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。     

GPS在应县木塔变形监测网中的应用研究

本文针对应县木结构的古塔变形监测网的建立 ,论述了古建筑建立变形监测网的精度要求 ,并应用 GPS测量新技术与常规大地测量二种不同方法所取得成果进行了内部符合和外部符合的评定。对 GPS新技术能否替代常规大地测量方法建网的可能性进行研究。为 GPS技术用于变形观测领域 ,为及时快速建立与提供监测网的数据找到新的途径。     

基于AR（p）的卡尔曼滤波在GPS变形监测中的应用

由于AR（p）模型结构比较简单且计算比较方便,在变形分析中,目前常采用此模型建立变形模型。然而单纯的AR模型把模型参数作为定值,变形数据拟合误差及变形预测误差可能会比较大。介绍了将卡尔曼滤波引入AR模型,利用观测数据建立AR模型,即建立观测方程;以AR模型的参数为状态向量建立状态方程。从而形成动态系统的卡尔曼滤波函数模型,动态计算出AR模型的参数以便预测。此方法快速、实时,且占有较少内存,充分利用了AR模型和卡尔曼滤波二者的优点。     

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。     

自适应卡尔曼滤波在变形监测动态数据处理中的应用

介绍了卡尔曼滤波技术的基本思路，给出了自适应卡尔曼滤波动态噪声声方差阵∑ｑｋｑｋ补偿法的计算公式，以及在变形监测动态数据处理中的应用。分析了应用中存在的问题及解决途径。通过实例说明了该法用于变形监测预报具有较高的精度。     

GPS变形监测网的动态数据处理

叙述了用卡尔曼滤波方法处理GPS变形监测网的方法。推导了在地平坐标系中的观测方程和动态方程。实际计算结果表明,卡尔曼滤波可以用于GPS变形监测网的数据处理,其滤波估值精度优于静态平差。     

顾及降雨量因子的自适应卡尔曼滤波模型在滑坡变形预测中的应用

滑坡是世界上最主要的地质灾害类型之一.滑坡的监测和防治仍是当前国内外学者研究的重点,尤其是滑坡变形的预测和预报.卡尔曼滤波已广泛应用于滑坡变形监测数据处理中,且自适应卡尔曼滤波已经很好地解决了传统卡尔曼滤波发散的问题.但在分析降雨型滑坡变形的过程中,降雨(地下水位)对滑坡体的影响不容忽视.因此,引入降雨量因子,提出顾及...     

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-灰色组合模型及其在变形监测中的应用

建筑物变形监测数据呈现出典型的时变、非平稳和小样本特征,导致传统单一模型难以获得满意的预测精度。针对该问题,本文提出将卡尔曼滤波与灰色模型结合构建一种组合预测模型。首先利用卡尔曼滤波对原始监测数据进行平滑滤波,对数据中所含随机干扰误差进行动态抑制;之后利用灰色模型拟合数据中隐含的变形趋势信息,从而在小样本情况下获得较长时间的预测能力。基于实际建筑物变形数据开展试验,结果表明：与传统小波分析、灰色模型相比,该方法的预测精度明显提升,并且在小样本情况下具有更高的稳健性。     

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。     

GPS动态定位自适应卡尔曼滤波算法研究

Sage-Husa滤波和强跟踪滤波是2种常规的自适应卡尔曼滤波,有各自的优缺点。综合2种滤波的特点,给出一种抗粗差的修正算法,实验效果比较好,能有效抑制少部分粗差带来的影响,计算结果表明效果比较理想。     

融合小波变换和自适应Kalman滤波在GPS监测中的应用研究

针对自适应卡尔曼滤波只适用于滤除高斯分布的白噪声,本文提出了融合小波变换和自适应卡尔曼滤波的算法。该算法利用小波变换的多尺度分解,将GPS高频的监测时间序列进行多层分解,重构出新的GPS监测时间序列,将其作为新的自适应卡尔曼滤波初始值,进行滤波处理。将融合算法的滤波结果与单一的自适应卡尔曼滤波结果进行对比分析,结果表明融合算法的滤波效果较为显著。同时,对融合算法滤除的噪声信息进行统计分析,结果表明融合算法滤除的噪声符合正态分布,进一步说明了该融合算法的有效性,为GPS的高频率、高精度的监测提供了技术支持。     

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。     

卡尔曼滤波与H∞滤波在INS／GPS组合导航中的应用

组合导航利用惯性导航（INS）和全球定位系统（GPS）较强的非相似性和互补性,将两者组合,可以取长补短,充分发挥各自的优点,提高导航系统性能。利用卡尔曼滤波能够有效提高其精度,但卡尔曼滤波的应用要求函数模型和随机模型已知,符合实际,这在实际应用中是很难保证的,一般都是通过经验信息确定。H滤波则具有很强的鲁棒性,抗干扰性强。通过仿真数据处理,结果表明：H滤波比卡尔曼滤波在噪声特性未知时更适用,精度更高。     

自适应卡尔曼滤波在基坑变形监测中的应用

在现代建筑中基坑越来越深,基坑越深带来的危险就越大,因此准确地监测和预报基坑的变形趋势十分重要。卡尔曼滤波是经典的数据处理方法,但传统卡尔曼滤波所建立的数学模型不是很精确且动态噪音设计不易确定可能导致状态估计失真,甚至导致滤波发散的现象,本文利用方差补偿自适应卡尔曼滤波理论对太原万达广场某商住楼基坑位移监测数据进行处理,得出基坑位移变化趋势。     

监测水准网的滤波方法

监测水准网可采用一个线性动态系统——具有随机初始状态并带有随机动态干扰的状态方程和观测方程来描述,并运用卡尔曼滤波的方法进行状态估计。本文首先讨论了有关系统模型和滤波计算的实用公式,进一步考虑到卡尔曼滤波公式中对动态噪声与测量噪声所假定的完全的验前统计知识并不能精确得知的实际情况,提出了一种改进的卡尔曼滤波方法,即以方差分量估计原理为基础的自适应滤波方法。它还具有限制模型误差(包括初始状态误差),增强滤波稳定性的效用。文中最后通过对某复测水准网的实例计算和分析,初步证实了所提方法的可行性与有效性。     

Adaptive Kalman Filtering for INS/GPS

After reviewing the two main approaches of adaptive Kalman filtering, namely, innovation-based adaptive estimation (IAE) and multiple-model-based adaptive estimation (MMAE), the detailed development of an innovation-based adaptive Kalman filter for an integrated inertial navigation system/global positioning system (INS/GPS) is given. The developed adaptive Kalman filter is based on the maximum likelihood criterion for the proper choice of the filter weight and hence the filter gain factors. Results from two kinematic field tests in which the INS/GPS was compared to highly precise reference data are presented. Results show that the adaptive Kalman filter outperforms the conventional Kalman filter by tuning either the system noise variance–covariance (V–C) matrix `Q' or the update measurement noise V–C matrix `R' or both of them. Received: 14 September 1998 / Accepted: 21 December 1998     

Kalman滤波模型误差的修复

基于预测残差分析和滤波误差估计,提出了一种新的Kalman滤波模型误差的修正方法。该方法在预测残差分析的基础上,利用观测模型误差和动力学模型误差的相互影响,基于滤波误差估计,从修正观测模型入手,有效地消除了以往历元所有观测模型误差和动力学模型误差对当前历元滤波值的影响。GPS动态导航模拟实验表明,该方法不仅有效地消除了整个Kalman滤波模型误差的影响,而且结果比较理想。