排序方式: 共有63条查询结果,搜索用时 46 毫秒
1.
有色噪声作用下的卡尔曼滤波 总被引:2,自引:0,他引:2
利用GPS载波相位三差观测量进行动态定位(或精密导航),就必须研究有色噪声滤波的理论问题.根据需求,推导了动态噪声、观测噪声为有色噪声的线性系统滤波公式,并证明白噪声卡尔曼滤波是有色噪声卡尔曼滤波的特例,或者说有色噪声的卡尔曼滤波是白噪声卡尔曼滤波的推广. 相似文献
2.
3.
对潞安矿区高河煤矿进行了高密度三维地震勘探试验,通过实验获得区内合理的采集参数,并在处理和解释中采用了多项关键技术,如分频剩余静校正迭代技术、叠前时间偏移技术、正演模型技术、三维可视化技术、属性体切片和彩色剖面联合技术等。高密度三维地震勘探解释结果与常规三维地震勘探解释结果的对比表明,高密度三维地震能够提高构造成像准确度和精度,避免误判,还可以提高下组煤层反射波的能量和连续性,是进一步提高潞安矿区三维地震勘探精度的有效技术手段。 相似文献
4.
岩矿测试和分析更多关注矿石矿物中的金属离子,但其中阴离子及其存在形式的研究对于理解矿石的组成、成因和金属离子的存在状态具有重要意义。本文采用红外光谱、X射线电子能谱和热重分析等方法对新疆阿克陶县奥依塔克镇的有色矿石中非金属元素进行成分分析。研究结果表明,矿石含有H、C、O、Si等非金属元素,主要以—C—O、C═O、Si—O—C和Si—O阴离子的形式存在,并与Mg、Al、Ca等主要金属元素形成γ-Al2O3、CaO·SiO2、MgCO3、CaCO3等化合物。样品煅烧到900℃,导致样品损失水分并使其中的MgCO3发生分解,而CaCO3不分解,分解产生的MgO与Si—O结合生成MgO·SiO2,表明矿石主要含有碳酸盐和硅酸盐,是具有白云石矿石特性的混合型矿石。 相似文献
5.
基于卫星加速度恢复地球重力场的去相关滤波法 总被引:3,自引:0,他引:3
基于加速度法恢复地球重力场时,卫星加速度是由卫星轨道数值微分得到,而数值微分会放大高频误差,进而降低了重力场解算结果的精度.针对数值微分导出的加速度误差具有有色噪声的特性,提出利用去相关算法构造白化滤波器对加速度有色噪声进行滤波处理,并根据去相关的基本原理分别构造了基于三点差分和ARMA模型的白化滤波器.采用不同噪声背景的CHAMP卫星模拟轨道数据进行解算,结果表明:基于去相关滤波解算的重力场模型精度均要比等权解算的重力场模型精度高,初步验证了去相关滤波方法的有效性. 相似文献
6.
7.
???????????????????????????£????GPS???????????????У???????????е???????????????????????????????????????????????????????????????????????????????в????з????????????????????5?????????FFT??????????в??????????????????????????????????????????????е?????????????????????????????FFT????????????????????????????????????????GPS???????????????????????????????? 相似文献
8.
有色溶解有机物(Colored Dissolved Organic Matter, CDOM)是水体中重要的水质参数之一,是水色遥感的重要研究对象,如何构建适合特定区域的近海二类水体CDOM反演模型一直是国内外研究难点。本文利用2017年5月26~29日对南海西北部海域湛江湾20个站位采集的水样和测量的光谱资料,分析归一化遥感反射率与CDOM浓度a_g(400)的相关性,发现最大负相关系数出现在586nm处,选择580、585、590、595nm这四个波段处的归一化遥感反射率与a_g(400)建立了多元线性回归模型、BP(Back-Propagation)神经网络模型和RBF(Radial-Basis Function)神经网络模型,并与其他算法模型进行对比分析。结果发现, BP和RBF神经网络模型的平均相对误差和均方根误差均远小于多元线性回归模型和其他算法模型,神经网络模型的预测值与实测值拟合效果要优于多元线性回归模型。研究表明,神经网络模型更适合于湛江湾有色溶解有机物的遥感估算。 相似文献
9.
经典Kalman滤波要求噪声是高斯白噪声,而动态GNSS定位的观测误差和状态预测误差往往是有色噪声。本文提出一种简便的有色噪声函数模型拟合滤波算法,采用前面历元的观测残差和状态残差建立有色噪声模型,削弱有色噪声对动态导航解算的影响。采用四星座GNSS接收机观测数据进行动态导航实验,结果表明,顾及有色噪声的动态导航滤波算法比未顾及有色噪声的经典Kalman滤波算法定位精度更高,三维位置精度提升9%以上。 相似文献
10.
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