普通测量学、地形测量学

CH20040438 集成地质、力学信息和监测数据的滑坡动态模型=Dynamic Landsliding Model with Integration of Monitoring Information and Mechanic Information/朱建军,丁晓利,陈永奇(中南大学测绘与国土信息工程系)// 测绘学报.-2003,32(3).-261-266 首先假设边坡滑坡体为刚体,建立边坡滑坡的动态模型,由此建立卡尔曼滤波的系统方程。边坡的力学状态通过卡尔曼滤波与边坡变形观测的数据联系起来了。模型的不确定性(模型误差)是通过建立的虚拟观测方程来考     

基于自回归法的滑坡监测数据Kalman滤波的应用

介绍了卡尔曼滤波的基本模型,针对运动学方法以监测点位置参数、速率参数为状态向量,以加速度为噪声向量建立观测方程和状态方程的过程比较复杂。把自回归法引入状态方程和观测方程的建立中,并结合某露天矿滑坡动态监测数据分析了模型的应用。结果表明,滤波值和观测值之间差值保持在1～3cm之间,滤波后图像较原观测值图像更为光滑,表明所建模型是合适的,能够反映滑坡动态变化过程,从而为矿滑坡监测预报提供数学工具。     

融合工程地质资料与GNSS高精度监测信息的黑方台党川黄土滑坡稳定性研究

针对当前滑坡稳定性评价方法难以准确获取评价结果的突出问题,本文提出了一种融合地下水、工程地质钻孔信息及灌溉资料等工程地质资料与GNSS观测的黄土滑坡稳定性评价方法。首先,基于高分辨率影像、高精度DEM、地层地貌等多源异构数据,建立滑坡精细三维地质模型体;然后,将滑坡外部高精度GNSS监测数据作为模型外部约束条件,进一步构建起融合工程地质资料与GNSS观测的黄土滑坡稳定性综合评价模型。本文方法能够将滑坡外部大地测量高精度监测数据与工程地质数值模拟手段有机融合,实现了滑坡外部形变信息与内部变形机制的有效耦合。通过我国典型黄土滑坡域甘肃黑方台党川实际发生的两起滑坡失稳事件验证表明,本文方法可有效地提高滑坡稳定性评价结果的精度及可靠性,获取了与试验区域滑坡实际失稳情况相一致的结果:HF06/07 GNSS监测点首先失稳,其次是HF09监测点失稳,最后是HF05监测点失稳。基于本文方法获取的滑坡失稳顺序与实际滑坡发生顺序高度一致,显著优于现有的滑坡失稳数值模拟法。     

基于AR（p）的卡尔曼滤波在GPS变形监测中的应用

由于AR（p）模型结构比较简单且计算比较方便，在变形分析中，目前常采用此模型建立变形模型。然而单纯的AR模型把模型参数作为定值，变形数据拟合误差及变形预测误差可能会比较大。介绍了将卡尔曼滤波引入AR模型，利用观测数据建立AR模型，即建立观测方程；以AR模型的参数为状态向量建立状态方程。从而形成动态系统的卡尔曼滤波函数模型，动态计算出AR模型的参数以便预测。此方法快速、实时，且占有较少内存，充分利用了AR模型和卡尔曼滤波二者的优点。     

西山村大型滑坡体GPS监测数据处理与预测模型建立

滑坡是严重的地质灾害,为了降低滑坡灾害,必须对滑坡进行变形监测并给出及时预报。以四川省阿坝州理县通化乡的西山村大型滑坡体GPS监测为例,介绍了GPS滑坡监测数据预处理情况,给出了卡尔曼滤波去噪方法,通过卡尔曼滤波处理前后的坐标分别建立线性预测模型,结果表明,卡尔曼滤波可以很好地去除噪声的影响,使模型的拟合精度较高,模型预测值更接近实际坐标值。     

卡尔曼滤波在滑坡监测中的应用

针对滑波变形的特点,将滑坡体上的监测点视为一运动点场,提出一种以运动方程为核心、以卡尔曼滤波技术为工具的变形观测数据处理方法,使滑坡的预报成为可能.     

卫星雷达遥感在滑坡灾害探测和监测中的应用:挑战与对策

将卫星雷达遥感应用于滑坡灾害的探测与监测，不仅可以从空间尺度上大范围捕捉到滑坡信号，而且可以从时间尺度上以较长周期追踪滑坡的运动状态。但是，卫星雷达遥感本身的局限性和滑坡所处的复杂地形环境使这一应用面临一些挑战。对卫星雷达遥感技术的4个主要挑战进行了总结与分析，同时给出了相应的解决方案:①通过提高卫星雷达影像的空间、时间分辨率，使用较长波段雷达信号或采用增强型时间序列分析技术，可降低密集植被覆盖对相干性的影响。另外，采用像素点偏移量追踪或距离向分频干涉测量方法，可克服传统干涉测量中大梯度形变引起的相位失相干。②大气延迟对卫星遥感的影响较大，尤其是地处山区的滑坡探测和监测，利用通用型卫星雷达大气改正系统可显著减弱干涉影像的大气信号并进一步简化时间序列分析，提高缓慢运动滑坡的探测和监测质量。③对于中等分辨率的雷达影像而言，利用数字高程模型可提前量化分析雷达几何畸变（如叠掩、阴影等）引发的滑坡探测监测的适用性；而对于高分辨率的雷达影像而言，利用机器学习方法无需外部高分辨率数字高程模型即可精确识别雷达影像的阴影和叠掩区并进行掩膜，从而大幅度提高数据处理效率。④针对高坡度地区残余的地形相位引起的解缠误差，可通过基线线性组合的方法予以减弱。此外，提出了一个基于多源对地观测的滑坡探测/监测系统框架，综合卫星雷达遥感与其他对地观测数据（如地基雷达、激光雷达、全球导航定位系统），搭建了一个自动化滑坡探测与监测系统。该研究旨在阐明卫星雷达遥感的优缺点，进一步深化其在滑坡灾害监测方面的应用和推广，引出未来侧重发展方向的思考与探讨。     

噪声相关情况下的卡尔曼滤波

标准卡尔曼滤波公式是基于白噪声推导出来的,在同一时刻状态噪声与观测噪声互相关,相应的卡尔曼滤波公式复杂,计算繁琐.通过改化观测方程的方法,导出一种新型基于噪声相关的卡尔曼滤波公式,并证明标准卡尔曼滤波是噪声相关卡尔曼滤波的一个特例.本文导出的基于噪声相关的卡尔曼滤波公式计算只比标准卡尔曼滤波增加了观测方程改化过程,便于编程计算.     

动态EIV模型及其总体卡尔曼滤波方法

针对求解动态EIV模型时未考虑状态方程中状态转移矩阵误差的问题,本文建立了一种能够同时顾及状态方程和观测方程中各量误差的动态EIV模型。推导了针对该动态EIV模型的总体卡尔曼滤波方法及其近似精度评定公式。对比分析了本文总体卡尔曼滤波方法与已有总体卡尔曼滤波方法及总体最小二乘方法的异同。算例结果表明,本文方法统计上要优于标准卡尔曼滤波方法和已有的总体卡尔曼滤波方法。     

半参数改进灰色模型在滑坡变形预测中的应用

滑坡灰色模型的模型误差主要来自降雨量、温度等外界影响因子,传统的半参数灰色模型没有考虑这些对滑坡变形影响较大的外界因子,而把相邻时刻的模型误差当作是不变的,预测精度较低。针对这一问题,该文提出了将这些影响因子当作非参数变量引入模型,通过改进正规矩阵来建立半参数改进灰色模型,可以得到更加准确的模型误差,并且能够将其补偿到观测序列中,使预测结果更加准确。计算结果表明,本文所述模型在观测序列的拟合和预测中均有较好的结果,能够充分地利用在滑坡中采集到的各种信息,并且达到更优的结果。     

基于自适应 Kalman 滤波的边坡变形预测研究

研究Kalman滤波和自适应Kalman滤波算法,结合边坡监测点的运动模型将其应用于边坡变形监测动态数据变形预测。利用小湾水电站二号山梁高边坡GPS监测数据进行实验研究。结果表明,自适应Kalman滤波在边坡三维形变预测及变形速率估算方面有很好的预测结果。     

迭代扩展卡尔曼滤波用于实时GPS数据处理

标准的卡尔曼滤波可以扩展到非线性模型,即将泰勒公式应用于状态方程和观测方程,得到扩展卡尔曼滤波公式。首先推导了计算公式,研究了迭代计算方法,并将其用于ＧＰＳ数据的实时处理。     

基于渐消因子的改进Kalman滤波时间尺度估计算法

Kalman滤波时间尺度算法是一种实时的原子钟状态估计方法，在守时实验室具有重要实用价值。由于原子钟状态模型误差估计存在偏差，Kalman滤波时间尺度算法中状态估计可能出现相应异常扰动，应当对状态模型误差进行实时控制。对此，引入基于渐消因子的改进Kalman滤波时间尺度算法。对状态预测协方差矩阵引入渐消因子，利用统计量实时计算渐消因子的量值，控制状态预测协方差阵的增长，降低了原子钟状态估计的扰动。实验结果表明，相比于标准Kalman滤波时间尺度算法和基于预测残差构造自适应因子的Kalman滤波算法，基于渐消因子的改进Kalman滤波时间尺度算法能够提高原子钟状态估计的准确度，改进时间尺度的稳定度。     

扩展卡尔曼滤波的安卓手机定位算法研究

随着手机定位的应用越来越多,目前市场中许多APP(Application)都会用到定位功能.但多数APP使用传统的定位算法,不能满足人们实时获取高精度地理位置信息的需求.现阶段对于手机的全球定位系统(GPS)芯片原始数据定位方法的研究较少,因此本文主要对利用手机GPS原始数据定位的可行性及定位算法进行了研究.利用Android 7.0系统提供的应用程序接口获取GPS芯片的原始数据参数,根据手机实用场景的速度特征,分别设计并实现了针对于静态场景的静态卡尔曼滤波和针对低速场景的动态卡尔曼滤波定位算法.通过静态实验以及电动车实验和步行实验的结果表明:与传统的定位算法相比,本文设计的静态卡尔曼滤波和动态卡尔曼滤波定位算法拥有更好的定位结果,更加接近实际行走路线,证明了利用手机GPS原始数据定位的可行性,同时也证明了设计的卡尔曼滤波算法可以提高定位精度,论文的研究结果为实现静态与动态的高精度手机定位算法提供了理论依据.     

GPS导航解算中几种非线性Kalman滤波的理论分析与比较

GPS导航解算中常采用离散线性Kalman滤波模型.由于线性化忽略高次项,加之线性化受初始值精度的影响,导致线性化模型精度很难满足高动态用户需求.为此,分别讨论了扩展Kalman滤波和Bancroft算法以及利用观测信息迭代精化观测方程三种算法,并结合算例进行了比较与分析.     

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。     

非线性系统中卡尔曼滤波的一种新线性化方法

针对测量领域非线性系统卡尔曼滤波的线性化，在分析两种传统线性化方式的基础上．提出了一种新的基于最优估计值的线性化方式。     

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]。