基于噪声随机模型的加权观测融合方法

信息融合技术中,在各局部传感器的有色观测噪声为一阶AR模型的情况下,可以利用观测扩增方法消除有色噪声的影响,得到最优加权观测融合方程,从而实现状态的最优滤波解.对于有色观测噪声为MA或ARMA模型的情况,观测扩增方法不再适用.提出了基于有色观测噪声随机模型级数展开的方法,求解出各局部传感器有色观测噪声的方差,并利用该方差对加权观测融合滤波器进行了构造.通过计算实例证明,该方法不仅适用于观测噪声为AR模型,同时适用于噪声MA或ARMA模型.     

有色观测噪声的随机模型级数表示及其补偿法

提出了有色观测噪声的随机模型级数表示及其补偿法,利用该方法能对随机模型进行修正.结合现代时间序列分析方法,并根据新息模型设计了状态最优滤波器.将本文方法与观测扩增方法进行了分析和比较,结果表明,利用该方法能有效控制有色观测噪声的影响.     

基于随机模型改正的有色状态噪声处理新方法

控制有色状态噪声影响除了通过状态向量扩展的方法外,也可以通过修正随机模型.提出采用多项式长除法将有色状态噪声模型展开成无穷级数,截断取其有限项,进而求取有色状态噪声方差.利用该方差对随机模型进行修正,再结合现代时间序列分析方法,构造出新的ARMA新息模型,并根据该新息模型设计状态最优滤波器.为了说明该方法的正确性和合理性,将它与标准的Kalman滤波和状态向量扩展法进行分析和比较.结果证明利用该方法能有效地控制有色状态噪声的影响.     

处理有色噪声的现代时间序列分析法

在动态导航定位中,目前绝大多数数据处理理论和软件都假设系统状态误差和观测模型误差为高斯白噪声。但在实际应用中,由于卫星轨道误差、大气环境等因素的干扰,使得观测误差和动力学模型误差往往不属于白噪声序列,而是具有一定时间相关或空间相关性的有色噪声。本文将有色噪声归为随机模型进行研究,采用多项式长除法将有色噪声模型展开成级数形式,再根据误差理论求取有色噪声的方差,由该方差修正有色噪声的随机模型,利用现代时间序列分析理论求出状态参数的最优估计值。为了说明该方法的正确性和有效性,用一组动态GPS实测数据进行验证,计算结果表明该方法能有效地抑制有色噪声对动态系统参数估值的影响。     

处理有色观测噪声的粒子滤波算法

针对经典Kalman滤波无法直接处理有色噪声的问题,采用多项式长除法将有色观测噪声模型展开成无穷级数,截断取其有限项获得有色噪声的先验信息;然后利用粒子滤波能够处理非高斯噪声的特点对有色观测噪声进行处理。通过一个GPS定位算例,将此新方法与观测扩增方法进行了分析和比较。结果证明,利用该方法能有效地控制有色观测噪声的影响。     

处理有色观测噪声的粒子滤波算法

针对经典Kalman滤波无法直接处理有色噪声的问题,采用多项式长除法将有色观测噪声模型展开成无穷级数,截断取其有限项获得有色噪声的先验信息,然后利用粒子滤波能够处理非高斯噪声的特点对有色观测噪声进行处理.通过一个GPS定位算例,将此新方法与观测扩增方法进行了分析和比较.结果证明,利用该方法能有效地控制有色观测噪声的影响.     

联合GOCE卫星轨道和重力梯度数据严密求解重力场的模拟研究

论述了联合卫星轨道和重力梯度数据严密求解重力场的方法及数据处理方案,研究了GOCE重力场反演中有色噪声的AR去相关滤波、病态法方程的Kaula正则化和观测值最优加权的方差分量估计等关键问题。模拟结果表明:①极空白问题会降低法方程求解的稳定性,导致低次位系数的求解精度较低,而Kaula正则化可有效用于GOCE病态法方程的求解,并得到合理稳定的解;②重力梯度有色噪声会降低GOCE重力场求解的整体精度,特别是对低阶位系数的影响最为明显,而AR去相关滤波法可有效处理有色噪声,但解算结果仍含有低频误差;③方差分量估计可有效确定SST和SGG两类观测值的最优权比,并且有色噪声造成的低频误差经过联合求解后得到了抑制;④利用30d、5s采样的GOCE模拟数据恢复200阶次的重力场模型,其大地水准面和重力异常精度在纬度±83°范围内分别为±3.81cm和±1.056mGal。     

有色观测噪声下的无迹卡尔曼滤波算法

传统的无迹卡尔曼滤波算法(UKF)要求噪声是高斯白噪声,但在实际应用中,噪声往往呈现非高斯特性。本文在有色观测噪声满足一阶AR模型的条件下,基于观测信息扩增法及最小方差估计准则,通过Unscented变换(UT变换)计算出非线性状态后验均值,进而得出一类具有处理有色观测噪声的无迹卡尔曼滤波处理算法。通过实际数据验证了该算法能有效控制有色噪声的影响。     

有色噪声对动态寻北的影响

在动态定位测量中,有色噪声的存在严重影响着动态滤波的精度和可靠性。为了分析有色噪声对动态寻北中参数估计的影响,本文在一阶自回归AR模型的假设下推导了有色噪声对参数最小二乘估值的影响函数,分析了其影响性质。利用观测残差建立了有色噪声的一阶AR模型,对有色噪声进行了拟合与预报,并利用改正后的观测信息进行了参数估计。计算结果表明,当陀螺信号中包含有色噪声时,采用一阶AR模型对有色噪声进行拟合与预报,能够有效削弱有色噪声的影响。采用一次启动漂移稳定性为0.03°/h的动调陀螺,在4min 之内系统寻北精度优于0.3′,远高于不考虑有色噪声影响得到的精度。     

应用时间序列方法作大坝变形预报

本文首先介绍时序分析的三个基本模型——ARMA模型、AR模型和MA模型,以及各模型的统计性质。然后以某大坝1715廊道的激光视准线观测位移值(已利用倒垂观测把相对位移化为绝对位移)为例,着重叙述大坝变形分析的建模过程,得到了一个AR(2)模型并对大坝变形作了预报,结果具有相当好的预报精度。从而说明,时序分析法将是大坝变形分析的一个有力工具。     

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。     

SINS／GPS级联组合滤波新算法

针对级联式SINS／GPS导航系统中组合滤波器的测量噪声与系统噪声的相关问题，提出了一种相关程度未知条件下的估计量最优融合算法，并由此得到了一个顾及噪声相关性的的卡尔曼滤波新算法；通过对一套SINS／GPS数据的计算，证明了新算法是成功的。     

连续观测系统的平差模型与有色噪声补偿

现代测量技术多依赖于各种连续对地观测系统。有色噪声在影响参数估计的同时,还蕴含了地球科学研究所需的大量有用信息。本文讨论了连续平差模型及最小二乘解,将有限维空间中的测量平差问题推广至无穷维空间,从信号分析角度讨论了观测有色噪声的消除方法。研究表明,连续观测方程的最小二乘解可由经典最小二乘解的极限导出;有色噪声对解的影响是系统性的,然而通过合理的观测方案设计可以实现参数的无偏估计     

顾及有色噪声的自适应粒子滤波UWB定位算法

传统卡尔曼滤波算法要求噪声模型符合高斯分布,在UWB室内定位中,由于载体本身的机制等干扰,观测噪声不仅仅是白噪声,也存在有色噪声的情况,而粒子滤波可以处理有色噪声的问题。本文通过增加似然分布自适应调整来改进粒子滤波用于目标跟踪的精度,同时研究在白噪声、有色噪声下似然分布自适应调整粒子滤波和拓展卡尔曼滤波在UWB中的优势与不同。试验结果表明：观测噪声为白噪声时,拓展卡尔曼滤波和粒子滤波均可以较好地实现对行人的定位跟踪;观测噪声为有色噪声时,自适应粒子滤波定位效果优于粒子滤波、拓展卡尔曼滤波。     

动态定位中测量噪声时间相关的Kalman滤波

在动态定位数据处理中,测量噪声一般是时间相关的,若直接按照Kalman滤波器解算,将达不到最优滤波效果,并且其误差协方差阵也是不严密的。针对一般时间相关观测噪声进行研究,分析它们对Kalman结果的影响,然后根据状态估计为线性无偏最小方差估计的准则,给出测量噪声时间相关时的Kalman递推公式,同时也考虑相关数据的存储问题,最后通过数字模拟验证算法的有效性。     

Adjustment Model and Colored Noise Reduction of Continuous Observation System

The affection caused by the colored noises should be taken into account to the adjustment model. As useful signals, these colored noises should be accurately identified and extracted by Fourier analysis. A continuous adjustment model is introduced with respect to the colored noises, and then it can be generalized from the finite space to the infinite space so called as Hilbert space. This extension is to provide a new technique to perform the continuous observational system design, Fourier analysis as well as the parameter estimation. It shows that the Gramer’s determinant provides maximization criteria in the system optimization design as well as a rule in diagnosing the adjustment model. Related with the definition of the integral, the least squares solution of the continuous adjustment model becomes the limit of the traditional least squares solution in finite space. Moreover, the influence caused by the colored noises is systematic, but it can be eliminated or compensated by optimally designing the observational system.     

基于哈达玛总方差的卫星钟差参数估计与预报

钟差参数估计与预报是卫星导航系统应用中的一项关键技术。本文研究了基于哈达玛总方差的钟差参数预报方法。随机部分采用幂律谱模型,利用哈达玛总方差计算Kalman噪声参数,进而得到状态噪声和测量噪声协方差阵。最后利用IGS数据,验证了基于哈达玛总方差进行钟差参数估计与预报的适用性。结果表明,短期预报精度可达到亚纳秒级。     

Adaptive estimation of multiple fading factors in Kalman filter for navigation applications

Kalman filter is the most frequently used algorithm in navigation applications. A conventional Kalman filter (CKF) assumes that the statistics of the system noise are given. As long as the noise characteristics are correctly known, the filter will produce optimal estimates for system states. However, the system noise characteristics are not always exactly known, leading to degradation in filter performance. Under some extreme conditions, incorrectly specified system noise characteristics may even cause instability and divergence. Many researchers have proposed to introduce a fading factor into the Kalman filtering to keep the filter stable. Accordingly various adaptive Kalman filters are developed to estimate the fading factor. However, the estimation of multiple fading factors is a very complicated, and yet still open problem. A new approach to adaptive estimation of multiple fading factors in the Kalman filter for navigation applications is presented in this paper. The proposed approach is based on the assumption that, under optimal estimation conditions, the residuals of the Kalman filter are Gaussian white noises with a zero mean. The fading factors are computed and then applied to the predicted covariance matrix, along with the statistical evaluation of the filter residuals using a Chi-square test. The approach is tested using both GPS standalone and integrated GPS/INS navigation systems. The results show that the proposed approach can significantly improve the filter performance and has the ability to restrain the filtering divergence even when system noise attributes are inaccurate.