对比。实验结果表明,本文方法在定量指标和主观评价方面都有较好的表现,对畸变图像的空间坐标校正的平均绝对误差为0.2519。本文还对GoPro相机获取的光学影像开展了校正实验,进一步验证了本文方法对畸变图像校正的有效性。

基因组二代测序数据与三代测序数据的混合校正和组装

第三代单分子测序是一种通量高、速度快、读长长的新型测序技术,但是和二代测序技术相比,这种测序方法因错误率较高而限制了其在各方面的应用。为了能有效的降低错误率、提高组装质量,本研究以拟南芥作为研究对象,通过数据模拟等生信手段比较评估了不同软件对三代测序的纠错效率以及在不同测序深度下的混合组装效果,以期找到最佳混合组装效果的测序深度及混装软件。通过比较四种混合校正软件PBc R、Lo RDEC、Jabba、Proovread对二代和三代数据的矫正效果。我们发现,Lo RDEC以最快的速度将核酸准确性从85%提高到99%,为评估软件中最佳选择。在Lo RDEC矫正结果的基础上,为了最大限度的节省测序成本,我们进一步分析了不同测序深度的二代（25×~100×）和三代（20×~50×）混合组装效果,以期找到成本最低、混装效果最好的测序策略。结果表明,混合组装软件DBG2OLC和三代组装软件canu能够产生更长的组装序列和更好的基因完整性。

基于GPS/MEMS微惯性导航系统的混合校正方法研究

针对GPS/MEMS微惯性组合导航系统,为了提高算法的可靠性和导航精度,研究了Kalman滤波算法。分析了DSP数字系统的运算能力、构建了优化的数学模型,提出了Kalman滤波混合校正方法,并将此方法应用于搭建的组合导航系统。通过跑车试验对该方法进行了验证,试验结果表明,系统的导航精度,姿态误差在0.5°,航向角误差2°,速度误差0.5m/s。

误差自校正混合脉宽调制策略

针对基于传统空间矢量脉宽调制方法的单电流传感器相电流重构存在不可观测区域,且无法实现零点漂移校正问题,提出一种误差自校正混合脉宽调制方法,通过在不可观测区域各载波周期插入两个互补有效电压空间矢量代替零电压矢量,为电流传感器提供可靠的采样窗口,消除了电流不可观测区域。同时,通过对互补有效电压矢量进行动态电流双采样,实现电流零点漂移量的自检测和自校正。实验工况下所提方法重构相电流误差小于3.57%,相电流总谐波畸变率低于4.02%,可为控制系统提供可靠的重构相电流。

折射静校正与层析静校正技术在鄂尔多斯盆地北部砂岩型铀矿地震勘探中的应用分析

折射静校正和层析静校正方法是砂岩型铀矿地震勘探中2种常用的静校正技术。本文结合折射静校正与层析静校正2种方法对鄂尔多斯盆地北部砂岩型铀矿的地震资料进行静校正处理,综合对比2种方法的优缺点以及对该类地区的适用性。结果表明并非校正方法的算法越复杂解决问题的效果就越好,在满足折射静校正的条件下,使用折射静校正与层析静校正的混合静校正法处理所得的结果有较好的可靠性。

GPS/SINS超紧组合导航系统自适应混合滤波算法

针对传统反馈校正滤波结构中,由于不可观测状态的反馈导致系统滤波精度下降,以及由于全球定位系统/捷联惯性导航系统(GPS/SINS,global positioning system/strapdown inertial navigation system)超紧组合导航系统量测方程的非线性导致滤波难度的增加等问题,本文重新推导了线性的量测方程,并将基于状态可观测性的混合校正滤波算法应用于该模型.通过对比三种主流可观测性分析方法,选用误差协方差阵的特征值和特征向量可观测性分析方法分析系统状态的可观测性.最后根据可观测性分析的结果制定自适应的反馈因子,从而对SINS和GPS接收机误差进行校正.仿真结果显示,该方法可以有效提高不完全可观测系统的估计精度.

基于混合效应模型的人工红松枝下高模型研建

【目的】基于帽儿山红松人工林63块样地2972株红松数据,利用非线性混合模型构建红松枝下高模型,为进一步研究生长与收获模型提供理论依据。【方法】本文首先使用8个常用的枝下高模型,选出最优基础模型;其次,研究林分变量或单木变量对枝下高的影响,建立含林分变量的枝下高模型;最终在基础模型和含林分变量模型的基础上,考虑样地效应对红松枝下高的影响,构建红松枝下高基础混合效应模型和广义混合效应模型。模型用4种抽样方式(随机抽取、抽取最大树、抽取最小树、抽取平均树)和8种样本大小(1~8株树)对基础混合效应模型和广义混合效应模型进行抽样检验。【结果】Logistic模型拟合精度好,符合生物学意义,且模型形式简单,选为最优基础模型。除树高、胸径以外,大于对象木断面积之和、优势木高和冠幅与枝下高有显著相关性,加入后明显提升模型的拟合精度。枝下高广义混合效应模型的拟合效果要优于其他模型。模型检验结果表明:当应用基础混合效应模型预测时,建议抽取胸径最小的4个样本;当应用广义混合效应模型预测时,建议随机抽取4个样本。【结论】枝下高广义混合效应模型在拟合效果和预测精度方面优于其他3种模型,建议将此模型作为人工红松枝下高模型。当应用广义混合效应模型预测时,建议随机抽取4个样本。

AUV中SINS/DVL组合导航技术研究

针对水下自主潜器的特点,重点介绍一种采用捷联惯导系统与多普勒计程仪的组合导航技术。通过引入多普勒计程仪提供的绝对速度,提出了输出校正与反馈校正相结合的混合校正集中卡尔曼滤波方案,仿真结果证明该方案可有效提高系统导航精度。

基于组合导航系统的智能汽车精准定位

针对目前智能汽车领域常见导航系统存在的定位精度不够的问题,论文提出一种组合导航系统。该系统基于组合导航原理,采用分散滤波、混合校正以及改进滤波算法等技术,对GPS的导航数据和惯性导航的定位数据进行融合计算,改善了导航系统的定位精度。通过仿真分析表明,该系统输出的定位数据具有比GPS等传统导航系统输出的定位数据更高的精确度。

三代测序数据的纠错方法研究

精确的测序数据对癌症基因组学的发展以及遗传基因研究都具有至关重要的推动作用,但由于三代测序技术的局限性以及不可避免的测序错误促使了相应纠错方法的产生。当前针对三代测序数据进行纠错的方法主要分为三代测序数据之间的自校正方法和二代测序数据对三代测序数据纠错的混合校正方法两大类。本文通过研究认为,三代测序数据的纠错方法在提高测序数据精确度的同时,还存在测序数据的损失、测序覆盖度的不足和测序内存的消耗等问题。因此,更好地提高三代测序数据的纠错性能,将是进一步的研究方向。

Improved Mixed Integer Optimization Approach for Data Rectification with Gross Error Candidates

Mixed integer linear programming （MILP） approach for simultaneous gross error detection and data reconciliation has been proved as an efficient way to adjust process data with material, energy, and other balance constrains. But the efficiency will decrease significantly when this method is applled in a large-scale problem because there are too many binary variables involved. In this article, an improved method is proposed in order to gen- erate gross error candidates with reliability factors before data rectification. Candidates are used in the MILP objec- tive function to improve the efficiency and accuracy by reducing the number of binary variables and giving accurate weights for suspected gross errors candidates. Performance of this improved method is compared and discussed by applying the algorithm in a widely used industrial example.

气相色谱内标法测定苯纯度

建立用气相色谱内标法测定苯纯度的分析方法,本试验方法适用于测定从0.0005 m%至0.005 m%的杂质水平,和99.8 m%以上的苯纯度。

基于两水平非线性混合效应模型的长白落叶松削度方程构建

【目的】以长白落叶松(Larix olgensis)人工林干形指标为主要数据,利用非线性混合效应模型构建长白落叶松削度方程,研究不同的二次抽样方案对混合效应模型预估精度的影响。【方法】在不同类型的削度方程中选择拟合效果最好的Kozak方程作为基础模型,通过再参数化的方法引入树冠特征变量,分析树冠大小对干形的影响;在包含树冠变量的模型基础上,结合混合效应模型考虑样地、样木效应对于干形的影响,建立长白落叶松削度方程;采用2种抽样方案(方案Ⅰ,不限定抽样位置;方案Ⅱ,抽样位置限定在相对高0.1以下)对混合效应模型进行精度检验。【结果】树冠变量中冠长率与干形关系最为密切,将冠长率引入模型后,提升了模型的拟合精度,且模型参数在5%显著性水平上均显著。通过似然比检验,样地效应和样木效应极显著提升了模型拟合效果(P<0.01),并使用指数函数和一阶连续自回归结构[CAR(1)]来解决削度方程中普遍存在的异方差和自相关问题,最终的混合效应模型调整后决定系数(R^(2)_(a))为0.994 1,均方根误差(RMSE)为0.623 1,拟合效果优于基础模型(R^(2)_(a)提高了0.4%,RMSE减小了24.6%)。当使用不同的抽样方案进行预测时,方案Ⅰ表现出最高的预测精度,抽样数量为5时,平均绝对误差(MAE)为0.470 0,平均绝对误差百分比(MAPE)为4.62%;而方案Ⅱ不同抽样数量之间的预测效果差别不大(MAE的变化范围为0. 520 3~0. 536 6,MAPE的变化范围为5. 14%~5. 22%),但仍优于基础模型。【结论】将冠长率引入模型后,模型对干形的模拟更贴合实际中的林木生长情况;包含样地效应、样木效应的两水平混合效应模型可以很好地模拟长白落叶松的干形变化,为精准估计长白落叶松各材种和立木材积提供了依据。