【摘 要】
：
针对传统二次滤波算法在空间碎片激光测距微弱信号实时识别中表现出误检率高的问题,基于空间碎片激光测距回波信号时间相关性的特点,本文提出采用一次滤波和线性拟合相结合的方法,顾及微弱信号实时识别的搜索代价与识别精度,实现了空间碎片激光测距微弱信号的实时识别.利用空间碎片激光测距实测数据进行了算法验证,结果表明:本文提出的激光测距微弱信号实时识别算法能够快速准确提取空间碎片的微弱信号,误检率由原来的5.72％ 降低到0.12％,漏检率由原来的0.77％ 降低到0.34％,对提高空间碎片的探测成功率具有重要意义.
【机 构】
：
中国测绘科学研究院北京房山人卫激光国家野外科学观测研究站,北京100036
论文部分内容阅读
针对传统二次滤波算法在空间碎片激光测距微弱信号实时识别中表现出误检率高的问题,基于空间碎片激光测距回波信号时间相关性的特点,本文提出采用一次滤波和线性拟合相结合的方法,顾及微弱信号实时识别的搜索代价与识别精度,实现了空间碎片激光测距微弱信号的实时识别.利用空间碎片激光测距实测数据进行了算法验证,结果表明:本文提出的激光测距微弱信号实时识别算法能够快速准确提取空间碎片的微弱信号,误检率由原来的5.72％ 降低到0.12％,漏检率由原来的0.77％ 降低到0.34％,对提高空间碎片的探测成功率具有重要意义.
其他文献
针对高空间分辨率遥感影像中的地物具有多尺度特性,以及各个尺度的对象特征对地物分类精度的影响具有较强的尺度效性,并结合面向对象影像分析方法和多尺度联合稀疏表示方法在高空间分辨率遥感影像分类中的各自优点,提出了一种面向对象的多尺度加权稀疏表示的高空间分辨率遥感影像分类算法.首先,采用多尺度分割算法获得多尺度分割结果并提取对象的多尺度特征;然后,根据影像对象的多尺度分割质量测度计算各尺度的对象权重,构建面向对象的多尺度加权联合稀疏表示模型;最后,采用2个国产GF-2高空间分辨率遥感数据集和1个高光谱-高空间分辨
无人水下航行器集群协同作业能够扩展单体UUV的感知范围,实现单体UUV无法或难以完成的复杂任务.由于水下环境的复杂性及UUV各传感器存在观测限制、时延等问题,传统分散式K alman滤波方法所需要的庞大实时通信在实际中难以实现,使得当前UUVs集群协同定位为不严密的解算.本文提出一种以增广信息滤波为核心的UUVs集群协同定位分散式滤波方法,在顾及算法严密性的基础上实现了UUVs分散式协同定位.每个UUV平台根据本地的传感器数据建立自己的状态链,同时广播自己的观测信息,各个平台协同完成信息矩阵的Chol e
建筑物作为自然灾害中最受影响的承灾体之一,其损毁信息的准确提取对灾后应急救援具有十分重要的意义.本文借鉴多模态的思想,提出了一种自动检测损毁建筑物的recursive-generative adversari al networks(RS-GAN)方法,将损毁建筑物检测分为灾前建筑物识别和灾后损毁建筑物检测两个任务,且分别在两个GAN分支中完成.RS-GAN加入联合损失函数将两个GAN分支进行连接,充分利用两个任务之间的潜在互利性提升检测效果.RS-GAN利用第1条GAN分支识别建筑物灾前形状与位置,并将
地形起伏度因子在宏观尺度生态评估中具有重要作用.均值变点法是确定地形起伏度最佳分析窗口的常用方法,但其影响因素尚缺乏研究.本文以黄河流域(山西段)为例,基于DEM数据和均值变点法提取了研究区地形起伏度,并探讨了分析窗口样本数量、DEM分辨率和地貌类型3种因素的影响.结果表明:①分析窗口样本数量对最佳分析窗口取值有明显影响.随着样本数量的增加,变点所在的最佳分析窗口面积也不断增加.②DEM分辨率对最佳分析窗口取值有一定影响.分析窗口面积取值范围一致时,基于30 m ASTER GDEM计算得到的最佳分析窗口
视觉惯性里程计(VIO)和伪卫星已经广泛应用于室内环境定位中,但在实际应用中,二者各自都有明显的缺陷.视觉里程计依赖于实际场景,在景深变化明显和光照不均匀的环境下会产生粗差,而且误差会不可避免地随着时间累积,但是在相邻帧间能保证相对高精度的位姿测量.由于受到室内多径的影响,伪卫星室内定位的精度和可靠性很难保证.为增加室内定位的可靠性和稳定性,基于抗差LM非线性优化理论,本文主要研究利用视觉惯性里程计的相邻帧间高精度位姿测量和伪卫星融合的室内高精度定位技术.该算法不仅可以抵抗粗差,而且可以减弱不同传感器间权
点状要素注记自动配置问题是数据可视化研究的难点之一.稠密型点状要素注记之间往往存在着较大的相关性和冲突性,从而导致注记效率低下及配置结果不合理的问题.本文通过充分挖掘稠密型点状要素的空间分布特征和注记相关性,提出了一种顾及空间分布与注记相关性的点要素注记配置算法.首先,充分挖掘点要素的局部空间分布特征和注记间的相关性构建注记关联度模型;其次,利用基于注记关联度模型的空间聚类算法对其整体空间分布特征进行描述和分析,将单一数据集划分为若干个独立的子数据集,以消除整体求解中独立数据集产生的干扰性和模糊性;最后,
建筑物化简是地图制图领域关注的热点问题之一.集成不同算法构建形状特征自适应的化简模型是应对建筑物多样化形态的有效策略,但当前相关研究主要从局部结构模式或化简结果评价展开,缺乏对形状结构的整体分析视角和深层次认知.本文提出一种深度学习支持下的形状自适应建筑物化简方法.首先,利用图卷积自编码网络对建筑物形状进行深度认知,提取隐含在边界节点分布中的形状特征并进行编码表达;然后,通过监督学习方法建立形状编码与化简算法之间的映射关系,从而实现依据输入建筑物的形状特征选择适宜化简算法的自适应机制.试验表明,本文方法的
为探究明度与色相同步变化时不同分级设色方案在数字环境下的适宜性,基于Munsel l色彩调和秩序与CIEDE2000色差公式设计了7种分级设色方案,并开展了视觉认知试验.试验结果表明:①增加各级间色差会导致颜色辨识的准确性增强;②与各级间色差相等的色阶相比,色差先增大后减小的色阶有利于读图判别;③图斑面积分布均匀程度对颜色辨识的影响并不显著;④色阶的总色差增大,会导致颜色过渡的协调性降低.色差先增大后减小的色阶能产生较好的辨识效果,同时保持较好的色彩协调性,且相关规律可以推广到图斑面积分布均匀程度不同的地
目前,基于重力数据反演海底地形方法的主要原理是利用测深数据拟合出海底地形与重力(或重力梯度)数据之间的线性关系,这会导致对不同的海底地形会有不同的线性关系.为了克服这种不确定性的制约,本文基于长方体海山产生的垂直重力梯度的表达式,通过将研究海域进行格网化,建立了垂直重力梯度(vertical gravity gradient,VGG)与海深之间的函数关系,即关于海深的观测方程组,在此基础上,通过模拟计算,验证了观测方程组的解不仅唯一可解,而且具有较好的抗误差干扰性质.由于观测方程组受到研究海域外海山的影响
高精度的超导重力数据已广泛应用于地球动力学的研究,对大地震前重力异常和同震重力变化的探测有助于震源机制和地震预警的研究,同时高精度的同震观测数据可用于断层滑动模型的反演.本文利用日本、中国及欧洲7个超导台站2011年3月的秒采样数据研究日本东北大地震(M w 9.0)产生的重力变化,经潮汐、气压、漂移等预处理改正后,得到改正后的重力变化.对比同时段日本岛附近发生的2861次M b≥4级地震,分析滤波后的重力变化数据,排除非主震的影响,发现0.12 Hz≤f≤0.18 Hz频段显示了明显的震前重力异常扰动信