有色噪声作用下的卡尔曼滤波

利用GPS载波相位三差观测量进行动态定位(或精密导航),就必须研究有色噪声滤波的理论问题.根据需求,推导了动态噪声、观测噪声为有色噪声的线性系统滤波公式,并证明白噪声卡尔曼滤波是有色噪声卡尔曼滤波的特例,或者说有色噪声的卡尔曼滤波是白噪声卡尔曼滤波的推广.     

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。     

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。     

有色噪声观测量的逐步拟合推估

通过改化观测方程,将有色噪声观测值转化为白噪声的虚拟观测值,用白噪声逐步拟合推估公式进行计算。递推公式的第一步是拟合推估,第二步以后实际上是滤波。     

有色噪声模型参数改进算法

介绍了常用的有色噪声最小二乘拟合法,并针对其在动态GPS有色噪声拟合中存在的问题提出了一种改进算法.计算结果表明,该算法能有效地提高模型参数估值的精度和Kalman滤波器的数值稳定性.     

基于有色噪声自适应卡尔曼滤波的GPS单点定位

将有色噪声一阶AR模型的自适应卡尔曼滤波应用到精密单点定位中, 采用当前历元的预测残差均方根误差与上一历元的观测残差均方根误差的比值确定相关系数ρ_k,k－1。在使用一阶AR模型进行解算时, 使用实测数据对模型进行验证, 证明了该方法确定的相关系数能够有效提高扩展卡尔曼滤波(EKF)解算过程中的收敛速度和幅度。     

顾及有色噪声的卡尔曼滤波在多路径误差削弱中的应用

多路径误差为一时空环境效应,难以构建准确数学模型消除其影响,且该误差在基线两端不具有空间相关性,运用现有差分技术也无法很好消除,是高精度短基线测量中主要误差之一.为进一步削弱多路径误差,本文以监测站坐标时间序列中多路径误差为研究对象,根据多路径误差在历元间的时变特性,建立多路径误差状态空间模型,采用标准卡尔曼滤波和顾及有色噪声的卡尔曼滤波从监测站第一天双差固定解坐标残差序列中估计多路径误差改正序列,并根据多路径误差的周日重复特性,利用第一天得到的多路径误差改正序列对之后各天坐标序列进行改正.最后通过实验分析,得出顾及有色噪声的卡尔曼滤波估计方法优于标准卡尔曼滤波的结论.研究方法对提高GNSS定位精度具有重要实用价值.     

含有色噪声的几何导航解自适应融合算法

组合导航系统的精度和可靠性，除受各传感器偶然误差和系统误差的影响外，还受时间相依的有色噪声的影响。任何基于高斯白噪声假设而忽略实际有色噪声影响的数据处理理论和方法均不能保证估计结果的实际可靠性。本文基于多源几何导航结果的融合算法，通过对状态方程有色噪声的拟合和预报，给出了含有有色噪声的几何导航结果的融合算法。并利用模拟数据进行了试算与比较。     

有色噪声模型参数改进算法

介绍了常用的有色噪声最小二乘拟合法，并针对其在动态GPS有色噪声拟合中存在的问题提出了一种改进算法。计算结果表明，该算法能有效地提高模型参数估值的精度和Kalman滤波器的数值稳定性。     

基于UKF的GPS非线性动态滤波算法

介绍了一种Unscented卡尔曼滤波算法，它通过确定性采样获得一组采样点，可获得更多的观测假设，对系统状态统计特性的估计更加准确，同时该算法无需对系统方程进行线性化，避免了传统的EKF算法由于线性化引入的误差。本文将UKF算法用于GPS非线性动态滤波技术中，建立了仿真模型并定义了仿真条件，与EKF算法的仿真结果相比，在系统状态统计特性未知的情况下，UKF算法对系统状态的估计更准确，定位精度更高。     

UKF滤波器性能分析及其在轨道计算中的仿真试验

讨论了UT(unscented transform)变换的性质,给出了一种新的扩展型卡尔曼滤波器UKF(unscentedKalman filter),它不仅具有较高的精度,而且不必计算偏导数阵。仿真分析的结果表明,UKF有良好的状态估计性能,使用简便,适合于非线性系统状态估计。     

有色噪声情况下状态预测值修正的Kalman滤波

利用线性最小方差估计方法,以正交投影理论为工具,推导了动态线性系统在状态噪声为有色噪声情形下的状态预测值及其相应的协方差阵.在形式上,此预测值比经典Kalman滤波预测值多出一项,该项包含了前一时刻的新息.对新预测值进行分析,得出了有色状态噪声条件下Kalman滤波的新算法,扩展了经典Kalman滤波的应用范围.最后通...     

有色噪声情况下状态预测值修正的Kalman滤波

利用线性最小方差估计方法,以正交投影理论为工具,推导了动态线性系统在状态噪声为有色噪声情形下的状态预测值及其相应的协方差阵。在形式上,此预测值比经典Kalman滤波预测值多出一项,该项包含了前一时刻的新息。对新预测值进行分析,得出了有色状态噪声条件下Kalman滤波的新算法,扩展了经典Kalman滤波的应用范围。最后通过一个模拟算例,证明了该算法的有效性。     

基于扩展卡尔曼滤波的非线性带滑移滞变系统的实时估计

利用扩展卡尔曼滤波方法对Baber与Noori提出的带滑移滞变模型进行了参数的实时估计。考虑到该方法在收敛性上对参数初始值的选取的依赖性较强,提出了一种用于确定各参数初始估计值的方法。计算实例表明了该方法的有效性和实用性。     

一种新的混合迭代UKF

从统计线性回归的角度对无味变换(unscented transformation,UT)进行分析,推导了迭代无味卡尔曼滤波(iterated unscented Kalman filter,IUKF)。针对IUKF计算量大的问题,结合弦线迭代法和IUKF,得到了一种新的混合迭代无味卡尔曼滤波器。数值仿真的结果表明,新滤波算法的精度优于扩展卡尔曼滤波、迭代扩展卡尔曼滤波和无味卡尔曼滤波,并可以有效降低IUKF的计算量。     

利用在线向量机和Unscented Kalman滤波进行降水序列滤波研究

针对短周期降水序列模型估计困难、滤波误差不确定问题提出了在线向量机与Unscented Kalman滤波相结合的降水时间序列预测与滤波方法。从理论推导到真实数据的实验以及详细的误差分析证明了本方法对短周期降水序列滤波有较好的合理性和有效性。相比传统Kalman滤波方法和向量机滤波方法,该方法有更好的滤波性能和实用性。