共查询到19条相似文献，搜索用时 15 毫秒
1.
传统卡尔曼滤波算法要求噪声模型符合高斯分布，在UWB室内定位中，由于载体本身的机制等干扰，观测噪声不仅仅是白噪声，也存在有色噪声的情况，而粒子滤波可以处理有色噪声的问题。本文通过增加似然分布自适应调整来改进粒子滤波用于目标跟踪的精度，同时研究在白噪声、有色噪声下似然分布自适应调整粒子滤波和拓展卡尔曼滤波在UWB中的优势与不同。试验结果表明：观测噪声为白噪声时，拓展卡尔曼滤波和粒子滤波均可以较好地实现对行人的定位跟踪；观测噪声为有色噪声时，自适应粒子滤波定位效果优于粒子滤波、拓展卡尔曼滤波。 相似文献
2.
3.
为了避免条带噪声去除过程中丢失影像细节，提出一种基于小波变分法去除遥感影像条带噪声。首先，对含有条带噪声的遥感影像进行小波分解；其次，通过构建的条带保留变分模型（SPVM）去除低层高频分量（含条带噪声）中的细节信息而保留条带噪声，从而有效分离出低层高频分量（含条带噪声）中的细节信息；通过构建的条带去除变分模型（DVM）去除高层高频分量（含条带噪声）中的条带噪声，从而有效地保留高层高频分量（含条带噪声）中的细节信息；最后，通过小波重构，获得去噪影像。试验证明本文方法在去除条带噪声的同时基本没有丢失影像细节，去噪后的影像对比度及质量都是最优的。 相似文献
4.
提出了一种用于检测SAR图像上阶跃性边缘的序贯算法。由于SAR图像上存在大量的光斑噪声而使图像质量受到严重影响，而光斑噪声属于乘性噪声，不服从高斯分布，因此常用的图像处理方法难以取得好的效果。文中首先根据光斑噪声模型，自动确定图像中高反差部分，然后采用具有高抗噪性能的边缘检测算子，进行边缘提取。实验证明该算法明显提高了特征提取速度，同时具备良好的抗噪声能力。 相似文献
5.
动态定位有色噪声影响函数--以一阶AR模型为例 总被引：17，自引：3，他引：17
动态定位的精度和可靠性除受观测偶然误差和系统误差的影响外，还受时间相依的有色噪声的影响。任何基于高斯白噪声假设而忽略实际有色噪声影响的数据处理理论和方法均不能保证估计结果的实际可靠性。基于动态数据处理的2种主要方法，即序贯平差法和Kalman滤波法，将有色噪声分为有色观测噪声和有色状态噪声分别进行讨论。结果表明，有色噪声对状态参数的影响是明显的，由影响函数所计算的结果是可靠的。 相似文献
6.
针对GNSS时间序列噪声难辨识问题，该文仿真100组不同时间跨度FNWN、PLWN、GGMWN、RWFNWN噪声背景的高程时间序列，并AIC、BIC、BIC＿tp噪声模型估计准则进行分析，论证不同估计准则的可靠性、适用性，并进一步探讨了时间跨度与噪声模型对站速度估计的影响。结果表明：AIC对RW、PL噪声分量比较敏感，相比其他准则更容易辨识出坐标序列中存在的RW噪声；当时间跨度大于20 a时，AIC、BIC、BIC＿tp模型估计准则的准确识别率一致性较好；对于FNWN模型，AIC估计准则的辨识率较差。随着时间跨度的增加，GNSS站速度的确定精度逐步提高。不同噪声模型假设下，站速度不确定度存在较大差异，准确的噪声模型辨识是获取可靠的站速度及不确定度的关键。 相似文献
7.
选取ITRF2008框架下格陵兰岛区域12个GPS站2013年1月-2016年12月期间的日解坐标时间序列作为研究对象，并利用极大似然估计分析地表质量负载改正前后各站点的噪声特性、速度场及周期项振幅。结果表明：站点最优噪声模型主要为白噪声+幂律噪声与白噪声+闪烁噪声，地表质量负载形变修正GPS坐标时序后，明显增加U方向闪烁噪声的成分，平均降低其速度约0.36 mm/a，对水平方向影响较小；同时分别降低高程方向44.1%、14.2%的1 a项、0.5 a项振幅，相反，却增加了水平方向的周期项振幅。 相似文献
8.
9.
受到成像环境、硬件条件等因素的限制，高分辨率卫星遥感影像上普遍存在条带噪声的现象，其严重影响了影像的辐射质量和可用性。本文针对传统条带去除方法存在的适应性差、去噪效率低、依靠先验知识等不足，提出了一种基于深度学习卷积神经网络的条带噪声去除方法。本方法首先利用不同尺度的卷积层进行特征提取，然后对多尺度的特征图进行特征融合得到去噪底图，通过残差学习的方法在底图上预测存在的噪声分量，最后用噪声影像减去条带噪声分量实现噪声的去除。以模拟和真实获取的噪声影像为实验数据，将本文提出的方法与一些经典的去噪方法进行实验结果对比分析，实验结果表明本文提出的基于深度学习的条带噪声去除方法能够在保留影像地物细节的情况下，能以优异的速度达到最高的定量指标和最好的视觉效果，充分证明了本文方法的优越性。 相似文献
10.
城市交通噪声预测评价系统的设计与实现 总被引：1，自引：0，他引：1
将惠州市惠城区交通噪声数据与GIS的有机结合，详细分析和评价了该区域的交通噪声污染现状。然后通过构建回归分析模型，对惠城区未来城市道路交通噪声的污染状况进行了简单预测。实验结果表明，评价和预测结果与事实吻合。该系统能为城市交通噪声规划、城市交通噪声环境控制提供依据 相似文献
11.
高光谱图像能够获取地物精细的光谱诊断特征,但受限于多谱段分光的成像机制,图像各个谱段上光成像的能量不足,信噪比难以提升。高光谱图像噪声类型与强度的准确估计,是提升高光谱图像去噪性能的关键,也是优化其成像系统设计的重要依据。现有高光谱图像噪声估计算法通常将不同类型的图像噪声作为一个整体,并未充分考虑不同类型噪声的区别。本文从高光谱图像获取的机理出发,提出了一种联合空间与光谱维度分析的高光谱图像噪声估计方法。首先,建立了高光谱图像噪声退化模型,将图像中的主要噪声定义为两类:条带与高斯噪声。然后,基于条带噪声在空间维度上独特的频率特性,提出了基于傅里叶变换与局部均值滤波的条带噪声估计方法。最后,基于在光谱维度上高光谱图像相邻波段间的高相关性,通过多元回归分析估计高斯噪声的均值与标准差。本文在模拟高光谱噪声数据上进行算法验证的同时,深入分析了高分五号短波红外高光谱相机、机载Nano-Hyperspec成像仪等国内外成像仪获取的真实高光谱数据。实验结果表明,本文提出的噪声估计方法能够有效的估计出高光谱图像不同谱段条带与高斯噪声的量化指标。实验结果可用于分析高光谱图像在不同传感器与不同成像场景下的退化原因,从而设计更优的图像去噪方法与成像系统。 相似文献
12.
噪声分析对GPS时间序列分析有着重要影响,然而针对时间跨度较长的大尺度GPS网的共模误差相关研究较少。本文选取了平均基线长度大于2000 km的欧洲地区9个GPS台站2006-2014年的数据,使用主成分分析法剔除坐标时间序列的共模误差,同时利用极大似然估计的方法对滤波前后的时间序列进行了噪声分析。结果表明,欧洲地区广域GPS网的噪声模型存在多样性,各个分量具有不同的噪声特性,主要表现为白噪声+闪烁噪声、白噪声+幂率噪声,少部分台站N、E两个方向含有随机漫步噪声。经过空间滤波后,部分台站最优噪声模型发生改变,但仍以白噪声+闪烁噪声、白噪声+幂率噪声为主。滤波对N、E方向速度场影响为0.2 mm/a,U方向速度场影响为0.5 mm/a。 相似文献
13.
作为光纤陀螺误差的重要组成部分,随机噪声严重影响着光纤陀螺的精度,对光纤陀螺随机噪声进行准确建模和补偿是提升陀螺精度的有效方式。本文针对光纤陀螺随机噪声的复杂性,难以对其进行精确分析,ARIMA （auto-regressive moving average）模型Kalman滤波中有色噪声不能使用状态扩充法建模的问题,扩展了Harvey方程,实现有色噪声白化。同时,考虑先验噪声的不确定性以及模型参数在线更新导致的参数与状态噪声相互耦合,分析了动态Allan方差估计量测噪声的不足,使用VBAKF （variational Bayesian adaptive Kalman filter）实时修正滤波状态噪声与量测噪声。试验表明,Harvey法较传统滤波建模方式,随机噪声序列方差降低40%,Harvey法结合VBAKF使序列方差降低了54%;VBAKF较动态Allan方差,可以更好地估计量测噪声。结果表明,此方法可有效抑制随机噪声Kalman滤波中有色噪声和随机模型不准确的影响,提高随机误差补偿精度。 相似文献
14.
15.
高精度的载体动态导航与定位不仅需要对载体异常扰动和观测异常有良好控制,还需要对状态方程系统噪声及观测噪声的时变特性有准确认识和处理。首先针对包含系统噪声的动力学模型和包含时变观测噪声的导航系统,提出一种基于信息滤波形式的分级自适应滤波算法。然后针对系统噪声的渐变性和突变性,增加了遗忘因子和二段自适应因子,提高了对突变噪声估计的稳定性;顾及观测噪声的时变特性,采用传感器间差分和观测数据历元差分法估计观测噪声协方差。最后进行了仿真实验和深海拖体实验,结果表明,该算法不仅可以有效地估计系统噪声,还能准确地估计时变观测噪声的协方差阵,提高水下载体动态参数的估计精度。 相似文献
16.
17.
John Langbein 《Journal of Geodesy》2012,86(9):775-783
Recent studies have documented that global positioning system (GPS) time series of position estimates have temporal correlations which have been modeled as a combination of power-law and white noise processes. When estimating quantities such as a constant rate from GPS time series data, the estimated uncertainties on these quantities are more realistic when using a noise model that includes temporal correlations than simply assuming temporally uncorrelated noise. However, the choice of the specific representation of correlated noise can affect the estimate of uncertainty. For many GPS time series, the background noise can be represented by either: (1) a sum of flicker and random-walk noise or, (2) as a power-law noise model that represents an average of the flicker and random-walk noise. For instance, if the underlying noise model is a combination of flicker and random-walk noise, then incorrectly choosing the power-law model could underestimate the rate uncertainty by a factor of two. Distinguishing between the two alternate noise models is difficult since the flicker component can dominate the assessment of the noise properties because it is spread over a significant portion of the measurable frequency band. But, although not necessarily detectable, the random-walk component can be a major constituent of the estimated rate uncertainty. None the less, it is possible to determine the upper bound on the random-walk noise. 相似文献
18.
为识别InSAR干涉图噪声的类型,从而更有效地进行干涉图处理,提出一种基于小波变换的干涉图噪声类型识别方法。该方法结合小波变换和对数变换算法,从能量和分布特征两个角度,对经小波变换后的InSAR干涉图小波系数的特点进行分析。首先研究低频子带小波系数在对数变换前后的能量分布特点,以此识别干涉图的噪声类型,然后在此基础上利用高频子带系数估计噪声的大小。分析结果显示,干涉图中的噪声为加性噪声,且干涉图高频系数呈高斯正态分布,其噪声大小可用尺度1上的HH子带系数估计。这些结果对在小波域内进行InSAR干涉图噪声的分析与处理具有一定指导意义。 相似文献
19.