Kal man 滤波在 GNSS 伪距单点定位中的应用

G PS定位是利用G PS卫星位置,以卫星天线到接收机天线的距离作为观测值来解算接收机坐标的理论和方法。伪距单点定位仅是以G PS信号中的测距码作为距离观测值以此来解算目标的坐标值及接收机钟差的方法。简单介绍了G PS 伪距单点定位的基本理论模型,分别探讨了其最小二乘解法和Kalman滤波解法。最后对两种解算结果进行对比分析, Kalman滤波能够很好的平滑解算结果,使得结果的稳定性更好。     

一种基于改进粒子滤波的动态精密单点定位算法

提出一种改进的粒子滤波,试图提高粒子滤波的收敛速度,减弱非线性模型线性化误差和非正态分布随机误差对动态单点定位结果的影响.首先固定单差无电离层模糊度,以减少状态参数向量的维数,提高初始定位的精度和粒子滤波的收敛速度;采用Kalman滤波作为粒子滤波的预滤波,以提高粒子滤波的重点采样效率,并提高采样粒子精度,减缓粒子退化.利用一个实测动态GPS数据验证表明,改进的粒子滤波可以提高动态GPS的定位精度.     

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.     

利用粒子滤波进行动态精密单点定位观测异常影响控制

采用粒子滤波控制观测异常影响,提高动态精密单点定位精度。粒子滤波是一种非高斯噪声分布的动态滤波,通过重点概率密度进行随机采样以获取高精度状态参数;根据观测噪声概率密度、状态噪声概率密度以及重点概率密度等因素确定粒子权值,降低受污染粒子对定位结果的影响;采用Kalman滤波进行重点采样,减缓粒子退化;采用单差无电离层固定模糊度,减少状态参数维数,进而减少粒子的选取个数。实测数据结果表明,粒子滤波有效控制了观测异常影响,提高了动态精密单点定位的精度。     

基于模糊理论的抗差Kalman滤波算法

动态导航与定位的质量取决于对动态载体扰动和观测异常扰动的认知和控制质量。在实践中,观测向量及其动态模型信息均可能存在异常,此时若仍利用标准Kalman滤波,则状态滤波解将极不可靠。在标准Kalman滤波原理的基础上,结合模糊控制理论,提出了一种基于模糊理论的抗差Kalman滤波算法。该方法是依据滤波处理后的数据残差,利用模糊理论构造等价权,从而有效控制粗差对导航解的影响,并用算例验证了该方法的可行性和有效性。     

基于模糊理论的抗差Kalman滤波算法

动态导航与定位的质量取决于对动态载体扰动和观测异常扰动的认知和控制质量.在实践中,观测向量及其动态模型信息均可能存在异常,此时若仍利用标准Kalman滤波,则状态滤波解将极不可靠.在标准Kalman滤波原理的基础上,结合模糊控制理论,提出了一种基于模糊理论的抗差Kalman滤波算法.该方法是依据滤波处理后的数据残差,利用模糊理论构造等价权,从而有效控制粗差对导航解的影响,并用算例验证了该方法的可行性和有效性.     

GPS动态相对定位的自适应Kalman滤波算法

GPS动态数据处理中广泛应用卡尔曼滤波,经典Kalman滤波认为预报误差是白噪声,服从零均值的正态分布,并利用动态噪声协方差矩阵来控制它对当前信息的影响,但实际测量定位中难以保证观测对象的规则运动,因而容易出现模型误差。针对GPS动态定位的这一问题,探讨了在实际应用中存在模型误差时的卡尔曼滤波,介绍了一种自适应Kalman滤波算法,该法顾及了载体机动加速及接收机发生周跳时的影响,减少了滤波发散的机会。     

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。     

顾及时间相关噪声的单频GPS精密单点定位

扩展Kalman滤波(EKF)常常被用于单频GPS精密单点定位。Kalman滤波的前提假设之一是观测噪声为白噪声,即时间不相关,这在实践中往往不能满足。因为单频GPS观测值中包含有很难被完全消除的电离层、对流层等大气折射误差,以及多路径影响误差。这些误差在时间上是相关的,严重地影响了滤波解的精度和收敛时间。这里提出一种顾及时间相关噪声的Kalman滤波,在移动窗口内,利用核估计预测时间相关噪声的系统部分,进而实时修正当前历元的观测值和观测向量的协方差矩阵。该方法还有一个明显的优点就是,在滤波过程中不需要对时间相关误差做任何假设。最后通过一个实测算例验证了该算法的适用性。     

顾及时间相关噪声的单频GPS精密单点定位

扩展Kalman滤波(EKF)常常被用于单频GPS精密单点定位.Kalman滤波的前提假设之一是观测噪声为白噪声,即时间不相关,这在实践中往往不能满足.因为单频GPS观测值中包含有很难被完全消除的电离层、对流层等大气折射误差,以及多路径影响误差.这些误差在时间上是相关的,严重地影响了滤波解的精度和收敛时间.这里提出一种顾及时间相关噪声的Kalman滤波,在移动窗口内,利用核估计预测时间相关噪声的系统部分,进而实时修正当前历元的观测值和观测向量的协方差矩阵.该方法还有一个明显的优点就是,在滤波过程中不需要对时间相关误差做任何假设.最后通过一个实测算例验证了该算法的适用性.     

抗差自适应卡尔曼滤波在GPS精密单点定位中的应用

卡尔曼滤波是GPS精密单点定位中最常用的参数估计方法.理论上讲,随着观测数据的增多,通过卡尔曼滤波可以得到更精确的状态估值,但有时由于状态异常或发生大的周跳等原因,使得状态估值与实际状态之间的误差较大,滤波会发生发散现象,为此,本文提出了将抗差自适应滤波模型运用到精密单点定位中,通过算例分析显示,该方法将显著提高定位结...     

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。     

BDS/GPS短期ISB建模和预报的Kalman滤波方法

ISB是多系统PPP数据处理中必须要考虑的一项误差,因此有必要对BDS/GPS短期ISB建模和预报进行研究。为了提高ISB预报精度,针对等权LS(least square)估计ISB模型参数时忽略了拟合数据权重不同的问题,提出了采用Kalman滤波对模型参数进行估计,并根据ISB拟合数据距预报时刻的远近调整Kalman滤波拟合数据的方差。本文采用7d的ISB数据进行建模,根据所建模型预报第8天的ISB值,并对预报精度和定位结果进行了验证。进行试验的4个测站Kalman拟合模型的ISB预报精度比LS拟合模型分别提高了29.7%、11.5%、43.5%和32.0%。采用Kalman拟合模型的ISB预报值作为先验约束,PPP平均定位精度在E和U方向上比采用LS拟合模型预报值分别多提高了2.7%和0.9%,比不加ISB先验约束在E、N、U方向分别提高了10.6%、26.3%和3.4%。     

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.     

有色噪声作用下的抗差卡尔曼滤波

根据用GPS载波相位三差观测量进行动态定位或精密导航的需求,推导了动态噪声、观测噪声为有色噪声的抗差卡尔曼滤波公式。白噪声的抗差卡尔曼滤波是有色噪声的抗差卡尔曼滤波的特例,有色噪声的抗差卡尔曼滤波为白噪声的抗差卡尔曼滤波的推广。     

移动机器人SLAM位姿估计的改进四元数无迹卡尔曼滤波EI北大核心CSCD

在全自主运动控制的移动机器人系统中,自身位姿的估计和校正对于移动机器人的运动至关重要。卡尔曼滤波是解决移动机器人同步定位与地图构建(SLAM)常用方法。相较于卡尔曼滤波,无迹卡尔曼滤波(UKF)无须对复杂的非线性函数进行雅可比矩阵运算。本文基于无迹卡尔曼滤波,根据先验协方差的平方根选择sigma点,计算协方差以及加权均值。用四元数表示姿态,将四元数矢量转换为旋转空间进行矩阵运算,在此基础上设计了一种位姿估计算法——基于四元数平方根的无迹卡尔曼滤波(QSR-UKF)算法。试验将EKF、QSR-UKF、SR-UKFEKF 3种算法的位姿估计结果进行仿真分析,并通过相关定量指标进行了描述,验证了本文算法的有效性。     

基于GPS双频原始观测值的精密单点定位算法及应用

本文提出一种基于GPS双频原始观测值的PPP算法,与基于消电离层组合观测值的传统PPP算法不同,新算法通过参数化站星视线方向的电离层延迟以消除其对PPP估值的不利影响;该新算法可以有效避免观测值组合过程所引起的观测数据噪声以及多路径效应被放大的不利影响;同时在利用扩展卡尔曼滤波模型进行未知参数的递归估计过程中,通过对大气延迟参数引入符合实际的约束,可以加快滤波收敛,提高参数估值的可靠性;视线方向电离层延迟可与其他未知参数同时估计得到,进而便于利用PPP技术进行精密电离层研究;此外,对于可能的模型误差（如码观测值粗差、相位观测值周跳等）,基于DIA的质量控制策略以消除或削弱其对参数估值的不利影响。利用实测数据对新算法在静态、低动态以及高动态定位应用方面的精度进行检验,结果表明,静、动态定位结果的外符合精度可分别达到1~2 cm和7~8 cm,验证了新算法的可行性和有效性。     

一种新型非线性滤波理论及其应用

研究一种新型的非线性滤波理论,即Unscented卡尔曼滤波（UKF）,同时为了获得更高的计算效率和确保协方差阵的非负定性,研究了平方根UKF。将UKF和平方根UKF应用到星载GPS卫星定轨中,实际算例表明UKF和平方根UKF的性能要优于常用的推广卡尔曼滤波的性能。     

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。