卡尔曼滤波粗差修正方法应用

基于标准卡尔曼滤波,提出对含有粗差的观测值进行整体修正和局部修正。最后,通过工程实例验证,两种修正方法均能够有效抵抗粗差的影响,并可获得比标准卡尔曼滤波更准确的滤波结果。     

基于模糊理论的抗差Kalman滤波算法

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质量。在实践中,观测向量及其动态模型信息均可能存在异常,此时若仍利用标准Kalman滤波,则状态滤波解将极不可靠。在标准Kalman滤波原理的基础上,结合模糊控制理论,提出了一种基于模糊理论的抗差Kalman滤波算法。该方法是依据滤波处理后的数据残差,利用模糊理论构造等价权,从而有效控制粗差对导航解的影响,并用算例验证了该方法的可行性和有效性。     

基于模糊理论的抗差Kalman滤波算法

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质量.在实践中,观测向量及其动态模型信息均可能存在异常,此时若仍利用标准Kalman滤波,则状态滤波解将极不可靠.在标准Kalman滤波原理的基础上,结合模糊控制理论,提出了一种基于模糊理论的抗差Kalman滤波算法.该方法是依据滤波处理后的数据残差,利用模糊理论构造等价权,从而有效控制粗差对导航解的影响,并用算例验证了该方法的可行性和有效性.     

论粗差修正与粗差剔除

粗差修正与粗差剔除是保证测量成果质量的基本措施。本文基于均值漂移模型论证了粗差剔除与粗差修正估计的关系。研究结果表明,当粗差修正和粗差剔除均基于同一均值漂移模型时,二者求得的参数估值及残差二次型是等价的。     

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     

基于渐消因子的改进Kalman滤波时间尺度估计算法

Kalman滤波时间尺度算法是一种实时的原子钟状态估计方法,在守时实验室具有重要实用价值。由于原子钟状态模型误差估计存在偏差,Kalman滤波时间尺度算法中状态估计可能出现相应异常扰动,应当对状态模型误差进行实时控制。对此,引入基于渐消因子的改进Kalman滤波时间尺度算法。对状态预测协方差矩阵引入渐消因子,利用统计量实时计算渐消因子的量值,控制状态预测协方差阵的增长,降低了原子钟状态估计的扰动。实验结果表明,相比于标准Kalman滤波时间尺度算法和基于预测残差构造自适应因子的Kalman滤波算法,基于渐消因子的改进Kalman滤波时间尺度算法能够提高原子钟状态估计的准确度,改进时间尺度的稳定度。     

含有粗差观测值的自适应滤波

线性系统的标准Kalman滤波在模型不含有粗差的前提下是最优的,而在测量过程中,测量数据不可避免地存在着粗差,Kalman滤波很容易受到粗差的影响,致使滤波发散和偏倚.抗差Kalman滤波可以减少粗差的影响,对滤波值适时地加以补偿和修正可以使Kalman滤波值不发生大偏倚,但此时的滤波值一般不具有最优性.利用预测残差对粗差进行探测和估计,并对模型加以修正,然后通过Kalman滤波给出此时状态的滤波值.实例表明:通过模型修正来进行适时Kalman滤波的方法是可行的和有效的.     

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。     

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。     

海洋测深数据的抗差Kalman滤波

从线式测深模式要求出发,构建了海洋水深测量过程中的测船位置滤波模型和深度数据的滤波模型,并在此基础上,给出了测线上位置数据和深度数据Kalman滤波的一般解和抗差解,并结合海洋水深测量特点,构建了满足水深数据剔除异常值的截断权函数和滤波方案,实例分析表明,抗差滤波方法能够有效地控制测船位置粗差,在选择截断权函数情况下,抗差滤波方法能够有效地剔除水深跳点和假水深。     

平面相似变换的粗差探测方法及应用实例

基于最小二乘法的平面相似变换对粗差的反映不灵敏、稳健性差.在平面相似变换的模型建立前,必须进行粗差探测,剔除存在粗差或等级较低的公共点.本文介绍了粗差的探测方法及应用实例.     

基于UKF的GPS非线性动态滤波算法

介绍了一种Unscented卡尔曼滤波算法，它通过确定性采样获得一组采样点，可获得更多的观测假设，对系统状态统计特性的估计更加准确，同时该算法无需对系统方程进行线性化，避免了传统的EKF算法由于线性化引入的误差。本文将UKF算法用于GPS非线性动态滤波技术中，建立了仿真模型并定义了仿真条件，与EKF算法的仿真结果相比，在系统状态统计特性未知的情况下，UKF算法对系统状态的估计更准确，定位精度更高。     

GPS非差数据处理中的粗差处理方法及其应用

探讨了数据探测和稳健估计两大类粗差处理方法,处理了实际GPS观测数据,实现了在非差单点定位数据处理中对单个粗差的有效探测和处理。     

数学形态滤波在大坝安全监控数据粗差检测中的应用

为了有效地判别和定位大坝安全监控数据中的粗差,将数学形态滤波应用于粗差检测,针对大坝监控数据的变化特点研究了其算法和结构元素的选取。首先根据实测数据的特点选择合适的结构元素,然后根据所选的结构元素对数据进行数学形态滤波处理,最后根据实测值与滤波结果之间差值的大小应用四分点法拟定门限来判别粗差。对某混凝土坝裂缝开度数据加入粗差以模拟实际的情况,并采用该方法来检测加入的粗差,滤波得到的结果有效抵挡了粗差的影响,加入的粗差全部被检测出。     

线性规划在摄影测量粗差检测中的应用

在分析以往粗差检测方法的基础上,论述了线性规划、粗差检测,提出粗差检测的新方法一线性规划法.介绍线性规划最佳可行解的基本思想,并以实例说明线性规划在摄影测量粗差检测中的应用.     

自适应卡尔曼滤波在沉降预测中的应用

随着我国经济高速发展,对煤炭资源的需求与日俱增,矿山大量开采造成矿区地表大面积沉陷.对于地下采煤,地表点的移动经历一个由开始移动到剧烈移动,最后到停止移动的全过程.为了更好地掌握矿山开采地袁沉降移动规律,本文采用自适应卡尔曼滤波与标准卡尔曼滤波对其进行预测与分析.     

卡尔曼滤波地形反演算法的系统方程建模

利用重力梯度反演局部地形可获取较高的反演精度。传统地形反演算法以大尺度离线反演为主,不便于算法移植和与其他系统的组合。研究了利用卡尔曼滤波对潜艇周围局部地形进行反演的方法。重点在地形坡度理论基础上对卡尔曼滤波系统误差方程建模,介绍了详细的推导过程。仿真结果证实了该误差模型的有效性。     

水深测量数据处理中的粗差探测技术

从目前出现在水深数据处理中最有可能存在的 :一条测深线上孤立零点的粗差、一条测深线上具有连续性的粗差以及相邻测线上具有连续性和相关性的粗差等三种情况 ,分别提出剔除这些粗差的方法 ,通过实例分析可以得出本文所提出的粗差剔除方法是有效的 ,在实际测量中具有一定的实用性     

数字化误差建模中的粗差探测和抗差估计

介绍了用差分算子和时间序列分析法建立数字化过程随机误差估计模型中的粗差探测方法和抗差估计方案。