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。     

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。     

基于增量Kalman滤波的GPS多路径效应系统误差研究

在GPS高精度定位应用中,由于多路径效应系统误差影响,将会很大程度上影响Kalman滤波估计值的精度和可靠性,但是在实际应用中相邻2个观测向量的多路径系统误差大小比较接近,那么相邻观测向量之差即观测向量增量中所含的系统误差较小,其能够满足Kalman滤波观测噪声为白噪声的假设条件。文中基于增量Kalman滤波方法对于GPS多路径效应系统误差进行研究,并以具体实例例证该方法所具有的可行性和有效性。     

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。     

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。     

动态Kalman滤波模型误差的影响

动态Kalman滤波模型误差的影响与静态平差模型误差影响不同。它包括观测异常误差影响和动力学模型异常的影响。本文分别讨论了观测异常误差和动力学模型异常误差对当前历元滤波结果的影响及对后续历元滤波结果的影响;构建了异常误差影响表达式,并对各类异常误差的检测方法进行了分析。     

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。     

GPS导航中的抗差自适应Kalman滤波算法

GPS导航与定位的质量取决于对动态载体函数模型和随机模型的认知。本文首先基于机动载体的当前统计模型 ,设计了离散系统的Kalman滤波器 ,进而基于方差分量估计给出了一种适合GPS动态定位的抗差自适应卡尔曼滤波算法。该算法模型简单 ,实时性好。实测数据计算结果表明 ,滤波导航解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目标的真实情况     

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滤波异常误差检测

为检测动态导航观测异常和动态模型异常误差，本文利用状态方程预测残差二次型构造了整体误差检验法，即观测误差和动力学模型误差整体检验法；讨论了三种观测异常检测法，即以模型为基准的观测异常检验，以当前历元可靠观测为基准的异常检验，以状态Kalman滤波估值为基础的观测异常检验；分析了三种动力模型异常检测法，即状态不符值检验法，以状态参数Kalman滤波估值为基础的动力模型误差检验法，以可靠观测为基础的动力模型误差整体检验法。并对这几种异常检测法进行了简单分析。     

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。     

基于集合卡尔曼滤波动态优化CA模型参数的方法

传统元胞自动机(CA)模型的转换规则不随模拟过程的时间和空间而变化,难以模拟和表达非线性地理过程.提出基于集合卡尔曼滤波(EnKF)动态优化CA模型参数的方法,以提高模型对复杂地理过程模拟的适应能力.通过引入集合卡尔曼滤波到CA模型中,将模型参数与模型状态整合成一个联合状态矩阵(joint state matrix).再把该矩阵与观测数据输入到EnKF更新方程中,计算出新的参数值,并自动更新到模型中,从而实现动态调整模型运行轨迹,以更好地适应城市发展的过程模拟.将此方法应用于东莞市的城市模拟试验中,优化后的CA模型能在单参数和多参数优化中正确地调整模型参数,使其迅速地收敛于真值并趋于平缓,也能降低模型误差并获得更好的模拟结果.     

顾及地形因素的卡尔曼滤波相位解缠算法

相位解缠是InSAR进行数字高程模型提取和地表形变测量的关键步骤.提出一种顾及地形因素的卡尔曼滤波相位解缠算法.该算法通过在卡尔曼滤波的状态空间模型中引入与地形因素相关的输入控制变量来实现.由于干涉条纹直接反映地形的变化起伏,局部条纹频率与局部地形坡度密切相关,考虑采用局部条纹频率估计作为输入控制变量.在局部频率估计中...     

基于自适应卡尔曼滤波的高层建筑物沉降预测模型研究

由于传统卡尔曼滤波处理实时动态数据中所建立的数学模型不精确或动态噪声特性不准确,导致状态估计失真,甚至导致滤波发散的现象。为了提高高层建筑物沉降监测实时预测的准确性与可靠性,克服传统卡尔曼滤波进行沉降预测中噪声的不足,本文采用方差补偿自适应卡尔曼滤波理论进行分析预测,并通过实测数据对比分析,验证了方差补偿自适应卡尔曼滤滤波理论进行沉降预测的可行性,且预测精度较高。     

Kalman滤波在测量数据处理中的应用研究

论述了Kalman滤波在测量数据处理与分析中的可行性,推导出与在测量中应用相当广泛的最小二乘法关系,进一步导出Kalman滤波动态模型[1]。并通过对算例进行计算、分析,取得可靠结果,从而验证了Kalman滤波方程在测量数据处理中的有效性、实用性[4]。     

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。     

动态定位有色噪声影响函数--以一阶AR模型为例

动态定位的精度和可靠性除受观测偶然误差和系统误差的影响外，还受时间相依的有色噪声的影响。任何基于高斯白噪声假设而忽略实际有色噪声影响的数据处理理论和方法均不能保证估计结果的实际可靠性。基于动态数据处理的2种主要方法，即序贯平差法和Kalman滤波法，将有色噪声分为有色观测噪声和有色状态噪声分别进行讨论。结果表明，有色噪声对状态参数的影响是明显的，由影响函数所计算的结果是可靠的。     

基于卡尔曼滤波模型的地铁沉降监测分析

卡尔曼滤波方法是变形监测中常用的一种方法,本文通过对获取的地铁沉降观测数据进行监测,采用经典的卡尔曼滤波方法和基于方法补偿的自适应卡尔曼滤波方法进行监测预估,通过对比发现,基于方差补偿的自适应卡尔曼滤波方法能够有效地控制观测数据异常对动态系统参数估计的影响,保证了变形监测数据估计的精度。     

基于Kalman滤波的GNSS单历元模型算法实现

GNSS技术是目前变形监测常用的一种技术手段,它具有远程、全天候及自动化测量等特点,但其测量数据的精度直接影响到变形监测数据的质量及可靠性.本文结合Kalman滤波技术,提出一种基于Kalman滤波的GNSS单历元模型.实验结果证明该模型的滤波精度符合预期精度要求,用于消除或抑制GNSS各项误差对观测质量的影响是可行的.