基于小波分析的Kalman滤波动态变形模型研究

对GPS动态形变测量信号的性质进行了分析 ,采用小波分析对GPS动态变形数据滤波、变形特征提取和不同变形频率分离。与Kalman滤波方法相结合 ,首次提出基于小波分析的Kalman滤波动态变形分析模型 ,研究其参数设计和算法 ,并用MATLAB与C语言在微机上编程实现。对比大坝实测数据的处理结果可知 ,通过对原始观测值进行小波分析与Kalman滤波的联合处理 ,能克服只使用单一方法进行GPS数据噪声处理的不足。     

一种迭代的GPS／INS组合导航滤波算法

简要介绍了GPS/INS松组合导航系统状态方程和观测方程。针对标准Kalman滤波算法存在的状态方程截断误差、噪声统计特性的不确定性以及状态扰动异常的影响,给出了一种应用于GPS/INS组合导航系统的迭代滤波算法。该算法采用迭代策略,不断利用观测信息实时修正状态预报值。实测数据计算结果表明,通过对状态预报值的实时修正,该算法能够很好地抑制状态预报信息的不确定性和扰动异常等对导航解的影响。其滤波解精度明显优于标准Kalman滤波。     

基于自适应 Kalman 滤波的边坡变形预测研究

研究Kalman滤波和自适应Kalman滤波算法,结合边坡监测点的运动模型将其应用于边坡变形监测动态数据变形预测。利用小湾水电站二号山梁高边坡GPS监测数据进行实验研究。结果表明,自适应Kalman滤波在边坡三维形变预测及变形速率估算方面有很好的预测结果。     

改进的Sage—Husa自适应滤波在GPS动态导航定位中的应用

本文利用Kalman滤波方法对动态测量进行数据处理,由于高动态的GPS测量,不易确定系统动态噪声和观测噪声.同时标准的Kalman滤波在应用过程中由于状态模型确定的误差存在,滤波效果不佳.因此本文结合动态导航的实时性和高动态性,建立了动态导航系统中滤波状态方程和观测方程,采用改进的Sage-Husa自适应滤波对来进行实时定位数据处理,利用已有测量数据进行了实例分析.改进的Sage-Husa自适应滤波在计算过程中计算量小,结果稳定,有较强的自适应性.     

一种迭代的GPS/INS组合导航滤波算法

简要介绍了GPS/INS松组合导航系统状态方程和观测方程.针对标准Kalman滤波算法存在的状态方程截断误差、噪声统计特性的不确定性以及状态扰动异常的影响,给出了一种应用于GPS/INS组合导航系统的迭代滤波算法.该算法采用迭代策略,不断利用观测信息实时修正状态预报值.实测数据计算结果表明,通过对状态预报值的实时修正,该算法能够很好地抑制状态预报信息的不确定性和扰动异常等对导航解的影响.其滤波解精度明显优于标准Kalman滤波.     

卡尔曼滤波参数设置对箭载GPS滤波效果影响分析

卡尔曼（Kalman）滤波作为一种实时递推算法,对减少随机噪声的影响具有重要作用。但在目前资料中很少涉及关于Kalman滤波过程中各种参数选择对于滤波效果的影响分析,通过从理论和工程应用两个层面对箭载GPS状态参数的初值、参数估计的协方差矩阵的初值、测量噪声和系统噪声等参数的变化对Kalman滤波效果的影响进行了研究分析,结合工程实际,提出了Kalman滤波参数设置原则,给出了各参数设置的范围和目的,并利用实测数据进行了分析计算,结果表明：能有效减少箭载GPS滤波的盲目性,提高滤波效率,具有很好的滤波效果,更切合工程实际。     

粒子滤波算法在GPS/DR组合导航中的应用

针对建议分布函数的选择问题,系统地分析比较了改进的粒子滤波算法。在此基础上提出了一种新的粒子滤波算法——自适应渐消扩展Kalman粒子滤波方法。该方法用渐消扩展Kalman滤波产生建议分布函数,由于参数的可在线调节性,使得系统具有更好的自适应性和鲁棒性。与用转移先验、扩展Kalman滤波、自适应扩展Kalman滤波、迭代扩展Kalman滤波以及无迹Kalman滤波产生建议分布函数的粒子滤波方法相比,自适应渐消扩展Kalman粒子滤波进一步提高了粒子滤波的精度。通过对GPS与航位推算(DR)组合导航系统GPS/DR的试验,验证了该方法的有效性。     

粒子滤波算法在GPS/DR组合导航中的应用

针对建议分布函数的选择问题,系统地分析比较了改进的粒子滤波算法.在此基础上提出了一种新的粒子滤波算法--自适应渐消扩展Kalman粒子滤波方法.该方法用渐消扩展Kalman滤波产生建议分布函数,由于参数的可在线调节性,使得系统具有更好的自适应性和鲁棒性.与用转移先验、扩展Kalman滤波、自适应扩展Kalman滤波、迭代扩展Kalman滤波以及无迹Kalman滤波产生建议分布函数的粒子滤波方法相比,自适应渐消扩展Kalman粒子滤波进一步提高了粒子滤波的精度.通过对GPS与航位推算(DR)组合导航系统GPS/DR的试验,验证了该方法的有效性.     

北斗/GPS抗差移动窗口定权位移探测

蠕变状态下Kalman定位精度通常与观测值方差有极大关系,BDS(BeiDou Navigation Satellite System)/GPS组合观测值方差易受观测值权比精确度的影响。为了提高位移探测精度、缩短初始坐标收敛时间及降低监测成本,本文采用时钟同步双天线BDS/GPS接收机,在构建单频单差组合定位模型基础上,分别对GPS和BDS观测值等价权进行抗差处理,利用引入时间相关遗忘因子的Helmert方差估计,精确确定GPS与BDS观测值权比,最后通过实时更新观测值方差,实现扩展Kalman滤波的逐历元定位。试验结果表明,针对短基线(1km),BDS/GPS抗差精密定权Kalman方法可显著缩短初始坐标收敛时间,位移探测精度可达到亚毫米级,位移收敛速率与移动窗口参数基本成反比关系,适用于具有蠕变特征形变体的监测。     

融合GPS与强震仪数据实时监测瞬时地壳形变

针对强震仪与GPS各自的优点与缺陷，以2016年意大利Mw 6.0级地震为例，探讨了利用Kalman滤波融合GPS与强震仪数据实时监测中等强度地震引起的瞬时地壳形变的可行性与优势。Kalman滤波获取的位移波形以GPS数据作为整体趋势，细节部分用强震仪数据进行描述，融合后的位移波形精度较高，能够准确和细致地描述地震引起的地表动态形变；与此同时，Kalman滤波位移波形也能够准确地探测中等强度地震引起的同震永久阶跃；Kalman滤波位移波形的功率谱在低频部分与GPS位移波形的功率谱密度相似，在高频部分与强震仪位移波形的功率谱密度相似，表明Kalman滤波结合了GPS与强震仪各自的优点；交叉小波分析表明，Kalman滤波获取的位移波形与GPS、强震仪数据呈现较强的正相关性，小波相似值均在0.8以上。以上结果表明，融合GPS与强震仪数据可以结合二者各自的优点，弥补各自的缺陷；融合GPS与强震仪数据可以有效探测中等强度地震引起的瞬时地壳形变。