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。     

基于噪声估计的卡尔曼滤波用于GPS卫星钟差预报研究

利用重叠哈达玛方差确定卫星钟噪声随机模型,采用顾及钟差随机噪声模型的卡尔曼滤波进行钟差预报分析,并与最小二乘预报算法相比较,得出以下结论:卡尔曼滤波进行1 d以内的短期预报时,精度达到亚纳秒级,优于最小二乘预报算法,在长期预报或拟合数据量较少时,最小二乘预报精度优于卡尔曼滤波。     

两种滤波方法在SINS／GPS组合导航中的应用与比较

针对SINS／GPS组合导航系统中卡尔曼滤波发散的情况,引入了自适应滤波和H∞滤波,分析了它们各自的特性,最后进行仿真计算,验证了这两种滤波用于SINS／GPS组合导航系统的可行性和有效性,对实际应用中组合导航系统滤波器的设计具有一定的指导意义。     

两种滤波方法在SINS/GPS组合导航中的应用与比较

本文针对SINS/GPS组合导航系统中卡尔曼滤波发散的情况,引入了自适应滤波和H∞滤波,分析了它们各自的特性,最后进行仿真计算,验证了这两种滤波用于SINS/GPS组合导航系统的可行性和有效性,对实际应用中组合导航系统滤波器的设计具有一定的指导意义.     

基于椭球GPS/DR导航模型的鲁棒滤波研究

为了获得更精确的运动物体的数学模型,本文建立了GPS/DR组合导航系统的椭球模型,并将含参模型转化为不确定性参数滤波模型,并利用鲁棒卡尔曼滤波算法和鲁棒H∞滤波算法进行了仿真,从滤波的稳健性和效率两个方面进行了分析,得出在椭球GPS/DR导航模型下,鲁棒H∞滤波算法比鲁棒卡尔曼滤波更符合工程实际应用的滤波方法。     

基于GNSS天线阵列的定姿方法研究

针对车载移动测量系统对运动载体姿态的确定,研究车载全球卫星导航系统(GNSS)天线阵列定姿方法,分析直接法和最小二乘法定姿的姿态解算公式,并进行GNSS天线阵列车载实验.为得到两种定姿方法的精度,在不同软件定位模式解算的基础上,利用直接法和最小二乘法进行了姿态解算.实验和分析结果表明:四天线阵列最小二乘法定姿精度优于三天线阵列直接法,可靠性更高;在所有组合中,基于Moving-base定位模式的四天线阵列最小二乘法定姿精度最高,其航向角、俯仰角和横滚角精度分别可达0.066 0°、0.168 4°和0.267 8°.     

时差法求纬度（作业方法和计算方法）

本文应用了最小二乘法和卡耳曼滤波法；并通过采用“时差”法求测站的天文纬度，将这两种方法加以比较。     

基于GPS测量资料的环渤海区域地壳运动模型建立

针对建立区域性地壳运动模型的迫切需要,本文使用"中国大陆构造环境监测网络"GPS监测数据,利用欧拉矢量、局域欧拉矢量和最小二乘配置法三种方法建立环渤海地区地壳运动模型,对比分析各自的精度和特点,最后利用最小二乘配置方法建立了1°×1°环渤海地区速度场模型。实验结果表明:局域欧拉矢量的方法在小区域范围内,相对于欧拉矢量方法能更加有效地拟合插值点运动速度;最小二乘配置模型对比传统欧拉矢量建立的刚性模型,拟合精度更高。     

病态加权总体最小二乘平差的岭估计解法

采用岭估计法处理加权总体最小二乘平差的病态性问题,推导了相应的求解公式及均方误差评定精度的方法,定义了病态加权总体最小二乘平差中的模型参数分辨矩阵,并讨论了岭参数的含义及其作用,给出了确定病态加权总体最小二乘岭估计中岭参数的岭迹法、广义交叉核实法和L曲线法。算例计算了普通最小二乘、普通总体最小二乘的结果,并比较了三种确定岭参数的方法在处理病态加权最小二乘岭估计和病态加权总体最小二乘岭估计中的优缺点。     

航空重力测量数据向下延拓的改进Poisson积分迭代法

目前,航空重力测量是快速获取陆地和近海区域高精度、高分辨率重力场信息的非常有效的技术手段,向下延拓则是其数据处理中的关键环节,直接影响到测量结果的进一步应用。本文在对传统最小二乘法、改进最小二乘法、Tikhonov正则化法等延拓模型进行数值分析的基础上,根据调和函数的基本特性,提出并建立了Poisson积分迭代法和改进Poisson积分迭代法延拓模型。实测航空和地面重力测量数据的试验结果表明,本文新建的Poisson积分迭代法和改进Poisson积分迭代法延拓模型精度相当,比传统最小二乘法延拓模型精度提高了15.26 mGal,比改进最小二乘法延拓模型精度提高了0.21 mGal,比Tikhonov正则化法延拓模型精度略低0.13 mGal,从而证明了本文所建模型的正确性和有效性。     

GPS动态定位数据处理模型的比较研究

The characteristics of three GPS kinematic data processing models, Least Squares （LS）, Kalman filtering and filtering are discussed and their advantages and disadvantages are compared. With observational data and pertinent data processing software, the applicable condition, context and effect of the three models are experimented. Results show that when the mobile platform is in uniform motion, the accuracy of the three models are almost equal; when the mobile platform is in stochastic acceleration, the accuracy of H∞ filtering model is superior to that of LS, while that of Kalman filtering is the worst.     

BDS/GPS短期ISB建模和预报的Kalman滤波方法

ISB是多系统PPP数据处理中必须要考虑的一项误差,因此有必要对BDS/GPS短期ISB建模和预报进行研究。为了提高ISB预报精度,针对等权LS(least square)估计ISB模型参数时忽略了拟合数据权重不同的问题,提出了采用Kalman滤波对模型参数进行估计,并根据ISB拟合数据距预报时刻的远近调整Kalman滤波拟合数据的方差。本文采用7d的ISB数据进行建模,根据所建模型预报第8天的ISB值,并对预报精度和定位结果进行了验证。进行试验的4个测站Kalman拟合模型的ISB预报精度比LS拟合模型分别提高了29.7%、11.5%、43.5%和32.0%。采用Kalman拟合模型的ISB预报值作为先验约束,PPP平均定位精度在E和U方向上比采用LS拟合模型预报值分别多提高了2.7%和0.9%,比不加ISB先验约束在E、N、U方向分别提高了10.6%、26.3%和3.4%。     

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.     

基于Kalman滤波的高耸建筑物沉降预测模型研究

为了提高高耸建筑物沉降监测数据的可信性与实时预测的准确性,利用小波分析与Kalman滤波在数据处理方面的优势,采用小波分析先对沉降数据进行去噪,并采用Kalman滤波理论进行预测。通过实验数据的对比分析,结合小波去噪分析与Kalman滤波理论对原始沉降变形量进行沉降预测,能克服只使用单一Kalman滤波方法进行沉降预测中噪声处理的不足,验证了小波分析及结合Kalman滤波理论进行沉降预测的可行性,且预测精度比较高。     

矿山开采变形观测的动态数据处理

根据随机介质理论可以导出开采引起的地表动态变形表达式。本文利用该式建立了适合动态数据处理的两种滤波模型,并把变形表达式中各参数扩充为滤波模型中的状态向量同时进行估计。两种模型的动态预报精度均高于传统方法,其中自适应模型更能明显改善预报精度。     

利用固定模糊度的动态精密单点定位算法

首先,采用序贯最小二乘法计算无电离层组合观测值的模糊度;然后,固定宽巷组合模糊度;再固定窄巷组合模糊度;最后,得到无电离层组合观测值的模糊度最终解。谱密度的取值影响状态参数预测值的协方差矩阵元素的大小,因此,采用自适应滤波进行处理。利用机载GPS数据进行验证,结果表明,与其他方案相比,利用固定模糊度的自适应滤波加快了收敛速度,提高了动态精密单点定位的解算精度;无论谱密度取何值,自适应滤波都能够得到较稳定的解。     

大坝监测资料的时变Kalman预测模型

基于对大坝监测资料预测模型时变性的要求,在模型LS参数求解过程中引入遗忘因子,提出了能够实现模型参数实时更新的IWRLS算法。在此基础上,为使预测模型体现物理含义的同时实现滤波操作,在Kalman滤波方程组中融入统计模型、ARMA等多种方法,由此建立了考虑白色观测噪声的时变Kalman预测模型。实例分析表明,时变Kalman模型拟合及预测精度均优于传统统计模型,为大坝监测资料的预测分析提供了新思路。     

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。     

自适应卡尔曼滤波高铁沉降观测数据处理模型研究

在介绍国内外高铁沉降数据处理方面的研究现状的基础上,依次阐述了包括回归分析法、人工神经网络、灰色系统理论和时间序列分析法在内的经典沉降数据处理方法,着重讲解了标准卡尔曼滤波理论及其相关公式,介绍了两种自适应卡尔曼滤波理论:方差分量估计AKF、方差补偿AKF。本文针对某具体工程实例,分别基于MATLAB平台编写了一套标准卡尔曼滤波程序和一套自适应卡尔曼滤波程序,并运用程序对其作了相关分析。通过对比分析,证明了自适应KF的优越性,并得到一套在处理实际问题时具有一定可行性的模型。