SRTM DEM数据提取河网方法及影响因素研究

从数字高程模型（Digital Elevation Models,DEM）直接提取河网及相关流域信息,是分布式水文模型开发与应用的基础。珠江三角洲地区是中国经济最发达的地区之一,是世界上公认范围最大、结构最复杂的网河流域。研究该地区河网分布及流域特征,对于流域的整体规划和水资源的有序配置具有重要意义。文中首先讨论了基于栅格DEM取流域河网水系特征信息的基本方法;然后基于SRTM DEM数据,以珠江三角洲地区为例给出了利用Arc/Info实现河网提取的具体步骤,实现了大范围区域内的流域特征信息的快速提取;最后对比分析珠江三角洲分流域河网特征。     

SRTM DEM数据提取河网方法及影响因素研究

从数字高程模型（Digital Elevation Models,DEM）直接提取河网及相关流域信息,是分布式水文模型开发与应用的基础。珠江三角洲地区是中国经济最发达的地区之一,是世界上公认范围最大、结构最复杂的网河流域。研究该地区河网分布及流域特征,对于流域的整体规划和水资源的有序配置具有重要意义。文中首先讨论了基于栅格DEM取流域河网水系特征信息的基本方法;然后基于SRTM DEM数据,以珠江三角洲地区为例给出了利用Arc/Info实现河网提取的具体步骤,实现了大范围区域内的流域特征信息的快速提取;最后对比分析珠江三角洲分流域河网特征。     

基于DEM的数字流域河网编码方法研究

数字流域模型中基于二叉树理论的河网编码方法能够实现任意河段的直接定位和高效的拓扑运算.论文首先讨论了利用DEM提取河网的基本原理,然后根据二叉树二元编码规则完成数字流域的河网编码.     

统一设备计算架构下的栅格河网提取并行算法

针对大规模高分辨率数字地形数据提取栅格河网效率低下的问题,提出了基于统一设备计算架构(CUDA)利用淹没模型提取栅格河网的并行算法。使用图形处理器(GPU)将汇流累积量计算分解为独立的多任务并行处理,通过数据异步传输减少数据交换时间,进而加速河网提取的运算。实验结果表明,该算法运行效率明显优于串行河网提取算法,在NVIDIA Geforce GTX660上对数据量为600 MB(网格大小为9784×8507)数字高程模型(DEM)数据提取河网加速比达到62。     

一个基于DEM的数字河网体系提取算法的应用

基于DEM提取数字河网是一种高效率获取河网信息的方法,D8算法由于直观简单,成为数字河网提取中应用最为广泛的模型之一.介绍了D8算法模型的基本原理、计算步骤以及流域水系提取阈值设定等问题,并采用这一模型对烟台市大沽夹河网DEM数据进行数字河网体系的提取,对提取的数字河网体系进行了检验.研究结果表明,在算法中不同的流域应取不同的阈值,所取阈值的范围对提取出的河网密度、精细度等有着巨大的影响.最后,指出这个算法所存在的缺点.     

基于ROAM算法的数字地面模型研究与实现

针对规则格网的数据量过大问题,采用基于分块的ROAM算法进行多分辨率渲染;根据地形粗糙程度和视点位置,对地形进行有选择的细化,将庞大的三角形二叉树分为多个小二叉树,提高了地形构建效率,在此基础上建立地物要素模型,完成数字地面模型的构建与多分辨率渲染。     

基于算术编码的格网DEM压缩技术综述

DEM是三维地形可视化基础,随着DEM数据量的不断增加,对DEM进行编码压缩已成为三维地形可视化的重要研究内容。算术编码是一种基于熵编码的无损压缩编码,能保留重要细节信息。目前基于算术编码的预测模型可分为简单线性预测、拉格朗日预测和最小二乘预测三类,对这三类算法进行了对比分析。指出了算术编码算法在实际运行中存在的问题,对其未来发展提出展望。     

InSAR地理编码处理中高程估算算法的研究

InSAR具有全天时、全天候对地观测等特点,现已成为空间对地观测技术的研究热点,如何从解缠后的相位通过高程估算来重建DEM的问题也变得也越来越重要了,本文着重介绍了三种高程计算的方法,并通过实际数据对它们进行比较分析,解决了高程估算方法的选择问题。     

基于GPU的不规则三角网向规则格网数字高程模型转换算法优化

基于规则格网的数字高程模型( DEM)相对于不规则三角网( TIN)具有结构简单,便于存储、管理和分析等优点。针对TIN向规则格网转换的串行算法效率较低的问题,利用图形处理器( GPU)并行编程对一种串行算法进行实现;然后从GPU 全局内存和共享内存的访问方面对算法进行优化;最后用C++语言和统一计算设备架构( CUDA)开发了实验系统,对优化前后算法的效率进行对比。结果表明,优化后的算法效率较优化前最大提高了72倍。     

基于DEM的水流方向算法研究

水文信息在空间信息的表达中占有非常重要的地位，它被广泛应用于地形分析、资源环境管理以及水文科学等各个方面。流域是进行地表水文研究的基本对象，由于它反映了地域的水文、地质、地貌等特征，因此在水土保持、环境监测等方面具有重要意义，而基于格网DEM的水系自动提取是进行上述研究的基础。其中水流方向的决定是基于格网DEM的水系自动提取的重要环节之一。为了准确确定水流方向，该文在总结并实现现有的基于格网DEM的决定水流方向算法的基础上，综合FD8算法的多流向处理方法及Rh08算法对地形随机性的处理方法，提出了一种新的改进算法，并通过两组数据验证了该算法在水系提取时，对于多流向和随机性处理的优越性。     

基于分簇的无线传感器网络编码算法

通过均衡网络能量消耗和延长网络生命周期,以提高无线传感器网络的能量利用率,提出了在无线传感器网络动态成簇算法中对簇头节点进行网络编码的路由算法.在簇的建立阶段,采用节点剩余能量和接收信号强度来完成分簇,解决了部分节点因能耗过度而过早失效的问题;在数据采集阶段,采用基于簇头进行随机线性网络编码的方法,有效降低了传输到网关节点数据包的数量,减少了网络能量的耗用.仿真实验结果表明,该算法与标准协议AODV相比,有效的均衡了节点能量消耗,提高了能量使用效率,改善了网络吞吐量和端到端延迟.     

静态最大可解网络编码的构造

单源最大可解线性网络编码可以提高网络容量,但没有考虑边失效或点失效的情况。为此,利用贪心算法,基于启发式规则,提出一种静态最大可解网络编码的构造方法。该方法在每次迭代时,通过向构造的编码向量中加入已有的向量,并删除使用过的边,提高网络传输速率。实验结果证明,该方法在网络容量方面可以获得较大的增益。     

WSN中基于网络编码的最小广播重传算法

为了减少在无线传感网络中数据的重传次数,提高无线传感网的数据传输效率,提高服务质量,文中提出了一种网络编码的广播算法（WMBR）。在该算法中,依据网络接收节点的丢包情况,创建生成丢包的哈希表,选择并生成高效的重传数据包,然后对数据包再进行二次编码,通过这种方法有效地提高了重传效率。经过软件的仿真,结果表明：相比于普通重传方法及现有的算法而言,这种方法能够有效地降低数据包的重传次数,提高了无线传感网中数据通信的效率。     

网络编码的研究进展

网络编码允许网络节点在传统数据转发的基础上参与数据处理,已成为提高网络吞吐量、鲁棒性和安全性的有效方法.在介绍网络编码基本原理的基础上,比较了集中式和分布式网络编码构造方法的优缺点,并对实用网络编码设计中涉及的同步、纠错、编解码速度等问题进行了评述;进而,对网络编码在无线网络、P2P系统、分布式文件存储和网络安全等领域的最新应用进行了总结;最后对网络编码的理论和应用研究的发展趋势进行了分析与展望.设计简单高效的实现机制,并与其他领域的技术如信道编码与调制、路由算法、队列调度以及流媒体技术等的结合,将是网络编码发展的一个重要趋势.     

网络编码研究综述

网络编码是通信网络中信息处理和传输理论研究上的重大突破,其核心思想是允许网络节点对传输信息进行编码处理.运用网络编码能够提升网络吞吐量、均衡网络负载和提高网络带宽利用率等.本文介绍网络编码的基本原理以及主要优缺点,归纳了网络编码的主要实现算法和机制,总结了网络编码的几种典型应用,最后讨论了网络编码进一步的研究方向.     

基于网络编码的多播路由算法研究

网络编码的提出在一定程度上提高了多播通信的传输性能。简要总结了网络编码多播传输理论的研究进展,并对网络编码多播路由问题进行了研究。分析了已有算法的优势及不足,同时考虑影响资源消耗的因素,文中提出了一种基于最短路径和最大共享链路集的网络编码多播路由算法。通过在随机网络拓扑模型下的性能仿真实验分析,发现与传统的IP最短路多播和约简网络下网络编码多播路由算法相比,该算法可显著减少网络带宽资源消耗,同时能够有效均衡链路负载。     

一种基于网络编码的组播路由算法

网络编码是2000年提出的一种新算法,其主要优点是使组播传输速率能达到理论上限值.介绍了传统组播路由算法的局限性,分析了现有网络编码算法的优点和不足,在某个改进的网络编码数学模型上,提出了一种静态分布式分层网络编码SDLNC算法(Static Distributed Layered Network Coding).模拟实验表明,该算法可以显著提高组播路由的数据传输速率.     

基于数字签名的防污染网络编码方案

网络编码技术对于提高网络吞吐量、均衡网络负载、提高带宽利用率、增强网络的鲁棒性等方面都有明显的优势,但是无法直接抵抗污染攻击.最近,学者提出了基于同态哈希函数的签名方案,可以较好检测污染攻击,但是很难定位被污染的节点.本文结合两者的优势提出了一个基于数字签名的网络编码方案,该方案不仅能够抵抗污染攻击,而且能有效地确定出攻击源的位置,从而降低污染攻击对网络造成的影响,并提升网络的健壮性.     

基于GPU的网络编码并行优化算法研究

在组播通信网络中,在满足组播速率的前提下,如何使编码资源开销最小化即网络编码优化是一个NP难问题.针对现有基于基本遗传算法的网络编码优化的不足,提出基于GPU的并行遗传算法应用于网络编码优化.通过在不同的网络拓扑结构中进行仿真实验,结果表明提出的并行遗传算法能够在更短的时间内找到满意的编码方案,具有更高的性能.     

基于稀疏矩阵的低复杂度安全网络编码算法

针对安全网络编码复杂度较大的问题,提出一种基于稀疏矩阵的安全网络编码算法。利用稀疏矩阵占用较少的存储空间和运算速度快的优点,在信源处将信源信息与稀疏矩阵进行矩阵变换操作,使得随机网络编码能以较高的概率达到信息论安全的要求。仿真结果表明,该算法能提高编解码速率,降低复杂度,减少存储空间。