基于车载GPS定位误差分布规律的地图匹配算法

针对目前车载GPS定位信息地图匹配技术的主要缺陷,即GPS定位点的道路纵向位置修正效果较差,特别是对GPS独立定位的情况而言,修正精度很低,通过分析车载GPS定位误差的特点及其分布规律设计了一种地图匹配算法,重点提高车载GPS定位点在道路纵向的修正精度.采用长春市局部路网的地理信息为基础,采集车载GPS实测数据完成了算法的实证分析.结果表明,所提出的地图匹配算法应用效果理想,尤其是将车载GPS定位点的道路纵向位置修正精度提高了2.5 m以上,从而可满足车载GPS数据用户更高水平的信息需求.     

基于小波变换的图像零树压缩感知方法

稀疏性是压缩感知的前提,然而,自然图像通常不是稀疏的,因此对图像直接应用压缩感知算法很难取得高压缩效率.针对图像信号,将编码思想融入压缩感知理论,提出一种简单有效的零树压缩感知方法.该方法先利用零树思想辅助压缩感知测量,在得到测量值的同时编码重要系数的位置;然后提出零树追踪重构算法,通过精确解码重要系数位置来重构原始图像小波系数,提高重构精度.实验结果表明,相比于现有匹配追踪算法和EZW算法,本文方法有更高的压缩比和更好的图像重构质量.     

全球定位系统的差分伪距定位的算法研究

分析了GPS差分伪距绝对定位的传统算法,并提出了一种通过求差,将GPS绝对定位的非线性观测方程转化成线性方程直接求解观测站坐标的新算法.通过实例计算表明该方法计算简单,不需要观测站的初始坐标信息,不需要求导计算和迭代计算,通过采用差分绝对定位的模拟观测数据进行计算.计算结果表明,对于提高GPS差分伪距单点定位的解算速度和精度具有重要的应用价值.     

基于扩展卡尔曼滤波的GPS定位数据处理方法研究

由于GPS信号容易受到遮挡、干扰等影响,有时会存在较大的系统噪声和量测噪声,这将引起GPS的定位精度受到较大影响。研究了一种利用扩展卡尔曼滤波对GPS定位数据进行处理的方法。对扩展卡尔曼滤波算法进行了深入分析,并结合GPS应用建立了系统的动态模型,对滤波算法的初值和系统噪声的进行了探讨。通过实测GPS数据对扩展卡尔曼滤波算法进行了验证,实测结果表明该算法对GPS应用系统的定位数据有较好的滤波效果,可以有效的提高GPS的定位精度。     

单应变换下无人机序列图像高效率压缩算法

针对高空无人机航拍序列图像的实时图像压缩问题,设计了一种基于单应变换的可精确定比的高压缩性能低计算复杂度航拍序列图像压缩算法.该算法使用机载惯导数据进行编码帧组划分并获得中间帧相对于首尾帧的初始单应变换,进而通过多子区匹配实现对单应矩阵的快速精确求解,然后通过单应变换来实现对中间帧的整体运动估计和补偿,最后用JPEG2000算法对帧组数据进行整体压缩.实验结果表明,相对于传统算法,该算法具有计算复杂度低、压缩比高、保真度好、可精确定比压缩的优点.     

结合PWC技术的LED室内定位算法

为进一步提高基于发光二极管(LED)室内定位系统的精度,提出一种结合成对编码(PWC)的LED室内定位算法.通过将性能较好的子载波与性能较差的子载波进行PWC处理,可缓解由系统噪声分布不均造成的载波间信噪比不均衡的问题,从而提高系统的性能,且PWC技术在预编码阶段不增加开销,解码复杂度低.该定位算法利用非对称限幅光正交频分复用(ACO-OFDM)调制奇载波,然后将调制后的子载波进行PWC处理,在接收端使用接收信号强度(RSS)技术获取位置信息.计算了在确定高度下房间里每个点的定位误差,并与仅基于ACOOFDM的传统定位算法进行了比较.仿真结果表明:结合PWC技术后系统的总均方根(RMS)误差从0.27 m降低到了0.20 m,优于仅基于ACO-OFDM的传统定位算法.     

基于小波变换及四元树矢量量化的图象数据压缩算法

小波变换在时域和频域具有良好的局部化性能,因而在图象压缩编码中得到广泛应用.矢量量化则因为其压缩比大,原理和算法相对简单,成为图象压缩的又一重要方法.采用小波变换与四元树矢量量化相结合对二维图象进行编码.结果表明,该方法可以获得较高的压缩比及PSNR.     

基于自适应分割和自适应量化的图像压缩算法

为弥补JPEG算法不能自适应不同属性图像的不足,提出一种基于自适应分割和自适应量化的图像压缩算法.利用多闲值分割将图像分割成不同尺寸的平滑子块和细节子块,不同子块采用不同DCT变换和量化方式.本文定义的压缩-信噪比增益(CPR)同时考虑了压缩比(CR)和峰值信噪比(PSNR),可有效评价图像压缩效果,实验结果表明,与传统JPEG算法相比,该算法在PSNR相同情况下,能够获得更高的CR;或者在CR相同情况下,能够获得更高的PSNR.     

一种基于优先函数的数字图像压缩的算法

提出了一种基于优先函数的数字图像压缩的算法,该算法对于一类特殊图像采用优先函数法处理后,大大减少了所需处理象素的数据。在此基础上再和其它算法结合可以获得更高的压缩比。     

紧致麦克风阵列压缩采样与DOA估计方法

针对紧致麦克风阵采样信号大量冗余的问题,提出了一种ΣΔAD压缩采样方法.该方法将软硬件相结合,在ΣΔAD转换器内部进行压缩采样.压缩采样中采用自适应过程,去除信号中的冗余分量,并将压缩后的信号进行稀疏编码.仿真结果表明,使用该方法对紧致麦克风阵接收信号进行压缩编码时,通过选取合适的稀疏化阈值,可使源数据的压缩比达到10%~30%.压缩采样后的信号可以用于DOA估计等应用.针对八元紧致麦克风圆阵和DSP实时系统的DOA估计实验结果表明:这种DOA估计方法在阵元间距低至2 cm时仍能正常工作;当阵列尺寸减小时,相比经典MUSIC算法和PHAT-GCC算法,该方法定位精度更高,噪声鲁棒性更强.