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.     

星载GPS卫星定轨的UKF-EKF算法

针对无味Kalman滤波（Unscented Kalman Filter）在卫星定轨应用中存在计算效率和估计精度之间如何平衡的问题,本文提出了一种将无味Kalman滤波和扩展Kalman滤波（Extended Kalman Filter）相结合的新算法。该算法对标准的无味Kalman滤波算法作了两个方面的改进,一方面改进采样策略,以最小偏度单形采样策略代替对称采样策略;另一方面改进算法结构,以无味Kalman滤波和扩展Kalman滤波融合算法代替单纯的无味Kalman滤波算法,系统的强非线性部分采用无味Kalman滤波来处理,弱非线性部分采用扩展Kalman滤波来处理。算例结果表明,新算法估计精度与无味Kalman滤波相当,但计算效率提高了30%左右。     

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。     

导航卫星原子钟Kalman滤波中噪声方差-协方差的确定

用Kalman滤波实时监测卫星钟运行状况,需要确定Kalman滤波协方差阵。首先介绍适用于铷钟的Kalman滤波方程,推导基于哈达玛总方差的Kalman滤波过程噪声参数和观测噪声估计方法,并在此基础上构造Kalman滤波状态噪声协方差阵和观测噪声协方差阵。利用GPSBlockIIR铷钟事后处理的采样间隔为5min的精密钟差数据进行了预报分析,结果表明,当预报时间为1h时,预报精度在1ns左右;当预报时间为6h时,预报精度在(8～9)ns之间。进一步验证Kalman滤波协方差阵估计方法的正确性。     

含有粗差观测值的自适应滤波

线性系统的标准Kalman滤波在模型不含有粗差的前提下是最优的,而在测量过程中,测量数据不可避免地存在着粗差,Kalman滤波很容易受到粗差的影响,致使滤波发散和偏倚.抗差Kalman滤波可以减少粗差的影响,对滤波值适时地加以补偿和修正可以使Kalman滤波值不发生大偏倚,但此时的滤波值一般不具有最优性.利用预测残差对粗差进行探测和估计,并对模型加以修正,然后通过Kalman滤波给出此时状态的滤波值.实例表明:通过模型修正来进行适时Kalman滤波的方法是可行的和有效的.     

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.     

动态非线性滤波模型非线性强度的曲率度量及其应用

基于微分几何的两种曲率——参数影响曲率和固有曲率,给出了定量描述非线性滤波问题的非线性强度的方法,分别采用扩展Kalman滤波方法和Unscented Kalman滤波方法进行了模拟实验。结果验证了这些曲率确实能够度量非线性滤波问题的非线性强度,且能够评估非线性滤波算法的状态估计性能。     

利用在线向量机和Unscented Kalman滤波进行降水序列滤波研究

针对短周期降水序列模型估计困难、滤波误差不确定问题提出了在线向量机与Unscented Kalman滤波相结合的降水时间序列预测与滤波方法。从理论推导到真实数据的实验以及详细的误差分析证明了本方法对短周期降水序列滤波有较好的合理性和有效性。相比传统Kalman滤波方法和向量机滤波方法,该方法有更好的滤波性能和实用性。     

基于抗差Kalman滤波算法的单频BDS周跳探测

提出了一种基于抗差Kalman滤波算法的单频BDS周跳探测方法。该方法以Kalman滤波算法为基础,构建了历元间差分观测值,使周跳以粗差的形式表现出来,并采用IGGⅢ等价权函数调整滤波增益矩阵实现抗差处理,从而达到准确探测周跳的目的。采用单频BDS实测数据对本方法进行验证,并以现有Kalman滤波方法作为对比。结果表明,在无周跳情况下,Kalman滤波法预报残差序列中误差为0.140,抗差Kalman滤波法预报残差序列中误差为0.121,本方法对观测噪声的灵敏性更强;在加入多个具有不同特征的模拟周跳后,Kalman滤波法存在滤波多次初始化问题而不能探测出少量历元的连续周跳,本方法则实现了所有周跳的探测,准确率为100%,同时保证了滤波过程只需初始化1次。     

GPS动态定位自适应卡尔曼滤波算法研究

Sage-Husa滤波和强跟踪滤波是2种常规的自适应卡尔曼滤波,有各自的优缺点。综合2种滤波的特点,给出一种抗粗差的修正算法,实验效果比较好,能有效抑制少部分粗差带来的影响,计算结果表明效果比较理想。     

基于卡尔曼滤波的离散灰度模型在基坑沉降数据的研究

为了提高深基坑开挖过程中实时沉降监测预测的可靠性与准确性,保障基坑施工和周边环境安全,针对深基坑开挖过程中周围底层移动、施工、环境因素及实际观测过程中原始数据存在较多噪声对原始沉降数据产生一定影响等诸多问题。本文考虑使用卡尔曼滤波理论对沉降数据进行去噪预处理,并建立离散灰度模型,通过该模型对沉降数据进行分析及预测。通过实验数据分析处理,验证模型预测精度有了一定的提高,且具有一定的参考价值。     

多种有色噪声自适应滤波算法的比较

将控制有色噪声影响的自适应滤波算法分为函数模型补偿滤波和随机模型补偿滤波两类。在介绍各种自适应滤波理论和模型的基础上，重点分析了各种自适应滤波算法的优缺点，并用实际算例进行了验证。     

基于频域的图像增强及其MATLAB实现

图像增强是对数字图像的预处理，使图像整体或局部特征能有效地改善。通过对频域法图像增强理论的理解，分析了频域法的低通滤波、高通滤波。在此基础上，利用MATLAB对理想的高低通滤波器、指数高低通滤波器、巴特沃斯高低通滤波器以及梯形高通滤波器进行编程与仿真，并对其结果进行分析与比较，表明低通滤波和高通滤波都能较好的改善图像质量。     

SAR影像去噪声方法的研究

针对ＳＡＲ影像噪声的特点,在分析了几种主要滤波的基础上,提出了基于标准偏差的均值和中值滤波,试验证明了此方法的优越性。     

星载SAR图象斑点噪声消除方法效果的比较研究

星载（ＳＡＲ）图象一般都存在相干斑点噪声，严重干扰地物信息的提取与ＳＡＲ图象的应用效果，因此斑点噪声的消除问题引起微波遥感科技工作者的普遍关注，先后有多位学者提出各种不同的处理方法，其中最为常用的有均值平滑滤波、中值平滑滤波、Ｆｒｏｓｔ自适应滤波、Ｌｅｅ自适应滤波以及近期由Ｐ．Ｖ．ＮａｒａｓｉｍｈａＲａｏ等人提出的改良Ｋ－均值自适应滤波等方法。本文分析了这几种方法的数学基础，并选择了有代表性的实验区开展对比试验，结果表明：改良Ｋ－均值自适应滤波法效果最佳。     

一种无须变换参考星的GNSS单基线卡尔曼滤波算法

处理单基线全球导航卫星系统观测数据可获取位置、时间、大气延迟等信息,其应用包括相对定位、时频传递等。为实现实时性,常采用卡尔曼滤波递归地估计各类参数;为确保可靠性,还需形成一组独立的双差模糊度,并将其正确地固定为整数。实践中,滤波函数模型较常采用双差观测方程(即双差滤波模型)。若在当前历元原先的参考星不再可视时,双差滤波模型则需要定义新的参考星,并"映射"双差模糊度预报值以确保滤波连续。此外,双差滤波模型所计算的接收机相位钟差估值吸收了对应于参考星的站间单差模糊度,因此当参考星变换后可能会发生"整周跳跃"。在仍将双差模糊度作为一类可估参数的前提下,本文推导出以站间单差观测方程为滤波函数模型的算法(单差滤波模型),并证明了其与双差滤波模型具备理论上的等价性和实施上的差异性。与双差滤波模型相比,单差滤波模型不再需要"映射"双差模糊度预报值等运算,从而具备了更高的计算效率和灵活性;单差滤波模型所提供的接收机相位钟差估值也不受"整周跳跃"的影响,因此特别有利于频率传递应用。     

两种渐消滤波与自适应抗差滤波的综合比较分析

给出了两种渐消滤波解及其相应的原则，介绍了自适应抗差滤波原理和相应的解，分别从原理和解的表达式上分析了两种渐消滤波和自适应抗差滤波解算的基本性能。利用一个实际算例比较了渐消滤波与自适应抗差滤波解在控制状态异常影响方面的能力。     

Comparison of Two Fading Filters anc Adaptively Robust Filter

Two kinds of fading filters and their principles are introduced. An adaptive robust filter is given with corresponding principle. The basic abilities of the fading filters and adaptively robust filter in controlling the influences of the kinematic model errors are analyzed. A practical example is given. The results of the fading filter and adaptively robust filter are compared and analyzed.     

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。