自适应卡尔曼滤波在地表沉降监测中的应用

方差补偿自适应卡尔曼滤波是在对观测数据进行递推滤波的同时,不断的对难以确定的模型参数和噪声进行估计和修正,以减小模型误差,使滤波结果更准确。本文采用方差补偿自适应卡尔曼滤波预测模型,对某矿区首采工作面地表沉降监测数据进行计算,得到相应的预测值,并与标准卡尔曼滤波预测值进行比较。探讨了方差补偿自适应卡尔曼滤波预测模型进行矿区地表沉降预测的可行性。     

单双频智能手机GNSS定位精度分析

为分析单、双频手机在单点定位和动态导航中的差异,本文对单、双频手机观测卫星数、信噪比、静态/动态定位中原始观测值/卡尔曼滤波值进行了对比和分析。试验结果表明,在静态无遮挡的试验条件下,小米MI8双频手机原始观测值较OPPO Reno单频手机定位误差均值减小了1.70 m且能观测到更多的卫星数,进行卡尔曼滤波处理后,单频手机较双频手机而言精度提升更多,两者最终精度相当。而在动态有遮挡的试验条件下,双频较单频定位误差均值减小了5.24 m,进行卡尔曼滤波处理后,两者精度均有明显改善,双频相对单频误差均值减小了0.87 m。     

抗差卡尔曼滤波在矿山地表沉降监测中的应用研究

在实际地表沉降观测过程中,各种误差致使观测向量中粗差对状态滤波值产生影响。根据标准卡尔曼滤波理论导出了地表移动观测站数据处理的抗差卡尔曼滤波模型,将抗差卡尔曼滤波模型应用到淮南某矿开采沉陷地表监测站沉降监测数据处理中,对该矿地表沉降监测实例进行模拟计算,结果表明该模型能够有效减弱或消除观测值中粗差的影响,提高数据处理的可靠性,获得可靠的分析结果。     

利用水准数据的天津市地面沉降时空特征分析

地面不均匀沉降可能对城市的发展与人民的安全造成危害，天津市的地面沉降情况尤为严重。针对该问题，本文收集天津市2005—2012年、2016—2017年水准观测数据，以固定水准点位的沉降量、沉降速率、沉降加速率为状态向量，构建卡尔曼滤波模型，对天津市历年的水准观测数据进行滤波；根据滤波后的结果，本文利用多项式加权内插的方法，以距离、沉降速率、沉降加速率信息确定权值大小，对地面沉降情况进行内插；并以中误差作为精度评定参数，比较多种内插方法的精度。通过对内插结果的试验分析发现，2005—2017年天津市地面累计平均沉降量为394.477 5 mm，最大沉降量为1 143.5 mm；主要沉降区域为北辰、大港、塘沽等地区，且随着时间的增长，这些区域呈现漏斗式下沉。试验证明本文结合卡尔曼滤波与多项式加权内插的方式能够较好地反映地面沉降的时空特征分布情况并对未来一段时间的沉降情况进行预测，对天津市的城市发展及建设有一定的参考意义。     

卡尔曼滤波粗差修正方法应用

基于标准卡尔曼滤波,提出对含有粗差的观测值进行整体修正和局部修正。最后,通过工程实例验证,两种修正方法均能够有效抵抗粗差的影响,并可获得比标准卡尔曼滤波更准确的滤波结果。     

GNSS与加速度计融合超高建筑动态监测数据分析

针对影响全球导航卫星系统(GNSS)变形监测精度的多路径误差，该文建立基于经验模态分解(EMD)算法的系统趋势分离模型，修正GNSS变形序列。构建多速率卡尔曼滤波Rauch-Tung-Striebel(RTS)平滑模型，融合超高层建筑的GNSS和加速度计监测数据，充分发挥两种传感器各自的优势。针对超高层建筑首次应用能量差值法确定变分模态分解的分量数，进而对分量进行频谱分析以提取超高层建筑的主模态振动频率。模拟数据表明，该文算法能够提高分析精度，融合位移的均方根为4.3 mm,相关系数为0.95,信噪比为12.66 dB。通过长春海容广场大厦采集的监测数据进一步验证得出，与单一传感器相比，该文算法能够提高位移数据的采样率，增加数据的完备性，削弱GNSS高频噪声的影响，提取到超高层建筑前两个主模态振动频率为0.19、0.28 Hz。     

基于自适应卡尔曼滤波的地表移动变形预报研究

构建自适应卡尔曼滤波预报模型,利用GNSS CORS连续运行实时监测数据,通过自适应卡尔曼滤波预报值、标准卡尔曼滤波预报值及实测数据对比分析,得到自适应卡尔曼滤波预报偏差明显减小,预报精度明显提升,满足了地表移动变形实时监测的精度要求。      

动态EIV模型及其总体卡尔曼滤波方法

针对求解动态EIV模型时未考虑状态方程中状态转移矩阵误差的问题,本文建立了一种能够同时顾及状态方程和观测方程中各量误差的动态EIV模型。推导了针对该动态EIV模型的总体卡尔曼滤波方法及其近似精度评定公式。对比分析了本文总体卡尔曼滤波方法与已有总体卡尔曼滤波方法及总体最小二乘方法的异同。算例结果表明,本文方法统计上要优于标准卡尔曼滤波方法和已有的总体卡尔曼滤波方法。     

关联概率密度加权重力异常UKF滤波匹配导航算法

无味卡尔曼滤波(UKF)是一种通过采样来近似非线性分布,从而对非线性问题进行次优估计的滤波方法。利用实时观测得到的重力异常以及航行区域参考重力异常图,可以建立基于重力异常的UKF滤波匹配导航算法,以此校正惯性导航系统的漂移误差。针对选取与UT变换相同权系数来求取预测观测值而可能导致求得的预测观测值为伪观测值的问题,提出了利用关联概率密度函数对采样观测值进行加权的重力异常UKF滤波匹配导航算法。通过对某实验区域的实验进行计算分析,结果表明,基于关联概率密度加权重力异常UKF滤波算法能够克服传统加权预测观测值带来伪观测信息的问题,将惯性导航系统经纬向漂移误差降低至1.1 n mile以内,均优干传统加权算法和纯惯性导航系统的定位精度。     

GPS结构振动监测数据滤波方法及其性能实验研究

使用GPS监测结构振动的目的在于提取振动信号特征,但GPS观测量受多种误差源的影响,因此,选用合理的数据处理方法有效地分离各误差项,对于提高GPS的监测精度具有重要意义。将Vondrak滤波、小波滤波、自适应FIR滤波和卡尔曼滤波等四种方法应用于资料序列中振动信号的分离,通过对模拟振动实验观测资料的分析表明:运用滤波法可提高GPS测量微小动态变形和变频振动信号的检测能力;4种滤波法均能有效地提高GPS监测结构振动的精度,其中,Vondrak滤波和小波滤波的性能相当,且优于自适应FIR和卡尔曼滤波。同时,在对各滤波法参数选择的优缺点进行分析的基础上,提出不同情况下选择滤波器的建议。     

矿山开采沉陷预计空间插值方法分析研究

文章首先对GIS中5种常用的空间插值方法原理进行了详细阐述,采用交叉验证法来对比分析不同插值方法的精度。应用反距离权重法、克里金法、自然邻域法、样条函数法、趋势面法5种常用的空间插值方法对兖矿集团济三煤矿1308工作面开采沉陷预计数据进行插值,对比分析了各种插值方法的精度,并对插值的误差影响因素进行了实验分析。结果表明：5种常用的空间插值方法中,克里金插值和样条函数插值精度最高,自然邻域插值和反距离权重插值精度居中,趋势面插值精度最低;对插值结果造成影响的因素与沉陷预计点的数量和密度有关,沉陷预计点的密度越大、数量越多,空间插值结果的精度就越高。研究成果可为矿山开采沉陷预计插值方法的选取提供借鉴。     

融合GNSS和加速度计监测数据的超高建筑动态特性分析

GNSS和加速度计是目前动态监测超高建筑环境载荷变形的主要手段。GNSS具有无需通视、可直接获取三维位移等优点，但受精度和采样率的限制，其对微变形及高频振动信息不敏感；而加速度计具有高精度和高采样率等优点，但无法监测超高建筑低频的似静态变形。为充分发挥这两种传感器的各自优势，提出利用多速率Kalman滤波和RTS平滑方法对超高建筑GNSS和加速度计监测数据进行融合处理。试验结果表明，与单一的GNSS监测技术相比，该方法有利于削弱GNSS高频噪声的影响，提高位移数据的采样率，可有效识别超高建筑的低频和高频振动频率，提高对微变形振动的监测能力；与单一的加速度计监测技术相比，该方法可以准确监测超高建筑的低频变形信息，具有良好的工程应用价值。     

一种抗差的形变数据插补方法

针对传统基于空间插值和时间序列上的插值补全形变缺失数据的方法在空间点位分布稀疏、观测值连续缺失以及含有粗差的情况下插补效果不佳的问题,提出了一种基于抗差Kriged Kalman Filter的形变缺失数据插补方法。该方法是一种时空插值的算法,在空间点位分布稀疏时考虑时间上的相关性,在时间上出现连续缺失时考虑其他点位对插补点的影响,以提高插补缺失数据的精度。又将抗差估计融合到Kriged Kalman Filter中以抵抗形变数据中粗差对插补精度的影响。利用模拟数据及天津GPS地面沉降数据进行了实验分析。结果表明:由于该法考虑了监测点的时空相关性以及具有抗差性能,使得插补结果在空间点位稀疏、连续缺失或具有粗差的情况下都具有较高的插补精度。     

基于卡尔曼滤波模型的地铁沉降监测分析

卡尔曼滤波方法是变形监测中常用的一种方法,本文通过对获取的地铁沉降观测数据进行监测,采用经典的卡尔曼滤波方法和基于方法补偿的自适应卡尔曼滤波方法进行监测预估,通过对比发现,基于方差补偿的自适应卡尔曼滤波方法能够有效地控制观测数据异常对动态系统参数估计的影响,保证了变形监测数据估计的精度。     

非线性系统中卡尔曼滤波的一种新线性化方法

针对测量领域非线性系统卡尔曼滤波的线性化，在分析两种传统线性化方式的基础上．提出了一种新的基于最优估计值的线性化方式。     

基于Kalman滤波的高耸建筑物沉降预测模型研究

为了提高高耸建筑物沉降监测数据的可信性与实时预测的准确性,利用小波分析与Kalman滤波在数据处理方面的优势,采用小波分析先对沉降数据进行去噪,并采用Kalman滤波理论进行预测。通过实验数据的对比分析,结合小波去噪分析与Kalman滤波理论对原始沉降变形量进行沉降预测,能克服只使用单一Kalman滤波方法进行沉降预测中噪声处理的不足,验证了小波分析及结合Kalman滤波理论进行沉降预测的可行性,且预测精度比较高。     

基于抗差卡尔曼滤波的GM(1,1)模型在变形预计中的应用

针对传统灰色模型建模过程中易受观测数据随机噪声干扰的影响,利用抗差卡尔曼滤波理论能够有效地估计含有噪声的观测值的优点,构建了基于抗差卡尔曼滤波的GM(1,1)模型。结合实例,验证了该模型在一定程度上可以提高变形监测预测精度,更好地反映观测对象的变形趋势。     

顾及有色噪声的自适应粒子滤波UWB定位算法

传统卡尔曼滤波算法要求噪声模型符合高斯分布，在UWB室内定位中，由于载体本身的机制等干扰，观测噪声不仅仅是白噪声，也存在有色噪声的情况，而粒子滤波可以处理有色噪声的问题。本文通过增加似然分布自适应调整来改进粒子滤波用于目标跟踪的精度，同时研究在白噪声、有色噪声下似然分布自适应调整粒子滤波和拓展卡尔曼滤波在UWB中的优势与不同。试验结果表明：观测噪声为白噪声时，拓展卡尔曼滤波和粒子滤波均可以较好地实现对行人的定位跟踪；观测噪声为有色噪声时，自适应粒子滤波定位效果优于粒子滤波、拓展卡尔曼滤波。     

区域GPS形变监测网的数据处理方法比较分析

获得合理的形变分析量是形变监测的前提。本文以测站坐标和速率为参数,分析比较了形变分析数据处理的3种方法:静态平差解、动态平差解以及滤波解,由于随机误差的存在,这3种解变得不等价;进而分析了这3种数据处理的方差分量解。最后以陕西省中部的一形变监测网为例,分析了其应用效果。