面向二维Delaunay构网的点定位算法优化

逐点插入法是构建Delaunay三角网的主要方法之一,而在众多三角形中能否快速找到插入点所在三角形是影响整个逐点插入法构网速度的重要因素。在分析现有点定位算法的基础上,结合三角形重心的几何性质,提出了一种新的点定位算法,简化了待插点位于三角形两条边外侧时的寻找下一三角形的计算步骤,避免了求三角形重心坐标和相交边的过程,并将新算法应用到点云数据地形建模中。实验结果表明,上述算法较目前其它点定位算法能够有效的缩短搜索路径,避免了目前已有算法存在的搜索路径长、搜索路径求解计算量大等问题,较其它算法能提高Delaunay三角网构网过程中点定位的效率,并减少点云数据地形建模时间。

基于蝙蝠算法的位置指纹定位技术的研究

为了改进室内位置指纹定位技术存在离线阶段工作量大、定位精度有限、鲁棒性较差的缺点,提出了一种基于蝙蝠算法的位置指纹定位技术的方法。该方法利用中点插值法和信道衰减模型自动生成指纹数据库从而代替了离线训练阶段,实现了定时自动更新数据库的功能,并且将K近邻算法和蝙蝠算法结合应用于匹配算法的阶段,最终实现定位功能。该方法与传统位置定位技术相比降低了整体定位的工作量,能快速应对环境变化对定位结果的影响,最后在给定的仿真环境下进行了定位性能的测试,结果显示该方法较其他算法相比平均定位精度大约提高了23.14%,绝大部分的盲节点的定位误差范围在1.5 m以内,显示出在定位精度、鲁棒性和适应环境变化方面的优势。

一种快速二维Delaunay三角网点定位算法

在构建二维Delaunay三角网的逐点插入法中,定位待插点所在三角形的快慢是影响整个算法构网速度的关键因素。针对目前已有算法存在的搜索路径长、搜索路径求解计算量大等问题,结合三角形重心的几何性质,对点定位算法进行改进,避免求三角形重心和相交边的过程。实验结果表明,文中算法较目前其他点定位算法能够有效地缩短搜索路径,减少点定位的计算时间,提高Delaunay三角网构网过程中点定位的效率。

VAOS克里金插值在三维地震属性平面图的应用

三维地震属性数据巨大,在实际应用中一般采用局域克里金插值算法进行插值。目前常用的指定距离半径、指定点数、kd-tree等搜索算法均涉及距离计算、遍历已知点,相对较为费时。对此,提出一种无须距离计算、无须遍历已知点而直接利用待插值点位置的增减实现邻域点的选取方法(VAOS),以高效实现克里金插值。经过实验验证,在同精度下,该算法比距离半径搜索法快数十倍。

红边位置改进算法的冬小麦叶绿素含量反演

植被反射光谱的红边位置对叶绿素含量高度敏感,利用遥感数据建立基于红边位置的作物叶绿素含量反演模型,可实现大范围作物及时的长势监测。该研究以冬小麦为研究对象,在学习6种经典红边位置求解算法的基础上,提出牛顿-切比雪夫插值法和牛顿八点插值法2种改进红边位置求解算法。根据不同算法的红边位置分布特征综合分析了改进算法的优缺点,并在此基础上建立基于红边位置的冬小麦叶绿素含量反演模型。结果表明,与传统算法相比,2种改进算法均显著改善了双峰现象和红边位移,且基于改进算法的模型预测值与叶绿素含量实测值的决定系数>0.619,较最大一阶导数法,牛顿八点插值法提高了6.321%~9.947%,牛顿-切比雪夫插值法提高了5.024%~10.480%,具有更高的精度。同时,在2种改进算法中,牛顿八点插值法具有更高的稳定性与实用性。研究结果为植被理化参数反演与农业生产应用提供理论与技术支撑。