检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于微波自由空间测量的小麦含水率检测方法

农业机械学报 2019年第6期50卷 338-343,378页

作者：郭交段凯文郭文川西北农林科技大学机械与电子工程学院陕西杨凌712100 农业农村部农业物联网重点实验室陕西杨凌712100 陕西省农业信息感知与智能服务重点实验室陕西杨凌712100

为了实现小麦含水率的快速检测,采用微波自由空间测量法研究了信号频率(1~4GHz)、温度(10~40℃)、含水率(11.35%~17.79%)和容积密度(低、高)对小麦相对介电常数的影响,分析了影响相对介电常数变化的原因,建立了不同频率下小麦含水率的... 详细信息

为了实现小麦含水率的快速检测,采用微波自由空间测量法研究了信号频率(1~4GHz)、温度(10~40℃)、含水率(11.35%~17.79%)和容积密度(低、高)对小麦相对介电常数的影响,分析了影响相对介电常数变化的原因,建立了不同频率下小麦含水率的预测模型,并对模型进行了验证。研究结果表明,在1~4GHz频段内,小麦的相对介电常数随含水率、温度和容积密度的增大而增大,随着信号频率的增大而减小;所建立的支持向量机模型取得了很好的预测效果,对比于单频和多频,全频下的预测模型最优,其预测集相关系数、预测集均方根误差和剩余预测偏差分别达到了0.9929、0.0513%和18.67。研究表明,微波自由空间法可用于检测小麦含水率。

关键词：小麦含水率自由空间测量介电特性

基于超宽带雷达和多光谱数据融合的土壤含水率检测

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2021年第9期52卷 241-249页

作者：郭交白清源郭文川西北农林科技大学机械与电子工程学院陕西杨凌712100 陕西省农业信息感知与智能服务重点实验室陕西杨凌712100 农业农村部农业物联网重点实验室陕西杨凌712100

土壤含水率监测是精准农业的重要组成部分,对于农情监测和农业生产起着关键性作用。超宽带雷达由于其体积小、质量轻、穿透力强和功耗低等特性已被广泛应用于土壤含水率监测研究。而现有超宽带雷达反演土壤含水率多为理想裸土情况,实际... 详细信息

土壤含水率监测是精准农业的重要组成部分,对于农情监测和农业生产起着关键性作用。超宽带雷达由于其体积小、质量轻、穿透力强和功耗低等特性已被广泛应用于土壤含水率监测研究。而现有超宽带雷达反演土壤含水率多为理想裸土情况,实际应用中地表植被覆盖会对结果造成较大影响,针对此问题,融合超宽带雷达和多光谱数据,利用支持向量机(SVM)模型对农田尺度不同植被覆盖下的土壤含水率进行分级预测,以减小植被对预测精度的影响。研究结果表明,在超宽带雷达回波数据提取出的不同时域特征组合中,选用峰值因子、峭度、均方根、峰-峰值、最大幅值、方差、偏斜度、平均值和最小幅值9个时域特征作为SVM模型输入特征预测结果最好,总体精度为95.59%,Kappa系数为0.9492。加入植被指数NDVI后,不同时域特征组合作为特征输入的模型精度均有显著提高,其中将9个时域特征与NDVI共同作为SVM输入预测效果最佳,总体精度为98.09%,Kappa系数为0.9780,与不考虑植被影响的预测结果比较,总体精度提高了2.50个百分点,Kappa系数提高了0.0288。

关键词：土壤含水率超宽带雷达多光谱数据融合支持向量机

基于时变特征的多时相PolSAR农作物分类方法

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2017年第12期48卷 174-182页

作者：郭交尉鹏亮周正舒苏宝峰西北农林科技大学机械与电子工程学院陕西杨凌712100 农业部农业物联网重点实验室陕西杨凌712100 联邦科学与工业研究组织数据处理研究所

获取农作物分类信息是极化合成孔径雷达(Polarimetric synthetic aperture radar,PolSAR)的重要应用之一,然而单时相PolSAR数据能够提供的信息十分有限,而且单时相数据的获取时间也会影响农作物分类精度。随着技术的发展,出现了大量的... 详细信息

获取农作物分类信息是极化合成孔径雷达(Polarimetric synthetic aperture radar,PolSAR)的重要应用之一,然而单时相PolSAR数据能够提供的信息十分有限,而且单时相数据的获取时间也会影响农作物分类精度。随着技术的发展,出现了大量的机载和星载PolSAR系统,这些系统能够获取目标重复观测的PolSAR数据,这为多时相PolSAR的数据分析和应用提供了可能。本文以多时相PolSAR农作物分类为出发点,通过利用不同农作物的极化散射特性的变化特性来提高分类精度。首先,基于极化散射特性分解原理分析了不同农作物在生长过程不同时期所呈现的散射特性变化规律,在此基础上定义了一个新的参数描述其散射特性的变化特性。其次,基于这一新参数提出了一种多时相PolSAR农作物监督分类算法。最后,通过对欧洲空间局所提供的基于Radarsat-2实测仿真生成的Sentinel-1数据处理结果表明,相比于基于复Wishart分布的监督分类算法,农作物的整体分类精度提高了约4个百分点,当农作物种类合并为4类时,整体分类精度提高了约6个百分点。

关键词：农作物分类极化合成孔径雷达多时相散射特性

非邻域相干系数估计的PolInSAR树高反演算法

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2015年第12期46卷 268-273页

作者：苏宝峰李锦伟靳标郭交西北农林科技大学机械与电子工程学院陕西杨凌712100 西安电子科技大学雷达信号处理国家重点实验室西安710071

为了提高全极化干涉合成孔径雷达树高反演精度,提出了一种基于非邻域窗口相干系数估计的Pol In SAR树木高度反演算法。该算法首先求取4对全极化干涉SAR图像的最优干涉相位图,再以局部窗口内像素的幅度和相位联合条件概率密度为准则选取... 详细信息

为了提高全极化干涉合成孔径雷达树高反演精度,提出了一种基于非邻域窗口相干系数估计的Pol In SAR树木高度反演算法。该算法首先求取4对全极化干涉SAR图像的最优干涉相位图,再以局部窗口内像素的幅度和相位联合条件概率密度为准则选取与当前像素满足独立同分布的样本,进而获得相干系数的准确估计值,最后采用三段法进行树木高度反演。对仿真数据的处理结果表明,所提算法能够提高观测场景中树木高度的反演精度,并且能够很好地保持图像中的边界细节信息。

关键词：树高反演极化干涉合成孔径雷达相干系数非邻域

基于超宽带雷达回波短时傅里叶变换的土壤含水率检测

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2024年第8期55卷 352-360页

作者：尉鹏亮周昱宏王若蓁郭交西北农林科技大学机械与电子工程学院陕西杨凌712100 陕西省农业信息感知与智能服务重点实验室陕西杨凌712100

土壤体积含水率监测对提高农业生产效率和制定合理土壤管理措施具有重要意义。超宽带雷达由于其高距离分辨率、强穿透能力在农业土壤动态信息实时监测中得到广泛应用。但以往对超宽带雷达信号的处理主要关注时域特征,忽略了同样具有丰... 详细信息

土壤体积含水率监测对提高农业生产效率和制定合理土壤管理措施具有重要意义。超宽带雷达由于其高距离分辨率、强穿透能力在农业土壤动态信息实时监测中得到广泛应用。但以往对超宽带雷达信号的处理主要关注时域特征,忽略了同样具有丰富信息的频域特征,使得回波信号在土壤体积含水率反演过程中无法得到充分利用,限制了土壤体积含水率的反演精度。本文基于超宽带雷达获取的土壤回波信号,对其进行预处理并提取与土壤体积含水率有关的回波信号,对该信号采用短时傅里叶变换(Short-time Fourier transform,STFT),分析与土壤体积含水率有关的回波信号随时序变化的时频谱特征,进而结合卷积神经网络(Convolutional neural network,CNN)建立土壤体积含水率分级以及回归预测模型。实验结果表明,基于添加高斯白噪声后的数据,对于土壤体积含水率的分级,将时频特征和CNN模型相结合时,分级总体精度和Kappa系数分别为98.69%和0.9849,相较于10个时域特征与植被指数NDVI(Normalized difference vegetation index)建立的支持向量机模型(Support vector machine,SVM),分级总体精度提升21.78个百分点,Kappa系数提高0.2515。对于土壤体积含水率的回归预测,将时频特征和CNNR(Convolutional neural network regression)模型相结合时,预测结果与真实值之间的决定系数(R^(2))为0.9872,均方根误差(RMSE)为0.0048 cm^(3)/cm^(3),相对分析误差(RPD)为6.2738,相较于10个时域特征结合植被指数NDVI建立的CNNR模型,R^(2)提升0.2316,RMSE降低1.3377 cm^(3)/cm^(3),RPD提高4.2714。综上,在土壤体积含水率分级和回归预测方面,本文所提方法较传统信号检测处理方法具有明显优势。

关键词：土壤体积含水率超宽带雷达短时傅里叶变换卷积神经网络

基于Sentinel多源数据的农田地表土壤水分反演模型构建与验证

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2019年第14期35卷 71-78页

作者：郭交刘健宁纪锋韩文霆西北农林科技大学机械与电子工程学院杨凌712100 陕西省农业信息感知与智能服务重点实验室杨凌712100 西北农林科技大学信息工程学院杨凌712100 西北农林科技大学水土保持研究所杨凌712100

土壤水分是影响水文、生态和气候等环境过程的重要参数,而微波遥感是农田地表土壤水分测量的重要手段之一。针对微波遥感反演农田地表土壤水分受植被覆盖影响较大的问题,该文基于Sentinel-1和Sentinel-2多源遥感数据,利用Oh模型、支持... 详细信息

土壤水分是影响水文、生态和气候等环境过程的重要参数,而微波遥感是农田地表土壤水分测量的重要手段之一。针对微波遥感反演农田地表土壤水分受植被覆盖影响较大的问题,该文基于Sentinel-1和Sentinel-2多源遥感数据,利用Oh模型、支持向量回归(support vector regression,SVR)和广义神经网络(generalized regression neural Network,GRNN)模型对土壤水分进行定量反演,以减小植被影响,提高反演精度。结果表明:通过水云模型去除植被影响后的Oh模型反演精度有所提高。加入不同植被指数的SVR和GRNN模型的反演效果总体优于Oh模型,基于SVR模型的多特征参数组合(双极化雷达后向散射系数、海拔高度、局部入射角、修改型土壤调整植被指数)反演效果最优,其测试集相关系数和均方根误差分别达到了0.903和0.015cm^3/cm^3,为利用多源遥感数据反演农田地表土壤水分提供了参考。

关键词：土壤水分模型遥感反演多源数据 Sentinel

在线全文

学校读者我要写书评

暂无评论

多普勒信息辅助的杂波环境下多目标跟踪算法

电子科技大学学报 2019年第4期48卷 511-517页

作者：靳标李聪郭交何东健江苏科技大学电子信息学院江苏镇江212003 西北农林科技大学机械与电子工程学院陕西杨凌712100 西北农林科技大学农业农村部农业物联网重点实验室陕西杨凌712100 西北农林科技大学陕西省农业信息感知与智能服务重点实验室陕西杨凌712100

传统雷达目标跟踪方法仅利用目标的位置信息进行数据关联,在处理密集杂波环境下的多目标跟踪问题时,容易产生虚假航迹,甚至出现误跟、失跟的现象。该文针对此问题提出一种多普勒信息辅助的杂波环境下多目标跟踪算法。首先引入多普勒信... 详细信息

传统雷达目标跟踪方法仅利用目标的位置信息进行数据关联,在处理密集杂波环境下的多目标跟踪问题时,容易产生虚假航迹,甚至出现误跟、失跟的现象。该文针对此问题提出一种多普勒信息辅助的杂波环境下多目标跟踪算法。首先引入多普勒信息带来的观测方程非线性,以及速度观测与距离观测之间的相关性问题,基于IPDA-UKF算法框架,综合利用目标的位置和速度信息构建多维关联波门,利用多维信息进行有效量测的筛选,从而将一个多目标数据关联的问题转化为多个单目标数据关联的问题,然后采用IPDA-UKF分别估计各个目标的存在概率和运动状态。仿真结果表明:相比其他算法,该算法充分利用距离和速度之间的相关性,不仅降低了杂波环境下多目标数据关联的复杂度,提高了数据关联的效率,而且目标跟踪精度也得到了明显提升。

关键词：多普勒信息概率数据关联雷达目标跟踪不敏卡尔曼滤波

基于自适应有限冲激响应-卡尔曼滤波算法的GPS/INS导航

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2019年第3期35卷 75-81页

作者：靳标李建行朱德宽郭交苏宝峰西北农林科技大学机电学院杨凌712100 农业农村部农业物联网重点实验室杨凌712100 陕西省农业信息感知与智能服务重点实验室杨凌712100

导航定位系统一般采用卡尔曼滤波算法提高定位精度。传统卡尔曼滤波算法的性能很大程度上依赖观测噪声的先验统计信息,不精确的统计特性将会降低定位精度。针对此问题,该文提出一种基于FIR(finite impulse response)预测模型的卡尔曼滤... 详细信息

导航定位系统一般采用卡尔曼滤波算法提高定位精度。传统卡尔曼滤波算法的性能很大程度上依赖观测噪声的先验统计信息,不精确的统计特性将会降低定位精度。针对此问题,该文提出一种基于FIR(finite impulse response)预测模型的卡尔曼滤波算法。将FIR预测模型与卡尔曼滤波结合,FIR预测模型的系数可以通过求解一个凸二次规划问题得到。该凸二次规划以目标的多项式运动规律为约束条件,以最小白噪声增益为目标函数,具有闭式解。仿真试验和实测结果均表明,在相同的参数设置条件下,基于FIR预测模型的卡尔曼滤波算法比传统的卡尔曼滤波算法具有更高的估计精度,仿真结果表明定位精度提高29.54%,实测结果表明X方向定位精度提高21.71%,Y方向定位精度提高22.62%。该算法可应用于GPS接收信号的降噪处理,提高目标状态的定位精度。

关键词：导航模型 FIR预测模型自适应卡尔曼滤波全球定位系统

在线全文

学校读者我要写书评

暂无评论

基于点云的目标识别和位姿估计方法研究

基于点云的目标识别和位姿估计方法研究

作者：郭交通南京航空航天大学

学位级别：硕士

面向现代仓储物流与工业自动化生产对物料随机抓取的需求,在2D视觉无法准确测距和估计目标位姿的情况下,研究基于点云的目标识别和位姿估计方法。针对柱体、盒体和复杂形状物体,使用点云数据计算位姿,为机器人抓取提供依据。为抓取布料... 详细信息

面向现代仓储物流与工业自动化生产对物料随机抓取的需求,在2D视觉无法准确测距和估计目标位姿的情况下,研究基于点云的目标识别和位姿估计方法。针对柱体、盒体和复杂形状物体,使用点云数据计算位姿,为机器人抓取提供依据。为抓取布料卷,研究圆柱点云分割定位方法,分析迭代使用随机采样一致算法中出现的过分割和过生长问题,在剔除分割后的圆柱点云边界后,使用贪婪聚类方法融合属于同一圆柱的点云。使用最小二乘法计算圆柱半径,将边缘点向轴线投影计算轴线端点坐标。实验室和现场测试结果表明:该方法能够有效分割随机堆放的、不同尺寸的布料卷的场景点云,计算布料卷半径和轴线端点。为分拣随机堆放的盒体,研究平面点云分割方法。在两种经典分割方法基础上,提出一种平面点云分割方法:解决生长过程累积法线偏差的问题,通过聚类融合属于盒体同一表面的点云,利用矩形度筛选不被遮挡的盒体表面。测试结果表明:该方法能够有效分割随机堆放的、不同尺寸的盒体的场景点云。针对复杂形状目标识别与位姿估计问题,提出从数据预处理到假设验证的解决方案。以点对特征为基础,针对提高特征区分度、离散度和噪声鲁棒性,提出一种改进方法:模型训练阶段,在下采样时保留更多具有区分性的点对,并将点对特征存储至16邻域;在线匹配阶段,使用权重投票,并利用局部参考系验证候选位姿。使用欧式聚类筛选不同实例的位姿,在计算模型可见点后,使用由粗到精的ICP算法计算目标位姿,利用重叠率筛选不被遮挡的目标。对附加高斯噪声的点云数据进行测试:当高斯噪声标准差为3%和5%倍模型最大尺寸时,识别率分别为98%和78%,相比于原算法有5%到8%的提高。进行了复杂场景点云位姿估计测试和抓取测试,结果表明:该方法可在1.5秒内计算多个实例的位姿,能够满足随机抓取对位姿的要求。

关键词：点云平面分割柱面分割目标识别位姿估计