基于当前加速度模型的抗差自适应Kalman滤波

动态导航与定位的质量取决于对动态载体扰动和观测异常扰动的认知和控制。首先介绍机动载体的当前统计模型,分析该模型存在的问题,提出一种基于“当前”加速度模型的抗差自适应卡尔曼滤波算法。跟以往建立的自适应KALMAN滤波进行比较,计算结果表明,该算法不仅可以提高滤波器的精度,而且更能有效地控制观测异常和动态扰动异常对导航解的影响,使导航解更能反映导航系统的真实情况。     

结合卡尔曼滤波的城市路段速度估计

本文以城市出租车为浮动车数据采集源,介绍了基于GPS数据的实时路段速度估计的基本方法。针对目标路段GPS数据样本量不足的情况,考虑邻近区域的路段速度、上周同日速度、前一时刻速度等与目标路段当前时刻速度等密切相关的变量,建立多元线性回归方程,利用卡尔曼滤波融合预测值和测量值,从而提高路段行驶速度的估计精度。选择广州市东风路作为测试实例,融合值比测量值误差降低9%,绝对相对误差变动系数减少4%,表明结合卡尔曼滤波技术的城市路段速度估计精度和稳定性均得到提高。     

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。     

一种UKF与PF相结合的相位解缠算法

针对干涉相位图解缠问题,该文提出一种基于掩膜图的无损卡尔曼滤波与粒子滤波相结合的相位解缠算法,并结合基于AMPM局部相位梯度估计技术快速和精确地从复干涉相位图中获取相位梯度等信息以及最大堆排序算法从高质量像元到低质量像元的路径快速地搜索最佳待解缠像元,减少在路径跟踪过程中所消耗的时间。该文算法不仅可以高效、精确地在相位解缠的同时进行干涉图滤波,降低前置预滤波器的难度与复杂度,甚至可以在解缠高信噪比干涉相位图时免去预滤波的过程,而且在一定程度上能将相位解缠误差限制在低质量像元区域,减少误差传递效应,提高相位解缠的精度,在实测数据和模拟数据实验结果中表明:比现有的传统算法如枝切法等InSAR干涉相位解缠算法有更高的精度和稳健性。     

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。     

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。     

多星座组合精密动态定位的抗差扩展Kalman滤波方法研究

扩展Kalman(EKF)滤波算法可有效地进行多卫星系统数据融合处理,但该方法对观测数据的质量要求较高,当观测出现异常时,传统的扩展Kalman方法容易导致滤波失真。为此,利用实测数据,通过虚拟掩模遮挡卫星模拟复杂的GNSS观测环境,研究了基于IGGIII的抗差EKF算法,确定了分位参数的合理经验值,并对其在GPS/GLONASS/BDS组合精密动态定位中的应用进行了分析。结果表明,在遮挡严重的复杂观测环境中,抗差EKF算法可有效地提高组合定位系统的模糊度的固定成功率和定位精度。     

Unscented Kalman filter with nonlinear dynamic process modeling for GPS navigation

This paper preliminarily investigates the application of unscented Kalman filter (UKF) approach with nonlinear dynamic process modeling for Global positioning system (GPS) navigation processing. Many estimation problems, including the GPS navigation, are actually nonlinear. Although it has been common that additional fictitious process noise can be added to the system model, however, the more suitable cure for non convergence caused by unmodeled states is to correct the model. For the nonlinear estimation problem, alternatives for the classical model-based extended Kalman filter (EKF) can be employed. The UKF is a nonlinear distribution approximation method, which uses a finite number of sigma points to propagate the probability of state distribution through the nonlinear dynamics of system. The UKF exhibits superior performance when compared with EKF since the series approximations in the EKF algorithm can lead to poor representations of the nonlinear functions and probability distributions of interest. GPS navigation processing using the proposed approach will be conducted to validate the effectiveness of the proposed strategy. The performance of the UKF with nonlinear dynamic process model will be assessed and compared to those of conventional EKF.     

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。     

非线性自适应抗差滤波定轨算法

讨论了应用卡尔曼滤波进行卫星精密定轨所遇到的一些问题,提出了一种新的非线性自适应抗差滤波定轨算法。该方法首先采用非线性滤波来提高定轨精度,避免了模型线性化误差的影响。另外,采用双因子方差膨胀模型来自适应地调节观测噪声的协方差阵,以控制观测异常对定轨结果的影响;通过自适应因子实时调节状态噪声协方差阵,以降低状态异常对定轨结果的影响。通过CHAMP卫星定轨计算,验证了新方法的可行性和有效性。     

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。     

单频RTK动态解算的卡尔曼滤波算法研究

本文针对单频RTK提出了一种快速动态定位卡尔曼滤波算法,该方法使用C码和L1观测值,用模型改正对流层干延迟,双差大气延迟分解为测站大气天顶延迟和投影函数,与流动站位置以及站间单差模糊度组成观测方程进行卡尔曼滤波,得到单差模糊度浮点解及方差阵,通过星间求差得到双差模糊度浮点解及方差阵,结合MLAMBDA方法实时动态确定模糊度。经实测数据和IGS站数据验证该算法具有较好定位结果。     

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.     

UKF滤波器性能分析及其在轨道计算中的仿真试验

讨论了UT(unscented transform)变换的性质,给出了一种新的扩展型卡尔曼滤波器UKF(unscentedKalman filter),它不仅具有较高的精度,而且不必计算偏导数阵。仿真分析的结果表明,UKF有良好的状态估计性能,使用简便,适合于非线性系统状态估计。     

卡尔曼滤波在GPS数据预处理中的应用

为了提高GPS数据预处理过程中基线解算的精度,文章研究利用多项式拟合法得到Kalman滤波的系统状态方程和转移矩阵,提出利用Kalman滤波算法对三差观测值进行粗差及周跳的修复。实验结果证明Kalman滤波可以对含噪信号进行有效的降噪,经降噪后的信号具有更好的分布。     

Consideration of time-correlated errors in a Kalman filter applicable to GNSS

An algorithm for considering time-correlated errors in a Kalman filter is presented. The algorithm differs from previous implementations in that it does not suffer from numerical problems; does not contain inherent time latency or require reinterpretation of Kalman filter parameters, and gives full consideration to additive white noise that is often still present but ignored in previous implementations. Simulation results indicate that the application of the new algorithm yields more realistic and therefore useful state and covariance information than the standard implementation. Results from a field test of the algorithm applied to the problem of kinematic differential GPS demonstrate that the algorithm provides slightly pessimistic covariance estimates whereas the standard Kalman filter provides optimistic covariance estimates.     

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。     

基于小波降噪的Kalman滤波预报卫星钟差

卫星钟差预报在实时高精度导航定位中具有重要作用,Kalman滤波模型是预报卫星钟差的重要方法之一。为了进一步提高Kalman滤波模型预报卫星钟差的精度,本文提出了基于小波降噪的Kalman滤波模型预报卫星钟差。该模型使用小波降噪后数据,在保留Kalman滤波模型特点的基础上,明显地提高了短期卫星钟差预报精度。     

扩展卡尔曼滤波的安卓手机定位算法研究

随着手机定位的应用越来越多,目前市场中许多APP(Application)都会用到定位功能.但多数APP使用传统的定位算法,不能满足人们实时获取高精度地理位置信息的需求.现阶段对于手机的全球定位系统(GPS)芯片原始数据定位方法的研究较少,因此本文主要对利用手机GPS原始数据定位的可行性及定位算法进行了研究.利用Android 7.0系统提供的应用程序接口获取GPS芯片的原始数据参数,根据手机实用场景的速度特征,分别设计并实现了针对于静态场景的静态卡尔曼滤波和针对低速场景的动态卡尔曼滤波定位算法.通过静态实验以及电动车实验和步行实验的结果表明:与传统的定位算法相比,本文设计的静态卡尔曼滤波和动态卡尔曼滤波定位算法拥有更好的定位结果,更加接近实际行走路线,证明了利用手机GPS原始数据定位的可行性,同时也证明了设计的卡尔曼滤波算法可以提高定位精度,论文的研究结果为实现静态与动态的高精度手机定位算法提供了理论依据.     

卡尔曼滤波在滑坡监测中的应用

针对滑波变形的特点,将滑坡体上的监测点视为一运动点场,提出一种以运动方程为核心、以卡尔曼滤波技术为工具的变形观测数据处理方法,使滑坡的预报成为可能.