基于卡尔曼滤波的AR模型及应用

时间序列参数估值的时变性与预报模型的定常性之间的差异,使得预报精度随着预报步数的增加而显著降低。基于此,构建基于卡尔曼滤波和自适应卡尔曼滤波的AR模型以实时更新其参数估值,取得了较好的拟合效果并提高了预报精度。     

自适应卡尔曼滤波在大坝形变预报中的应用分析

卡尔曼滤波融合了状态模型和观测模型的信息,具有良好的估计和预报性能,能够较好地描述大坝动态形变的过程.在实际应用中,由于状态噪声和量测噪声无法精确给出,标准卡尔曼滤波的最优性受到破坏.现利用新息约束不断地调整卡尔曼滤波中的过程噪声和测量噪声,使其动态地自适应于真实情况.通过两组大坝实测数据处理,表明自适应卡尔曼滤波能够很好地改善随机模型不准确和形变突变影响下的预报精度,其预报精度优于标准卡尔曼滤波.     

附有直线约束条件的卡尔曼滤波周跳探测方法

针对卡尔曼滤波用于动态周跳探测精度不高问题,本文通过将直线轨迹约束条件加入标准卡尔曼滤波方程中,从而对卡尔曼滤波方程中的预报值进行修正,来提高动态周跳探测精度。实验结果表明,加入约束后的卡尔曼滤波对于动态周跳的探测精度有相应的提高;约束卡尔曼滤波弥补了标准卡尔曼滤波不能探测连续周跳的缺陷,并且加入约束条件后的卡尔曼滤波收敛速度更快,对动态周跳探测效果有明显提高。     

Sage-Husa随机加权无迹卡尔曼滤波及其在导航中的应用

在吸收Sage-Husa滤波和无迹卡尔曼滤波优点的基础上,利用随机加权估计算法将传统的定义在线性系统上的Sage-Husa噪声估计器推广到非线性系统中,提出一种非线性Sage-Husa随机加权无迹卡尔曼滤波算法。该算法首先利用Sage滤波的开窗平滑方法求得观测残差向量和新息(预测残差)向量的协方差阵;然后用随机加权自适应因子对观测残差和预测残差进行调节;最后对状态预报向量的协方差矩阵进行自适应随机加权估计,以控制观测残差和预测残差对导航精度的影响。计算结果表明,提出的非线性Sage-Husa随机加权无迹卡尔曼滤波算法,滤波精度明显优于无迹卡尔曼滤波和自适应无迹卡尔曼滤波算法,能够提高组合导航的解算精度。     

基于自适应卡尔曼滤波的高层建筑物沉降预测模型研究

由于传统卡尔曼滤波处理实时动态数据中所建立的数学模型不精确或动态噪声特性不准确,导致状态估计失真,甚至导致滤波发散的现象。为了提高高层建筑物沉降监测实时预测的准确性与可靠性,克服传统卡尔曼滤波进行沉降预测中噪声的不足,本文采用方差补偿自适应卡尔曼滤波理论进行分析预测,并通过实测数据对比分析,验证了方差补偿自适应卡尔曼滤滤波理论进行沉降预测的可行性,且预测精度较高。     

自适应卡尔曼滤波在变形监测动态数据处理中的应用

介绍了卡尔曼滤波技术的基本思路，给出了自适应卡尔曼滤波动态噪声声方差阵∑ｑｋｑｋ补偿法的计算公式，以及在变形监测动态数据处理中的应用。分析了应用中存在的问题及解决途径。通过实例说明了该法用于变形监测预报具有较高的精度。     

大气可降水量预测模型的自适应Kalmam滤波改进

针对现有可降水量预报模型存在预报精度不高等问题,该文提出采用方差分量估计自适应卡尔曼滤波对可降水量数据进行预处理,用以提高径向基神经网络预测模型的预测精度,从而形成高精度预报模型。通过比较不同基站不同时间的数据,分析使用方法的预报精度。实验结果表明:将预测模型应用于全国7个测站进行实验,预测相对精度的平均值可达95%以上,预报残差在10-5左右,残差值小于0.001的占90%以上。在影响因素方面,使用较短时间作为模型原始数据进行预测会得到较好的预测结果。实验证明本预测方法在预报大气可降水量值方面具有较高的精度。     

自适应卡尔曼滤波在GNSS沉降监测中的应用

为解决GNSS-RTK实时测量中存在的数据波动性大,难以满足高精度沉降监测需求的问题,通过引入方差补偿自适应卡尔曼滤波,对原始测量数据进行滤波去噪,实现了绝大部分白噪声的过滤和修正。同时,对原始测量数据与滤波数据进行分析比对,滤波前原始数据标准差在7 mm左右,方差补偿法滤波后数据标准差在3 mm左右,实现了两倍多的精度提升。实践证明,方差补偿自适应卡尔曼滤波在抑制滤波发散和提高监测数据精度上具有显著的效果。     

自适应卡尔曼滤波在变形监测动态数据处理中的应用

介绍了卡尔曼滤波技术的基本思想，给出了自适应卡尔曼滤波动态噪声方差阵∑ΩｋΩｋ补偿法的计算公式，以及在变形监测动态数据处理中的应用。分析了应用中存在的问题及解决途径．通过实例说明了该法用于变形监测预报具有较高的精度。     

利用IGS对流层产品预报空气质量指数研究

空气质量指数用来反映雾霾对大气的污染状况,如何对空气质量进行预报成为研究的重点和难点。空气质量指数与近地面气象参数相关,本文简要介绍了常用的空气质量预报方法及卫星数据观测预报的优势。利用北京房山IGS站气象数据文件,建立了空气质量指数预报的多元线性回归最小二乘模型和卡尔曼滤波模型。结果表明卡尔曼滤波模型得到的预报值与实际值的相关系数和RMS分别为0.995和7.532,均显著优于多元回归模型。为了验证模型的适用性和效果,选用了雾霾较少的2014年夏季气象数据和空气质量指数数据,试验发现:采用卡尔曼滤波模型得到的相关系数和RMS分别为0.985和7.378,预报值与实际值符合得很好,且预报精度较高。本文验证了利用卫星导航地面气象参数进行空气质量预报的可行性,为下一步利用卫星导航系统对流层产品对空气质量进行监测和预报奠定了一定的研究基础。     

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。     

基于双因子抗差卡尔曼滤波在动态导航中的应用

针对动态导航卡尔曼（Kalman）滤波的异常扰动影响问题,根据观测量中的粗差对状态向量滤波值的影响规律,引入了双因子算法,导出基于预报残差的抗差卡尔曼滤波模型,该模型具有良好的抗差性,利用实测数据加模拟粗差进行验证,结果表明：抗差卡尔曼滤波可以很好的控制状态对滤波估值的影响,精度相对于标准卡尔曼滤波有明显的提高。     

方差分量估计卡尔曼滤波在地铁深基坑变形预测中的应用

在地铁附近基坑工程的施工阶段,通常要对地铁隧道结构进行水平位移监测、分析和预测。采用卡尔曼滤波能实时估计出水平位移状态向量,实现水平位移预测,如果卡尔曼滤波中动态噪声不准或不易确定,就会导致滤波发散而无法获得准确的预测结果。研究和采用基于方差分量估计的卡尔曼滤波,利用预报残差实时更新模型的动态噪声方差,可以避免滤波发散,提高预测精度。实际应用表明,基于方差分量估计的卡尔曼滤波能获得较好的水平位移预测效果。     

自适应卡尔曼滤波法用于变形监测数据处理

卡尔曼滤波作为一种动态数据处理方法广泛应用在变形监测数据处理中。文中针对传统卡尔曼滤波因动态噪声不准或不容易确定影响结果准确度的问题,提出并探讨了方差补偿自适应卡尔曼滤波,并通过传统卡尔曼滤波和自适应卡尔曼滤波对GPS变形监测数据进行处理,其结果表明方差补偿自适应卡尔曼滤波对GPS变形监测具有很好的剔除噪声的作用,效果明显。     

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。     

自适应卡尔曼滤波在建筑物变形监测中的应用

卡尔曼滤波由于能够实时快速地处理大量的变形数据,并能够预测下一时刻的变化状态等特点,被广泛应用于多个领域的动态数据处理。本文论述了方差补偿自适应卡尔曼滤波模型,将自适应卡尔曼滤波模型应用到光纤光栅动态变形监测上,基于MATLAB编程实现模型的建立并运用该模型对建筑物变形进行分析与预测,取得了较好的效果,证实了方差补偿自适应卡尔曼滤波在滤波和预测方面的可行性。     

基于EKF和自适应抗差滤波的星载GPS定轨方法

针对在星载GPS卫星定轨中由于卫星动力学模型误差和不可避免的观测异常严重影响定轨精度的问题,通过采用适当的自适应控制因子和应用抗差估计原理,构造自适应抗差扩展卡尔曼滤波(RAEKF)来实现星载GPS卫星定轨。实测计算表明,自适应抗差扩展卡尔曼滤波对观测误差和状态扰动有一定的抵制能力,与一般扩展卡尔曼滤波相比提高了精度,证明其理论的可行性。     

卡尔曼滤波在动态测量系统中的应用

文中详细论述卡尔曼滤波的数学模型及其初值确定方法,引入动态测量系统应用实例,通过对数据噪音特性的分析,准确确定了卡尔曼滤波模型,利用matlab编程实现了相应功能。实例分析结果表明,卡尔曼滤波预测精度高,适用于大坝的实时监测与预报。     

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。     

一种次优并行Sage自适应滤波器

提出了一种新的次优Sage自适应卡尔曼滤波算法,该算法针对经典次优Sage滤波器经常存在的结果偏移现象,设计了一种附加伴随滤波器的并行滤波结构,消除了结果偏移,提高了滤波精度.