高斯拟合与滑动窗口相结合的GNSS-R海平面测高方法

为改善海平面高度反演过程中信号分离不佳以及偏差较大的问题,提出一种“高斯多峰拟合+滑动窗口”的海平面高度反演新方法。选取MAYG站BDS(Beidou Navigation Satellite System)卫星B2、B6及B7波段的信噪比(signaltonoiseratio,SNR),使用“高斯多峰拟合+滑动窗口”的方法对海平面高度进行反演,同多项式与小波滤波方法反演结果及验潮站数据进行对比验证。研究结果表明:高斯拟合反演结果精度相对于多项式和小波滤波方法反演精度分别提升29%和19%,且相关关系更优;结合滑动窗口后,反演结果有效点提升至加窗前的4.5倍,时间分辨率大幅提升;相较于单频数据反演结果,联合多频数据的反演结果有效点提升3倍以上,在保证精度的同时分辨率得到进一步提升;高斯拟合与滑动窗口相结合的GNSS-R(globalnavigation satellite system-reflectometry)海平面高度反演方法可更好地反映海平面高度的变化情况。

用滑动窗多项式拟合法实时预测运动目标轨迹

提出了滑动窗多项式拟合数学模型。该模型用多项式拟合法处理一段目标位置历史数据序列,计算目标未来时刻位置,并随时刻推移不断更新目标数据,实现了实时预测。该模型误差小且稳定,克服了一般拟合预测中误差随时间推移增大的缺点。仿真结果说明,该方法参数固定、计算量小、速度快、精度高,利于实时预测跟踪。

基于滑动多项式拟合模型的建筑物垂直沉降预测

多项式拟合是预测建筑物垂直沉降时应用最广泛的模型之一,但模型受外界影响较大。为了更加充分的利用观测信息,减少外界因素影响,提出了滑动多项式拟合模型。该模型要求参与建模的数据个数保持不变,以新观测的数据取代旧有的数据,从而获得新的拟合参数,预测沉降量,并利用秩和检验对模型进行了检验。通过实例验证,得出滑动模型预测效果明显优于常规模型预测效果的结论。

基于滑动窗多项式拟合的车道检测研究

识别前方车道并依此定位智能汽车在车道中的位置是安全辅助驾驶及自动驾驶中的关键技术。采用图像识别技术可以有效地获取车道线等地面非立体特征,本文详细介绍了利用多阈值分割消除背景和基于逆透视变换的滑动窗多项式拟合提取车道特征。结果表明,基于滑动窗多项式拟合的方法可以有效快速的检测车道线。

移动荷载识别的响应曲线滑动拟合法

在移动荷载引起的梁振动响应曲线的开始部分取一小段,用选定的函数对这一段曲线进行拟合,保持拟合数据长度不变,向后移动若干时刻,用同样的函数进行拟合,以此类推向后滑动。小的分段长度,可以保证对原信号的拟合精度,分段点处重复覆盖数据拟合可以保持原信号的连续特性。模型实验表明,滑动拟合法识别移动荷载的效果较好。

滑动轴承承载量系数曲面拟合的高效实现

为满足滑动轴承优化设计对承载量系数拟合方程之需要,结合MATLAB的拟合功能,将有限宽轴承的承载量系数的数据表,划分为4个子数据表,针对第1个子数据表,采用拟合工具及拟合命令分别进行拟合,并就拟合误差进行比较.结果表明:拟合工具的拟合误差高达600%,不能用于承载量系数的曲面拟合;拟合命令的拟合误差小于1%,符合工程实际需要;由拟合误差中出现的奇异点,可有效判断出原始数据中的错误之处等.所提供的3个拟合命令和拟合系数,可为滑动轴承优化设计所直接采用,也为其他工程曲面的拟合提供一种高效的实现方法.

基于滑窗滤波和多项式拟合的时变信道估计方法

基于长期演进(LTE)的车辆到一切(LTE-V2X)标准沿用LTE标准的帧格式,并采用块状导频辅助的单载波频分多址(SC-FDMA)系统完成信道估计。然而,由于V2X信道的时变特性,接收机信道估计面对巨大的技术挑战。因此,设计了一种基于滑窗滤波和多项式拟合的时变信道估计方法。针对导频符号处的噪声问题,在最小二乘(LS)方法基础上,采用了自适应长度的滑动窗口滤波进行降噪处理,从而保证导频符号处的信道估计精度。另外,根据多普勒频移大小,设计了自适应阶次的多项式拟合方法来跟踪数据符号处的信道变化。仿真结果表明,所提方法在LS方法的基础上有良好的去噪效果,在低速移动情况下的估计精度介于LS方法和线性最小均方误差(LMMSE)方法之间,而该方法在高速移动条件下能更好地拟合信道的时变特性,且性能上超过了LMMSE方法结合线性插值的信道估计方法。以上结果说明,所提方法相对于对比方法具有更好的自适应性,适用于不同的信道噪声和终端移动速度下的LTE-V2X通信场景。

一种快速重叠开窗拟合算法及其在电离层拟合中的应用

提出一种基于分段的重叠窗口拟合算法,它将分段窗口分为边界区、重叠区和内部区,通过对前后窗口重叠区拟合值的加权平均,使窗口间拟合值的变化连续。采用实测GNSS电离层数据,分别对逐历元滑动窗口、独立分段窗口和重叠窗口3种算法进行实验对比,其中在以400历元窗口对NKLG站G01的电离层拟合计算中,逐历元法耗费121.618 s,而独立分段法和重叠分段法只分别用了0.396 s和0.985 s,计算效率分别为前者的307倍和123倍。结果证明,该算法兼顾计算精度与执行效率,是处理数据量较大、连续且变化剧烈的时间序列的有效方法。

电网断面越限预测滑动可变窗口方法研究

稳定断面是电网运行人员重点监视和控制的电网重要组成部分,分析稳定断面以发现电网薄弱环节,具有重要的理论和实践意义。传统方法对稳定断面运行的海量数据无法高效分析并快速告警,但随着电力系统自动化技术和计算机新技术的发展,通过对海量存储的断面历史状态数据分析稳定断面越限情况,辅助电网运行人员进行稳定断面越限的快速分析和识别,对电网运行具有积极作用。针对传统方法在样本容量不确定的情况下,已有的基于回归分析的预测方法难以实现对目标点的精准预测等特点,提出了一种基于滑动可变窗口的电网稳定断面越限预测方法。利用多重迭代方法可动态获取最优拟合模型及样本。试验表明,基于滑动可变窗口的电网稳定断面越限预测方法可精确预测电网稳定断面越限变化规律,并对多类数据的预测具有良好的适用性。

利用滑动窗口的多项式拟合算法进行重力位场区域-剩余异常分离

地表观测的重力位场是地形质量、浅部地质结构产生的剩余重力异常和深部地质构造产生的区域重力异常的叠加效应。基于尺寸可变的滑动窗口的二维低阶多项式拟合算法和格网距离(到中心点)倒数的定权规则在空间域对地面观测的重力位场数据进行了不同深度层的区域-剩余异常分离。这克服了常规算法仅在水平方向上区分不同异常空间分布及垂直方向上定性分离的缺陷。并利用构建的模型重力数据和实测重力位场数据分别进行解算,数值结果验证了该方法的有效性。

不同轨道类型LEO卫星轨道拟合及预报精度研究

低轨道地球卫星(LEO)的精度直接影响到LEO卫星的应用领域,因此研究合适的模型提高LEO卫星轨道插值/预报精度是一项很有意义且必要的工作.本文详细研究了滑动切比雪夫多项式、克里金算法在不同类型LEO轨道的拟合、预报精度.结果表明:采用合适的拟合策略,两种算法均能获得毫米级的插值精度;相较于滑动切比雪夫多项式,克里金算法拟合轨道的空间误差分布更为集中,未随着历元变化出现大幅波动.克里金算法预报轨道的精度低于滑动切比雪夫多项式;采用克里金算法预报60 s,各颗LEO卫星轨道预报的精度在1-2.5 m;采用滑动切比雪夫多项式预报120 s,各颗LEO卫星可获得优于5 m的轨道精度.

考虑频率不同响应阶段的惯量评估优化策略

传统惯量评估策略在计算高比例新能源系统的惯量水平时,会因为量测误差与不确定的一次调频介入时间等问题而大幅降低其评估准确性。为对评估策略进行优化,在分析惯性对于频率不同响应阶段支撑能力的基础上,提出基于滑动窗口的惯量评估优化策略,减少数据中的扰动初期误差与未知的一次调频时间对结果的影响;针对频率响应数据并不完整的情况,提出基于分段多项式拟合的惯量评估优化策略,考虑系统频率特性在一次调频发生前后的模型变化,从而减少拟合次数对结果的影响。基于电磁暂态仿真平台搭建高比例新能源电力系统模型对所提策略进行仿真验证,结果表明所提策略可以有效减少频率误差对评估的影响,极大提升惯量评估的准确度。

基于滑动式切比雪夫方法的广播星历插值分析

利用滑动式切比雪夫多项式拟合卫星坐标,详细介绍滑动式切比雪夫多项式拟合原理,并通过实例对比分析普通的切比雪夫多项式和滑动式切比雪夫多项式拟合卫星坐标的精度。结果表明,滑动式切比雪夫多项式拟合卫星坐标的精度比普通的切比雪夫多项式拟合精度高,在插值端点处能够很好地克服振荡和跳跃现象。

叠前反演数据优化处理技术

叠前反演技术已逐步成为寻找岩性油气藏的主要工具。但是,目前叠前反演前对地震数据进行预处理的技术及流程大都仍然采用常规处理中的思路与方法,而常规处理中产生的剩余时差和残余噪声将直接影响反演结果的精度,因而需要对叠前反演数据进行优化处理。分析了剩余时差和残余噪声的产生原因,选用常规多项式拟合及叠加技术确定记录道上每一时刻信息的正确位置,应用静态时移的方法消除剩余时差;采用多道识别、单道消除的横向滑动时空变小波阈值去噪方法,消除残余噪声产生的根源,保证去噪结果具有更高的保真度。理论模型试算和实际地震资料处理结果证明了叠前反演数据优化的必要性以及所论优化处理技术的正确性。

基于PLA时间序列重现的在线车辆检测算法

文章提出了一种新的用于磁敏传感器的车辆检测算法。算法首先将磁敏数据时间序列经过变长滑动窗口滤波预处理,由PLA抽取平滑后的时间序列特征,用于车辆检测,从而获得相关的交通信息。仿真实验表明,算法有效地减少了慢速行驶的大型车辆对检测结果的影响,保持了较高的准确率。

基于小波变换的网络流量在线预测模型

在无抽取Haar小波变换的基础上，结合自适应AR模型和滑动窗口式多项式拟合方法，建立了一种基于小波变换的递推式高速网络流量在线预测模型。该模型首先用无抽取Haar小波变换把网络流量时间序列分解为细节信号和近似信号，然后对细节信号部分使用自适应AR模型预测，对近似信号部分则使用滑动窗口式多项式拟合方法预测，最后用小波重构获得原始时间序列的预测值。该模型不但提高了流量在线预测的准确性，而且通过模型参数的递推式自动调整，避免了参数的定期估计和更新。

计算机在车道线识别中的应用研究

在自动驾驶领域,车道线检测作为智能驾驶的首要环节,已经被广泛研究,而目前使用最广泛最全面的就是计算机视觉技术,也即利用周围环境和车道线的物理特征差异从而将图片进行分割和计算,将车道线凸显出来,来得到车道线。本文首先判断车辆的驾驶环境,并结合多种边缘检测方法,利用并优化滑动窗口多项式拟合方法来模拟车道线,最后计算得到车道线曲率与偏移距离。在具体实验中,车道线图片或视频要经过相机矫正,透视变换,梯度阈值与颜色空间阈值相结合的阈值过滤器,滑动窗口与多项式拟合,利用二次曲线计算车道线曲率和车道线位置,最终经过逆透视变换和结果输出得到最后的图片或视频。最后的实验结果在稳定、阴影较少且亮度较高测试视频中精度较高。

基于机器视觉的爬管机器人路径信息识别算法

目前管道尤其是高空架设管道的检测主要是通过人工手持设备进行,而且测试条件十分受限,易造成检测效率低和安全风险问题。为了提高管道检测效率,保护检测人员的生命安全,本文提出一种基于机器视觉的管道外爬行机器人路径信息识别算法。首先,对获取的图像进行感兴趣区域(ROI)设置和透视变换,并对RGB和HLS色彩空间的二值图像进行融合处理;然后,通过轮廓提取的方法不仅实现对障碍物及破损的提取,并且将管道上的非管道像素进行填充补偿,提高了多项式拟合的稳定性和准确性。最后,对融合后的二值图像使用滑动窗格法提取管道像素,采用多项式拟合出管道中心线。实验表明,该算法能在复杂的环境光下准确识别中心线、障碍物以及破损,抗干扰能力强,满足爬管机器人自主沿管线行进的需要。

智能车辆车道线识别方法研究

针对基于特征的车道线识别算法识别不佳的问题,提出了一种基于开源计算机视觉库(OpenCV)的车道线识别算法来改进车道线的识别。首先对图像进行感兴趣区域划分,其次根据RGB颜色空间将图像三通道以5∶5∶0的比例转化为灰度图,经过高斯滤波后用积分图法将图像转换为二值图像,再进行形态学去噪并将二值化图像转换为鸟瞰图,使用滑动窗多项式拟合法拟合车道线。同时,为了解决车道线突然消失的问题提出了一种重构缺失边车道线的方法。结果表明:该检测方法在caltech车道线数据集达到了92.52%的准确率,处理单帧图像耗时约65.80 ms,具有较好的准确率和实时性。提出的车道线重构方法重构效果良好,能有效提高智能车辆的行车安全。

EC细网格对黔南州温度预报的订正研究

该文采用EC细网格2 m温度预报场及国家站实况资料,通过滑动平均法、双权重滑动平均法、多项式拟合法以及最佳系数法对EC细网格2 m温度在黔南州的预报进行订正分析,结果显示:4种方法订正后最高气温7 d平均准确率分别提升了12.70%~17.84%,最低气温7 d平均准确率分别提升了1.14%~2.86%。对于高温预报,最佳系数法订正效果最优,其次是多项式拟合法,对于最低气温,前3 d采用滑动平均法订正效果最明显,第4 d开始则采用最佳系数法订正,订正效果更明显。4种订正方法均在7-9月效果最明显。黔南州西部及中部地区多项式拟合法订正效果更好,州东南部地区最佳系数法与滑动平均法订正效果更好,但在120 h时效后滑动平均法的订正效果明显下降,州北部地区最佳系数法订正效果更为明显。