摘要。消费级数码相机已成为无处不在的科学配件。特别是在冰川学中,短期变化的重要性得到认可,这促使它们被部署用于越来越时间紧迫的观测。然而,这种设备从未用于精确计时,因此在使用时需要对报告的图像时间中的系统、舍入和随机误差进行适当的管理。本研究将时钟漂移、亚秒级报告分辨率和时间戳精度描述为精确相机计时的主要障碍,并记录了 17 家领先制造商的相机型号的亚秒级能力。我们提出了一种完整且易于理解的方法来校准相机以实现绝对计时,并提供一套支持脚本。两个冰川学案例研究说明了这些方法与当代调查的关系:(1) 使用从 GPS 轨迹日志时间插值的相机位置对航空摄影测量调查进行地理参考;(2) 将冰川崩解事件的视频与同步地震波形耦合。
本文提供了一种使用自动测试设备 (ATE) 评估下机航空电子系统健康监测可信度的方法。指标包括假阳性、假阴性、真阳性和真阴性的概率。我们首次考虑了刺激信号源 (SSS) 的不稳定性、测量通道误差的随机和系统分量以及系统本身的可靠性特性。我们考虑了永久性故障和间歇性故障的指数分布的具体情况,并推导出计算可信度指标的公式。数值计算说明了正确和错误决策的概率如何取决于精度参数。我们表明,当刺激信号的标准差增加时,假阳性和假阴性的概率增加得比真阳性和真阴性的概率下降得快得多。对于甚高频全向测距 (VOR) 接收器,我们证明即使刺激信号源产生的随机误差为零,假阳性和假阴性的概率也不为零。
本文提供了一种使用自动测试设备(ATE)评估下机航空电子系统健康监测可信度的方法。指标包括假阳性、假阴性、真阳性和真阴性的概率。我们首次考虑了刺激信号源(SSS)的不稳定性、测量通道误差的随机和系统分量以及系统本身的可靠性特性。我们考虑了永久性故障和间歇性故障的指数分布的具体情况,并推导出计算可信度指标的公式。数值计算说明了正确和错误决策的概率如何取决于精度参数。我们表明,当刺激信号的标准偏差增加时,假阳性和假阴性的概率增加得比真阳性和真阴性的概率下降得快得多。对于甚高频全向范围 (VOR) 接收器,我们证明即使刺激信号源产生的随机误差为零,假阳性和假阴性的概率也不同于零。
我们考虑一个分布式学习环境,其中战略用户受到融合中心的激励,以基于本地数据训练学习模型。用户没有义务提供他们的真实梯度更新,而融合中心无法验证所报告更新的真实性。受此启发,我们将融合中心与用户之间的互动表述为重复博弈,体现了机器学习与博弈论之间尚未得到充分探索的相互作用。然后,我们基于联合梯度估计和用户行为分类方案为融合中心开发了一种激励机制,并研究了其对分布式学习收敛性能的影响。此外,我们设计了自适应零决定 (ZD) 策略,从而将经典的 ZD 策略推广到具有时变随机误差的重复博弈。理论和实证分析表明,融合中心可以激励战略用户合作并报告信息丰富的梯度更新,从而确保收敛。
本文提供了一种使用自动测试设备 (ATE) 评估下机航空电子系统健康监测可信度的方法。指标包括假阳性、假阴性、真阳性和真阴性的概率。我们首次考虑了刺激信号源 (SSS) 的不稳定性、测量通道误差的随机和系统分量以及系统本身的可靠性特性。我们考虑了永久性故障和间歇性故障的指数分布的具体情况,并推导出计算可信度指标的公式。数值计算说明了正确和错误决策的概率如何取决于精度参数。我们表明,当刺激信号的标准差增加时,假阳性和假阴性的概率增加得比真阳性和真阴性的概率下降得快得多。对于甚高频全向测距 (VOR) 接收器,我们证明即使刺激信号源产生的随机误差为零,假阳性和假阴性的概率也不为零。
由于主要用于生成点间距为几米的数字地形模型,机载激光扫描仪数据的精度通常仅指定为高度精度。然而,数据采集系统的最新发展导致机载激光扫描仪数据的点密度大幅增加。与此同时,该技术越来越多地用于从高密度点数据生成 3D GIS 信息的新应用领域。在这些基于高密度数据集的应用中,数据点的高度和平面精度同等重要。对激光扫描仪系统组件的分析以及实际测试表明,机载激光扫描仪数据的高度精度通常明显优于平面精度。虽然单个地面点的高度精度通常在 10-15 厘米的量级,但可以说平面测量精度与地面飞行高度几乎呈线性依赖关系,在飞行高度为 1000 米时,典型精度在 0.5-1.0 米的量级。高度和平面测量精度都受到显著的系统效应的影响,这些效应通常大于随机误差。
可靠性是一个流行概念,多年来一直被誉为一个人或一个产品的值得称赞的属性。它的起源可以追溯到 1816 年,比大多数人想象的要早得多。“可靠性”一词最早由诗人塞缪尔·泰勒·柯尔律治 [17] 创造。在统计学中,可靠性是一组测量或测量仪器的一致性,通常用于描述测试。可靠性与随机误差成反比 [18]。在心理学中,可靠性是指测量的一致性。如果我们反复得到相同的结果,则测试被认为是可靠的。例如,如果测试旨在测量某种特征(例如内向),那么每次对受试者进行测试时,结果应该大致相同 [19]。因此,在第二次世界大战之前,可靠性一词的含义是可信赖性或可重复性。其现代用法由美国军方在 20 世纪 40 年代重新定义,并演变至今。它最初的含义是产品能够按预期运行。当前含义包含一系列附加属性,涵盖产品、服务应用程序、软件包或人类活动。这些属性现在渗透到当今技术密集型世界的方方面面。让我们来回顾一下“可靠性”一词从早期到现在的发展历程。
摘要:微机电系统 (MEMS) 的发展进步使得制造廉价、小尺寸的加速度计和陀螺仪成为可能,它们被用于许多需要进行全球定位系统 (GPS) 和惯性导航系统 (INS) 集成的应用中,即,识别轨道缺陷、地面和行人导航、无人驾驶飞行器 (UAV)、许多平台的稳定等。虽然这些 MEMS 传感器成本低廉,但它们会出现不同的误差,从而在短时间内降低导航系统的准确性。因此,有必要对这些错误进行适当的建模,以尽量减少这些错误,从而提高系统性能。在本研究中,我们展示并比较了目前用于分析影响这些传感器的随机误差的最常用技术:我们详细研究了自相关、Allan 方差 (AV) 和功率谱密度 (PSD) 技术。随后,还实现了惯性传感器的分析和建模,其中结合了自回归 (AR) 滤波器和小波去噪。由于低成本 INS(MEMS 级)的误差源包括短期(高频)和长期(低频)分量,我们引入了一种通过对 Allan 方差、小波去噪和选择分解级别进行完整分析来补偿这些误差项的方法,以实现这些技术的适当组合。最后,为了评估使用这些技术获得的随机模型,扩展卡尔曼
摘要:遥感正在彻底改变森林研究的方式,而最近的技术进步,例如无人机 (UAV) 的运动结构 (SfM) 摄影测量,正在提供更有效的方法来协助 REDD(减少毁林和森林退化造成的排放)监测和森林可持续管理。这项工作的目的是开发和测试一种基于无人机 SfM 的方法,以在位于厄瓜多尔沿海地区(干旱热带森林)的柚木种植园(Tectona grandis Linn. F.)上生成高质量的数字地形模型 (DTM)。在旱季(叶子物候期),使用 DJI Phantom 4 Advanced © 四轴飞行器在位于瓜亚斯省(厄瓜多尔)的三个不同种植园的 58 个边长为 36 米的柚木方形地块上收集了无人机重叠图像。完成了一个工作流程,包括基于实地测量的地面控制点的 SfM 绝对图像对齐、非常密集的点云生成、地面点过滤和异常值移除以及从标记的地面点进行 DTM 插值。使用非常精确的地面激光扫描 (TLS) 得出的地面点作为地面参考,以估计每个参考图中的 UAV-SfM DTM 垂直误差。获得的地块级 DTM 呈现出较低的垂直偏差和随机误差(平均分别为 - 3.1 厘米和 11.9 厘米),显示出这些参考图中的统计上显著更大的误差
摘要:云与地球的辐射能量系统(CERES)能量平衡和填充(EBAF)产品 - 结合了Terra和Aqua卫星上的中等分辨率成像光谱仪(MODIS)仪器(MODIS)仪器,以创建地球辐射预算的记录(ERB)和相关的云特性。由于Terra和Aqua Orbit不再保持在固定的当地时间,EBAF最近过渡到CERES和NOAA-20上的可见红外成像辐射仪套件(VIIRS)仪器,以避免在记录中引入时间依赖性偏置。为了确保在纪录中的Terra,Terra和Aqua(Terra 1 Aqua)和NOAA-20部分之间进行平稳过渡,从任务之间的重叠期得出的区域气候调整将用于将整个记录固定在Terra 1 Aqua上。我们估计过渡后的全局月度异常中的随机误差为0.15 w m 2 2 2的大气顶(TOA)浮标为0.15 w m 2 2,云分数为0.1%,比相应异常的标准偏差小得多。由于ERB仪器的数量将从短短10年内减少到1个,因此EBAF记录中的数据差距很高,因此保持连续性的挑战。我们估计,2028年数据差距有33%的概率,2035年的概率为60%。使用一个卫星产品中计算出的TOA弹药和一项大气再分析的数据间隙桥接数据差距,导致误差比连续任务之间重叠时获得的误差大于4。