状态约束卡尔曼滤波的导航定位精度分析

针对满足一些状态约束的线性系统,通常的卡尔曼滤波未能有效利用状态约束信息,从而限制了导航定位解算性能的问题,该文将线性系统的状态约束条件融入卡尔曼滤波中,充分利用状态约束信息,对比分析了准确测量法、估计投影法、系统投影法和滑动时域估计法4种状态约束下的卡尔曼滤波方法,以提高卡尔曼滤波的导航状态估计精度。以陆地车辆导航定位的状态估计为对象,对比分析了非约束卡尔曼滤波和带有状态约束的卡尔曼滤波的状态估计精度,结果表明,状态约束卡尔曼滤波可以明显提高导航定位精度。     

自适应卡尔曼滤波法用于变形监测数据处理

卡尔曼滤波作为一种动态数据处理方法广泛应用在变形监测数据处理中。文中针对传统卡尔曼滤波因动态噪声不准或不容易确定影响结果准确度的问题,提出并探讨了方差补偿自适应卡尔曼滤波,并通过传统卡尔曼滤波和自适应卡尔曼滤波对GPS变形监测数据进行处理,其结果表明方差补偿自适应卡尔曼滤波对GPS变形监测具有很好的剔除噪声的作用,效果明显。     

附有直线约束条件的卡尔曼滤波周跳探测方法

针对卡尔曼滤波用于动态周跳探测精度不高问题,本文通过将直线轨迹约束条件加入标准卡尔曼滤波方程中,从而对卡尔曼滤波方程中的预报值进行修正,来提高动态周跳探测精度。实验结果表明,加入约束后的卡尔曼滤波对于动态周跳的探测精度有相应的提高;约束卡尔曼滤波弥补了标准卡尔曼滤波不能探测连续周跳的缺陷,并且加入约束条件后的卡尔曼滤波收敛速度更快,对动态周跳探测效果有明显提高。     

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。     

噪声相关情况下的卡尔曼滤波

标准卡尔曼滤波公式是基于白噪声推导出来的,在同一时刻状态噪声与观测噪声互相关,相应的卡尔曼滤波公式复杂,计算繁琐.通过改化观测方程的方法,导出一种新型基于噪声相关的卡尔曼滤波公式,并证明标准卡尔曼滤波是噪声相关卡尔曼滤波的一个特例.本文导出的基于噪声相关的卡尔曼滤波公式计算只比标准卡尔曼滤波增加了观测方程改化过程,便于编程计算.     

基于卡尔曼滤波的测量数据处理及研究

卡尔曼滤波方法是一种高效的处理动态数据的方法。近年来,随着其应用领域的扩大,为了克服传统卡尔曼滤波方法的不足,逐渐出现了抗差卡尔曼、渐消记忆卡尔曼、自适应卡尔曼等滤波方法,本文通过对不同卡尔曼滤波方法原理的介绍,归纳总结了三种不同的卡尔曼滤波方法。     

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.     

卡尔曼滤波在山西省西山煤田地面沉降GNSS监测中的应用

本文以山西省西山煤田某一工作面为试验区,在分析地面沉降全球卫星导航系统（GNSS）监测数据特征的基础上,利用两种卡尔曼滤波方法（普通和总体卡尔曼滤波）对矿区地面沉降GNSS监测数据进行了处理与评价,同时对比了两种卡尔曼滤波方法的均方根误差分布情况。试验结果表明,两种滤波方法的滤波结果与观测值趋势大致相同,但存在少数异常点。下沉量越大的监测点,滤波结果与观测值的差异越大,但总体卡尔曼滤波的差异明显小于普通卡尔曼滤波,特别是对于下沉量较大的监测点。下沉量越大的监测点,其均方根误差越大,总体卡尔曼滤增大的速度远小于普通卡尔曼滤波,总体卡尔曼滤波均方根误差的最大值小于0.1 m,普通卡尔曼滤波的则接近0.4 m。     

基于自适应卡尔曼滤波的地表移动变形预报研究

构建自适应卡尔曼滤波预报模型,利用GNSS CORS连续运行实时监测数据,通过自适应卡尔曼滤波预报值、标准卡尔曼滤波预报值及实测数据对比分析,得到自适应卡尔曼滤波预报偏差明显减小,预报精度明显提升,满足了地表移动变形实时监测的精度要求。      

动态EIV模型及其总体卡尔曼滤波方法

针对求解动态EIV模型时未考虑状态方程中状态转移矩阵误差的问题,本文建立了一种能够同时顾及状态方程和观测方程中各量误差的动态EIV模型。推导了针对该动态EIV模型的总体卡尔曼滤波方法及其近似精度评定公式。对比分析了本文总体卡尔曼滤波方法与已有总体卡尔曼滤波方法及总体最小二乘方法的异同。算例结果表明,本文方法统计上要优于标准卡尔曼滤波方法和已有的总体卡尔曼滤波方法。     

一种自适应两阶段卡尔曼滤波算法

当动力学模型存在未知的随机系统偏差时,两阶段卡尔曼滤波要优于标准卡尔曼滤波。两阶段卡尔曼滤波的基础是准确的知道随机系统偏差的统计特性,这在实际过程中是很难做到的。提出了基于新息向量的自适应两阶段卡尔曼滤波。它不仅能够很好的估计随机系统偏差,而且在随机系统偏差的先验统计特性不准确时也能取得良好的效果。最后通过一个仿真算例,验证了自适应两阶段卡尔曼滤波的适用性。     

一种自适应两阶段卡尔曼滤波算法

当动力学模型存在未知的随机系统偏差时,两阶段卡尔曼滤波要优于标准卡尔曼滤波。两阶段卡尔曼滤波的基础是准确的知道随机系统偏差的统计特性,这在实际过程中是很难做到的。提出了基于新息向量的自适应两阶段卡尔曼滤波。它不仅能够很好的估计随机系统偏差,而且在随机系统偏差的先验统计特性不准确时也能取得良好的效果。最后通过一个仿真算例,验证了自适应两阶段卡尔曼滤波的适用性。     

无迹卡尔曼滤波衰减记忆算法研究

无迹卡尔曼滤波算法作为典型的卡尔曼滤波改进算法,有效地解决了线性化时高阶项的舍弃误差和强非线性模型的无法线性化问题。但是常规的无迹卡尔曼滤波对旧的数据和当前数据的利用率是相同的,很容易导致滤波的发散。通过引进衰减因子加强了对当前数据的利用,降低了旧数据对滤波结果的影响。本文基于此提出了衰减记忆无迹卡尔曼滤波算法,并对衰减因子的确定进行了分析。仿真试验分析表明,衰减记忆无迹卡尔曼滤波算法能够提高滤波结果的精度。     

卡尔曼滤波在坝体变形监测中的应用

介绍了卡尔曼滤波算法的基本思想,通过建立卡尔曼滤波模型对某大坝变形监测数据进行处理,结果表明：卡尔曼滤波算法能够有效地减弱随机噪声的干扰,并能较准确地对未来时刻的状态进行预测。     

顾及模型误差的卡尔曼滤波相位解缠

本文提出一种顾及模型误差的卡尔曼滤波相位解缠算法,该算法在卡尔曼滤波的状态空间模型中引入一与误差因素有关的控制变量,对相位误差进行补偿,通过在解缠过程中将卡尔曼滤波增益限制在一定范围内,把误差阻遏在相当小的区域,最后对解缠相位进行卡尔曼滤波平滑操作,减少了误差的传播。分别采用仿真数据和真实InSAR数据进行实验,并与原卡尔曼滤波相位解缠结果进行对比分析,验证了本文方法的有效性。     

有偏卡尔曼滤波及其算法

从理论角度分析了观测矩阵的复共线性对卡尔曼滤波的影响,并在均方误差最小意义下,给出了一种有偏卡尔曼滤波算法。分别对观测矩阵和观测量施加扰动进行了试验和分析,证明观测矩阵的病态性会对卡尔曼滤波估计造成严重危害。数值模拟结果表明,本文算法能够有效改善观测矩阵病态性对卡尔曼滤波估计的影响,提高解算质量。     

一种新的混合迭代UKF

从统计线性回归的角度对无味变换(unscented transformation,UT)进行分析,推导了迭代无味卡尔曼滤波(iterated unscented Kalman filter,IUKF)。针对IUKF计算量大的问题,结合弦线迭代法和IUKF,得到了一种新的混合迭代无味卡尔曼滤波器。数值仿真的结果表明,新滤波算法的精度优于扩展卡尔曼滤波、迭代扩展卡尔曼滤波和无味卡尔曼滤波,并可以有效降低IUKF的计算量。     

自适应卡尔曼滤波在建筑物变形监测中的应用

卡尔曼滤波由于能够实时快速地处理大量的变形数据,并能够预测下一时刻的变化状态等特点,被广泛应用于多个领域的动态数据处理。本文论述了方差补偿自适应卡尔曼滤波模型,将自适应卡尔曼滤波模型应用到光纤光栅动态变形监测上,基于MATLAB编程实现模型的建立并运用该模型对建筑物变形进行分析与预测,取得了较好的效果,证实了方差补偿自适应卡尔曼滤波在滤波和预测方面的可行性。     

卡尔曼滤波在动态测量系统中的应用

文中详细论述卡尔曼滤波的数学模型及其初值确定方法,引入动态测量系统应用实例,通过对数据噪音特性的分析,准确确定了卡尔曼滤波模型,利用matlab编程实现了相应功能。实例分析结果表明,卡尔曼滤波预测精度高,适用于大坝的实时监测与预报。     

改进的卡尔曼灰色模型在隧道沉降预测中的应用

为提高地表沉降预测精度,针对灰色预测模型(GM(1,1))易受随机干扰影响致使预测精度不高的问题,建立了基于卡尔曼滤波的灰色理论预测模型。考虑到沉降量受到温度和时间因素影响较大的特点,将地表的沉降看作时间、温度的相关函数来建立卡尔曼滤波模型,并利用迭代滤波理论和LevenbergMarquardt优化滤波,构建改进的卡尔曼滤波模型。改进的卡尔曼滤波模型与灰色模型相结合,应用于地表沉降预测中,并将改进的卡尔曼滤波灰色模型预测结果与卡尔曼滤波灰色模型的预测结果进行对比。实例计算表明,使用改进的卡尔曼滤波对消除检测数据扰动误差后的数据进行灰色模型预测的精度相比于单纯灰色预测的预测精度更高。