海冰密集度数据是开展全球海洋监测和应对气候变化研究的重要数据源,为了研制出分辨率更高,误差更小的北极海冰密集度融合资料,本文使用了多源海冰密集度资料,以OSTIA(Operational Sea Surface Temperature and Ice Analysis)数据集为...海冰密集度数据是开展全球海洋监测和应对气候变化研究的重要数据源,为了研制出分辨率更高,误差更小的北极海冰密集度融合资料,本文使用了多源海冰密集度资料,以OSTIA(Operational Sea Surface Temperature and Ice Analysis)数据集为融合背景场,采用以下方案开展融合研究。首先,对现有5种海冰资料进行质量控制;其次,以OSI SAF(Ocean and Sea Ice Satellite Application Facility)资料为基准,采用概率密度匹配法订正各资料的系统误差;然后,利用小波分解将各资料分解为低频信息和高频信息,对低频信息和高频信息分别计算融合权重和卡尔曼滤波处理;最后,利用小波重构将各资料进行融合,生成0.05°分辨率的北极逐日海冰密集度融合资料。通过对比国际上广泛认可的OISST(Optimum Interpolation Sea Surface Temperature)、OSTIA海冰密集度资料,验证结果显示:融合资料与OISST、OSTIA海冰密集度资料在北极的空间分布上高度一致,相关系数均超过0.967。相对于前人的研究,本融合资料与OISST的偏差由–1.170%减少到–0.108%,与OSTIA的偏差由0.276%减少到–0.156%;与OISST和OSTIA的均方根误差分别由9.835%减少为8.010%以及由7.427%减少为5.140%。本融合资料的偏差以及均方根误差都得到了显著的提升,具有较高的质量。展开更多
在利用惯性测量单元(Inertial Measurement Unit, IMU)对载体进行姿态解算时,机体震动和累计误差等因素会对解算结果产生较大影响。针对上述问题,提出了一种基于小波滤波和卡尔曼滤波的IMU噪声抑制方法。该方法通过高斯加权移动平均滤...在利用惯性测量单元(Inertial Measurement Unit, IMU)对载体进行姿态解算时,机体震动和累计误差等因素会对解算结果产生较大影响。针对上述问题,提出了一种基于小波滤波和卡尔曼滤波的IMU噪声抑制方法。该方法通过高斯加权移动平均滤波联合小波滤波对IMU中陀螺仪与加速度计的原始数据进行初步噪声抑制,采用比例积分微分(Proportion Integral Differential, PID)控制算法有效融合降噪后的陀螺仪与加速度计输出数据,从而减少累计误差和震动噪声影响。利用时间序列分析建立数学模型,为卡尔曼滤波器提供初始参数,通过卡尔曼滤波对融合后的数据进一步优化处理,提升噪声抑制效果。实验结果表明,所提方法相较于未滤波数据标准差下降了93.83%,显著抑制了震动噪声与累计误差,有效提高了IMU在姿态解算过程中的抗噪声性能。展开更多
文摘在利用惯性测量单元(Inertial Measurement Unit, IMU)对载体进行姿态解算时,机体震动和累计误差等因素会对解算结果产生较大影响。针对上述问题,提出了一种基于小波滤波和卡尔曼滤波的IMU噪声抑制方法。该方法通过高斯加权移动平均滤波联合小波滤波对IMU中陀螺仪与加速度计的原始数据进行初步噪声抑制,采用比例积分微分(Proportion Integral Differential, PID)控制算法有效融合降噪后的陀螺仪与加速度计输出数据,从而减少累计误差和震动噪声影响。利用时间序列分析建立数学模型,为卡尔曼滤波器提供初始参数,通过卡尔曼滤波对融合后的数据进一步优化处理,提升噪声抑制效果。实验结果表明,所提方法相较于未滤波数据标准差下降了93.83%,显著抑制了震动噪声与累计误差,有效提高了IMU在姿态解算过程中的抗噪声性能。
