一种Kalman滤波系统误差及其协方差矩阵的半参数估计方法

提出用半参数估计理论来解决系统误差对Kalman滤波解的影响问题。即用半参数模型中的非参数分量表达观测模型和动力学模型中未知的系统误差,在移动的窗口内,基于观测残差和状态向量预测残差拟合模型系统误差,进而修正相应的观测向量和状态预测向量的协方差矩阵,以消除系统误差对滤波的影响。同时这种方法还有明显的优点,就是在滤波过程中不需要对系统误差做任何假设。文中推导了基于正则核估计来解算导航系统半参数模型的相应公式,并根据一个模拟的算例,证明了算法的有效性。     

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导航解算中几种非线性Kalman滤波的理论分析与比较

GPS导航解算中常采用离散线性Kalman滤波模型.由于线性化忽略高次项,加之线性化受初始值精度的影响,导致线性化模型精度很难满足高动态用户需求.为此,分别讨论了扩展Kalman滤波和Bancroft算法以及利用观测信息迭代精化观测方程三种算法,并结合算例进行了比较与分析.     

利用二次移动平均法的GM(1,1)模型和Kalman滤波在沉降监测应用中的比较分析

利用时间序列分析方法中的二次移动平均法提取出沉降监测序列中的趋势项,并在此基础上建立固定维数的动态GM(1,1)灰色模型进行沉降预测,同时利用Kalman滤波方法进行沉降预测,结合实际算例结果表明,这两种模型均能够较好地进行预测,证明了这两种预测模型均具有一定的可行性和有效性,并对两种预测模型在沉降监测预报中的应用进行了比较和分析。     

一种利用增广参数Kalman滤波的GPS多路径效应处理方法

提出了一种基于增广参数Kalman滤波的多路径效应系统误差估计方法,将系统误差作为状态参数,并对其建立一阶AR模型,同时利用多路径重复性特性,更新多路径误差改正模型,在一定程度上解决了固定多路径误差模型随着时间推移重复性减小而有效性降低的问题,并利用16d实测数据例证了本方法具有一定的可行性和有效性。     

一种迭代的GPS／INS组合导航滤波算法

简要介绍了GPS/INS松组合导航系统状态方程和观测方程。针对标准Kalman滤波算法存在的状态方程截断误差、噪声统计特性的不确定性以及状态扰动异常的影响,给出了一种应用于GPS/INS组合导航系统的迭代滤波算法。该算法采用迭代策略,不断利用观测信息实时修正状态预报值。实测数据计算结果表明,通过对状态预报值的实时修正,该算法能够很好地抑制状态预报信息的不确定性和扰动异常等对导航解的影响。其滤波解精度明显优于标准Kalman滤波。     

一种迭代的GPS/INS组合导航滤波算法

简要介绍了GPS/INS松组合导航系统状态方程和观测方程.针对标准Kalman滤波算法存在的状态方程截断误差、噪声统计特性的不确定性以及状态扰动异常的影响,给出了一种应用于GPS/INS组合导航系统的迭代滤波算法.该算法采用迭代策略,不断利用观测信息实时修正状态预报值.实测数据计算结果表明,通过对状态预报值的实时修正,该算法能够很好地抑制状态预报信息的不确定性和扰动异常等对导航解的影响.其滤波解精度明显优于标准Kalman滤波.     

GRACE反演南极冰盖质量变化的高斯与Wiener滤波比较

本文利用UTCSR 2003年1月到2008年8月间的GRACE Level-2 RL04重力场模型估计了南极冰盖质量变化.计算过程中分别采用高斯和Wiener滤波两种平滑方法,分别采用22、43和65个月重力场模型计算Wiener滤波信号与噪声函数,得出以下结论:在实际的计算过程中需要具体计算Wiener滤波平滑因子值,65个月GRACE重力场模型计算得到的Wiener滤波权值非常接近于平滑半径为540km高斯滤波权值;采用两种不同的滤波方法在相同区域质量变化率基本相同.     

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。     

震前电离层TEC异常探测方法的研究进展

介绍了震前电离层TEC异常探测原理的研究进展和主要的异常探测方法,详细介绍了时间序列法、Kalman滤波和小波变换在电离层异常探测中的原理和应用,总结了传统方法和新方法在电离层异常探测的应用发展情况,并分析了每种方法的优势与不足。为未来中国采用电离层异常探测开展地震预测工作提出了建议。     

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.     

石英振梁式重力传感器测量误差消除方法研究

为了有效地消除石英振梁式重力传感器的测量误差,本文提出根据时间序列分析理论对石英振梁式重力传感器测量误差数据进行建模,根据所建时间序列数学模型来逼近重力传感器测量系统的状态方程,并采用Sage-Husa自适应卡尔曼滤波来消除重力传感器测量误差。理论分析和实验表明:石英振梁式重力传感器的测量误差可以采用AR模型来表征,并且Sage-Husa自适应卡尔曼滤波可有效地消除石英振梁式重力传感器测量误差。     

基于卡尔曼滤波重建的GPS点位修正

由于单点定位的结果受卫星星历误差、卫星钟误差以及卫星信号传播过程中大气延迟误差的影响较为显著,因此解算出的定位结果在真值附近上下浮动。文中采用ARMA模型建立卡尔曼滤波的观测方程和状态方程,并对定位结果进行滤波;采用一次滤波后的坐标值作为初值,建立ARMA模型并二次滤波。实验表明,滤波有效防止了定位结果偏差过大情况的发生,使滤波收敛值与准确值最大偏差不超过3cm,表明采用一次滤波后的坐标值建立的模型更为合理,从而为单点定位结果的时间序列模型的建立提供一种新方法。     

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。     

陕西GPS连续观测网站点时间序列去噪与速度场分析

利用GAMITL/GLOBK软件对陕西GPS连续观测网的站点2008-2014年近6 a的连续观测数据进行处理得到基准站原始时间序列;并采用Kalman、ARMA、BP这3种方法对原始时间序列进行滤波去噪分析,结果表明3种方法都有效地剔除了一定量的噪声,使站点在N,E,U这3个方向上的坐标趋势更加显现,尤其是在选定合适的状态噪声矩阵后Kalman方法要优于其他两种方法。同时去噪得到的陕西连续观测网站点在ITRF2008框架下的速度场精度更高,N方向的平均速度为-0.010 1 m/a,E方向的平均速度为0.033 8 m/a,整体往东南方向位移,渭河盆地和汉中盆地内几个站点沉降量较大。     

时间序列分析及其在测绘领域的应用初探

时间序列分析是通过对研究对象随时间变化的过程来反映其变化规律并进行预测和分析。目前时间序列分析在统计、金融、贸易等学科领域应用较多,但在测绘领域的应用才刚刚开始。本文对时间序列的基本概念、常用建模方法等进行了概要总结和描述,并通过一个SPSS(Statistical Productand Service Solution,统计产品和服务解决方案)实例的分析,显示时序分析模型的应用过程,对时间序列分析在测绘领域的应用潜力进行了初步探索,为今后的深入研究积累了一定的经验。     

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。     

时间序列分析在地铁沉降观测中的应用

为了避免地铁建设过程中危险事故发生,需要在施工过程中进行沉降观测。本文研究采用时间序列分析对不同地质条件下地铁拱顶沉降点观测数据进行平稳化处理,求出自相关系数及偏相关系数,确定预测模型和误差残差值及置信区间。实验结果表明,拟合预测值与原始观测数据的差值在合理的误差范围内,能够对沉降值进行预测,实现对地铁沉降进行监测的目的。     

极移时间序列模型的拟合与预测

对IERS提供的极移数据进行了余弦趋势模型及ARMA模型拟合和预测。对实验结果进行分析,发现余弦趋势模型适合对极移成分进行分析;同时,ARMA模型适合对极移时间序列进行拟合及预测,其拟合精度相对于余弦趋势模型有较大提高,预测精度接近国际最好水平。