Kalman滤波估计GPS载波相位变率的测速方法与实现

利用差分测速和Kalman滤波估计相位变率方法对某次航空重力测量的飞行数据进行了解算,通过与GT-1A自带的GPS高精度定位测速软件和WAY-Point软件比对分析,结果表明：采用Kalman滤波估计相位变率的GPS差分测速,能够适应较复杂的运动模式,定速精度达到mm/s级,高于WAY-Point软件的动态测速精度。     

综合伪距相位观测的实时电离层延迟格网改正算法研究

针对北斗广域差分系统实时电离层延迟格网改正信息是基于伪距观测计算，而相位观测值具有更高的观测精度，提出伪距数据结合相位历元间差分数据综合解算电离层延迟的算法。基于陆态网GPS实测数据对该伪距相位综合算法进行实验验证，结果表明，综合伪距相位算法相比单纯伪距法可以获得平滑、稳定、精度更高的站星斜路径方向电离层延迟值。在此基础上，全天所有实时电离层延迟格网的内符合精度平均提高30.2%，外符合精度平均提高27.8%。     

一种顾及有色噪声的四星座GNSS动态导航滤波算法

经典Kalman滤波要求噪声是高斯白噪声，而动态GNSS定位的观测误差和状态预测误差往往是有色噪声。本文提出一种简便的有色噪声函数模型拟合滤波算法，采用前面历元的观测残差和状态残差建立有色噪声模型，削弱有色噪声对动态导航解算的影响。采用四星座GNSS接收机观测数据进行动态导航实验，结果表明，顾及有色噪声的动态导航滤波算法比未顾及有色噪声的经典Kalman滤波算法定位精度更高，三维位置精度提升9%以上。     

Kalman滤波在地震电离层TEC异常探测中的应用

基于中国地壳运动观测网络GPS观测资料解算的电离层TEC数据,利用Kalman滤波方法对2008年5月12日汶川Ms8.0地震前的电离层TEC进行异常探测研究,并与以前的处理结果进行对比,对比结果表明：利用Kalman滤波方法能够有效地探测到震前的电离层TEC异常扰动。     

方差膨胀模型用于GNSS/加速度计融合变形监测

为解决GNSS信号在环境遮挡、多路径误差等影响下监测精度不可靠的问题,基于Huber选权迭代法,将方差膨胀思想引入GNSS/加速度计融合滤波算法中,从随机模型角度对GNSS异常值的量测噪声进行自适应调整,降低GNSS异常观测对Kalman滤波量测更新的影响,提高GNSS/加速度计融合变形监测结果的可靠性。在静态和动态2种场景下进行验证分析,结果表明,改进融合算法能够显著提高复杂多路径环境下的GNSS监测精度,其解算获取的形变位移三维方向RMS均在1.8 cm以内,可为复杂环境高精度变形监测提供参考。     

基于FCM算法的BDS三频载波相位组合观测值优化选取

针对传统GNSS载波相位组合观测值选取过程中效率低、工作量大的问题，在对BDS三频载波相位组合观测值的波长标准、电离层延迟标准、观测噪声标准进行误差分析的基础上，以长波长、弱电离层、弱观测噪声标准作为聚类指标，采用模糊C均值聚类算法对BDS三频载波相位组合观测值进行优化分类选取，最后通过矩阵变换法和实测数据对优化组合进行整周模糊度解算，对组合模糊度方差-协方差阵以及历元间模糊度差值进行分析，证明该方法的可行性和可靠性。     

一种适用于PPP动力学模型异常的自适应Kalman滤波

为了削弱PPP参数估计中动力学模型异常对Kalman滤波解的影响,针对PPP状态向量中各类参数不符值对动力学模型异常描述特性的不同,以位置相关为条件对参数进行分类,构建分类因子自适应Kalman滤波用于PPP参数估计。选取6个IGS站点3 d的数据,使用标准Kalman滤波与构建的自适应Kalman滤波进行PPP解算分析。结果表明,相较于标准Kalman滤波,自适应Kalman滤波能通过自适应因子调节状态预测协方差,加速PPP收敛。静态模式下,平均收敛时间从28.2 min缩减到19.4 min,N、E、U方向的平均精度为1.50 cm、3.34 cm、5.55 cm,分别提高7%、14%、19%;动态模式下,构建的自适应Kalman滤波解N、E、U方向偏差的RMS值为2.7 cm、3.6 cm、6.3 cm,较标准Kalman滤波分别提高13%、28%、43%。     

具有随机状态转移矩阵的Kalman滤波

讨论状态转移矩阵为随机性矩阵时的Kalman滤波方法,并给出滤波的具体算法及分析滤波的收敛特性和参数的取值范围。通过实际算例证实了该滤波方法的有效性。     

Kalman滤波在GPS/BDS组合伪距差分定位中的应用

随着各国卫星导航系统的蓬勃发展,单一的GPS系统时代正逐步转变为多系统并存且兼容的全球性卫星导航系统(GNSS)时代。相比于单一卫星导航系统,多系统组合将显著增加可视卫星数目、改善卫星空间几何结构,多系统组合导航定位将是必然的发展趋势。滤波算法是减小GNSS定位随机误差的重要方法,利用非线性滤波方法可消除多种随机误差,从而提高导航定位精度。该文实现了基于Kalman滤波的GPS/BDS组合的伪距差分定位,并将其与最小二乘方法进行比较。实验结果表明:基于Kalman滤波的GPS/BDS伪距差分的定位精度能达到分米级,在差分定位解算过程中,多卫星系统伪距差分精度明显优于单卫星系统伪距差分精度,Kalman滤波解算的精度明显优于最小二乘解算的精度。     

第二代星基增强系统GATBP的PPP服务模糊度固定效果

为验证第二代星基增强系统GATBP PPP服务的模糊度固定效果,使用与观测值相关的信号偏差改正数对卫星硬件延迟进行改正,利用LAMBDA方法分别固定宽巷和窄巷模糊度,获得固定的单差无电离层组合模糊度。使用GATBP精密产品对10个MGEX测站7 d的观测数据进行PPP解算,并与CODE精密产品解算结果对比。结果表明,使用GATBP产品的宽巷和窄巷模糊度固定率平均值分别为95%和30.2%,水平方向定位误差RMS优于10 cm,三维定位误差RMS优于15 cm,相位观测值残差RMS优于3 cm,对流层估计误差RMS优于1.5 cm;使用CODE产品的宽巷和窄巷模糊度固定率平均值均在95%以上,相位观测值残差、定位误差和对流层估计误差均显著小于GATBP产品。     

相邻历元误差相关的抗差卡尔曼滤波算法分析

根据卡尔曼滤波理论以及抗差理论,本文推导出了相邻历元误差相关的抗差卡尔曼滤波模型,其对观测值中含有粗差有良好的抗差性。通过对含有粗差的变形监测数据分析,与相邻历元误差相关的卡尔曼滤波模型进行比较,采用本文构造的抗差卡尔曼滤波模型处理数据,无论是否有粗差存在观测值里,变形计算结果与实际结果大体一致,粗差对计算结果的影响不敏感。在对变形监测数据分析时,可得出卡尔曼滤波方法估计的状态向量,没有寄存大量的以往观测数据,而是使用最近的观测数据,经过不断的预测和改正,把新的状态展示在系统中。     

Kalman�˲�������̽�����޸��е�Ӧ��

????Kalman??????????????????????е??????????????????????????裬??????????????з??????????????Kalman?????????????λ??????????????????????????????Χ??С????????????????????????С????, Kalman?????????????????????????????????????????????     

基于抗差Kalman滤波的精密单点定位

当精密单点定位的观测值含有异常数据时,Kalman滤波的精度将会降低。采用抗差Kalman滤波方法能够有效抑制观测异常,提高滤波的精度和可靠性。运用武汉国际GPS服务跟踪站数据对该方法进行了验证。结果表明,抗差Kalman滤波的精度比Kalman滤波的精度有一定程度提高,说明抗差Kalman滤波能够有效抑制观测异常。     

城市复杂环境下GNSS/INS组合导航算法研究

针对城市环境下GNSS车辆导航存在卫星信号易受影响的问题,利用GNSS/INS组合算法提高复杂环境下城市车辆定位性能。基于城市环境下实测GNSS数据评估分析定位结果,使用GNSS/INS组合的常规卡尔曼滤波算法实现卫星失锁区域导航。同时,提出一种基于新息的自适应卡尔曼滤波算法,可有效增强卫星数较少及信号干扰严重区域的车辆导航定位能力。该方法利用量测与预测的关系构造自适应因子,改善定位精度。结果表明,常规卡尔曼滤波可在20 s卫星信号失锁情况下保证亚m级导航精度,自适应卡尔曼滤波算法在卫星信号受到严重干扰时,其定位精度相比于常规卡尔曼滤波算法提高30%,可满足在城市复杂环境下的高精度、高可靠性车辆导航定位服务需求。     

BDS参考站间低高度角卫星三频整周模糊度解算方法

针对BDS参考站间低高度角卫星整周模糊度受大气延迟误差影响较大、难以正确固定等问题,提出一种BDS参考站间低高度角卫星三频整周模糊度确定方法：首先根据超宽巷整周模糊度长波长的优势确定双差超宽巷整周模糊度,并利用其与双差宽巷组合观测值所受电离层延迟误差较为接近的特性搜索确定双差宽巷整周模糊度;然后将双差整周模糊度之间的线性关系作为约束条件,高高度角卫星双差整周模糊度根据双频无电离层组合模型确定;利用固定模糊度的高高度角卫星建立参考站间双差电离层延迟误差空间线性模型,实现对低高度角卫星电离层延迟误差的削弱;最后将固定双差整周模糊度的高高度角卫星双差载波相位观测方程作为距离约束,进一步搜索确定低高度角卫星的双差整周模糊度。     

基于卡方检验的抗差自适应Kalman滤波在变形监测中的应用

在抗差Kalman滤波的基础上引入双自适应因子,分别对动态模型不准确和观测模型存在粗差进行调节,构建双自适应因子滤波模型。针对抗差自适应Kalman滤波效率较低的缺点,通过构建基于卡方检验的抗差自适应Kalman滤波,先用卡方检验对粗差进行检验,再调用抗差自适应Kalman滤波进行处理。工程实例表明,双自适应因子滤波模型可以很好地抵御粗差,并减弱模型不精确的影响。基于卡方检验的抗差自适应Kalman滤波不仅可以削弱粗差对滤波估值的影响,而且可以提高数据处理的效率。