CN116299318A - 基于点云密度的直升机大气数据的去噪方法 - Google Patents

基于点云密度的直升机大气数据的去噪方法 Download PDF

Info

Publication number
CN116299318A
CN116299318A CN202310561231.9A CN202310561231A CN116299318A CN 116299318 A CN116299318 A CN 116299318A CN 202310561231 A CN202310561231 A CN 202310561231A CN 116299318 A CN116299318 A CN 116299318A
Authority
CN
China
Prior art keywords
reference area
signal
value
vacuum
vacuum speed
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202310561231.9A
Other languages
English (en)
Other versions
CN116299318B (zh
Inventor
唐诗
刘兴涛
张果
吴梅
田中天
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu CAIC Electronics Co Ltd
Original Assignee
Chengdu CAIC Electronics Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chengdu CAIC Electronics Co Ltd filed Critical Chengdu CAIC Electronics Co Ltd
Priority to CN202310561231.9A priority Critical patent/CN116299318B/zh
Publication of CN116299318A publication Critical patent/CN116299318A/zh
Application granted granted Critical
Publication of CN116299318B publication Critical patent/CN116299318B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Theoretical Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Remote Sensing (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Evolutionary Biology (AREA)
  • Algebra (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本发明公开了一种基于点云密度的直升机大气数据的去噪方法，包括获取频谱信号中满足条件的峰值；将峰值对应的频率按时间排序，并视作点云；以当前真空速信号为参考点，统计其对应参考区域（m，n）内的真空速信号数量；判断数量是否≥m/2，若是，则当前真空速信号为有效值，否则进入下一步；扩大参考区域为（m，3n），统计当前真空速信号对应更新后参考区域内真空速信号数量；判断数量是否≥m/2，若是进入下一步，否则当前真空速信号为噪声点；根据更新后参考区域内真空速信号的频率值，预测当前时刻频率的预测值；判断预测值与当前真空速信号的频率值间的差值是否＞n，若是，则当前真空速信号为噪声点，否则当前真空速信号为有效值。

Description

基于点云密度的直升机大气数据的去噪方法
技术领域
本发明属于激光雷达数据处理的技术领域，特别是涉及一种基于点云密度的直升机激光大气数据系统的去噪方法。
背景技术
激光大气数据系统是一种基于大气气溶胶粒子米散射、多普勒效应和光学相干的激光遥感测速系统。基于压力测量的传统大气数据系统易受直升机旋翼流场影响，具有安装限制的同时，在直升机低速状态下，探测精度低。激光大气数据系统不受下洗流影响，具有更高的大气矢量探测精度，能实现直升机低空低速环境下大气矢量的准确探测。
光学大气数据系统受探测原理限制，当气溶胶浓度较低时，相干信号受背景噪声影响，系统无法有效输出空速信号，目前对信号的处理方法为将系统输出信号按时间进行先后排序，该时刻信号与前一刻信号的差值大于固定阈值，则判断该时刻为噪声信号。这种使用固定阈值去除噪声的方法，在处理直升机大气数据时主要存在以下不足：一是直升机飞行速度时刻变换，当直升机飞行速度变化较大时，有效信号极易超出阈值，被误判为噪声信号；二是如果前一时刻的输出值为噪声点，就会漏检此刻的有效信号。
发明内容
针对现有技术中的上述不足，本发明提供的基于点云密度的直升机激光大气数据系统的去噪方法解决了现有信号处理方法对直升机速度快速变化时的真空速识别率低的问题。
为了达到上述发明目的，本发明采用的技术方案为：
提供一种基于点云密度的直升机大气数据的去噪方法，其包括步骤：
S1、对激光大气数据系统获取的频谱信号进行平滑滤波，并对平滑滤波的信号进行寻峰操作，获得多个大于等于信噪比阈值的峰值；
S2、将获得的峰值对应的频率按时间排序组成真空速信号，将真空速信号视作点云，按时间序列和频率值建立二维坐标系；
S3、以当前真空速信号作为参考点，统计其对应的参考区域内存在的真空速信号数量num；
S4、判断数量num是否大于等于参考区域的1/2长度，若是，则当前真空速信号为有效值，否则进入步骤S5；
S5、扩大参考区域的宽度，并统计以当前真空速信号作为参考点，在更新后的参考区域内存在的真空速信号数量num1；
S6、判断数量num1是否大于等于参考区域的1/2长度，若是进入步骤S7，否则当前真空速信号为噪声点；
S7、根据更新后的参考区域内真空速信号的频率值，预测当前真空速信号对应时刻频率的预测值；
S8、判断预测值与当前真空速信号的频率值间的差值是否大于初始参考区域的宽度，若是，则当前真空速信号为噪声点，否则当前真空速信号为有效值。
进一步地，所述二维坐标系的x轴为时间序列，y轴为寻峰操作后的峰值对应的频率值。
进一步地，统计数量num/数量num1的方法包括：
A1、以当前真空速信号（x i，y i）对应时刻i作为参考，统计（i-1）~（i-m）时刻在坐标系中的时序坐标[
Figure SMS_1
]和频率坐标[/>
Figure SMS_2
]；
A2、当
Figure SMS_3
与/>
Figure SMS_4
之间的差值的绝对值小于等于n时，则i-j时刻的真空速信号位于参考区域内，记录（/>
Figure SMS_5
）；
A3、将步骤A2记录的所有真空速信号的坐标存储至坐标集，并统计记录的所有真空速信号的数量为数量num/数量num1；
其中，m为初始参考区域/更新后参考区域的长度；n为初始参考区域/更新后参考区域的宽度；更新后参考区域的宽度为初始参考区域宽度的3倍；x i和y i分别为i时刻的真空速信号的时序坐标和频率坐标；
Figure SMS_6
为第/>
Figure SMS_7
时刻的频率坐标。
采用上述技术方案的有益效果为：本方案该种方式进行数量统计，可以使更多的有效真空速信号进入参考域被记录统计，可以提高下一步中预测值的准确性。
进一步地，步骤S7中计算预测值的公式为：
Figure SMS_8
其中，
Figure SMS_10
和/>
Figure SMS_12
分别为参考区域/变更后参考区域中统计的第k个真空速信号的y轴值和x轴值；/>
Figure SMS_15
和/>
Figure SMS_11
分别为参考区域/变更后参考区域中统计的第k-1个真空速信号的y轴值和x轴值；/>
Figure SMS_13
为i时刻的趋势；/>
Figure SMS_16
为水平平滑常数；/>
Figure SMS_18
为趋势平滑常数；/>
Figure SMS_9
为变更后参考区域中所记录的最后一个真空速信号的y轴值；/>
Figure SMS_14
为变更后参考区域中所记录的倒数第二个真空速信号的y轴值；/>
Figure SMS_17
变更后参考区域中所记录的倒数第二个真空速信号的x轴值和/>
Figure SMS_19
分别为变更后参考区域中所记录的最后一个真空速信号的x轴值。
采用上述技术方案的有益效果为：使用改进后的二次指数平滑法能够有效对该时刻的真空速信号进行预测，有效信号识别率。
进一步地，在步骤S1中，采用平顶窗函数对频谱信号进行平滑滤波，所述信噪比阈值为频谱信号的平均值；初始参考区域的长度为6，宽度为4，扩展后的参考区域的长度为6，宽度为12。
本发明的有益效果为：本方案通过寻峰结合信噪比阈值，能够去除频谱信号中相对准确的噪声信号，之后将按时间排序的真空速信号视作点云数据，基于点云密度特征，识别噪声信号，并且可以充分利用先前时刻的有效空速信号，提高有效信号探测率，达到去噪效果。
附图说明
图1为基于点云密度的直升机激光大气数据系统的去噪方法的流程图；
图2为频谱寻峰示意图；
图3为使用本方案去噪方法进行滤波前空速信号时域图；
图4为参考区域调整示意图；
图5为使用本方案去噪方法进行滤波后空速信号时域图。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
参考图1，图1示出了基于点云密度的直升机大气数据的去噪方法；如图1所示，该方法S包括步骤S1至步骤S8。
在步骤S1中，采用平顶窗函数对激光大气数据系统获取的频谱信号进行平滑滤波，并对平滑滤波的信号进行寻峰操作，获得多个大于等于信噪比阈值的峰值；本方案优选信噪比阈值为频谱信号的平均值。
如图2所示，由于环境和背景噪声干扰，可能会出现多个波峰信号，峰值对应的频率（f）作为激光大气数据系统的信号输出。
在步骤S2中，将获得的峰值对应的频率按时间排序组成真空速信号，如图3所示，将真空速信号视作点云，按时间序列和频率值建立二维坐标系oxy，x方向为时间序列，y方向为激光大气数据系统频谱寻峰后的频率值，（
Figure SMS_20
）表示第i时刻的真空速信号的坐标。
在步骤S3中，以每个真空速信号作为参考点，统计其对应的参考区域（此处的参考区域为初始参考区域，其长度为6，宽度为4）内存在的真空速信号数量num。
在步骤S4中，判断数量num是否大于等于参考区域的1/2长度，若是，则当前真空速信号为有效值，否则进入步骤S5。
在步骤S5中，扩大参考区域的宽度，扩展后的参考区域的长度为6，宽度为12；统计以当前真空速信号作为参考点，在更新后的参考区域内存在的真空速信号数量num1。
如图4所示，实施时，本方案优选统计数量num/数量num1的方法包括：
A1、以当前真空速信号（x i，y i）对应时刻i作为参考，统计（i-1）~（i-m）时刻在坐标系中的时序坐标[
Figure SMS_21
]和频率坐标[/>
Figure SMS_22
]；
A2、当
Figure SMS_23
与/>
Figure SMS_24
之间的差值的绝对值小于等于n时，则i-j时刻的真空速信号位于参考区域内，记录（/>
Figure SMS_25
）；
A3、将步骤A2记录的所有真空速信号的坐标存储至坐标集，并统计记录的所有真空速信号的数量为数量num/数量num1；
其中，m为初始参考区域/更新后参考区域的长度；n为初始参考区域/更新后参考区域的宽度；更新后参考区域的宽度为初始参考区域宽度的3倍；x i和y i分别为i时刻的真空速信号的时序坐标和频率坐标；
Figure SMS_26
为第/>
Figure SMS_27
时刻的频率坐标。
在步骤S6中，判断数量num1是否大于等于参考区域的1/2长度，若是进入步骤S7，否则当前真空速信号为噪声点。
在步骤S7中，根据更新后的参考区域内真空速信号的频率值，预测当前真空速信号对应时刻频率的预测值
Figure SMS_28
其中，
Figure SMS_30
和/>
Figure SMS_33
分别为参考区域/变更后参考区域中统计的第k个真空速信号的y轴值和x轴值；/>
Figure SMS_36
和/>
Figure SMS_31
分别为参考区域/变更后参考区域中统计的第k-1个真空速信号的y轴值和x轴值；/>
Figure SMS_34
为i时刻的趋势；/>
Figure SMS_37
为水平平滑常数；/>
Figure SMS_39
为趋势平滑常数；/>
Figure SMS_29
为变更后参考区域中所记录的最后一个真空速信号的y轴值；/>
Figure SMS_32
为变更后参考区域中所记录的倒数第二个真空速信号的y轴值；/>
Figure SMS_35
为变更后参考区域中所记录的倒数第二个真空速信号的x轴值；/>
Figure SMS_38
为变更后参考区域中所记录的最后一个真空速信号的x轴值；x i为i时刻的真空速信号的时序坐标。
本方案通过统计参考区域中的真空速信号个数，可以有效识别噪声信号；当参考区域中真空速信号数较少时，通过扩大参考域范围，可以使有效信号更多地落入参考域中，再利用参考域中真空速信号的坐标预测该时刻的真空速信号的频率值，可以进一步提高识别噪声的准确率。
在步骤S8中，判断预测值与当前真空速信号的频率值间的差值是否大于初始参考区域的宽度，若是，则当前真空速信号为噪声点，否则当前真空速信号为有效值。
采用本方案的去噪方法对机载飞行试验获取的真空速信号进行了去噪处理，选取的数据片段及去噪结果如图5所示，结果证明基于点云密度的直升机激光大气数据系统去噪方法具有较高的有效信号识别率和准确率，示例中的识别率为99.8%，准确率为99.9%；
其中，识别率的定义为所有信号中被算法正确识别的比例，计算公式为识别率=正确识别为信号点的数量/(正确识别为信号点的数量+误判为噪声点的数量)，准确率的定义为被识别为信号中识别正确的比例，计算公式为准确率=正确识别为信号点的数量/(正确识别为信号点的数量+误识别为信号点的噪声点的数量)。
综上所述，本方案能够充分利用先前时刻的有效空速信号，提高有效信号探测率，以提高去噪效果。

Claims (6)

1.基于点云密度的直升机大气数据的去噪方法，其特征在于，包括步骤：
S1、对激光大气数据系统获取的频谱信号进行平滑滤波，并对平滑滤波的信号进行寻峰操作，获得多个大于等于信噪比阈值的峰值；
S2、将获得的峰值对应的频率按时间排序组成真空速信号，将真空速信号视作点云，按时间序列和频率值建立二维坐标系；
S3、以当前真空速信号作为参考点，统计其对应的参考区域内存在的真空速信号数量num；
S4、判断数量num是否大于等于参考区域的1/2长度，若是，则当前真空速信号为有效值，否则进入步骤S5；
S5、扩大参考区域的宽度，并统计以当前真空速信号作为参考点，在更新后的参考区域内存在的真空速信号数量num1；
S6、判断数量num1是否大于等于参考区域的1/2长度，若是进入步骤S7，否则当前真空速信号为噪声点；
S7、根据更新后的参考区域内真空速信号的频率值，预测当前真空速信号对应时刻频率的预测值；
S8、判断预测值与当前真空速信号的频率值间的差值是否大于初始参考区域的宽度，若是，则当前真空速信号为噪声点，否则当前真空速信号为有效值。
2.根据权利要求1所述的基于点云密度的直升机大气数据的去噪方法，其特征在于，所述二维坐标系的x轴为时间序列，y轴为寻峰操作后的峰值对应的频率值。
3.根据权利要求2所述的基于点云密度的直升机大气数据的去噪方法，其特征在于，统计数量num/数量num1的方法包括：
A1、以当前真空速信号（x i，y i）对应时刻i作为参考，统计（i-1）~（i-m）时刻在坐标系中的时序坐标[
Figure QLYQS_1
]和频率坐标[/>
Figure QLYQS_2
]；
A2、当
Figure QLYQS_3
与/>
Figure QLYQS_4
之间的差值的绝对值小于等于n时，则i-j时刻的真空速信号位于参考区域内，记录（/>
Figure QLYQS_5
），/>
Figure QLYQS_6
；
A3、将步骤A2记录的所有真空速信号的坐标存储至坐标集，并统计记录的所有真空速信号的数量为数量num/数量num1；
其中，m为初始参考区域/更新后参考区域的长度；n为初始参考区域/更新后参考区域的宽度；更新后参考区域的宽度为初始参考区域宽度的3倍；x i和y i分别为i时刻的真空速信号的时序坐标和频率坐标；
Figure QLYQS_7
为第/>
Figure QLYQS_8
时刻的频率坐标。
4.根据权利要求2所述的基于点云密度的直升机大气数据的去噪方法，其特征在于，步骤S7中计算预测值的公式为：
Figure QLYQS_9
其中，
Figure QLYQS_12
和/>
Figure QLYQS_15
分别为参考区域/变更后参考区域中统计的第k个真空速信号的y轴值和x轴值；/>
Figure QLYQS_18
和/>
Figure QLYQS_11
分别为参考区域/变更后参考区域中统计的第k-1个真空速信号的y轴值和x轴值；/>
Figure QLYQS_14
为i时刻的趋势；/>
Figure QLYQS_17
为水平平滑常数；/>
Figure QLYQS_20
为趋势平滑常数；
Figure QLYQS_10
为变更后参考区域中所记录的最后一个真空速信号的y轴值；/>
Figure QLYQS_13
为变更后参考区域中所记录的倒数第二个真空速信号的y轴值；/>
Figure QLYQS_16
为变更后参考区域中所记录的倒数第二个真空速信号的x轴值；/>
Figure QLYQS_19
为变更后参考区域中所记录的最后一个真空速信号的x轴值；x i为i时刻的真空速信号的时序坐标。
5.根据权利要求1-4任一所述的基于点云密度的直升机大气数据的去噪方法，其特征在于，在步骤S1中，采用平顶窗函数对频谱信号进行平滑滤波，所述信噪比阈值为频谱信号的平均值。
6.根据权利要求5所述的基于点云密度的直升机大气数据的去噪方法，其特征在于，初始参考区域的长度为6，宽度为4，扩展后的参考区域的长度为6，宽度为12。
CN202310561231.9A 2023-05-18 2023-05-18 基于点云密度的直升机大气数据的去噪方法 Active CN116299318B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310561231.9A CN116299318B (zh) 2023-05-18 2023-05-18 基于点云密度的直升机大气数据的去噪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310561231.9A CN116299318B (zh) 2023-05-18 2023-05-18 基于点云密度的直升机大气数据的去噪方法

Publications (2)

Publication Number Publication Date
CN116299318A true CN116299318A (zh) 2023-06-23
CN116299318B CN116299318B (zh) 2023-08-11

Family

ID=86801704

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310561231.9A Active CN116299318B (zh) 2023-05-18 2023-05-18 基于点云密度的直升机大气数据的去噪方法

Country Status (1)

Country Link
CN (1) CN116299318B (zh)

Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1154405A1 (fr) * 2000-05-09 2001-11-14 Thales Procédé et dispositif de reconnaissance vocale dans des environnements a niveau de bruit fluctuant
US20060262324A1 (en) * 2002-03-01 2006-11-23 Michigan Aerospace Corporation Optical air data system
CN1907230A (zh) * 2005-08-02 2007-02-07 深圳迈瑞生物医疗电子股份有限公司 频谱多普勒血流速度的自动检测方法
CN103197161A (zh) * 2013-03-26 2013-07-10 北京清电华力电气自动化科技有限公司 一种微弱直流信号中的脉冲干扰检测方法
CN105388535A (zh) * 2015-11-11 2016-03-09 上海埃威航空电子有限公司 基于现有机载设备的航空气象风观测方法
CN105408764A (zh) * 2013-05-06 2016-03-16 丹麦科技大学 同轴直接检测lidar系统
CN205537519U (zh) * 2016-01-27 2016-08-31 长安大学 一种便携式激光测尺
CN106199631A (zh) * 2016-09-28 2016-12-07 成都凯天电子股份有限公司 相干测风雷达风速测量方法
CN108256285A (zh) * 2018-01-09 2018-07-06 上海交通大学 基于密度峰值快速搜索的航迹异常侦测方法及系统
CH713630A1 (de) * 2017-03-28 2018-09-28 Bundesamt Fuer Zivilluftfahrt Lärmpegel-Simulationsverfahren sowie computerlesbares Medium und System dafür.
CN110927744A (zh) * 2019-11-22 2020-03-27 成都凯天电子股份有限公司 直升机光学大气数据系统
CN111507919A (zh) * 2020-04-16 2020-08-07 北京深测科技有限公司 一种三维点云数据的去噪处理方法
CN113466827A (zh) * 2021-07-19 2021-10-01 上海海洋大学 一种基于改进局部稀疏算法的去噪方法
CN113850148A (zh) * 2021-09-01 2021-12-28 成都凯天电子股份有限公司 一种直升机光学大气数据系统自适应滤波方法
CN114236570A (zh) * 2022-02-23 2022-03-25 成都凯天电子股份有限公司 一种激光大气数据系统及计算方法
CN114578384A (zh) * 2022-05-07 2022-06-03 成都凯天电子股份有限公司 一种用于激光大气系统的自适应恒虚警检测方法
CN114967751A (zh) * 2022-06-21 2022-08-30 深圳华创电科技术有限公司 飞行器航迹追踪方法、装置、设备及存储介质
CN115934699A (zh) * 2022-12-28 2023-04-07 西南科技大学 异常数据筛选方法、装置、电子设备及存储介质

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1154405A1 (fr) * 2000-05-09 2001-11-14 Thales Procédé et dispositif de reconnaissance vocale dans des environnements a niveau de bruit fluctuant
US20060262324A1 (en) * 2002-03-01 2006-11-23 Michigan Aerospace Corporation Optical air data system
CN1907230A (zh) * 2005-08-02 2007-02-07 深圳迈瑞生物医疗电子股份有限公司 频谱多普勒血流速度的自动检测方法
CN103197161A (zh) * 2013-03-26 2013-07-10 北京清电华力电气自动化科技有限公司 一种微弱直流信号中的脉冲干扰检测方法
CN105408764A (zh) * 2013-05-06 2016-03-16 丹麦科技大学 同轴直接检测lidar系统
CN105388535A (zh) * 2015-11-11 2016-03-09 上海埃威航空电子有限公司 基于现有机载设备的航空气象风观测方法
CN205537519U (zh) * 2016-01-27 2016-08-31 长安大学 一种便携式激光测尺
CN106199631A (zh) * 2016-09-28 2016-12-07 成都凯天电子股份有限公司 相干测风雷达风速测量方法
CH713630A1 (de) * 2017-03-28 2018-09-28 Bundesamt Fuer Zivilluftfahrt Lärmpegel-Simulationsverfahren sowie computerlesbares Medium und System dafür.
CN108256285A (zh) * 2018-01-09 2018-07-06 上海交通大学 基于密度峰值快速搜索的航迹异常侦测方法及系统
CN110927744A (zh) * 2019-11-22 2020-03-27 成都凯天电子股份有限公司 直升机光学大气数据系统
CN111507919A (zh) * 2020-04-16 2020-08-07 北京深测科技有限公司 一种三维点云数据的去噪处理方法
CN113466827A (zh) * 2021-07-19 2021-10-01 上海海洋大学 一种基于改进局部稀疏算法的去噪方法
CN113850148A (zh) * 2021-09-01 2021-12-28 成都凯天电子股份有限公司 一种直升机光学大气数据系统自适应滤波方法
CN114236570A (zh) * 2022-02-23 2022-03-25 成都凯天电子股份有限公司 一种激光大气数据系统及计算方法
CN114578384A (zh) * 2022-05-07 2022-06-03 成都凯天电子股份有限公司 一种用于激光大气系统的自适应恒虚警检测方法
CN114967751A (zh) * 2022-06-21 2022-08-30 深圳华创电科技术有限公司 飞行器航迹追踪方法、装置、设备及存储介质
CN115934699A (zh) * 2022-12-28 2023-04-07 西南科技大学 异常数据筛选方法、装置、电子设备及存储介质

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
"基于飞行数据的颠簸飞行状态估计初步研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》, no. 7 *
GANGULI, R: "Noise and outlier removal from jet engine health signals using weighted FIR median hybrid filters", 《MECHANICAL SYSTEMS AND SIGNAL PROCESSING》 *
刘静: "多维时间序列异常点检测方法及其应用研究", 《中国优秀硕士学位论文全文数据库 信息科学辑》, no. 1 *
高远: "基于QAR数据的气动力参数辨识", 《中国优秀硕士学位论文全文数据库 基础科学辑》, no. 3 *

Also Published As

Publication number Publication date
CN116299318B (zh) 2023-08-11

Similar Documents

Publication Publication Date Title
CN109975780B (zh) 基于脉冲多普勒雷达时域回波的直升机型号识别算法
CN104931949B (zh) 雷达扫描模式下风轮机杂波背景下飞机目标检测方法
CN112881993B (zh) 自动识别雷达分布杂波引起虚假航迹的方法
CN108519587B (zh) 一种实时的空中目标运动模式识别及参数估计方法
CN111896926B (zh) 一种基于强杂波抑制的低空目标检测方法及系统
CN110161494B (zh) 基于速度平方滤波的rd平面弱目标检测跟踪方法及装置
CN114494287A (zh) 一种远距离激光雷达点云数据处理方法
CN109239702B (zh) 一种基于目标状态集的机场低空飞鸟数量统计方法
CN111999726B (zh) 一种基于毫米波雷达的人员定位方法
CN110599800A (zh) 一种停车场车位状态监测系统及监测方法
CN115840205B (zh) 一种基于激光雷达技术的地形面积计量方法和系统
CN111401168B (zh) 一种无人机的多层雷达特征提取与选择方法
CN112986964B (zh) 基于噪声邻域密度的光子计数激光点云自适应去噪方法
CN113256990B (zh) 基于聚类算法的雷达采集道路车辆信息的方法及系统
CN105929380B (zh) 一种卫星激光高度计全波形激光雷达数据去噪方法
CN116299318B (zh) 基于点云密度的直升机大气数据的去噪方法
CN108646248B (zh) 一种针对低速运动声源的被动声学测速测距方法
CN114812435B (zh) 一种车辆三维点云数据滤波方法
CN110658506A (zh) 一种基于角度聚类和多普勒分析的微多普勒杂波滤除方法
CN115767757A (zh) 一种基于uwb的cir信号的运动目标感知方法
CN113376648B (zh) 基于激光雷达探测的高速非合作目标轨迹提取方法
CN112526548A (zh) 一种基于测风激光雷达的降雨识别方法及装置
CN113534131B (zh) 基于gm-phd的运动参数估计组合平滑滤波方法
CN112763989B (zh) 一种基于cdif的抖动信号分选方法
CN117237676B (zh) 一种核电厂基于事件相机对小目标掉落轨迹的处理方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant