基于双卡尔曼滤波器的高精度POS算法研究

高精度的位置姿态系统(POS)在测绘领域发挥着重要的作用,数据处理算法是其核心技术之一。本文首先介绍了数据处理流程,提出了一种基于双卡尔曼滤波器的紧组合模式,并详细推导了其状态方程和量测方程,然后利用实测跑车数据对该算法进行了验证,并与IE(Inertial Explore)8.4的处理结果进行了对比分析。结果表明该方法能够达到较高的位置速度和姿态精度,是一种有效的数据处理算法。     

结合滤波算法的不敏卡尔曼滤波器相位解缠方法

提出结合预滤波算法的不敏卡尔曼滤波（UKF）相位解缠方法。该方法把UKF、传统路径跟踪策略、全方位的局部相位梯度估计技术以及小窗口干涉图预滤波算法有效结合起来,能在相位解缠的同时进行干涉相位噪声抑制,既不受相位残差点影响,又避免了传统方法在相位解缠之前须尽可能滤除干涉图中相位噪声的不足。模拟和实测数据实验结果验证了本文方法的有效性,且与扩展卡尔曼滤波相位解缠算法（EKFPU）以及传统方法相比具有较高的精度。     

基于Kalman滤波器的卫星钟差预报精度分析

Kalman滤波器稳态条件下的卫星钟差预报精度可作为评估星地时间同步性能的重要依据,研究了基于Kalman滤波器的卫星钟差预报精度问题。在卫星钟差包括3阶白噪声情况下,建立了卫星钟差的状态方程和测量方程,利用离散Riccati方程的非递归代数解,得到了Kalman滤波器的稳态解,进一步得到了卫星钟差预报误差,做了典型参数情况下的数值分析。     

一种基于多尺度DoG滤波器的高动态范围的映射方法

提出了利用多尺度DoG滤波器模拟人眼视觉的边缘相阻机制,计算出人眼观察各像素的适应性亮度,并对图像各适应性亮度下的色度进行适应性调整;通过计算光感知细胞在各适应性亮度关系下的相对视觉感知信息,提出可保持视觉空间中各维颜色的相对视觉感知信息的映射算法,从而实现了基于多尺度DoG滤波器的高动态范围图像映射。该算法可以在保留高动态范围图像中场景的纹理细节和颜色的前提下,使高动态范围图像能真实地显示在动态范围较低的显示设备或纸张上。实验测试说明,该算法能够正确地再现高动态范围图像原有的场景信息。     

基于区间的移动设备地图缩放方法

针对移动设备中地图缩放方法的问题,提出了一种基于区间的地图缩放方法,并以Android和Google Maps为例,阐述了基于区间的地图缩放方法的实现过程,解决了缩放过程中速度近似误差问题,为移动设备中地图的缩放方法提供了一种新的思路。     

基于渐消因子的改进Kalman滤波时间尺度估计算法

Kalman滤波时间尺度算法是一种实时的原子钟状态估计方法,在守时实验室具有重要实用价值。由于原子钟状态模型误差估计存在偏差,Kalman滤波时间尺度算法中状态估计可能出现相应异常扰动,应当对状态模型误差进行实时控制。对此,引入基于渐消因子的改进Kalman滤波时间尺度算法。对状态预测协方差矩阵引入渐消因子,利用统计量实时计算渐消因子的量值,控制状态预测协方差阵的增长,降低了原子钟状态估计的扰动。实验结果表明,相比于标准Kalman滤波时间尺度算法和基于预测残差构造自适应因子的Kalman滤波算法,基于渐消因子的改进Kalman滤波时间尺度算法能够提高原子钟状态估计的准确度,改进时间尺度的稳定度。     

基于移动区间的GPS精密星历内插方法

针对采用多项式对GPS精密星历进行插值随着阶数增加插值,精度出现衰减或不稳定的问题,提出了基于移动区间的GPS精密星历内插方法来解决这一问题。采用不同分析中心提供的精密星历进行插值计算,比较不同数据产品的质量,选用数据质量比较好的精密星历进行插值计算,比较三种多项式插值的插值精度。实验结果表明：IGS所提供的精密星历数据质量比较好;采用基于移动区间的多项式插值方法,插值精度可达到亚厘米级。     

一种UKF与PF相结合的相位解缠算法

针对干涉相位图解缠问题,该文提出一种基于掩膜图的无损卡尔曼滤波与粒子滤波相结合的相位解缠算法,并结合基于AMPM局部相位梯度估计技术快速和精确地从复干涉相位图中获取相位梯度等信息以及最大堆排序算法从高质量像元到低质量像元的路径快速地搜索最佳待解缠像元,减少在路径跟踪过程中所消耗的时间。该文算法不仅可以高效、精确地在相位解缠的同时进行干涉图滤波,降低前置预滤波器的难度与复杂度,甚至可以在解缠高信噪比干涉相位图时免去预滤波的过程,而且在一定程度上能将相位解缠误差限制在低质量像元区域,减少误差传递效应,提高相位解缠的精度,在实测数据和模拟数据实验结果中表明:比现有的传统算法如枝切法等InSAR干涉相位解缠算法有更高的精度和稳健性。     

基于Wallis滤波器的异源遥感影像匀光方法

针对异源遥感影像由于辐射水平差异导致地物在相邻图像上亮度值存在差异的现象,分析了造成影像间色调差异的各种原因以及现有处理方法在进行影像间色彩平衡处理时存在的问题,实现了基于Wallis滤波器进行匀光的相关算法,并通过多组匀光实验取得了较好的色彩平衡效果。     

一种概率分布的区间数多指标灰色关联模型

针对区间数多指标决策问题中评价值的取值概率问题,提出了基于概率分布的区间数多指标灰色关联模型。该模型将区间数距离映射到概率分布函数上,根据灰色关联分析方法的基本思想,计算决策方案与理想方案之间的关联度,通过关联度对决策方案进行排序。最后给出了两个实例分析,验证了该模型计算结果的正确性与有效性。     

GPS／INS组合中观测噪声方差阵的自适应估计方法研究

在GPS/INS松散组合滤波中,首先利用新息辨别异常的观测量,然后根据选权滤波的思想,通过调节滤波器中观测噪声方差阵改变系统对相应观测信息的信赖度.实验结果表明,改进的滤波算法不仅提高了滤波精度,而且较好地控制了异常点的误差影响.     

抗SA影响的卡尔曼滤波技术

运用现代时间序列分析方法对SA定位误差模型进行建模研究,并由此提出抗SA影响的卡尔曼德彼模型。     

Kalman滤波异常误差检测

为检测动态导航观测异常和动态模型异常误差，本文利用状态方程预测残差二次型构造了整体误差检验法，即观测误差和动力学模型误差整体检验法；讨论了三种观测异常检测法，即以模型为基准的观测异常检验，以当前历元可靠观测为基准的异常检验，以状态Kalman滤波估值为基础的观测异常检验；分析了三种动力模型异常检测法，即状态不符值检验法，以状态参数Kalman滤波估值为基础的动力模型误差检验法，以可靠观测为基础的动力模型误差整体检验法。并对这几种异常检测法进行了简单分析。     

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。     

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...     

Adaptive Kalman Filtering for INS/GPS

After reviewing the two main approaches of adaptive Kalman filtering, namely, innovation-based adaptive estimation (IAE) and multiple-model-based adaptive estimation (MMAE), the detailed development of an innovation-based adaptive Kalman filter for an integrated inertial navigation system/global positioning system (INS/GPS) is given. The developed adaptive Kalman filter is based on the maximum likelihood criterion for the proper choice of the filter weight and hence the filter gain factors. Results from two kinematic field tests in which the INS/GPS was compared to highly precise reference data are presented. Results show that the adaptive Kalman filter outperforms the conventional Kalman filter by tuning either the system noise variance–covariance (V–C) matrix `Q' or the update measurement noise V–C matrix `R' or both of them. Received: 14 September 1998 / Accepted: 21 December 1998     

GNSS星载原子钟性能评估

Kalman滤波时间尺度算法是一种实时的原子钟状态估计方法,在守时实验室具有重要实用价值。由于原子钟状态模型误差估计存在偏差,Kalman滤波时间尺度算法中状态估计可能出现相应异常扰动,应当对状态模型误差进行实时控制。对此,引入基于渐消因子的改进Kalman滤波时间尺度算法。对状态预测协方差矩阵引入渐消因子,利用统计量实时计算渐消因子的量值,控制状态预测协方差阵的增长,降低了原子钟状态估计的扰动。实验结果表明,相比于标准Kalman滤波时间尺度算法和基于预测残差构造自适应因子的Kalman滤波算法,基于渐消因子的改进Kalman滤波时间尺度算法能够提高原子钟状态估计的准确度,改进时间尺度的稳定度。     

卡尔曼滤波与H∞滤波在INS／GPS组合导航中的应用

组合导航利用惯性导航（INS）和全球定位系统（GPS）较强的非相似性和互补性,将两者组合,可以取长补短,充分发挥各自的优点,提高导航系统性能。利用卡尔曼滤波能够有效提高其精度,但卡尔曼滤波的应用要求函数模型和随机模型已知,符合实际,这在实际应用中是很难保证的,一般都是通过经验信息确定。H滤波则具有很强的鲁棒性,抗干扰性强。通过仿真数据处理,结果表明：H滤波比卡尔曼滤波在噪声特性未知时更适用,精度更高。     

GPS动态相对定位的自适应Kalman滤波算法

GPS动态数据处理中广泛应用卡尔曼滤波,经典Kalman滤波认为预报误差是白噪声,服从零均值的正态分布,并利用动态噪声协方差矩阵来控制它对当前信息的影响,但实际测量定位中难以保证观测对象的规则运动,因而容易出现模型误差。针对GPS动态定位的这一问题,探讨了在实际应用中存在模型误差时的卡尔曼滤波,介绍了一种自适应Kalman滤波算法,该法顾及了载体机动加速及接收机发生周跳时的影响,减少了滤波发散的机会。     

多系统GNSS RTK的改进卡尔曼滤波算法

针对多系统GNSS RTK特点,本文引入了对整周模糊度的求解,但随着可见卫星的增加,状态向量的维数急剧增加,这导致Kalman滤波方程乘法次数增加。而协方差计算量和存储量约占整个滤波进程时间的70%。为提高运算效率,本文提出了一个稀疏状态转移矩阵的改进Kalman计算方法,主要研究协方差矩阵的求解。并在理论上利用矩阵分块和对称化将乘法次数降低至通常算法的10%以下。此外,通过试验证明,改进方法的CPU处理器耗时同样低于通常算法的10%。此改进方法实现了高效性,对多卫星情况下求解整周模糊度有一定参考价值。