自适应抗差联邦滤波算法

简要介绍了抗差估计理论；在顾及扰动异常的情况下，把自适应抗差Kalman滤波应用到联邦滤波上，对联邦滤波进行了改进，提出了一种自适应抗差联邦滤波算法。由计算结果可知，自适应抗差联邦滤波能较好地抑制载体观测异常和状态扰动异常对动态系统参数估值的影响，较好地提高导航解的精度。     

自适应抗差联邦滤波算法

简要介绍了抗差估计理论;在顾及扰动异常的情况下,把自适应抗差Kalman滤波应用到联邦滤波上,对联邦滤波进行了改进,提出了一种自适应抗差联邦滤波算法.由计算结果可知,自适应抗差联邦滤波能较好地抑制载体观测异常和状态扰动异常对动态系统参数估值的影响,较好地提高导航解的精度.     

抗差估计及滤波在平差中的应用

本文对观测值误差的配赋情况进行了研究,提出了一种统计量,以此统计量进行选权迭代,具有很强的剔除粗差能力。本文还对动态网的抗差问题做了研究;利用Masreliez滤波和极大验后MAP滤波,推出了一套适于动态大地网和工程变形网的抗差滤波模型。算例充分体现了上述几种抗差方法的可行性和有效性。     

观测值含有粗差的抗差粒子滤波算法

作为非线性滤波的代表,粒子滤波得到广泛应用。该算法通过随机生成的具有权重的样本（粒子）来计算后验概率密度。其中赋权的过程需要综合系统信息和观测信息,当观测值含有粗差时,会使粒子错误赋权影响滤波结果。提出一种新的基于抗差估计的抗差粒子滤波算法,通过计算粒子等价权,抑制观测值粗差的影响。模拟计算分析表明,当观测值含有粗差时,与标准粒子滤波相比,该方法能有效提高滤波精度。     

多星座组合精密动态定位的抗差扩展Kalman滤波方法研究

扩展Kalman(EKF)滤波算法可有效地进行多卫星系统数据融合处理,但该方法对观测数据的质量要求较高,当观测出现异常时,传统的扩展Kalman方法容易导致滤波失真。为此,利用实测数据,通过虚拟掩模遮挡卫星模拟复杂的GNSS观测环境,研究了基于IGGIII的抗差EKF算法,确定了分位参数的合理经验值,并对其在GPS/GLONASS/BDS组合精密动态定位中的应用进行了分析。结果表明,在遮挡严重的复杂观测环境中,抗差EKF算法可有效地提高组合定位系统的模糊度的固定成功率和定位精度。     

强跟踪抗差自适应滤波算法及其在无人机导航定位中的应用

针对Sage-Husa自适应滤波算法在无人机导航定位应用中存在滤波发散和定位精度低的问题,本文提出一种强跟踪抗差自适应滤波算法.该算法在Sage-Husa自适应滤波算法基础上,引入强跟踪技术,通过自适应渐消因子降低历史数据对当前滤波的影响,从而抑制滤波发散,增强算法的稳健性;结合量测噪声和系统噪声进行实时估计,并且在估...     

基于当前加速度模型的抗差自适应Kalman滤波

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。首先介绍机动载体的当前统计模型,分析该模型存在的问题,提出一种基于“当前”加速度模型的抗差自适应卡尔曼滤波算法。跟以往建立的自适应KALMAN滤波进行比较,计算结果表明,该算法不仅可以提高滤波器的精度,而且更能有效地控制观测异常和动态扰动异常对导航解的影响,使导航解更能反映导航系统的真实情况。     

一种改进的抗差Kalman滤波方法在精密单点定位中的应用

分析了未能探测到的小周跳或粗差对GPS精密单点定位的影响,提出了一种改进的抗差Kalman滤波方法。该方法通过相位观测值验后残差分析,对传统抗差方案中等价权为0的情况进行周跳处理,能同时兼顾相位观测值中的粗差和小周跳问题。利用实测数据和模拟数据进行实验,结果表明,该方法不但可以显著改善未能探测的周跳对于定位结果的影响,同时避免了传统抗差方案中出现的后续历元相位残差持续增大的情况。     

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.     

融合地磁/WiFi/PDR的自适应粒子滤波室内定位

随着国民经济的快速发展,人们在室内活动的时间越来越长,室内空间环境也越来越复杂,对室内环境的位置与导航服务的需求也越来越高。由于地磁信号具有稳定性的特点,且Wi Fi技术已得到广泛部署,融合使用地磁和Wi Fi定位具有一定的优势。因此,本文基于Android系统智能手机作为接收设备,融合地磁、Wi Fi及行人航迹推算(PDR)技术,通过自适应粒子滤波模型和随机抽样一致性算法对采集的信号进行处理。试验证明,地磁、Wi Fi、PDR三者融合进行室内定位的方法与其他单类方法相比,实现了将室内定位精度的误差最小降低到1.02 m。     

非线性自适应抗差滤波定轨算法

讨论了应用卡尔曼滤波进行卫星精密定轨所遇到的一些问题,提出了一种新的非线性自适应抗差滤波定轨算法。该方法首先采用非线性滤波来提高定轨精度,避免了模型线性化误差的影响。另外,采用双因子方差膨胀模型来自适应地调节观测噪声的协方差阵,以控制观测异常对定轨结果的影响;通过自适应因子实时调节状态噪声协方差阵,以降低状态异常对定轨结果的影响。通过CHAMP卫星定轨计算,验证了新方法的可行性和有效性。     

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。     

动态系统的抗差Kaliman滤波

离散历元的动态观测量及其相应的动态模型可能存在异常，若数据处理模型不考虑对这些异常的特别处理，则动态模型参数估值及其所提供的动态信息将极不可靠。基于贝叶斯统计和抗差估计原理，我们构造了一种抗差滤波算法。该算法考虑观测分布和参数验前分布均为污染分布。并利用一个实测网验算该算法和模型的可靠性。     

海洋测深数据的抗差Kalman滤波

从线式测深模式要求出发,构建了海洋水深测量过程中的测船位置滤波模型和深度数据的滤波模型,并在此基础上,给出了测线上位置数据和深度数据Kalman滤波的一般解和抗差解,并结合海洋水深测量特点,构建了满足水深数据剔除异常值的截断权函数和滤波方案,实例分析表明,抗差滤波方法能够有效地控制测船位置粗差,在选择截断权函数情况下,抗差滤波方法能够有效地剔除水深跳点和假水深。     

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...     

两种渐消滤波与自适应抗差滤波的综合比较分析

给出了两种渐消滤波解及其相应的原则，介绍了自适应抗差滤波原理和相应的解，分别从原理和解的表达式上分析了两种渐消滤波和自适应抗差滤波解算的基本性能。利用一个实际算例比较了渐消滤波与自适应抗差滤波解在控制状态异常影响方面的能力。     

GPS导航中的抗差自适应Kalman滤波算法

GPS导航与定位的质量取决于对动态载体函数模型和随机模型的认知。本文首先基于机动载体的当前统计模型 ,设计了离散系统的Kalman滤波器 ,进而基于方差分量估计给出了一种适合GPS动态定位的抗差自适应卡尔曼滤波算法。该算法模型简单 ,实时性好。实测数据计算结果表明 ,滤波导航解能有效地控制观测异常和动态扰动异常对导航解的影响 ,使导航解更能反映导航目标的真实情况     

基于EKF和自适应抗差滤波的星载GPS定轨方法

针对在星载GPS卫星定轨中由于卫星动力学模型误差和不可避免的观测异常严重影响定轨精度的问题,通过采用适当的自适应控制因子和应用抗差估计原理,构造自适应抗差扩展卡尔曼滤波(RAEKF)来实现星载GPS卫星定轨。实测计算表明,自适应抗差扩展卡尔曼滤波对观测误差和状态扰动有一定的抵制能力,与一般扩展卡尔曼滤波相比提高了精度,证明其理论的可行性。     

抗差滤波和重要点提取相结合的压缩算法及应用

InSAR监测成果中含有大量的冗余信息,影响形变机理反演计算分析的效率,需要进行压缩处理。结合InSAR数据特点和后处理需求,提出了基于重要点提取的矢量压缩法,该方法原理简单,压缩效率高。顾及到InSAR成果含有各种误差,影响成果的可靠性和压缩效率,提出了将抗差滤波和重要点提取相结合进行InSAR监测成果的数据压缩。实例验证抗差滤波具有较好的抗差能力,提取的等值线光滑可靠;相比于重要点提取的直接压缩算法,基于抗差滤波的压缩算法具有更高的压缩比,能够更好地反映特征信息。     

自适应抗差KF-UKF的超宽带导航定位方法

针对超宽带导航定位中量测信息异常误差和非线性滤波问题,该文提出了一种基于自适应抗差卡尔曼滤波-无迹卡尔曼滤波(KF-UKF)的超宽带导航定位算法。该算法首先利用卡尔曼滤波计算预测状态向量及其协方差矩阵,利用无迹卡尔曼滤波进行量测更新;然后利用先验阈值和预测残差构建量测噪声的抗差协方差矩阵,以减少量测信息异常误差的影响,同时利用自适应因子对算法进行调节和修正。结果表明,该算法能有效地抑制并消除超宽带测距中量测信息异常误差的影响,能有效地处理状态模型误差的影响,提高超宽带导航定位的精度和稳定性,同时拥有比无迹卡尔曼滤波算法更高的计算效率。