基于高阶AR模型的陀螺随机漂移模型

陀螺随机漂移是影响惯性导航和组合导航精度的重要因素。首先用周期函数拟合和小波变换两种方法分别对随机漂移中的周期噪声进行分析和处理;然后对相关噪声建立高阶AR模型;最后将该模型应用在GPS／INS组合导航Kalman滤波中,并对结果进行分析和比较。结果表明,相比于周期函数拟合,小渡变换不仅能够更好地削弱周期噪声的影响,还能够削弱高频白噪声的影响;相比于一阶马尔科夫过程,高阶AR模型能够更好地描述随机漂移中的相关噪声;基于小渡变换和高阶AR模型的GPS／INS组合导航具有明显的优势。     

受外界随机干扰影响的光纤陀螺信号分析与处理

针对受外界随机干扰影响的光纤陀螺信号进行分析并作了相应处理。分别比较了小波变换和建立在AR模型基础上的Kalman滤波两种滤波方法,并用实测数据进行验证。结果表明,相对于小波变换,建立在AR模型基础上的Kalman滤波不仅能够削弱有色噪声的影响,还能够部分削弱高频噪声的影响,滤波效果较好;将小波变换和Kalman滤波两种方法的优点结合起来,可以获得更好的滤波效果,有效地削弱了信号中各种干扰噪声的影响。     

受外界随机干扰影响的光纤陀螺信号分析与处理

针对受外界随机干扰影响的光纤陀螺信号进行分析并作了相应处理.分别比较了小波变换和建立在AR模型基础上的Kalman滤波两种滤波方法,并用实测数据进行验证.结果表明,相对于小波变换,建立在AR模型基础上的Kalman滤波不仅能够削弱有色噪声的影响,还能够部分削弱高频噪声的影响,滤波效果较好;将小波变换和Kalman滤波两种方法的优点结合起来,可以获得更好的滤波效果,有效地削弱了信号中各种干扰噪声的影响.     

有色噪声对动态寻北的影响

在动态定位测量中,有色噪声的存在严重影响着动态滤波的精度和可靠性。为了分析有色噪声对动态寻北中参数估计的影响,本文在一阶自回归AR模型的假设下推导了有色噪声对参数最小二乘估值的影响函数,分析了其影响性质。利用观测残差建立了有色噪声的一阶AR模型,对有色噪声进行了拟合与预报,并利用改正后的观测信息进行了参数估计。计算结果表明,当陀螺信号中包含有色噪声时,采用一阶AR模型对有色噪声进行拟合与预报,能够有效削弱有色噪声的影响。采用一次启动漂移稳定性为0.03°/h的动调陀螺,在4min 之内系统寻北精度优于0.3′,远高于不考虑有色噪声影响得到的精度。     

联合区域叠加滤波法与小波变换去除GPS站坐标时间序列噪声

GPS站坐标时间序列中存在的周期性与非周期性误差严重影响了对测站运动特征的分析及其非线性变化的物理机制解释。因此,为削弱噪声的影响,本文首先利用区域叠加滤波法去除了南加利福尼亚地区16个测站时间序列的共模误差,以此削弱时间序列中存在的包括周年和半周年误差在内的周期性误差。为去除滤波后残留的噪声,对滤波后的信号进行静态离散小波变换,提取了周期为半周年以上的信号。结果表明,联合区域叠加滤波法与小波变换对GPS站坐标时间序列进行处理,既能够削弱周期性误差对信号的影响,又能较好地提取测站的非线性运动信号。     

基于交叉证认的EMD滤波及其在GPS多路径效应中的应用

利用交叉证认的方法,提出一种新的基于EMD滤波去噪方法,并将其应用于GPS多路径效应的研究中。通过模拟实验及实测数据分析表明,该方法能够自适应地选择IMF中的信号层数,削弱随机噪声,合理地分离信号和噪声。利用该滤波方法去噪并建立具有重复性的多路径误差效应改正模型,可有效地削弱多路径效应的影响,进而提高GPS动态变形监测的精度。     

处理有色观测噪声的粒子滤波算法

针对经典Kalman滤波无法直接处理有色噪声的问题,采用多项式长除法将有色观测噪声模型展开成无穷级数,截断取其有限项获得有色噪声的先验信息;然后利用粒子滤波能够处理非高斯噪声的特点对有色观测噪声进行处理。通过一个GPS定位算例,将此新方法与观测扩增方法进行了分析和比较。结果证明,利用该方法能有效地控制有色观测噪声的影响。     

处理有色观测噪声的粒子滤波算法

针对经典Kalman滤波无法直接处理有色噪声的问题,采用多项式长除法将有色观测噪声模型展开成无穷级数,截断取其有限项获得有色噪声的先验信息,然后利用粒子滤波能够处理非高斯噪声的特点对有色观测噪声进行处理.通过一个GPS定位算例,将此新方法与观测扩增方法进行了分析和比较.结果证明,利用该方法能有效地控制有色观测噪声的影响.     

基于经验模式分解的滤波去噪法及其在GPS多路径效应中的应用

经验模式分解(Empirical Mode Decomposition,EMD)是一种新的信号处理技术,它是基于数据本身的,且能在空间域中将信号进行分解,从而可以区分噪声和有用信号。根据EMD分解白噪声而得到的本征模式函数(IMF)分量的能量密度与其平均周期的乘积为一常量这一特性,建立一种新的基于EMD滤波去噪方法,并将该方法应用于GPS多路径效应的研究中。通过对模拟数据与GPS实测数据的处理分析,得出以下主要结论:①EMD滤波去噪法与小波方法都能最大限度地削弱测量的随机误差,但EMD滤波去噪法比小波方法更直接,且不受测不准原理及小波函数选择的影响;②相比小波方法,EMD能够更有效地剔除瞬时强噪声,从而能够提取更精确的多路径效应重复性误差改正模型。     

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。     

顾及有色噪声的光纤陀螺随机噪声自适应滤波方法

作为光纤陀螺误差的重要组成部分,随机噪声严重影响着光纤陀螺的精度,对光纤陀螺随机噪声进行准确建模和补偿是提升陀螺精度的有效方式。本文针对光纤陀螺随机噪声的复杂性,难以对其进行精确分析,ARIMA （auto-regressive moving average）模型Kalman滤波中有色噪声不能使用状态扩充法建模的问题,扩展了Harvey方程,实现有色噪声白化。同时,考虑先验噪声的不确定性以及模型参数在线更新导致的参数与状态噪声相互耦合,分析了动态Allan方差估计量测噪声的不足,使用VBAKF （variational Bayesian adaptive Kalman filter）实时修正滤波状态噪声与量测噪声。试验表明,Harvey法较传统滤波建模方式,随机噪声序列方差降低40%,Harvey法结合VBAKF使序列方差降低了54%;VBAKF较动态Allan方差,可以更好地估计量测噪声。结果表明,此方法可有效抑制随机噪声Kalman滤波中有色噪声和随机模型不准确的影响,提高随机误差补偿精度。     

光纤陀螺的信号检测方法比较

本文介绍了干涉式光纤陀螺的基本原理，评述了光纤陀螺的信号检测方法。对开环和闭环检测方案进行了比较分析。分析认为全数字闭环检测方案优于其它方案，更适合于研制高精度的光纤陀螺。最后介绍了信号处理硬件系统的功能和组成。     

利用中位数进行光纤陀螺信号抗差估计

为了削弱光纤陀螺信号中异常噪声对寻北精度的影响,在滤除高频周期噪声的基础上,提出了一种处理陀螺信号的新算法。推导了陀螺信号的抗差解公式及其误差影响函数,取观测值的中位数作为抗差初值,利用一次抗差估计求得的观测残差再用中位数法求得均方差因子,并给出了高崩溃污染率的初值辅以IGGⅢ方案迭代解算的混合算法。计算结果表明,基于可靠初值和均方差因子估值的抗差估计可以有效削弱异常干扰对陀螺的影响。     

有色噪声对东南极区域GPS测站三维速度估计的影响

近年来,有研究发现在GPS测站坐标时间序列中既存在白噪声,也存在有色噪声。为了研究有色噪声对东南极区域GPS测站三维速度估计的影响,本文使用GAMIT/GLOBK10.5软件对东南极区域6个连续GPS测站2005—2014年的实测数据进行解算和平差,并利用最大似然法（MLE）分别估计了在两种假设噪声模型条件下的测站三维运动速度及其不确定性。结果表明：在进行参数估计时,考虑两种有色噪声（闪烁噪声和随机游走噪声）对东南极区域GPS测站三维速度估计的量级影响不大,水平方向最大影响量级为0.3 mm/a,垂直方向最大影响量级为0.8 mm/a;但如果不考虑有色噪声,会严重低估参数估计的真实不确定性。     

基于空域最小二乘法求解GOCE卫星重力场的模拟研究

本文论述了最小二乘过程中有色噪声的处理方法,提出使用AR模型对GOCE梯度观测值中的有色噪声进行时域滤波,数值模拟结果验证了该方法的有效性。利用数值模拟验证了直接求逆方法和PCCG法求解大型法方程的有效性,后者的效率远远高于前者。联合加入噪声（有色噪声和白噪声）的卫星重力梯度张量径向分量观测值Vzz和SST观测值,分别使用空域最小二乘法和SA方法恢复了180阶全球重力场模型,前者求解重力场模型的大地水准面和重力异常在180阶次的精度分别为3.01cm和0.75mGal,优于SA方法求解模型的精度。     

香港CORS站坐标时间序列分析研究

针对不同地区连续运行参考站(CORS)坐标时间序列周期特性与噪声特性存在的差异性问题,本文采用功率谱分析法和极大似然法分析香港卫星参考站网(SatRef)的坐标时间序列. 研究结果表明,参考站点的三个坐标分量上都存在明显的年周期项与半年周期项. 各参考站坐标分量上的噪声特性存在多样化的特征,白噪声(WN)加闪烁噪声(FN)是主要噪声模型,仅考虑WN而忽视有色噪声(CN)的做法会大大低估参数估计的不确定度. 根据最优噪声模型估值得出的SatRef站速度场在水平方向上有整体向东南方向运动的趋势,与华南块体的运动结果基本一致.      

基于滑动L2优化准则的GPS坐标时间序列重构

GPS坐标时间序列中不仅包含白噪声,还包含闪烁噪声、随机漫步噪声等有色噪声,这些噪声将影响GPS应用的可靠性,甚至可能对一些地球物理现象做出错误的解释,因此降低GPS坐标时间序列中有色噪声的影响、提高GPS精度是一个重要和基本的问题。提出了一种滑动L₂优化估计方法(ML₂),通过选取合适的窗口建立L₂优化模型,再利用交替迭代乘子法求解每段时间序列的优化问题,并逐年滑动得到整段GPS坐标时间序列的估计。实验结果表明,ML₂方法与奇异谱分析、小波分解、滑动普通最小二乘法相比具有更好的重构效果。     

GPS高程数据时间序列分析

对GPS台站时间序列进行了研究，对我国IGS连续跟踪站高程分量的数据进行谱分析和小波分析，用最小二乘法将时间序列的白噪声与有色噪声分离，并利用AR模型建模。通过分析，获得拉萨、上海和武汉GPS连续跟踪站的有色噪声特征。     

主成分分析模型及在变形监测中的应用

随机误差和多径效应作为GPS变形监测中的主要误差源,严重影响着GPS测量精度。针对这一问题,本文将主成分分析(Principal Component Analysis,PCA)模型引入GPS变形监测领域,首先利用传统PCA方法将测量数据转换至特征空间,通过剔除小特征值对应的特征向量实现对高斯分布随机噪声的抑制,然后将多径噪声作为色噪声进行分析,提出一种广义PCA方法利用多径噪声的时间相关性对其进行滤除,基于实际工程测试数据的实验结果表明,相对于传统的小波噪声抑制方法,所提方法可以获得更好的噪声抑制性能。     

GPS残差信号提取的时间序列分析方法

作者使用零基线单差模型研究并讨论了GPS量测噪声的时相关特性,并得出了GPS观测噪声具有类似白噪声或一阶高斯马尔科夫噪声的特殊性质。利用观测噪声所具备的这种特殊性质,作者首先尝试了从时间域的角度分离和提取了残差序列中的多路径信号特性,成功验证了多路径信号在连续两个恒星日内会有所重复的结论。作者提出了一种使用时相关分析法检测观测序列中周期信号(如冰期反弹、固体潮、极潮等)的设想并就其可行性进行了分析研究。最后,针对观测噪声的这种特殊性质,探讨了结合使用小波分析法提取GPS沉降监测信号的可行性。