传感器网络中鲁棒状态信息融合抗差卡尔曼滤波器

研究了无线传感器网络中的分布式鲁棒状态信息融合问题. 在局部状态估计层, 基于鲁棒统计学理论提出了适用于噪声相关情况的抗差(扩展)卡尔曼滤波器. 在融合中心层, 针对局部估计相关未知性和不完整性, 给出了不依赖于互协方差阵的稳健航迹融合方法—–内椭球逼近法. 仿真结果证实了算法的有效性: 所提出的抗差卡尔曼滤波器在野值存在情况下, 性能退化远低于传统卡尔曼滤波器(28.6%比428.6%); 所提出的内椭球逼近法获得比协方并交叉法更好的融合估计性能, 且不需要局部估计相关性的先验知识.     

Delaunay三角剖分插值用于超分辨成像

微变焦超分辨成像在插值重建方面比较困难,目前基于最小二乘估计的频域模型和空域模型也都存在一些局限性。为了兼顾超分辨成像的实时性和精确性,该文在图像重建过程中,借鉴Delaunay三角剖分的数学概念,采用随机增量算法,定义了基于Delaunay三角剖分的插值算法。该算法可以提高分辨率,降低运算量。仿真实验结果表明,该算法在图像重建的时间和均方误差方面,均优于共轭梯度最小二乘法,其中基于Delaunay三角剖分的三次方插值算法的优越性更为突出。     

基于M/N逻辑和一步延迟的航迹起始方法

研究基于M/N逻辑和基于一步延迟的航迹起始方法,结合两者提出一种新的航迹起始方法。对落入相关区域中的量测加强约束条件,使每一个测量只能在一条航迹中出现;将相邻2个周期的权值与阈值进行比较,减少杂波对起始性能的影响。仿真结果表明,该方法在保证低虚假航迹概率的情况下,能正确起始航迹,缩短航迹起始时间,适用于密集杂波环境下的多目标航迹起始。     

基于优先级的TDMA动态时隙分配算法

根据帧结构的不同对现有的时隙分配算法进行分类,分析其特点及综合性能。根据二叉树块内均分法,提出一种改进的时分多址动态时隙分配算法,地面主控站可根据用户的紧急或优先级高低的预约请求进行实时分配,能满足用户占用时隙块发送较长报文的需求。仿真结果表明,该算法能减少报文的平均延误时间,适合突发应急报文的传输需要。     

面向影像金字塔的线性四叉树编码及其特性

基于线性四叉树引入一种面向影像金字塔的像元编码方法,结合编码规则和BBOX递推公式,分析了其具有的对应特性、位置特性、存在特性、邻域特性,并构建一个全球多分辨率虚拟地形环境和放大操作算法,对编码进行应用和测试。实验结果表明,该方法能够快速甄别边界像元和邻域像元,比同类算法拥有更高的空间影像检索速度。     

基于World Wind的移民信息系统设计与应用

为了解决水利移民工程中数据量大、管理难、表现效果不佳以及难以支持决策等问题,设计并开发了基于三维地理信息系统World Wind的移民信息系统。对移民信息系统的体系结构与功能模块进行设计,基于World Wind组件对系统进行开发,实现数字高程模型(DEM)及影像数据的划分、存储、组织与调度,在此基础上对移民信息进行集成与应用。实例表明,该系统具有较好的扩展性和三维效果。     

490N长喷管发动机轴向推力测量系统精度分析

文中介绍490N长喷管发动机的轴向推力测量系统。主要介绍了该测量系统的结构组成,校准及实验时系统的工作原理;讨论了发动机工作时压强、流量等影响测量精度的外在因素及消除影响的方法;详细分析了该系统试验前的校准数据及实验后测量数据。并根据真空环境得出系统的测量精度,最终确定该推力测量系统满足490N长喷管发动机轴向推力测量精度的要求。     

突发水污染事件中遥感瓦片大数据存储系统

突发水污染事件频发,利用GIS平台、遥感技术及水质模型对突发水污染事件进行模拟研究逐渐成为一种发展趋势.针对目前海量、异构、动态遥感数据难以快速处置和高效存储的问题,基于HBase设计和实现了突发水污染事件的遥感瓦片大数据存储系统.该系统以数字地球平台为支撑,结合遥感瓦片金字塔模型和MapReduce框架,考虑实时、动态观察事件发展态势引起的瓦片数据频繁加载特点,对遥感瓦片数据的线性四叉树编码索引进行了改进,将其同水污染数据一并存储到HBase数据库中,并通过增加缓存区来提升遥感瓦片数据的访问效率.将此系统应用于渭河陕西段突发水污染事件中,实验结果表明:改进后的索引可在200个毫秒时间内提取到水污染区域的遥感数据,引入的缓存机制使得水污染区域遥感数据的加载时间节省了近2/3.因此,该存储系统访问效率高,能够满足突发水污染事件快速应急模拟的需求.     

基于模糊神经网络的分布式多传感多目标信息融合

针对分布式融合系统存在计算组合爆炸、难以推广到多站和多层感知器模型学习速度慢且容易收敛到局部极小等缺陷,提出了一种基于模糊神经网络的分布式多传感器多目标状态信息融合方法。仿真结果证明了该方法的快速性、准确性和有效性。     

基于模糊神经网络的分布式多传感器多目标信息融合

针对分布式融合系统存在计算组合爆炸、难以推广到多站和多层感知器模型学习速度慢且容易收敛到局部极小等缺陷,提出了一种基于模糊神经网络的分布式传感器多目标状态信息融合方法。仿真结果证明了该方法的快速性、准确性和有效性。