一种GNSS卫星轨道高精度实时插值方法

针对GNSS导航信号模拟源中多星座轨道计算实时性问题,从计算效率、精度等角度分析和对比了牛顿多项式和埃尔米特多项式插值算法的性能,通过对牛顿插值的加“窗”改进,使得卫星位置、速度的插值精度显著提高.算例结果表明,该方法能够在等间距时间点上多个卫星位置已知、速度未知的条件下,高精度实时地内插出卫星的位置和速度,其中卫星位置插值精度为mm级,速度插值精度小于1e-5 m/s,计算量为广播星历直接计算的1/7,位置和速度的拟合精度均优于三阶埃尔米特插值结果.     

OFDM系统中基于补零DFT信道插值算法的研究

针对OFDM系统中基于补零DFT实现信道插值的算法,对传统的时域方法和变换域方法进行了分析,并提出了一种新的补零方法。首先通过理论分析指出传统的基于补零DFT实现信道插值算法中,时域方法和变换域方法是等效的;通过对信道插值算法中冲激响应估计序列进行补零的分析,指出补零操作是为了重构出冲激响应的 点采样序列( 表示总子载波数),并针对传统补零方法在一定条件下产生的重构误差,提出了一种新的补零方法。仿真结果表明以上理论分析是正确的,新补零方法可以减小一定条件下的重构误差,增强信道插值算法对信道延迟分布的鲁棒性,有效提高系统的性能。     

基于OPENGL的面目标平均相对毁伤计算方法

目前,均匀面目标平均相对毁伤的计算无论是解析法还是模拟法都采用了将面目标离散化的思想,存在着离散方法困难、计算精度差等特点.基于OpenGL像素颜色混合机制,提出了直接用像素点对面目标进行离散的方法,并结合Monte-Carlo模拟方法实现了对均匀面目标平均相对毁伤的计算,给出了算法的实现步骤,通过计算实例对计算结果进行了分析.实验结果表明,此方法是计算均匀面目标平均相对毁伤一种快速有效的方法.     

基于差分和神经网络的同步辐射光源图像压缩方法

针对常见的图像无损压缩方法效果不佳问题,提出了一种基于图像差分和神经网络的同步辐射光源图像无损压缩方法。通过图像差分以减少图像序列内部的线性相关性,训练神经网络模型以学习图像序列内部的非线性相关性,得到预测概率分布,结合算术编码压缩。为加速预测和编码过程,将像素值按位分裂为两部分进行并行处理。基于上海同步辐射光源图像的测试表明,相较于便携式网络图形、JPEG2000和自由无损图像格式等,该方法可将压缩率提升20%以上,像素位分裂可以缩短30%的模型预测和编码时间。     

亚像素图像处理技术及其在网格法中的应用

图象分辨率大大低于胶片是数字图像处理系统的一大弱点,此弱点极大地限制了数字图像处理技术在精密测量等领域的应用。亚像素软件处理技术能弥补硬件这一缺点。本文介绍了常用的正像素图像处理技术,并将其应用于网格测量方法;提出了处理大曲率网格线的新方法──线跟踪算子,并实现了大曲率网格的亚像素处理。关键词     

焊缝缺陷三维成像及亚像素定量方法研究

为实现工业设备中焊缝结构内部缺陷准确地定量分析,针对构造缺陷三维重构模型时缺陷图谱的过分割和欠分割导致定量分析不够精确的问题,提出了一种基于图谱颜色分割的新算法。利用该算法处理缺陷切片并进行三维重构获取其长度,应用Canny算子与三次样条插值法结合获取缺陷亚像素边缘,基于缺陷区域连通标记算法和累加法可获取缺陷面积和体积的方法。研究结果表明：与实际数据对比,未焊透、未熔合、夹渣缺陷重构的长度误差分别为8.18%、5%、9.62%,基于此对分割缺陷的亚像素边缘内连通域进行标记以准确地获取其面积及体积。该方法能够在不破坏焊缝结构的情况下即时获取焊缝内部缺陷的形貌并对其进行精准且全面的定量分析。     

基于移动Kriging插值算法的水下地形构建技术研究

针对Kriging插值算法在地形构建中对真实观测数据进行光滑处理时可能产生较大误差的问题,在简述其基本原理的基础上,提出了移动Kriging插值算法,并详细阐述了该算法的原理和步骤。运用该算法对类Sphere、Rastrigin函数分别模拟的平坦和起伏地形进行插值重构仿真测试,并对武汉木兰湖湖底真实地形数据进行了验证比较,结果表明:该算法在水下地形构建中能够获得较好的插值效果,很好地保持了地形特征,且能获得更小残差的水下地形数据,在水下数字地图制作中具有较好的应用价值。     

一种基于显著性区域的图像分割算法

针对传统的显著区域的分割方法存在的频谱泄露、无法达到亚像素精度的问题,提出了一种新的基于显著性区域的图像分割算法。利用Lucas-Kanade图像配准算法对大量重复出现模式的最小周期进行估计,从而准确地重建出背景模型;在此基础上,提出了"广义邻域点"的方法,设计自适应尺度的中值滤波器完成前景分量的精确分割;并提出了快速中值滤波器的设计方法,显著降低了计算复杂度。实验证明了该算法能够准确、高效地分割图像,适用于大量重复背景中前景目标的提取。