顾及时间相关噪声的单频GPS精密单点定位

扩展Kalman滤波(EKF)常常被用于单频GPS精密单点定位。Kalman滤波的前提假设之一是观测噪声为白噪声,即时间不相关,这在实践中往往不能满足。因为单频GPS观测值中包含有很难被完全消除的电离层、对流层等大气折射误差,以及多路径影响误差。这些误差在时间上是相关的,严重地影响了滤波解的精度和收敛时间。这里提出一种顾及时间相关噪声的Kalman滤波,在移动窗口内,利用核估计预测时间相关噪声的系统部分,进而实时修正当前历元的观测值和观测向量的协方差矩阵。该方法还有一个明显的优点就是,在滤波过程中不需要对时间相关误差做任何假设。最后通过一个实测算例验证了该算法的适用性。     

顾及时间相关噪声的单频GPS精密单点定位

扩展Kalman滤波(EKF)常常被用于单频GPS精密单点定位.Kalman滤波的前提假设之一是观测噪声为白噪声,即时间不相关,这在实践中往往不能满足.因为单频GPS观测值中包含有很难被完全消除的电离层、对流层等大气折射误差,以及多路径影响误差.这些误差在时间上是相关的,严重地影响了滤波解的精度和收敛时间.这里提出一种顾及时间相关噪声的Kalman滤波,在移动窗口内,利用核估计预测时间相关噪声的系统部分,进而实时修正当前历元的观测值和观测向量的协方差矩阵.该方法还有一个明显的优点就是,在滤波过程中不需要对时间相关误差做任何假设.最后通过一个实测算例验证了该算法的适用性.     

GPS多路径误差滤波方法比较研究

基于GPS多路径时间序列,分别采用Vondrak滤波、经验模式分解(EMD)和小波滤波3种方法构建了GPS多路径误差修正模型,并将其用于削弱多路径效应.通过对模拟数据及实测数据的分析表明,3种方法都能有效地分离不同噪声水平下时间序列中的信号和噪声.同时,利用3种方法构建的多路径修正模型可有效地削弱多路径效应的影响,提高GPS定位精度,但3种方法的优缺点各有不同.     

一种Kalman滤波系统误差及其协方差矩阵的半参数估计方法

提出用半参数估计理论来解决系统误差对Kalman滤波解的影响问题。即用半参数模型中的非参数分量表达观测模型和动力学模型中未知的系统误差,在移动的窗口内,基于观测残差和状态向量预测残差拟合模型系统误差,进而修正相应的观测向量和状态预测向量的协方差矩阵,以消除系统误差对滤波的影响。同时这种方法还有明显的优点,就是在滤波过程中不需要对系统误差做任何假设。文中推导了基于正则核估计来解算导航系统半参数模型的相应公式,并根据一个模拟的算例,证明了算法的有效性。     

一种基于交叉证认技术的自适应小波变换及其在削减GPS多路径误差中的应用

多路径效应影响是目前限制GPS定位精度进一步提高的瓶颈。提出用交叉证认技术自动识别小波分解的信号层,再通过小波重构实现降噪和信号提取,并将该方法应用于GPS多路径误差的削减中。对模拟数据和实际GPS观测资料的分析表明,该方法能合理分离不同噪声水平下资料序列中的信号和噪声;当噪声水平小于信号振幅的一半时,能成功分离资料序列中的高频信号。同时,运用该方法得到的多路径改正模型和GPS多路径效应的重复性,可有效地削弱多路径效应的影响,提高GPS定位精度。     

一种利用增广参数Kalman滤波的GPS多路径效应处理方法

提出了一种基于增广参数Kalman滤波的多路径效应系统误差估计方法,将系统误差作为状态参数,并对其建立一阶AR模型,同时利用多路径重复性特性,更新多路径误差改正模型,在一定程度上解决了固定多路径误差模型随着时间推移重复性减小而有效性降低的问题,并利用16d实测数据例证了本方法具有一定的可行性和有效性。     

CVVF方法用于GPS多路径效应的研究

将交叉证认法与Vondrak数字滤波器相组合,提出一种分离测量资料中信号与噪声的新方法,即CVVF方法,并将该方法用于GPS多路径效应的研究中.对数字模拟试验和实际观测资料的分析表明,该方法能最大限度地削弱测量的随机误差,使资料序列中的信号和噪声合理分离.同时,利用GPS多路径效应周期性重复的特性,可有效地削弱多路径效应对观测结果的影响,从而提高GPS定位精度.     

GPS多路径重复性试验研究

信号衍射和多路径效应是限制GPS定位精度进一步提高的瓶颈,观测中两者往往同时存在。衍射效应具有不完全重复的特性,为了研究多路径重复性并使其不受信号衍射的影响,本文提出先应用SIGMA-Δ信噪比加权模型削弱信号衍射的影响,再运用改进恒星时滤波法分析多路径重复性。实验观测资料分析表明,SIGMA-Δ模型能有效削弱衍射信号对定位结果影响,并且保留主要的多路径信号;而改进恒星时滤波法能适应测站周围多路径环境的变化,从而最大限度地削减多路径误差。两者组合比传统的恒星时滤波更能有效提高GPS的动态定位精度。     

基于交叉证认的EMD滤波及其在GPS多路径效应中的应用

利用交叉证认的方法,提出一种新的基于EMD滤波去噪方法,并将其应用于GPS多路径效应的研究中。通过模拟实验及实测数据分析表明,该方法能够自适应地选择IMF中的信号层数,削弱随机噪声,合理地分离信号和噪声。利用该滤波方法去噪并建立具有重复性的多路径误差效应改正模型,可有效地削弱多路径效应的影响,进而提高GPS动态变形监测的精度。     

自适应滤波在GPS测速中的应用

GPS定位以及测速误差中包含有卫星星历误差、电离层、对流层延迟以及多路径效应等多种误差,对GPS的测速精度有着十分重要的影响,减小其误差的一种重要的方法即为卡尔曼滤波。由于GPS测速难以确定动态噪声和观测噪声,因此,标准卡尔曼滤波往往不能时时满足假设条件,而致发散。采取自适应的滤波方法对其进行改进并进行了比较,取得了较好的结果。