简介：文章将卡尔曼滤波理论应用于时间序列影像的背景估计,引入衰减记忆因子解决滤波的发散问题,最终实现了对背景信号的估计.

简介：将一组观测值作为系统的输出,可以用卡尔曼滤波模型来描述系统的状态,动态系统由状态方程与观测方程来描述,以监测点的位置、位移速率、加速率参数为状态向量。它的滤波方程是一组类推计算公式,计算过程是不断预测、修正的过程,在求解时不用保留已用过的观测值序列,当得到新的观测数据时,可以随时修正新的观测值,便于实时处理观测成果,把参数估计与预报有机的结合起来,特别适合变形监测数据的动态处理。

简介：在地铁附近基坑工程的施工阶段,通常要对地铁隧道结构进行水平位移监测、分析和预测。采用卡尔曼滤波能实时估计出水平位移状态向量,实现水平位移预测,如果卡尔曼滤波中动态噪声不准或不易确定,就会导致滤波发散而无法获得准确的预测结果。研究和采用基于方差分量估计的卡尔曼滤波,利用预报残差实时更新模型的动态噪声方差,可以避免滤波发散,提高预测精度。实际应用表明,基于方差分量估计的卡尔曼滤波能获得较好的水平位移预测效果。

简介：地下采煤引起的地表沉陷是一个时间和空间的过程，据此提出了观测站动态数据处理模型Kalman滤波和自适应Kalman滤波，通过实例验证了自适应Kalman滤波比普通Kalman滤波在观测站数据滤波和预测中具有优越性。

简介：中值滤波算法能有效抑制椒盐噪声和高斯噪声，是一种广泛应用的遥感图像预处理方法。针对标准的图像中值滤波算法中在方形邻域窗口进行简单排序而没有考虑与中心像素距离的不足，提出了一种对邻域像素使用高斯加权的中值滤波算法，并使用C语言进行了快速实现。普通图像、光学和SAR遥感图像的实验表明，新算法具有更好的噪声抑制性能，且计算效率与经典算法有大幅提高。

简介：“全球定位系统”（以下简称ＧＰＳ）的实验阶段已经结束，该系统在基础网领域里可用于科学研究和大规模操作，这一点是显而易见的并已得到证明。然而，ＧＰＳ在测量工程方面的应用仅仅才迈出了第一步，尤其是高精度要求的测量工程。几年来，慕尼黑Ｂｕｎｄｅｓｗｅｈｒ大学大地测量学院一直在广泛地收集经验，并完全掌握如何使用ＧＰＳ解决实际问题，作者在其论文里描述把该系统应用到建立高精度局部坐标系统，如：修建铁路，结构监测以及海洋环境中隧道的基础网建设。在不远的将来，当该系统的潜力被充分开发时，我们相信，该系统还会有其它作用。