抗差卡尔曼滤波模型及其在GPS监测网中的应用

根据量测向量中的粗差对状态向量滤波值的影响规律，导出了抗差卡尔曼滤波模型，该模型对观测空间和设计空间均具有良好的抗差性。通过对含有粗差的模拟GPS监测网的计算，与标准卡尔曼滤波模型相比较，利用该抗差滤波模型，可获得可靠的变形分析结果。     

自适应卡尔曼滤波在地表沉降监测中的应用

方差补偿自适应卡尔曼滤波是在对观测数据进行递推滤波的同时,不断的对难以确定的模型参数和噪声进行估计和修正,以减小模型误差,使滤波结果更准确。本文采用方差补偿自适应卡尔曼滤波预测模型,对某矿区首采工作面地表沉降监测数据进行计算,得到相应的预测值,并与标准卡尔曼滤波预测值进行比较。探讨了方差补偿自适应卡尔曼滤波预测模型进行矿区地表沉降预测的可行性。     

基于双因子抗差卡尔曼滤波在动态导航中的应用

针对动态导航卡尔曼（Kalman）滤波的异常扰动影响问题,根据观测量中的粗差对状态向量滤波值的影响规律,引入了双因子算法,导出基于预报残差的抗差卡尔曼滤波模型,该模型具有良好的抗差性,利用实测数据加模拟粗差进行验证,结果表明：抗差卡尔曼滤波可以很好的控制状态对滤波估值的影响,精度相对于标准卡尔曼滤波有明显的提高。     

抗差卡尔曼滤波在聊城古建筑动态数据处理中的应用

古建筑在日照、风压等因素的影响下,易产生老化变形,一般会采用及时补救的方法,有时并没有分析其根本原因,本文在布设动态监控网,获得监控数据后,用抗差卡尔曼滤波对监控数据进行分析的方法,对变形方向进行预测,预测值与平差值的误差均在限差范围内,且变化方向大致相同,可以将它作为古建筑变形方向的预报,做到防患于未然。     

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。     

自适应卡尔曼滤波在GNSS沉降监测中的应用

为解决GNSS-RTK实时测量中存在的数据波动性大,难以满足高精度沉降监测需求的问题,通过引入方差补偿自适应卡尔曼滤波,对原始测量数据进行滤波去噪,实现了绝大部分白噪声的过滤和修正。同时,对原始测量数据与滤波数据进行分析比对,滤波前原始数据标准差在7 mm左右,方差补偿法滤波后数据标准差在3 mm左右,实现了两倍多的精度提升。实践证明,方差补偿自适应卡尔曼滤波在抑制滤波发散和提高监测数据精度上具有显著的效果。     

抗差卡尔曼滤波及其在动态水准网平差中的应用

介绍了标准卡尔曼滤波方程,总结了稳健M估计的基本方法,并根据等价权原理导出卡尔曼滤波的抗差估计方程,方程的形式与卡尔曼滤波方程相似,给出了卡尔曼滤波稳健估计的计算步骤.最后,以动态水准监测为例进行了模拟计算,证明了该方法的有效性.     

粗差估值型抗差估计

在测量数据处理中,解差受到观测空间和设计空间的双重影响。本导出了粗差估值与解差的关系,进而得出了以粗差估值表示的ＬＳ估计的影响函数。     

卡尔曼滤波粗差探测在GPS变形监测中的应用

在GPS变形监测中,由于受到周跳、SA政策、整周模糊度解算误差及其多路径效应的影响,致使观测数据中含有粗差。用标准卡尔曼滤波方法进行数据处理时,观测数据中的粗差会在卡尔曼滤波预测残差中得到反映。通过结合标准卡尔曼滤波模型与拟准检定法检测,找出并剔除粗差,处理得到正确的结果,并列举了实例证明该方法的实用性。     

卡尔曼滤波粗差修正方法应用

基于标准卡尔曼滤波,提出对含有粗差的观测值进行整体修正和局部修正。最后,通过工程实例验证,两种修正方法均能够有效抵抗粗差的影响,并可获得比标准卡尔曼滤波更准确的滤波结果。     

强跟踪自适应卡尔曼滤波在高铁沉降监测中的应用

以高铁沉降监测为应用背景,研究了一种强跟踪自适应卡尔曼滤波算法,并将其与其他几种卡尔曼滤波算法进行仿真对比。结果表明,滤波算法具有较高的精度和较强的跟踪能力。     

基于抗差卡尔曼滤波的GM(1,1)模型在变形预计中的应用

针对传统灰色模型建模过程中易受观测数据随机噪声干扰的影响,利用抗差卡尔曼滤波理论能够有效地估计含有噪声的观测值的优点,构建了基于抗差卡尔曼滤波的GM(1,1)模型。结合实例,验证了该模型在一定程度上可以提高变形监测预测精度,更好地反映观测对象的变形趋势。     

GPS用于地面沉降观测时间的探讨

通过分析已有监测数据,对比相同观测条件下不同观测时长的数据解算结果,验证了监测时长对监测结果的影响,提出了有利于地面沉降监测的最优观测时长,为制定下一步的监测工作方案提供参考。     

自适应Kalman滤波在地表沉降观测中的应用

地下采煤引起的地表沉陷是一个时间和空间的过程,据此提出了观测站动态数据处理模型Kalman滤波和自适应Kalman滤波,通过实例验证了自适应Kalman滤波比普通Kalman滤波在观测站数据滤波和预测中具有优越性。     

Kalman滤波在变形监测数据处理中的应用

卡尔曼滤波通过建立状态方程和观测方程来描述系统的动态过程,依据滤波增益矩阵的变化,从测量数据中定量提取有效信息,修正状态参量,利用已有的信息对动态噪声方差阵进行实时估计,从而补偿噪声对数据的影响,有效地提高数据精度。通过用Kalman滤波对郑州某地高层建筑变形监测数据的处理与预测分析,并同多项式拟合方法比较,表明Kalman滤波在处理变形监测数据时具有实时快速、精度高的特点。     

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。     

CORS技术在矿区地表沉陷监测中的应用

简要介绍了CORS系统的技术原理及其应用特点,并通过实例分析了CORS技术用于矿区地表沉陷监测的优势。CORS RTK测量模式大大提高了测量成果的精度和工作效率。     

基于LiDAR的煤矿地表沉陷监测方法研究

传统的矿区地表变形监测获取数据量少、监测周期长、效率不高;结合LiDAR及RTK技术应用到煤矿区地表沉陷监测工作中,进行外业数据采集与内业数据处理,对得到的点云数据和生成的DEM进行煤矿区沉降变形分析,并以贵州某煤矿区为例进行了地表沉陷监测试验,满足精度要求,验证了该方法的可行性。     

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。