基于偏移量计算的在线GPS轨迹数据压缩

针对现有基于偏移量计算的在线GPS轨迹数据压缩算法不能有效评估关键点的问题,提出基于偏移量计算的在线GPS轨迹数据压缩算法--关键点前继修正算法（KPFA）。该算法通过计算同步欧式距离（SED）累积偏移量来发现轨迹点中信息量较大的关键点,同时设置阈值对关键点之前和上一个关键点之后的轨迹点进行修正,更好地保留轨迹信息。实验结果表明,和按时间比例的开窗算法（OPW-TR）及启发式空间质量简化算法的改进算法（SQUISH-E）相比,压缩率相同时KPFA的平均SED误差最小,并且运行时间最快且维持在100 000 ms。KPFA算法对轨迹点的信息量评估准确度更高,运行时间更稳定。     

基于相对同步欧氏距离筛选的在线GPS轨迹数据压缩算法

为了减小给定压缩率下,压缩轨迹与原始轨迹之间的差异,提出一种基于相对同步欧氏距离筛选的在线GPS轨迹数据压缩算法。所提算法可以根据用户的压缩率要求设定轨迹压缩过程,将新到来的轨迹点保存到一个存储队列中,每次从队列中选择引起同步欧氏距离误差最小的轨迹点移除,以达到在给定压缩率下减小压缩前后轨迹间差异的目的。理论分析和实验结果表明,较现有以压缩率为压缩依据的主流在线GPS轨迹数据压缩算法而言,压缩率相同时,所提算法对应的平均同步欧氏距离误差明显减小,所需的压缩时间略有增加。     

基于最小边界扇形的移动对象轨迹实时化简算法

为了对全球定位系统(GPS)设备采集到的移动对象原始轨迹数据进行简化,提高轨迹数据的使用效率,降低移动终端的通信代价和计算开销,提出了一种基于最小边界扇形(MBS)的移动对象轨迹实时化简算法。该算法不同于用一条折线来近似原始轨迹的方法,它利用扇形预测范围来估计、简化原始轨迹,在角度和距离两个层面上对简化误差进行控制。提出了新的误差度量方法--基于等极径的误差度量方法,并讨论了GPS定位误差对简化算法的影响。实验结果表明,所提算法的简化轨迹高效、稳定,所得到的简化轨迹与原始轨迹之间误差较小(不超过误差阈值的20%),对GPS定位误差有较好的容错能力。     

基于综合时空特性的混合式轨迹压缩算法

针对车辆全球卫星定位系统(GPS)中如何降低轨迹数据存储空间,提高数据分析及传送速度等问题,提出一种基于综合时空特性的混合式轨迹压缩算法.该算法一方面采用了新的综合时空特性的在线轨迹压缩策略,利用GPS数据的位置信息、时间信息、方向角、速度信息进行轨迹特征点的综合判断,以更准确地选取特征点;另一方面,采用了在线与批处理相结合的混合式轨迹压缩策略,定时采用道格拉斯批量压缩算法对在线压缩的轨迹集进行二次压缩,以提高轨迹的压缩效率.实验结果表明,较现有的时空特性压缩算法,新的综合时空特性在线轨迹压缩策略虽然在压缩率上略有下降,但压缩误差有显著减小.进一步采用混合式压缩策略后,通过选取适当的批处理时间周期,所提算法在压缩率和压缩误差上较现有的时空特性算法均有所改进.     

基于分段的移动对象轨迹简化算法

GPS的高采样率使轨迹的数据规模巨大，在实际应用中难以处理，需要依赖轨迹简化算法对原始数据进行压缩。针对此问题，提出了一种新的基于速度分段的轨迹简化算法，即STS算法，在保留速度特征的同时保留了给定轨迹的时空特征。STS算法将速度值分组成若干间隔，将轨迹分割成速度保留段，计算各轨迹段的SED阈值，通过在每个子轨迹段上应用TD-TR算法导出简化的轨迹。通过真实的数据集进行广泛实验，验证所提出的算法比ATS算法具有更好的性能。     

基于路网的GPS轨迹在线压缩方法

在传统的GPS轨迹压缩中,其压缩的结果与原始轨迹差别较大,在压缩过程中不同程度的忽略了轨迹点的速度信息、方向信息以及轨迹的形状,在本文中,在保证压缩率的前提下将保存速度、方向、轨迹形状等GPS轨迹特征信息,作为重点研究的问题.本文算法基于路网信息、OW(Opening Window,开放窗口)算法、关键点法以及停留点法之上提出了一种能够保存GPS轨迹时空特性的在线压缩算法.实验结果表明,该压缩算法较现有的压缩算法在保证压缩率的前提下,在保留轨迹时空特性的基础上有所改进.     

自适应参数的轨迹压缩算法

随着轨迹数据量的急剧增长,数据规模变得越来越庞大、复杂,给数据的存储、传输和分析带来了一系列的难题,迫切需要对移动对象的轨迹数据进行有效地压缩。现有的轨迹数据压缩算法大都是基于固定压缩阈值,来判定轨迹点是否被保留,在算法执行过程中,用户难以确定压缩阈值。针对现有轨迹数据压缩算法压缩阈值难以确定的缺点,本文提出了自适应参数的轨迹压缩算法。该算法根据用户期望达到的压缩效果,按照优先保证压缩比的策略,在保证压缩效率和压缩效果的情况下,帮助用户自动确定压缩阈值,从而避免了用户需要根据自己的经验,进行反复实验来得到理想压缩阈值的过程。实验结果表明,本文提出的算法都具有较高的压缩效率和较好的压缩效果。     

基于FPGA的双目高精度宽波段激光告警系统

针对传统二维激光告警系统的光斑中心提取误差大、角度测量精度差和分辨率低的问题,设计了一种基于FPGA和InGaAs焦平面阵列探测器的高精度宽波段激光告警系统,对传统的otsu(最大类间方差法)阈值分割算法进行了推导和优化,同时,基于改进后的算法,通过FPGA实现了光斑中心坐标提取以及方位角、俯仰角等参数的计算,并将结果传输至上位机实时监测;实验结果显示,相较于传统的阈值分割算法,改进后的otsu算法使光斑中心提取精度达到了0.06个像素,改进后的激光告警系统角度测量平均误差为0.03°,角度分辨率达到0.05°;实验表明,双目高精度宽波段激光告警系统达到了实际应用的要求,提高了系统测量的角度分辨率和精度,对光电探测和激光告警领域的工作具有一定的意义。     

无线传感器网络中基于面积矢量的数据压缩算法

考虑无线传感器网络WSN(Wireless Sensor Networks)节点采集数据的时间相关性,提出一种基于面积矢量的有损压缩算法AVA(area vector algorithm),并推导面积阈值的取值公式。该算法通过设定面积阈值为判定标准,利用面积矢量的可叠加性提高算法的精度和效率。实验结果表明,该算法数据压缩量大,计算速度快,算法复杂度低,且能有效地控制误差范围。     

基于路网的移动对象轨迹压缩

传统上采用（x,y,t）点的序列表达移动对象轨迹信息,这种表达方式有两个问题：第一,由于误差导致的精度问题,GPS接收器经常产生偏离道路的位置;第二,大量的采样导致的空间复杂性数据。本文采用基于路网的移动对象轨迹模型,讨论了路网中轨迹数据压缩问题,提出了一个非线性的压缩算法。试验结果表明,该算法更好地利用了移动对象在路网上的运动规律,提高了轨迹的精度,得到了更高的压缩比。     

基于MapReduce的轨迹压缩并行化方法

带有全球定位系统（GPS）功能设备的增多,产生大量的时空轨迹数据,给数据的存储、传输和处理带来了沉重的负担。为了减轻这种负担,各种轨迹压缩方法也随之产生。提出了一种基于MapReduce的并行化轨迹压缩方法,针对并行化导致的分段点前后轨迹的相关性被破坏的问题,首先,采用两种分段点相互交错的划分方法划分轨迹;然后,将分段轨迹分配到多个节点上进行并行化压缩;最后,对压缩结果进行匹配合并。性能测试分析结果表明,所提出的并行化轨迹压缩方法能够大幅提高压缩效率,而且能完全消除因分段导致分段点前后相关性被破坏带来的误差。     

基于自适应阈值的船舶轨迹异常点检测算法

定位技术的快速发展催生了轨迹大数据,轨迹数据中总是存在着明显偏离轨迹的异常点。检测出轨迹中的异常点对提高数据质量和后续知识发现精度至关重要。目前轨迹异常点检测算法主要为恒定速度阈值法,没有考虑目标在不同时刻运动状态的变化,仅能检测出速度超出指定阈值的一部分异常点,甚至出现检测错误的情况,算法鲁棒性较差。针对现有问题,本文提出一种基于自适应阈值的轨迹异常点检测算法（Trajectory Outlier Detection Algorithm based on adaptive Threshold, TODAT）。TODAT算法充分考虑了目标在一段时间内的运动信息和观测噪声的影响,采用局部阈值窗和均值滤波窗来计算阈值和速度,同时又引入了经济航速阈值和连续异常点放回机制。基于真实船舶数据的实验结果表明,本文算法可根据轨迹数据得到自适应的阈值,有效检测出全部异常点,大幅度提高轨迹数据的质量。     

A novel motion-based online temporal calibration method for multi-rate sensors fusion

Accurate and robust calibration is an essential prerequisite for multi-rate sensors fusion. However, most existing calibration methods ignore the temporal calibration and assumed the timestamps of the multi-rate sensors are precisely aligned; more importantly, many approaches are designed for offline calibration. For these reasons, this paper develops a novel online temporal calibration method for multi-rate sensors fusion based on the motion constrains of the sensors. In this new calibration framework, the high update rate inertial measurement unit (IMU) is utilized as the unified calibrating references, while other moderate or low-frequency target sensors can be estimated based on the reference IMU. As a result, the targetless, online, and high-precision temporal self-calibration can be achieved. During the calibration, an improved multi-state constraint Kalman filter (I-MSCKF) algorithm is proposed for both position and temporal states estimation of the multi-rate sensors to establish a multi-constraint filter and correct the temporal offset error in a real-time manner. Furthermore, the motion constraints models in the two-dimensional (2D) planar and three-dimensional (3D) space are developed from per-sensor ego-motion to enhance the robust and reliable abilities of the proposed temporal self-calibration method. Experimental results demonstrate that the proposed method can accurately and online estimate the temporal offset error and transformation parameters, which significantly improves the performance of moving trajectory estimation for robots equipped with the multi-rate sensors.     

基于距离徙动轨迹的空间目标ISAR联合运动补偿算法

针对空间高速运动目标的运动特征,分析目标距离徙动轨迹（Range migration trajectory,RMT）与等效运动模型,提出了一种基于距离徙动轨迹的联合运动补偿算法。该算法依据距离像全局熵值最小化原则,从RMT中估计出目标的平动参数,根据平动参数分别补偿距离像偏移并校正一维距离像畸变,从而实现对空间目标回波的距离对齐和脉内走动的联合平动补偿。仿真和实测数据处理结果表明该算法准确性较高,更重要的是,距离对齐步骤不会引入随机偏移误差和相位误差,这也是应用高分辨成像方法的前提条件。     

路网感知的在线轨迹压缩方法

随着定位技术的高速发展,定位传感器被广泛地应用于智能手机、车载导航等各种移动设备中,用于采集移动对象位置数据并将数据上传至服务器.该技术的应用方便了位置跟踪、预测和分析,同时也带来了轨迹数据量大、数据冗余、传输和存储代价高等问题.轨迹压缩技术即是针对该问题而提出的,它通过保留关键轨迹点和去除冗余轨迹点信息,降低了轨迹数据的传输和存储开销.本文分析了近年来轨迹压缩领域的国内外研究进展,针对现有研究工作的不足,提出了一种路网感知的在线轨迹压缩方法,包括针对轨迹压缩的距离有界的隐马尔科夫地图匹配算法和误差有界的高效轨迹压缩算法等,并实现了该方法的原型系统（ROADER）.基于真实数据集的实验证明,该系统在压缩率、误差和执行时间等方面均显著优于同类算法.     

扩展卡尔曼滤波在组合导航中的应用

松组合导航中,采用组合导航系统(SINS)误差作为状态量,用SINS解算的位置和速度与全球定位系统(GPS)测量的位置速度之差作为量测信息.为了提高组合导航的精度在松组合导航中应用扩展卡尔曼(EKF)滤波算法,通过仿真对载体轨迹的速度、姿态、位置进行跟踪.仿真结果表明:在仿真进入8 min之后系统进入稳态,能准确跟踪载体.因此,采用基于EKF的非线性滤波能有效跟踪载体的位置、速度和姿态.