基于AUV的航迹追踪自适应UKF算法

无迹卡尔曼滤波算法(UKF,unscented kalman filter)是一种常见的(AUV,autonomous underwater vehicle)加权统计线性回归航迹追踪算法,其算法冗余度低于(EKF,extended kalman filter)、(PF,particle filter)及(PSO,particle swarm optimization)等数值优化算法,且算法效率较高。然而,UKF控制算法中的系统采样时间间隔通常会被设置为常数,由此可能会产生预测值的误差累积,从而影响导航预测结果的精度。因此,笔者提出了基于AUV的航迹追踪自适应无迹卡尔曼滤波算法(AUKF,adaptive unscented kalamn filter algorithm),以期降低预测算法的累积误差。该预测方法依据标准UKF算法的原理,通过构造相应的约束、判断与反馈机制,调整系统状态方程中每一步的采样间隔t,从而提升算法的航迹追踪精度并减少过程噪声及传感器噪声对预测过程的影响。最后,通过仿真实验与结果对比,近一步验证了之前所提出的设想。     

城市实景模型结构化线面特征重构方法

为了改善城市实景模型边缘模糊，提出了一种曲率引导的结构化线面特征重构方法。根据曲率特征将网格分割为平面、可展凹、可展凸以及不可展曲面4类，在平面分割结果内提取平面，在可展凹和可展凸分割结果内提取直线，对过度弯曲的不可展区域进行保留，最终形成包含几何特征的复合网格模型。结果表明，结合曲率信息预先设置几何特征的潜在范围，使得结构化线面特征更可靠，同时保证城市实景中复杂的树结构不被错误地提取为平面。     

论公众参与意见反馈机制的缺陷与健全

随着依法治国步伐的推进，公民权利意识的觉醒，公众要求参政议政的呼声日益高涨，在公众参与机制不断成熟与发展的过程中，其中，有关如何健全公众参与意见反馈机制的话题，正成为社会各界所关注和讨论的焦点。对公众参与过程中的意见反馈机制存在的缺陷进行检讨，借鉴国外公众参与意见反馈机制的成功经验，明确健全公众参与意见反馈机制应坚持的基本原则，进而提出健全公众参与意见反馈机制的具体对策。