Android智能手机星间单差法伪距平滑算法研究

受到手机芯片和天线等影响,智能手机原始伪距观测值的噪声较大,同时受多路径影响严重,导致手机定位不准确、轨迹不平滑。针对上述问题,提出一种星间差载波相位平滑伪距、星间差多普勒平滑伪距和星间差速度约束自适应切换滤波定位算法,可充分发挥相位和多普勒观测值的作用,提高伪距观测值的精度并减少平滑伪距噪声。在静态和动态环境中分别对单频和双频智能手机定位性能进行分析。结果表明,双频定位效果优于单频,星间差速度约束自适应切换滤波定位算法最优。与抗差伪距法相比,静态环境下小米8在水平和高程方向上的精度分别提升1.49 m和1.38 m,华为P40分别提升2.11 m和1.53 m;动态环境下小米8在水平和高程方向上的精度分别提升1.75 m和1.25 m,华为P40分别提升2.58 m和1.85 m。     

基于卡方检验的抗差自适应Kalman滤波在变形监测中的应用

在抗差Kalman滤波的基础上引入双自适应因子,分别对动态模型不准确和观测模型存在粗差进行调节,构建双自适应因子滤波模型。针对抗差自适应Kalman滤波效率较低的缺点,通过构建基于卡方检验的抗差自适应Kalman滤波,先用卡方检验对粗差进行检验,再调用抗差自适应Kalman滤波进行处理。工程实例表明,双自适应因子滤波模型可以很好地抵御粗差,并减弱模型不精确的影响。基于卡方检验的抗差自适应Kalman滤波不仅可以削弱粗差对滤波估值的影响,而且可以提高数据处理的效率。     

基于系统误差及其协方差阵拟合的抗差自适应滤波

动态导航数据处理中基于系统误差及其协方差矩阵拟合的自适应滤波算法在一定程度上可以抵制系统误差或区域性系统误差对动态导航定位结果的影响，但无法抵制异常扰动的干扰。考虑到观测模型和动力学模型存在异常扰动时。整体控制状态噪声协方差阵的方法可以减弱扰动异常的影响，因此提出一种基于系统误差及其协方差矩阵拟合的抗差自适应滤波算法。算例结果证实，该算法在减弱系统误差影响的同时，还能有效地抵制观测异常和载体状态扰动异常对动态系统参数估值的影响。     

滑坡监测的自适应约束抗差滤波算法研究

在滑坡的动态监测中通常存在先验几何信息和物理信息,现有的滤波算法并不能够充分利用这些信息,为控制几何观测异常对形变参数估计的影响,提出一种利用滑坡力学状态信息的约束滤波模型.同时,利用约束方程获得有益信息,精确地确定测量的等价权,给出相应的自适应约束抗差滤波算法,并通过实例说明了带有约束的滤波算法更能提高状态参数估计的...     

基于抗差自适应SITAN算法的水下重力匹配导航方法

针对水下重力匹配导航SITAN算法中动力学模型误差以及重力异常观测数据存在粗差的问题,提出一种抗差自适应匹配算法。通过构建自适应因子和抗差因子来调节状态预测信息与量测信息对滤波贡献的权重,有效抑制粗差和预测信息异常的影响,提高匹配算法的稳定性和可靠性。在南海选取一块重力异常特征变化丰富的海域进行仿真实验,结果表明,与常规SITAN算法相比,该算法能够显著降低异常观测值的影响,系统的定位精度和鲁棒性均有提升。     

GNSS/SINS组合导航的改进Sage-Husa自适应滤波算法

针对组合导航系统中标准Sage-Husa自适应滤波算法存在滤波发散的问题,提出一种改进的Sage-Husa自适应滤波算法。首先,对组合导航系统的线性卡尔曼滤波算法采用补偿反馈校正算法获得最优估计,并对滤波器新息向量进行简化;然后,提出一种改进的Sage-Husa自适应滤波算法,该算法具有实现简单并且可以避免状态估计发散的特点;最后,进行基于该算法的GNSS/SINS组合导航实验。结果表明,该算法可以对量测噪声突变方差和缓变方差进行准确跟踪,并且量测噪声方差估计精度与变分贝叶斯滤波方法相当;当量测噪声方差变化时,相对于标准KF算法,该算法可分别提高约20%和21%的位置精度和速度精度,能有效降低未知量测噪声统计特性对组合导航系统滤波精度的影响。     

方差膨胀模型用于GNSS/加速度计融合变形监测

为解决GNSS信号在环境遮挡、多路径误差等影响下监测精度不可靠的问题,基于Huber选权迭代法,将方差膨胀思想引入GNSS/加速度计融合滤波算法中,从随机模型角度对GNSS异常值的量测噪声进行自适应调整,降低GNSS异常观测对Kalman滤波量测更新的影响,提高GNSS/加速度计融合变形监测结果的可靠性。在静态和动态2种场景下进行验证分析,结果表明,改进融合算法能够显著提高复杂多路径环境下的GNSS监测精度,其解算获取的形变位移三维方向RMS均在1.8 cm以内,可为复杂环境高精度变形监测提供参考。     

一种适用于PPP动力学模型异常的自适应Kalman滤波

为了削弱PPP参数估计中动力学模型异常对Kalman滤波解的影响,针对PPP状态向量中各类参数不符值对动力学模型异常描述特性的不同,以位置相关为条件对参数进行分类,构建分类因子自适应Kalman滤波用于PPP参数估计。选取6个IGS站点3 d的数据,使用标准Kalman滤波与构建的自适应Kalman滤波进行PPP解算分析。结果表明,相较于标准Kalman滤波,自适应Kalman滤波能通过自适应因子调节状态预测协方差,加速PPP收敛。静态模式下,平均收敛时间从28.2 min缩减到19.4 min,N、E、U方向的平均精度为1.50 cm、3.34 cm、5.55 cm,分别提高7%、14%、19%;动态模式下,构建的自适应Kalman滤波解N、E、U方向偏差的RMS值为2.7 cm、3.6 cm、6.3 cm,较标准Kalman滤波分别提高13%、28%、43%。     

一种顾及有色噪声的四星座GNSS动态导航滤波算法

经典Kalman滤波要求噪声是高斯白噪声，而动态GNSS定位的观测误差和状态预测误差往往是有色噪声。本文提出一种简便的有色噪声函数模型拟合滤波算法，采用前面历元的观测残差和状态残差建立有色噪声模型，削弱有色噪声对动态导航解算的影响。采用四星座GNSS接收机观测数据进行动态导航实验，结果表明，顾及有色噪声的动态导航滤波算法比未顾及有色噪声的经典Kalman滤波算法定位精度更高，三维位置精度提升9%以上。     

基于抗差Kalman滤波的精密单点定位

当精密单点定位的观测值含有异常数据时,Kalman滤波的精度将会降低。采用抗差Kalman滤波方法能够有效抑制观测异常,提高滤波的精度和可靠性。运用武汉国际GPS服务跟踪站数据对该方法进行了验证。结果表明,抗差Kalman滤波的精度比Kalman滤波的精度有一定程度提高,说明抗差Kalman滤波能够有效抑制观测异常。     

抗差自适应卡尔曼滤波模型及其在塌陷区监测中的应用

针对塌陷区等地表快速沉降区域的动力学特点及观测向量中存在的粗差对卡尔曼滤波结果的影响，设计一种抗差自适应卡尔曼滤波模型。该模型能识别稳定沉降与快速沉降2种状态，通过抗差估计减小观测向量中粗差的影响，并采用自适应因子调整动力学模型，减少状态模型的误差，提高滤波结果的精度。将该模型应用于某矿区沉降监测数据的处理，结果表明，其效果优于抗差卡尔曼滤波。     

城市复杂环境下GNSS/INS组合导航算法研究

针对城市环境下GNSS车辆导航存在卫星信号易受影响的问题,利用GNSS/INS组合算法提高复杂环境下城市车辆定位性能。基于城市环境下实测GNSS数据评估分析定位结果,使用GNSS/INS组合的常规卡尔曼滤波算法实现卫星失锁区域导航。同时,提出一种基于新息的自适应卡尔曼滤波算法,可有效增强卫星数较少及信号干扰严重区域的车辆导航定位能力。该方法利用量测与预测的关系构造自适应因子,改善定位精度。结果表明,常规卡尔曼滤波可在20 s卫星信号失锁情况下保证亚m级导航精度,自适应卡尔曼滤波算法在卫星信号受到严重干扰时,其定位精度相比于常规卡尔曼滤波算法提高30%,可满足在城市复杂环境下的高精度、高可靠性车辆导航定位服务需求。     

一种适用于精密单点定位的抗差自适应滤波

分析了卫星星座PDOP值与卫星数的关系以及伪距和载波相位观测值残差量级的大小,结合精密单点定位各参数的特性,提出一种适用于精密单点定位的分类因子抗差自适应滤波法。该方法在等价权函数的选取上兼顾PDOP值的检验,并对不同观测量分别进行抗差等价权替换。根据不同参数的特性,建立分类自适应因子,利用预测残差求取各类参数的自适应因子。实验表明,该方法不仅能检测和控制异常观测量对定位解算的影响,而且能提高PPP定位的精度及可靠性。     

Kalman 滤波几种异常检验法

为了检测动态导航观测异常和动力学模型异常,采用预测残差构造观测误差和动力学模型误差整体检验法,对观测异常可分别采用以模型为准的观测异常检验、以当前历元可靠观测为基准的异常检验或以Kalman滤波估值为基础的异常检验的方法;对于动力学模型异常检验,可以分别采用状态不符值检验法、以状态参数Kalman滤波估值为基础的动力学模型异常检验或以可靠观测为基础的动力学模型误差整体检验的方法.分析了以上几种检验方法的特点,并用实测数据进行了检验.结果表明:在观测异常或动力学模型异常处,异常检验对导航数据精度有一定程度地提高.     

基于站间单差的GPS/GLONASS组合模糊度解算研究

推导分析了基于站间单差的GPS/GLONASS组合双差模糊度解算数学模型及影响其精度的误差因素。利用模糊度参数在无周跳和粗差情况下的时不变性特点,采用自适应选权滤波对单差数据进行滤波处理,并将滤波后的单差模糊度通过选择基准卫星固定为双差模糊度。采用不同长度的实测动静态短基线数据进行测试,结果表明基于自适应选权滤波的站间单差模型可以简便有效地进行双差模糊度固定,模糊度固定成功率在95%以上,解算精度优于单模型以及双模型单历元解。     

一种基于GPS/BDS观测值的抗多路径误差导航定位算法

提出一种抑制卫星导航定位中多路径误差的算法,采用双卫星系统GPS/BDS的伪距和多普勒观测值,增加了观测值数据的有效性,结合抗差自适应卡尔曼滤波模型,减弱了城市稠密建筑中卫星导航定位多路径误差对定位的影响。城市车载实验结果显示,与GPS单系统伪距定位相比,采用GPS/BDS伪距定位,点位精度由4.9 m提高到4.3 m;采用本文算法,点位精度进一步提高到3.4 m,验证了本文算法的有效性。     

基于稳健随机分隔森林的GNSS位移序列粗差实时检测方法

受GNSS硬件设备、通讯链路以及观测环境等因素影响,GNSS位移监测数据往往包含粗差,无法反映真实的变形特征。针对该问题,本文提出将稳健随机分割森林(robust random cut forest, RRCF)算法应用于GNSS位移监测数据粗差实时检测。仿真数据处理结果表明,RRCF算法粗差实时检测的准确率、精确率与召回率分别优于95%、98%、96%。地质灾害位移监测数据处理结果表明,GNSS位移监测数据发生异常突变时,RRCF方法检测结果与实际异常值情况吻合且误判率较低。总体而言,RRCF算法对GNSS位移监测数据异常实时检测的准确率和可用性均较好。     

结合CEEMDAN的改进小波阈值地下水温观测数据去噪方法

提出一种结合自适应噪声完备集合经验模态分解方法(CEEMDAN)的改进小波阈值降噪算法,用于地下水温观测数据的去噪。在利用该方法与传统的去噪方法分别对仿真信号进行降噪后发现,该去噪方法性能更优,并且在对实际采集到的含有噪声及异常突变的地下水温数据进行处理方面,也展现出比传统单一滤波手段更好的效果。     

顾及时变非高斯噪声的高斯和滤波及其导航应用

高斯和滤波可利用高斯混合模型精化非高斯噪声随机模型来提高估计精度,但导航测量环境的动态性和复杂性使非高斯噪声具有时变性特征,若GMM不随之调整会导致滤波解算失真。针对该问题,本文提出一种基于位移参数自适应估计的高斯和滤波算法。首先分析GMM位移参数对非高斯噪声拟合精度的影响,然后利用位移参数自适应技术修正GMM,进而改善高斯和滤波性能。实验结果表明,当GNSS/SINS量测模型存在时变非高斯噪声时,本文算法的滤波结果较传统高斯和滤波算法的波动小,抗干扰能力强,在实际应用中可进一步改善估计精度和稳定性。     

基于异常误差补偿的多期水准网动态平差

针对水准网中的异常误差,采用函数模型异常误差补偿方法抑制其影响,提高水准网平差精度。首先采用最小二乘方法获得各观测值残差,通过假设检验确定异常误差位置;将异常误差作为待估参数进行解算;最后扣除异常误差,利用"干净"观测数据进行平差获取水准网点的高程与垂直运动速度。采用山东省两期二等水准网观测数据进行试验,该方法进一步提高了水准网平差的可靠性。