【目的】全球离散格网系统(Discrete Global Grid Systems,DGGS)本质上是多尺度栅格结构,地理空间矢量与格网的集成是难点,矢量线格网化是其中的基本问题。现有方案多以平面格网单元中心(格心)连线为矢量线建模结果,但扩展到球面后建模...【目的】全球离散格网系统(Discrete Global Grid Systems,DGGS)本质上是多尺度栅格结构,地理空间矢量与格网的集成是难点,矢量线格网化是其中的基本问题。现有方案多以平面格网单元中心(格心)连线为矢量线建模结果,但扩展到球面后建模精度降低,本文针对这一缺陷提出矢量线全球离散格网系统高精度建模方法。【方法】首先选择与地球拟合程度更高的菱形三十面体构建六边形格网系统,以3个相邻菱形面构成组合结构并建立三轴整数坐标系描述单元空间位置;然后根据矢量线首尾端点所在单元确定最优方向编码以减少搜索范围,通过编码邻近运算搜索矢量线经过的球面单元,以球面格心连线为建模结果并提出跨面矢量线处理方法;最后增加单元顶点(格点)作为结构要素,实现多结构要素矢量线建模,进一步提高建模精度。【结果】实验结果表明:本文方案能正确实现全球各个大洲海岸线格网化建模,确保格网化单元与矢量线拓扑相交,且相较平面格网建模结果兼具精度和效率优势。【结论】针对传统矢量数据格网建模方法的几何精度损失和拓扑畸变问题,本文提出高精度球面格网化建模方法,为矢量数据转换至格网同构处理提供有力支撑。展开更多
非视距(Non Line of Sight,NLOS)传播是影响超宽带(Ultra-wide Bandwidth,UWB)定位精度的一个重要因素。针对UWB定位中视距(Line of Sight,LOS)信号数量大于NLOS信号数量所呈现的类别不平衡特点,提出了一种基于类别不平衡学习的NLOS信...非视距(Non Line of Sight,NLOS)传播是影响超宽带(Ultra-wide Bandwidth,UWB)定位精度的一个重要因素。针对UWB定位中视距(Line of Sight,LOS)信号数量大于NLOS信号数量所呈现的类别不平衡特点,提出了一种基于类别不平衡学习的NLOS信号识别方法。该方法通过给NLOS信号和LOS信号赋予不同的误分代价来训练一个带野值的支持向量数据描述(Support Vector Data Description,SVDD)学习器,实现对数量少但重要的NLOS信号的识别。仿真结果表明,当LOS信号数量远大于NLOS信号数量时,该方法对NLOS信号的识别性能优于支持向量机(Support Vector Machine,SVM)。展开更多
文摘【目的】全球离散格网系统(Discrete Global Grid Systems,DGGS)本质上是多尺度栅格结构,地理空间矢量与格网的集成是难点,矢量线格网化是其中的基本问题。现有方案多以平面格网单元中心(格心)连线为矢量线建模结果,但扩展到球面后建模精度降低,本文针对这一缺陷提出矢量线全球离散格网系统高精度建模方法。【方法】首先选择与地球拟合程度更高的菱形三十面体构建六边形格网系统,以3个相邻菱形面构成组合结构并建立三轴整数坐标系描述单元空间位置;然后根据矢量线首尾端点所在单元确定最优方向编码以减少搜索范围,通过编码邻近运算搜索矢量线经过的球面单元,以球面格心连线为建模结果并提出跨面矢量线处理方法;最后增加单元顶点(格点)作为结构要素,实现多结构要素矢量线建模,进一步提高建模精度。【结果】实验结果表明:本文方案能正确实现全球各个大洲海岸线格网化建模,确保格网化单元与矢量线拓扑相交,且相较平面格网建模结果兼具精度和效率优势。【结论】针对传统矢量数据格网建模方法的几何精度损失和拓扑畸变问题,本文提出高精度球面格网化建模方法,为矢量数据转换至格网同构处理提供有力支撑。
文摘非视距(Non Line of Sight,NLOS)传播是影响超宽带(Ultra-wide Bandwidth,UWB)定位精度的一个重要因素。针对UWB定位中视距(Line of Sight,LOS)信号数量大于NLOS信号数量所呈现的类别不平衡特点,提出了一种基于类别不平衡学习的NLOS信号识别方法。该方法通过给NLOS信号和LOS信号赋予不同的误分代价来训练一个带野值的支持向量数据描述(Support Vector Data Description,SVDD)学习器,实现对数量少但重要的NLOS信号的识别。仿真结果表明,当LOS信号数量远大于NLOS信号数量时,该方法对NLOS信号的识别性能优于支持向量机(Support Vector Machine,SVM)。
