利用改进的Kalman滤波算法进行GNSS单历元姿态测量

传统G PS单历元姿态解算中存在没有利用历元间的相互关系以及不能有效抵制粗差影响等问题,而Kalman滤波则可一定程度上解决这些问题。结合稳健估计理论对GPS单历元姿态解算提出了一种改进的Kalman稳健估计算法,通过实验及与传统的最小二乘解算方法相比较,该算法能够较好地消除历元间计算结果中出现的跳变值,使得解算结果更稳健。     

一种考虑随机模型精化的单频单历元算法

研究了一种适合变形监测的考虑随机模型精化的单频单历元算法。分析了单频单历元相位双差观测方程法矩阵的特性;基于吉洪诺夫正则化方法,将秩亏的法方程由秩亏变为满秩,得到模糊度的浮动解及其相应的均方误差矩阵,结合LAMBDA方法可准确地固定模糊度,得到基线向量的单历元解;给出了实时权的计算公式,用实时权代替固定权,提高了解算模糊度的成功率。通过一个3km长的基线算例说明算法的效果。     

基于Kalman滤波的大规模GNSS网参数估计方法

针对传统方法存在的缺陷,研究了利用Kalman滤波技术进行大规模GNSS网参数（主要包括测站位置参数、卫星轨道参数及极移参数）估计的理论方法与关键技术,并利用40个全球均匀分布的IGS站多天的观测数据对理论成果进行了验证。结果表明,本文估计得到的测站位置参数与IGS结果各分量较差的RMS值分别为0.85、1.1、1.21 cm,得到的卫星轨道参数外推1 h后与IGS最终星历各分量较差的RMS值分别为9.8、8.6、7.2 cm,得到的极移参数与IERS结果的较差基本在1 mas之内;该方法具有较高的估值精度,可有效地用于GNSS网各类参数的估计。     

Kalman滤波在似单差方法中的应用

介绍采用似单差法进行变形监测的基本数学模型,在此基础上建立对似单差法解算的变形信息序列进行卡尔曼滤波的算法。利用试验数据对似单差法和Kalman滤波算法的正确性和有效性进行检验。结果表明,卡尔曼滤波有助于提高变形信息序列的正确性、稳定性和可靠性。     

单历元GPS变形监测数据处理方法的研究

讨论了变形监测中ＧＰＳ单历元观测数据处理方法,重点是模糊度搜索空间的构成和搜索,最优解的获得和检验以及利用相位和伪距观测量提取多路径的影响。分析了所提方法的测试结果和处理快速变形所能达到的精度。     

一种适用于小变形监测的单历元单差算法

利用GPS进行变形监测在各个领域中的应用越来越广泛。如何利用GPS的观测数据进行变形量的高精度单历元解算是一个难点。国内学者提出了单历元似单差算法进行小变形的单历元解算,但需要利用其他方法对接收机钟差进行计算。根据站间单差观测方程之间的相关性,可以将接收机钟差之差及其他一些通过站间单差未能消除的未知量作为一个未知参数在单历元观测方程中与变形量一同求解。利用该方法对小变形试验数据的解算结果精度达到了毫米级。     

单历元变形量快速提取算法的实现与分析

单历元解算变形信息是解决实时变形监测问题的有效手段。将高精度基线向量作为已知条件,单历元快速求解变形量,研究并实现了顾及误差改正的单历元变形量快速提取算法,将原有的有效基线解算距离从5 km扩展到了10 km。计算实例表明,该算法可以保证10 km以内的基线解算精度达到毫米级。同时,根据获取的数据初步讨论精度改善效果随距离的变化情况。     

GPS建筑物振动变形监测中的单历元算法研究

充分利用建筑物振动变形监测的特点，提出了一种带变形特征及最大变形量约束条件的单历元算法。实例计算证明，该算法可以极大地缩小单历元模糊度搜索空间，减少候选坐标的计算量，有效地提高解算成功率，而且约束尺度越小成功率与效率越高，尤其是加入以平面或竖直方向变形为主的变形特征约束时，单历元算法的效率越为明显。     

基于小波分析的Kalman滤波动态变形模型研究

对GPS动态形变测量信号的性质进行了分析,采用小波分析对GPS动态变形数据滤波、变形特征提取和不同变形频率分离。与Kalman滤波方法相结合,首次提出基于小波分析的Kalman滤波动态变形分析模型,研究其参数设计和算法,并用MATLAB与C语言在微机上编程实现。对比大坝实测数据的处理结果可知,通过对原始观测值进行小波分析与Kalman滤波的联合处理,能克服只使用单一方法进行GPS数据噪声处理的不足。     

基于自适应 Kalman 滤波的边坡变形预测研究

研究Kalman滤波和自适应Kalman滤波算法,结合边坡监测点的运动模型将其应用于边坡变形监测动态数据变形预测。利用小湾水电站二号山梁高边坡GPS监测数据进行实验研究。结果表明,自适应Kalman滤波在边坡三维形变预测及变形速率估算方面有很好的预测结果。     

卡尔曼计算框架下的通用滤波算法研究与实现

将各种滤波方法统一在卡尔曼计算框架下,该框架包括时间预测和量测更新两个过程.在此框架基础上引入软件设计理论中的开-闭原则进行了通用滤波算法的研究,给出了状态空间模型和卡尔曼滤波计算框架的数据结构设计.它具有良好的灵活性、可扩展性和可插入性,从而简化了新滤波算法的构造和实现.最后给出了一个使用该通用算法的示例程序.     

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。     

基于加速遗传算法的GPS变形监测单历元求解算法

在获取监测点初始坐标的基础上,提出利用一种变区间的二进制编码加速遗传算法(AGA),以模糊函数作为适应度函数,对监测点坐标进行全局最优搜索,当坐标误差小于0.04m时,推算出坐标对双差模糊度的影响为0.3周,取整法即可精确固定双差模糊度.实例证明,该方法具有快速、稳健等特点,有较高的可靠性和实用性,适用于任意变形量的监测项目.     

基于卡尔曼滤波的周跳探测算法

提出一种基于卡尔曼滤波的周跳探测算法.该算法首先利用klman滤波器对载波相位进行滤波处理;然后搜索预报残差中的跳变对异常值(周跳及野值)出现的历元进行定位;最后结合最优固定区间预测方法确定异常值的类型及计算其大小,从而达到周跳修复和野值剔除的目的.该方法一定程度上降低了分段滤波引起的复杂运算,并对不同类型的异常值有很好的探测能力,如连续野值、频繁出现但不连续的野值以及周跳.仿真实例表明:该算法是可行的.     

基于均方误差最小的卡尔曼滤波实用算法

卡尔曼滤波在各种动态数据处理中应用广泛,为了使滤波结果更加接近实际情况,在经典卡尔曼滤波的基础上,提出均方误差作为评价标准的卡尔曼滤波实用算法。通过经典卡尔曼滤波和该算法对数据处理结果的分析,表明该算法的滤波结果更加有效。     

宽巷组合及轨迹约束下的列车在轨动态单历元定位算法

动态单历元定位的一个关键问题是模糊度的正确解算。通过增加约束条件,可提高单历元解算模糊度的可靠性。当接收机沿线路中线运动时,首先根据接收机的伪距差分位置,计算出其大致里程,进而根据该里程处的线路设计数据构造轨迹约束条件。由于宽巷组合波长较长,其模糊度比较容易确定,通过附加轨迹约束条件的阻尼LAMBDA方法首先固定宽巷模糊度。在宽巷模糊度固定后,再次附加轨迹约束来确定L1、L2模糊度,实验结果表明该算法可获得很高的解算成功率。     

卡尔曼滤波地形反演算法的系统方程建模

利用重力梯度反演局部地形可获取较高的反演精度。传统地形反演算法以大尺度离线反演为主,不便于算法移植和与其他系统的组合。研究了利用卡尔曼滤波对潜艇周围局部地形进行反演的方法。重点在地形坡度理论基础上对卡尔曼滤波系统误差方程建模,介绍了详细的推导过程。仿真结果证实了该误差模型的有效性。     

基于卡尔曼滤波的地形反演方法及其仿真研究

推导基于卡尔曼滤波的海底地形反演算法,算法通过利用重力梯度仪测量重力梯度异常,提高地形反演的精度和分辨率.结合地形坡度计算理论和矩形棱柱法,建立基于卡尔曼滤波的系统方程和量测方程.对算法进行仿真,分析地形均值误差、随机误差和梯度仪测量精度对反演精度的影响,最后的区域反演仿真结果表明:反演后的地形在精度和分辨率上都有所提...     

基于非差误差改正数的长距离单历元GNSS网络RTK算法研究

<正>目前网络RTK系统中基准站间距一般为几十千米,基准站的建设不仅成本较高,而且选址要求也比较严格,如优越的观测条件、完善的网络通信和仪器安全等。目前的网络RTK系统一般需要一定的观测时间才能够启动系统和实现流动站定位,不能在单历元确定基准站观测值的整周模糊度和完成流动站厘米级定位。而流动站一般都是采用双差误差改正模型对观测值进行误差改