观测值含有粗差的抗差粒子滤波算法

作为非线性滤波的代表，粒子滤波得到广泛应用。该算法通过随机生成的具有权重的样本（粒子）来计算后验概率密度。其中赋权的过程需要综合系统信息和观测信息，当观测值含有粗差时，会使粒子错误赋权影响滤波结果。提出一种新的基于抗差估计的抗差粒子滤波算法，通过计算粒子等价权，抑制观测值粗差的影响。模拟计算分析表明，当观测值含有粗差时，与标准粒子滤波相比，该方法能有效提高滤波精度。     

基于三角网滤波检验的KD树粗差剔除法

针对机载Li DAR点云数据的粗差剔除和滤波,直接关系到后续数据处理的精度,本文运用KD树组织数据建立三维索引,快速查找并计算目标点与k个最近邻点的平均距离,根据距离阈值判断并剔除粗差点。实验选取3种典型测区的点云数据进行实验,分别采用形态学粗差剔除法和本文粗差剔除法对3组点云数据进行粗差剔除,并采用渐进不规则三角网滤波法对原始点云数据及两种粗差剔除结果进行滤波,对结果进行对比分析。结果验证,本文方法能有效剔除点云粗差,提高后续滤波结果的精度。     

多波束异常测深数据检测方法实践

由于现有的交互式滤波和自动滤波不能满足大区域、高密度多波束测深数据滤波的需要,为此,本文给出了易于改善自动化滤波的趋势面法和基于抗差M估计的选权迭代加权平均法。前者适合于显著粗差的探测,对小粗差不敏感;后者由于对被检测点邻域内的观测点具有选择性,加之采用迭代实现推值,因而对于粗差具有较强的探测能力,检测和滤波结果较趋势面法更为合理。     

后向平滑与抗差估计融合的SRCKF滤波

将后向平滑平方根容积卡尔曼滤波用于GPS动态单点定位数据处理,并探讨了粗差对后向平滑滤波的影响。借鉴经典卡尔曼滤波抗差估计思想,给出平方根容积卡尔曼滤波的抗差算法以抵抗量测粗差,而当判断不含粗差时使用后向平滑算法,在有效提高滤波精度的同时避免了抗差滤波对每个历元都需进行迭代运算。实测GPS动态数据验证了算法的有效性。     

含有粗差观测值的自适应滤波

线性系统的标准Kalman滤波在模型不含有粗差的前提下是最优的,而在测量过程中,测量数据不可避免地存在着粗差,Kalman滤波很容易受到粗差的影响,致使滤波发散和偏倚.抗差Kalman滤波可以减少粗差的影响,对滤波值适时地加以补偿和修正可以使Kalman滤波值不发生大偏倚,但此时的滤波值一般不具有最优性.利用预测残差对粗差进行探测和估计,并对模型加以修正,然后通过Kalman滤波给出此时状态的滤波值.实例表明:通过模型修正来进行适时Kalman滤波的方法是可行的和有效的.     

不同窗口下中值滤波与加权滤波方法效果分析

为了探究中值滤波与加权滤波方法对测深数据粗差的处理效果,该文以单波束测深数据为例,对中值滤波和加权滤波在不同大小滤波窗口的测深数据处理效果进行对比分析.实验结果表明,中值滤波不论在地形起伏变化较快的区域,还是在少量、断点不连续的区域以及大量、断点连续的区域,均具有较好的滤波效果,且在5窗口时效果最佳;而加权滤波在地形起伏变化较快的区域以及少量、断点不连续的区域处理效果明显,且在3窗口时效果最佳,但中值滤波效果更优,而在大量、断点连续的区域加权滤波效果明显较差,建议优先考虑中值滤波方法.     

两种渐消滤波与自适应抗差滤波的综合比较分析

给出了两种渐消滤波解及其相应的原则，介绍了自适应抗差滤波原理和相应的解，分别从原理和解的表达式上分析了两种渐消滤波和自适应抗差滤波解算的基本性能。利用一个实际算例比较了渐消滤波与自适应抗差滤波解在控制状态异常影响方面的能力。     

预测残差判别统计量抗差因子在UKF算法中的应用

在UKF滤波中,针对观测信息存在粗差的问题,基于预测残差构建了预测残差判别统计量。结合三段函数组成了一种新的抗差因子函数,并给出抗差UKF算法公式。该算法计算过程无需迭代,实现一步抗差,适合实时滤波估计。计算结果表明,该抗差因子函数不仅能够有效地控制含粗差观测值对滤波结果的影响,得到可靠的滤波解,而且可以提高滤波精度。     

强跟踪抗差自适应滤波算法及其在无人机导航定位中的应用

针对Sage-Husa自适应滤波算法在无人机导航定位应用中存在滤波发散和定位精度低的问题,本文提出一种强跟踪抗差自适应滤波算法。该算法在Sage-Husa自适应滤波算法基础上,引入强跟踪技术,通过自适应渐消因子降低历史数据对当前滤波的影响,从而抑制滤波发散,增强算法的稳健性;结合量测噪声和系统噪声进行实时估计,并且在估计中加入抗差因子抑制粗差对滤波的干扰,提高定位精度。仿真结果表明,该算法在发生滤波发散和粗差干扰的情况下能够表现出良好的滤波性能,较Sage-Husa算法有更强的稳健性。     

结合形态学和TIN三角网的机载LiDAR点云滤波算法

针对传统不规则三角网滤波精度依赖于初始种子点选取的问题,提出一种结合形态学与不规则三角网的机载LiDAR点云滤波算法。首先采用KD树粗差剔除方法对异常点进行剔除,然后利用数学形态学滤波算法对粗差剔除后的点云进行粗滤波,最后采用改进的不规则三角网滤波算法对上述结果进行精滤波。三角网迭代滤波过程中每次对滤波得到的地面点进行整体构网,减少了构网次数以及离散点之间的相互影响。实验选取国际摄影测量与遥感协会提供的3组测试数据进行滤波,结果表明本文方法能够有效降低I类误差和II类误差,验证本文滤波算法的可靠性。     

自适应抗差联邦滤波算法

简要介绍了抗差估计理论；在顾及扰动异常的情况下，把自适应抗差Kalman滤波应用到联邦滤波上，对联邦滤波进行了改进，提出了一种自适应抗差联邦滤波算法。由计算结果可知，自适应抗差联邦滤波能较好地抑制载体观测异常和状态扰动异常对动态系统参数估值的影响，较好地提高导航解的精度。     

GPS/DR组合导航自适应Kalman滤波算法

针对GPS/DR组合导航Kalman滤波的异常扰动影响问题,引入了自适应滤波算法。给出了由预测残差确定自适应因子的过程。利用实测数据进行验证,结果表明无论是单因子自适应滤波还是多因子自适应滤波都能够很好地控制状态异常对滤波估值的影响,滤波精度均优于标准Kalman滤波导航解;而且因为多因子自适应滤波避免损失可靠的状态参数信息,较单因子自适应滤波,精度又有明显提高。     

基于模糊理论构造的自适应滤波算法

本文在自适应滤波原理的基础上,结合模糊控制理论,提出了一种基于模糊控制的自适应滤波方法,它是基于滤波处理后的数据残差构造一模糊控制器来自适应控制卡尔曼滤波器的自适应因子α,从而合理调节动力学模型对导航解的贡献。并通过算例验证了该方法的可行性、有效性。     

带约束条件的自适应滤波及其在GPS定位中的应用

推导了约束状态下的卡尔曼滤波递推方程,采用不消去状态参数的方法,在卡尔曼滤波的数学模型中增加约束状态方程推导出约束状态下的卡尔曼滤波递推方程.表明采用带约束条件的滤波递推过程与一般卡尔曼滤波递推方程相似,只要对预报值及其协方差增加一项约束条件改正项即可,因此,在滤波计算上不需要做大的修改.还讨论了带约束条件的卡尔曼滤波的自适应算法,说明一般自适应滤波算法同样适用于带约束条件的滤波,因此在应用上非常便利.利用一组GPS动态定位数据中的伪距观测值进行计算分析,并以距离作为一个约束条件,结果显示约束条件对滤波结果的改善程度与约束条件和动态系统本身有关.对于一般卡尔曼滤波中因模型确定误差和动态目标突然加速而导致的滤波发散现象,如果增加约束条件的约束力较小时,同样会出现滤波结果偏离,因此,带约束条件的滤波同样需要考虑滤波的自适应性.     

改进的Sage自适应滤波方法

本文首先介绍了 Sage自适应滤波方法 ,分析了基于新息向量、残差向量和状态参数预报值改正向量的协方差自适应估计所存在的问题 ,提出了改进 Sage自适应滤波的新方法。结果表明 ,该方法能有效地控制状态方程异常对动态系统参数估值的影响     

联邦滤波的改进算法

分析并综述了联邦滤波算法,以及该算法存在的问题。针对观测信息不足的情况下,结合抗差估计和自适应估计理论对联邦滤波算法进行了改进,给出了联邦滤波在局部传感器观测信息不足情况下的改进算法。由模拟计算结果可知,在局部传感器观测信息不足的情况下,改进的联邦滤波器能较好地抑制载体观测异常和状态扰动异常对动态系统参数估值的影响,具有很强的的抗差性和自适应性。     

联邦滤波的改进算法

分析并综述了联邦滤波算法,以及该算法存在的问题.针对观测信息不足的情况下,结合抗差估计和自适应估计理论对联邦滤波算法进行了改进,给出了联邦滤波在局部传感器观测信息不足情况下的改进算法.由模拟计算结果可知,在局部传感器观测信息不足的情况下,改进的联邦滤波器能较好地抑制载体观测异常和状态扰动异常对动态系统参数估值的影响,具有很强的的抗差性和自适应性.     

自适应卡尔曼滤波法用于变形监测数据处理

卡尔曼滤波作为一种动态数据处理方法广泛应用在变形监测数据处理中。文中针对传统卡尔曼滤波因动态噪声不准或不容易确定影响结果准确度的问题,提出并探讨了方差补偿自适应卡尔曼滤波,并通过传统卡尔曼滤波和自适应卡尔曼滤波对GPS变形监测数据进行处理,其结果表明方差补偿自适应卡尔曼滤波对GPS变形监测具有很好的剔除噪声的作用,效果明显。     

IMU/GPS组合导航系统自适应Kalman滤波算法

给出了IMU在地固坐标系中的误差方程，介绍并分析了自适应滤波和渐消Kalman滤波算法原理，然后将渐消因子引入到自适应滤波算法中。并将其应用到IMU／GPS松组合导航系统中，最后利用一个实际算例证明了该组合导航系统的有效性。     

Application of Adaptive Kalman Filtering Algorithm in IMU/GPS Integrated Navigation System

The IMU(inertial measurement unit) error equations in the earth fixed coordinates are introduced firstly. A fading Kalman filtering is simply introduced and its shortcomings are analyzed, then an adaptive filtering is applied in IMU/GPS integrated navigation system, in which the adaptive factor is replaced by the fading factor. A practical example is given. The results prove that the adaptive filter combined with the fading factor is valid and reliable when applied in IMU/GPS integrated navigation system.