基于Hyb-F组合滤波算法的向海自然保护区NDVI时间序列重构

针对借助遥感手段直接获取的归一化植被指数(NDVI)时间序列含有噪声数据,而单一应用局部或全局时间序列重构算法不能完全剔除噪声,重构精度受到一定影响的问题,本文将局部Savitzky-Golay(S-G)滤波、全局非对称高斯(Asymmetric Gaussian,AG)拟合原理和格拉布斯(Grubbs)检验算法相结合,构建Hyb-F组合式滤波法,重构向海自然保护区8种覆被类型的Landsat NDVI时间序列。首先,通过设定指标阈值剔除序列部分无效值;其次,采用引入Grubbs检验的S-G算法,剔除局部异常值;再次,采用引入Grubbs检验的AG拟合算法,剔除全局异常值;最后,利用S-G滤波算法平滑曲线,得到最终拟合结果。研究表明,该算法对灌木林地、草地、乔木林地和旱田等有植被生长覆被类型样本的拟合结果与纯净数据间相关性较强,相关系数(CC)达0.8488~0.9215,均方根误差(RMSE)为0.0429~0.1057。对盐碱地、建设用地、水域等非植被生长类型的数据具有较好的平滑作用。该算法对整个研究区数据重建效率指数为0.59,可有效地模拟原始数据。相比于单一滤波算法,Hyb-F滤波法具有更强的噪声识别能力,降低噪声引起的峰值损失,不仅能更好地模拟植被生长规律,并且能保留曲线细部特征,获得较高拟合精度。

基于组合滤波算法的无人机航向测量系统分析

为了更好地解决小型无人机航向测量精密度问题,本研究设计了一款基于组合滤波算法的无人机航向测量系统,并制定了无人机航向测量系统方案。该测量系统有先进的微处理器,采用梯度下降算法与滤波算法,对数据进行组合,对其进行坐标转换,从而计算出飞行器航向的准确信息。最后通过对航向测量系统进行实验验证后,得到在没有外界信息辅助的情况下,该系统可以更好的解决噪音干扰问题,让无人机航向测量可以更加准确,从而满足小型无人机对航向信息的需求。

一种基于椒盐噪声新型组合滤波算法仿真研究

提出了一种新型组合滤波算法。该算法首先在噪声方差估计、滤波模板类型和尺寸大小等方面对自适应维纳滤波进行改进,对图像噪声进行预处理;其次将预处理后的图像进行二维多尺度小波分解,由于低频子图像基本不受噪声污染,故不作处理;然后对开关中值滤波分别从噪声检测、噪声分类、噪声滤波等方面进行改进,并给出具体实现步骤,用于小波域高频子图像滤波;最后将滤波后高频子图像和低频子图像进行小波系数重构。实验结果表明,两类改进滤波算法在滤波性能上均优于原始算法,在抗噪性和细节保持等方面具有一定优势。

光钟与氢钟联合的时间尺度算法研究

光钟的频率稳定度和不确定度达到了10-18量级,使其有望成为下一代的时间频率标准,并可能用来重新定义国际单位“秒”.时间尺度作为准确、连续标记时间流逝过程的基准,是高精度时间产生的基础.时间尺度的产生需要依赖连续稳定运行的原子钟,而光钟作为实验室原型设备,一般不能连续运行,因此光钟参与时间尺度计算是个难点问题.提出将Vondrak-Cepek组合滤波算法应用在光钟与氢钟联合计算的时间尺度,以解决间歇运行的光钟参与时间尺度计算的难点问题.首先利用氢钟的时差数据,采用ALGOS算法计算获得连续稳定的氢钟时间尺度.其次利用Vondrak-Cepek组合滤波算法将氢钟时间尺度与光钟的数据综合,获得光钟参与计算的联合时间尺度.最终试验结果证明, Vondrak-Cepek组合滤波算法有效提升光钟与氢钟联合时间尺度的性能,该时间尺度与协调世界时(Coordinated Universal Time, UTC)的时间偏差达到亚纳秒量级.

非完整约束下滤波算法在组合导航中的应用

MEMS IMU/GPS组合导航系统的应用环境愈来愈复杂,对其精度的要求也愈来愈高,只使用普通卡尔曼滤波不能满足精度和稳定性要求。针对此问题,将Sage-husa自适应卡尔曼滤波算法和非完整约束应用到前向导航滤波算法和后向导航滤波算法中,并将前向滤波和后向滤波结果加权组合,提出了一种非完整约束下加权组合滤波算法,用于事后IMU/GPS联合解算中,用来提高组合导航的精度。并利用实验室设备进行车载实验,通过实测车载数据解算结果来验证该方法的可行性。实验结果表明非完整约束下加权组合滤波后的经纬度误差小于1.4 m,航向角误差小于1.0°,满足MEMS IMU/GPS车载组合导航系统的精度要求。

基于可变分数延时FIR滤波器的小电流接地系统故障选线方法

故障选线是小电流接地系统故障维修的基础。为降低错选率,本文提出了基于可变分数延时FIR滤波器的小电流接地系统故障选线方法。利用无线传感器感知接地系统线路的零序电流信号,采用开、闭组合滤波算法对信号进行滤波处理,利用可变分数延时FIR滤波器进行信号变换、分数时延校正,提取到零序电流信号的全域幅度特征,采用余弦相似度确定系统的故障线路,以此实现基于可变分数延时FIR滤波器的小电流接地系统故障选线。实验证明,本文的故障选线方法错选率在1%以内,选线精度较高,具有一定的推广应用价值。

基于平滑变结构-卡尔曼滤波的MIMU/BDS组合导航技术

为了提高模型不准确、大扰动等情况下MIMU/BDS组合导航精度,提出了平滑变结构-卡尔曼组合滤波的信息融合方法。介绍了坐标转换方法,建立了组合导航系统的状态空间方程和观测方程。为了防止老旧观测数据引起算法发散,在卡尔曼滤波算法中融入随残差自适应变化的渐消因子,从而构造了自适应卡尔曼滤波算法。将卡尔曼滤波的精度优势与平滑变结构滤波的鲁棒性优势融合,提出了平滑变结构-卡尔曼组合滤波算法。经仿真验证,在模型不准确、大扰动等情况下,组合算法的位置融合误差和速度融合误差均小于卡尔曼滤波和自适应卡尔曼滤波算法;经跑车试验验证,在卫星遮挡情况下,组合导航系统的位置融合精度和速度融合精度仍然较高,实现了卫星可观数量不足情况下的精确导航。

一种提高导航精度的改进滤波方法

卡尔曼滤波技术是目前GPS/IMU组合导航中应用最广的误差估计关键技术之一。本文在捷联式惯导系统正向导航滤波算法与逆向导航滤波算法基础之上,提出一种将二者有机结合的组合滤波算法,用于事后IMU/GPS联合解算中,以提高组合导航的精度,并通过实际的机载飞行试验数据解算结果验证该方法的可行性。组合滤波后的位置精度达到厘米级,速度误差小于0.02 m/s,航向角精度约为0.2°。

频域自适应滤波器凸组合算法的稳态性能分析

为进一步研究频域自适应滤波器的凸组合(COSFDAF)算法的稳态性能,介绍一种针对频域自适应滤波器的性能分析方法.与传统利用平均权重误差向量和权重误差协方差矩阵的状态递归方程对自适应滤波算法进行性能分析的方式不同,通过推导频域自适应滤波器的能量守恒关系,并利用分离假设,得到COSFDAF算法的稳态均方误差(MSE)的封闭解析表达式.仿真结果表明,无论是在高斯噪声输入还是在相关高斯噪声输入的情况下,COSFDAF算法的稳态MSE的仿真值与理论值均有较好的匹配度,验证了理论分析的准确性.

用于定位导航授时微终端的SoC系统设计

为了解决遮挡情况下的实时定位问题,美国提出了Micro-PNT方案,我国也提出了定位导航授时微终端(Micro Positioning Navigation and Timing Terminal, MPNTT)方案。定位导航授时微终端集成了卫星导航系统、微惯性测量单元、微型原子钟及处理器系统,可为终端用户提供精确可用、完好及时、连续安全的定位导航服务。介绍了一种用于定位导航授时微终端的SoC系统设计,其包括了基于SoC FPGA的硬件设计和基于GNSS/MIMU的组合导航滤波算法。SoC系统集成了FLASH、SSRAM等存储芯片,通过RS422、RS232、CAN等通信接口接收GNSS、MIMU及外源传感器信息,并在ARM核中完成组合导航算法,以得到导航结果。SoC芯片单片实现了ARM与FPGA的功能,系统集成面积满足小型化需求,为后续移植为ASIC芯片提供了基础。对组合导航滤波算法进行嵌入式软件移植并测试,结果表明:SoC系统单次惯导解算时间为7ms,实测与仿真输出的导航位置差距在0.05m以内,俯仰角差和横滚角差在0.005。以内,航向角差在0.05。以内。本文设计的SoC系统高精度、集成化、可扩展,满足了微终端的要求。