基于Kalman滤波的断层扫描初步层析水汽湿折射率分布

给出了基于GPS信号湿延迟的层析格网模型的建立方法,对Kalman滤波层析水汽算法给出了详细的推导说明,采用给定的算法初步层析了香港区域水汽湿折射率分布.结果显示,基于Kalman滤波的层析算法可以较好地重构水汽的空间分布,较之附加约束条件的层析算法更加容易实现与计算.     

地基GPS网层析水汽三维分布数值积分新方法

针对传统层析方法的缺点,本文结合数值积分参数化方法,设计并实现了一种顾及地球曲率的水平与垂直方向分开插值的地基GPS网层析湿折射率三维分布方法,明显简化了垂直插值的运算,减少了层析实际观测方程中零系数参数的比例。利用美国Dallas地区CORS网实测GPS数据与气象数据,结合位于该区域的FWD探空站探空数据提供的湿折射率垂直轮廓线,验证分析了该方法用于实测数据的可行性及其精度。结果表明：相对于传统层析方法,新方法能够明显提高层析湿折射率垂直轮廓线的精度,与探空结果相比,新方法的RMS、误差分布均优于传统方法,而且垂直内插方法的精度也略高于复杂的三次样条垂直内插方法。     

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.     

GPS导航中非线性Kalman滤波的方法分析

介绍了非线性Kalman滤波常使用的扩展Kalman滤波、平淡Kalman滤波和基于Bancroft算法的两步滤波法,分析了三种方法的优点和不足,为GPS导航方法的选择提供了参考.     

高斯函数在香港地区对流层层析实验中的应用

将GPS信号的斜路径湿延迟当作层析的观测量能够有效获取对流层的三维水汽场。由于射线分布的不均匀和观测网地形的扁平,观测方程是不适定的,因此需要添加一些约束条件来确定唯一解。由于水汽在垂直方向变化很快,合理的垂直约束在获取准确的水汽场上起着重要作用。研究了香港地区湿折射率的垂直分布特征,发现高斯函数能很好地表达湿折射率与高度的关系,利用高斯函数建立约束方程获得的层析解能很好地与探空数据和欧洲中尺度天气预报中心（ECMWF）数据吻合。相对于指数约束所得结果,层析湿折射率的标准差在整个对流层减小了3.8 mm/km,在低对流层减小了4.7 mm/km。实验也表明,利用其他气象数据,如无线电探空数据,作为湿折射率的先验信息,也可以得到较好的层析解。     

迭代重构算法在三维水汽场构建中的应用

水汽是大气中活跃而富有变化的成分,在大气能量传输和天气系统的演变中起着非常重要的作用。以GPS斜路径湿延迟(SWD)为观测值,通过附加水平约束和垂直约束条件,建立联合观测方程,采用迭代重构算法,可以重构局地上空的三维水汽空间分布。结果表明:联合迭代重构算法要优于代数重构算法;在香港地基、渤海区域GPS三维水汽层析解算中,初值分别选用无线电探空资料、MM5探空资料得到的大气湿折射率的精度更高;最佳松弛因子的选取是算法实现关键,文中以均方根差RMS作为迭代质量优劣的标准对最优松弛因子进行搜索。     

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。     

顾及时间相关噪声的单频GPS精密单点定位

扩展Kalman滤波(EKF)常常被用于单频GPS精密单点定位.Kalman滤波的前提假设之一是观测噪声为白噪声,即时间不相关,这在实践中往往不能满足.因为单频GPS观测值中包含有很难被完全消除的电离层、对流层等大气折射误差,以及多路径影响误差.这些误差在时间上是相关的,严重地影响了滤波解的精度和收敛时间.这里提出一种顾及时间相关噪声的Kalman滤波,在移动窗口内,利用核估计预测时间相关噪声的系统部分,进而实时修正当前历元的观测值和观测向量的协方差矩阵.该方法还有一个明显的优点就是,在滤波过程中不需要对时间相关误差做任何假设.最后通过一个实测算例验证了该算法的适用性.     

受外界随机干扰影响的光纤陀螺信号分析与处理

针对受外界随机干扰影响的光纤陀螺信号进行分析并作了相应处理.分别比较了小波变换和建立在AR模型基础上的Kalman滤波两种滤波方法,并用实测数据进行验证.结果表明,相对于小波变换,建立在AR模型基础上的Kalman滤波不仅能够削弱有色噪声的影响,还能够部分削弱高频噪声的影响,滤波效果较好;将小波变换和Kalman滤波两种方法的优点结合起来,可以获得更好的滤波效果,有效地削弱了信号中各种干扰噪声的影响.     

具有随机观测矩阵的线性系统的Kalman滤波

由于观测过程中各种随机因素的影响,观测方程的系数矩阵具有不确定性,在这种情况下,用标准的Kalman滤波方法将会出现较大的偏倚或者使滤波结果失真.主要讨论观测矩阵为随机矩阵时的Kalman滤波方法,并通过与标准Kalman滤波的比较得到这种Kalman滤波的优良性.