模拟退火算法的灰色模型钟差预报

针对传统灰色模型的预报效果不好的问题,文章提出了一种基于模拟退火算法的灰色模型钟差预报方法,采用模拟退火算法代替最小二乘求解灰色模型参数,较好地优化了灰色模型的参数估值。算例结果表明,基于模拟退火算法的灰色模型较传统的灰色模型,不仅能提高钟差的短期预报精度,而且对钟差的长期预报精度也有一定的改善。     

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。     

基于自适应卡尔曼滤波的地表移动变形预报研究

构建自适应卡尔曼滤波预报模型,利用GNSS CORS连续运行实时监测数据,通过自适应卡尔曼滤波预报值、标准卡尔曼滤波预报值及实测数据对比分析,得到自适应卡尔曼滤波预报偏差明显减小,预报精度明显提升,满足了地表移动变形实时监测的精度要求。      

基于噪声估计的卡尔曼滤波用于GPS卫星钟差预报研究

利用重叠哈达玛方差确定卫星钟噪声随机模型,采用顾及钟差随机噪声模型的卡尔曼滤波进行钟差预报分析,并与最小二乘预报算法相比较,得出以下结论:卡尔曼滤波进行1 d以内的短期预报时,精度达到亚纳秒级,优于最小二乘预报算法,在长期预报或拟合数据量较少时,最小二乘预报精度优于卡尔曼滤波。     

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。     

基于半参数模型的卡尔曼滤波在变形监测中的应用

在变形监测数据处理中,单纯使用卡尔曼滤波方法而不考虑建模误差及数据中的系统误差,有时可能导致滤波发散。使用半参数模型将系统误差和模型误差引入非参数因素进行处理,可以有效减少二者的影响,避免滤波发散,提高卡尔曼滤波的预测精度。实例表明,基于半参数模型的卡尔曼滤波,较单一的卡尔曼滤波预测精度更高。     

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.     

偏差改正的Partial EIV模型方差分量估计

针对Partial EIV模型的方差分量估计中未考虑参数估值偏差所带来的影响,将Partial EIV模型视为非线性函数得到参数估值的偏差及二阶近似协方差表达式,计算得到偏差改正后的参数估值,结合方差分量估计方法,更新由参数估值影响的矩阵变量,给出了基于偏差改正的方差分量估计迭代方法。试验结果表明,参数估值及其协方差主要受参数估值偏差大小的影响,加入偏差改正能够得到更加合理的参数估值及方差分量估值,偏差改正后的方差分量估值可更加合理地评估参数估值的精度信息。     

GPS/INS组合系统中姿态参数估计准确性检验方法探讨

从滤波的关键矩阵——增益阵入手进行分析,发现机动条件下经典组合模型受状态预报模型不准的影响,姿态参数滤波估值及其更新方差阵偏离准确值,指出常用的姿态参数精度衡量指标不合理。提出了利用组合系统输出的载体系中某些方向速度为0的条件对姿态参数估值的准确性进行检验的思想。新的检验方法不需要增加任何额外设备,经济、方便、简单。     

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。