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.     

GPS变形监测网的动态数据处理

叙述了用卡尔曼滤波方法处理GPS变形监测网的方法。推导了在地平坐标系中的观测方程和动态方程。实际计算结果表明,卡尔曼滤波可以用于GPS变形监测网的数据处理,其滤波估值精度优于静态平差。     

基于CRInSAR和kalman滤波的监测地表三维形变的研究

CRInSAR技术克服了传统DInSAR的一些不足,成为近年来的研究热点,但单一的CRInSAR技术只能监测LOS的一维形变。而kalman滤波采用状态空间的概念,可以用来估计平稳或非平稳的多维信号随机过程,已经被广泛地应用于动态数据处理之中。因此本文以CRInSAR模型为基础,将不同时间跨度的干涉数据作为动态数据,构建相应的观测方程和状态方程,并以经典的kalman滤波估计角反射器的三维形变量和三维形变速度。实践证明,该方法是合理可行的。     

Kalman滤波在变形监测数据处理中的应用

卡尔曼滤波通过建立状态方程和观测方程来描述系统的动态过程,依据滤波增益矩阵的变化,从测量数据中定量提取有效信息,修正状态参量,利用已有的信息对动态噪声方差阵进行实时估计,从而补偿噪声对数据的影响,有效地提高数据精度。通过用Kalman滤波对郑州某地高层建筑变形监测数据的处理与预测分析,并同多项式拟合方法比较,表明Kalman滤波在处理变形监测数据时具有实时快速、精度高的特点。     

自适应Kalman滤波在地表沉降观测中的应用

地下采煤引起的地表沉陷是一个时间和空间的过程,据此提出了观测站动态数据处理模型Kalman滤波和自适应Kalman滤波,通过实例验证了自适应Kalman滤波比普通Kalman滤波在观测站数据滤波和预测中具有优越性。     

陀螺经纬仪逆转点观测数据随机模型的研究

逆转点观测方法是陀螺经纬仪传统观测方法之一，并已被应用到高精度自动观测陀螺经纬仪中。运用动态数据处理方法，对逆转点观测数据进行分析，得出二阶自回归（ＡＲ）模型能够较好地描述逆转点观测数据中的随机干扰误差的影响，为自动观测陀螺经纬仪数据处理提供了理论依据。     

深海拖缆勘探导航数据预处理方法

深海拖缆勘探导航测量的数据质量差,出现粗差的可能性大,数据预处理过程(主要包括粗差探测、滤波平滑和数据历元化等)是数据处理的重点和难点之一。文中探讨并设计了一种预处理方法:首先通过稳健估计拟合曲线的方法探测粗差;然后滤波平滑削弱观测噪声的影响,同时进一步处理残留粗差得到较"干净"的观测值;最后进行历元化内插得到各历元时刻的观测值,为数据处理做好准备工作。     

改进的迭代EKF算法在伪卫星定位中的应用

首先,针对伪卫星导航系统距离用户较近的特点,对伪卫星定位系统非线性观测方程的线性化进行了误差分析,指出伪卫星数据处理顾及线性化误差影响的必要性。其次,针对迭代EKF(IEKF)算法受观测信息影响较大的问题,基于观测信息等价协方差矩阵原理给出了一种改进的IEKF算法。最后,利用仿真数据验证了改进的迭代EKF算法能够较好地抑制观测信息异常对滤波解的影响。     

抗差卡尔曼滤波在GPS动态定位中的应用

基于Kalman滤波的GPS动态定位中,动态观测量及其相应的动态模型可能存在异常,若数据处理不考虑对这些异常的特别处理,则模糊度的估值及其所提供的动态信息将极不可靠.按抗差估计原理,文中构造了状态向量和观测值对模糊度的影响函数,并由此建立了动态GPS定位的抗差Kalman滤波解法.实际计算验证了该方法的实用性和可靠性.     

利用部分状态不符值构造的自适应因子在GPS/INS紧组合导航中的应用

提出了一种通过部分状态不符值来构造自适应因子的方法。实测算例结果表明,当观测无异常时,由预测残差构造的自适应因子和由部分状态不符值构造的自适应因子都能够较好地抑制动态模型误差的影响,相比于标准Kalman滤波精度都有所提高,并且这两种自适应滤波的精度相当;但是当观测存在异常时,由预测残差构造的自适应因子不能分辨模型误差和观测误差,而由部分状态不符值构造的自适应因子能够抵制观测异常的影响,因此,滤波结果优于由预测残差构造的自适应因子的滤波结果。     

基于方差补偿自适应卡尔曼滤波的南京铁路隧道沉降变形处理分析

当测量数据中存在粗差时,使用传统卡尔曼滤波对数据进行处理,状态向量的滤波估计值精度和可靠性会明显变差,甚至可能导致滤波发散而无法获得预测结果。通过使用方差补偿自适应卡尔曼滤波进行处理,结果表明能够减弱或消除粗差对数据的影响,从而提高模型的预测精度。结合工程实例分析表明,当观测数据中存在粗差时,使用方差补偿自适应卡尔曼滤波能有效地抵抗粗差的影响,提高数据处理的精度。     

Kalman滤波模型误差的修复

基于预测残差分析和滤波误差估计,提出了一种新的Kalman滤波模型误差的修正方法。该方法在预测残差分析的基础上,利用观测模型误差和动力学模型误差的相互影响,基于滤波误差估计,从修正观测模型入手,有效地消除了以往历元所有观测模型误差和动力学模型误差对当前历元滤波值的影响。GPS动态导航模拟实验表明,该方法不仅有效地消除了整个Kalman滤波模型误差的影响,而且结果比较理想。     

Kalman滤波在高铁桥梁变形预测分析中的应用

针对高速铁路桥梁架梁后许多沉降变形点沉降量级较小,变形曲线呈现＂小量级,大波动＂特点,观测数据中可能存在大量的随机噪声,对沉降变形分析产生干扰,影响预测结果的可信度,本文将Kalman滤波引入到高速铁路桥梁变形分析数据预处理中,建立基于Kalman滤波的动态模糊神经网络模型。通过应用实例分析表明,基于Kalman滤波的动态模糊神经网络模型的预测精度有所改善,具有一定的优势。     

抗差卡尔曼滤波在GPS动态定位中的应用

基于Kalman滤波的GPS动态定位中，动态观测量及其相应的动态模型可能存在异常，若数据处理不考虑对这些异常的特别处理，则模糊度的估值及其所提供的动态信息将极不可靠，按抗差估计原理，文中构造了状态向量和观测值对模糊度的影响函数，并由此建立了动态GPS定位的抗差Kalman滤波解法，实际计算验证了该方法的实用性和可靠性。     

Kalman滤波在测量数据处理中的应用研究

论述了Kalman滤波在测量数据处理与分析中的可行性,推导出与在测量中应用相当广泛的最小二乘法关系,进一步导出Kalman滤波动态模型[1]。并通过对算例进行计算、分析,取得可靠结果,从而验证了Kalman滤波方程在测量数据处理中的有效性、实用性[4]。     

水文变化语义约束的实时水位观测数据流在线滤波方法

受外界环境和仪器设备等的影响,实时水位观测数据流噪声和数据异常问题突出,严重制约了实时应用效能。针对已有数据清洗方法适应性差,难以根据动态观测数据的变化特征进行动态调整问题,本文提出了一种水文变化语义约束的实时水位观测数据流在线滤波方法:在实时水位观测数据变化特征与水文时空过程动态演变规律之间建立高层语义映射,实现水文变化语义知识约束下的卡尔曼模型参数自适应调整,从而突破传统滤波方法的瓶颈。采用多种降雨情景下的实时水位观测数据进行了试验,证明了该方法结果质量的可靠性。     

动态定位解算中测量粗差的探测与修复

基于Kalman滤波的动态定位中,动态观测量可能存在粗差,若数据处理不考虑对这些粗差的特别处理,则所提供的动态信息将极不可靠。文中计算了粗差对滤波结果的影响,并由此建立了动态定位中粗差的探测和修复算法。最后以一数字仿真(模拟)实验论证了方法的可行性。     

多期复测重力与水准测量的自适应滤波方法

本文从速率面的观点出发，把重力和高程的转换因子当为未知数，建立了多期复测重力和水准测量联合处理的动态方程和观测方程。顾及动态噪声和观测噪声的方差分量估计，提出了一种自适应滤波方法。最后对一个模拟网作了计算和分析。     

导航解算中的系统误差及其协方差矩阵拟合

利用Kslman滤波进行导航定位计算不得不涉及观测函数模型和动力学模型,而观测函数模型和动力学模型经常含有系统误差或区域性系统误差.本文提出了一种基于移动窗口的函数模型和随机模型系统误差自适应拟合法.基于相同的窗口给出了相应的观测向量和状态预测向量的协方差矩阵估计方法,其协方差矩阵的估计与现有的Sage滤波不同.利用经系统误差修正后的观测向量和状态预测向量及相应的协方差矩阵,再进行动态导航滤波计算,能有效提高导航解的精度.文中给出了开窗估计系统误差的公式,并利用实测数据验证了该算法的可行性和实用性.计算结果表明该算法能有效地抵制系统误差对导航滤波结果的影响.     

EMD和SSA组合方法在GNSS多路径误差处理中的应用

提出EMD和SSA组合方法对GNSS观测数据进行多路径误差滤波。通过对实际GNSS变形监测数据处理,结果表明,该方法能够有效剔除多路径误差,获取建筑物真实结构震动信息。与高精度测量机器人观测数据对比结果显示,经过EMD+SSA方法处理后,观测精度获得明显提高,能够满足变形监测的精度要求。