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。     

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。     

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。     

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。     

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。     

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.     

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.     

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。     

一步相关卡尔曼滤波估计

传统的Kalman滤波方法只适用于白噪声数据处理,然而在实际应用中,数据噪声多为有色噪声,使得Kalman滤波精度和适用性受到严重制约。针对该问题,顾及有色噪声相邻历元间的相关性特性,本文提出一种有色噪声的一步相关卡尔曼滤波算法。数值仿真结果表明,本文所提算法能有效减弱有色噪声对卡尔曼滤波的影响,其滤波精度较传统的卡尔曼滤波方法有显著提高。     

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.     

基于空域最小二乘法求解GOCE卫星重力场的模拟研究

本文论述了最小二乘过程中有色噪声的处理方法,提出使用AR模型对GOCE梯度观测值中的有色噪声进行时域滤波,数值模拟结果验证了该方法的有效性。利用数值模拟验证了直接求逆方法和PCCG法求解大型法方程的有效性,后者的效率远远高于前者。联合加入噪声（有色噪声和白噪声）的卫星重力梯度张量径向分量观测值Vzz和SST观测值,分别使用空域最小二乘法和SA方法恢复了180阶全球重力场模型,前者求解重力场模型的大地水准面和重力异常在180阶次的精度分别为3.01cm和0.75mGal,优于SA方法求解模型的精度。     

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。     

有色噪声观测量的逐次静态滤波与配置

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,用白噪声逐次滤波公式进行滤波计算.有色噪声观测值的逐次静态滤波理论可用于GPS数据处理.GPS载波相位观测值经过测站间、卫星间、历元间的3次差分计算,消除了大部分误差和整周模糊度,并使周跳成为孤值,但是相邻历元间隔的三差观测值误差相关造成其协方差阵呈现出分块三对角阵,使所求矩阵占据的时间和内存太大.利用有色噪声观测值的逐次静态滤波的理论,可消去相关性,减少计算时间和内存.这种顾及三差观测值的相关性的算法是严密的.     

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。     

水文变化语义约束的实时水位观测数据流在线滤波方法

受外界环境和仪器设备等的影响,实时水位观测数据流噪声和数据异常问题突出,严重制约了实时应用效能。针对已有数据清洗方法适应性差,难以根据动态观测数据的变化特征进行动态调整问题,本文提出了一种水文变化语义约束的实时水位观测数据流在线滤波方法:在实时水位观测数据变化特征与水文时空过程动态演变规律之间建立高层语义映射,实现水文变化语义知识约束下的卡尔曼模型参数自适应调整,从而突破传统滤波方法的瓶颈。采用多种降雨情景下的实时水位观测数据进行了试验,证明了该方法结果质量的可靠性。     

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.     

改进的Sage—Husa自适应滤波在GPS动态导航定位中的应用

本文利用Kalman滤波方法对动态测量进行数据处理,由于高动态的GPS测量,不易确定系统动态噪声和观测噪声.同时标准的Kalman滤波在应用过程中由于状态模型确定的误差存在,滤波效果不佳.因此本文结合动态导航的实时性和高动态性,建立了动态导航系统中滤波状态方程和观测方程,采用改进的Sage-Husa自适应滤波对来进行实时定位数据处理,利用已有测量数据进行了实例分析.改进的Sage-Husa自适应滤波在计算过程中计算量小,结果稳定,有较强的自适应性.