一种自适应两阶段卡尔曼滤波算法

当动力学模型存在未知的随机系统偏差时,两阶段卡尔曼滤波要优于标准卡尔曼滤波。两阶段卡尔曼滤波的基础是准确的知道随机系统偏差的统计特性,这在实际过程中是很难做到的。提出了基于新息向量的自适应两阶段卡尔曼滤波。它不仅能够很好的估计随机系统偏差,而且在随机系统偏差的先验统计特性不准确时也能取得良好的效果。最后通过一个仿真算例,验证了自适应两阶段卡尔曼滤波的适用性。     

组合导航中一种新息自适应卡尔曼滤波算法

全球定位系统/航位推算组合导航定位中,由于目标运动的不确定性,GPS接收机与DR器件接收的数据存在噪声,使预置目标运动模型通常很难得到较高跟踪精度,针对应用常规卡尔曼滤波进行组合导航解算由于噪声统计特性未知而引起滤波不稳定的问题,本文提出了一种基于新息序列的量测计算进行自适应估计的卡尔曼滤波算法。该算法通过对新息方差强度进行极大似然估计,将新息计算引入卡尔曼滤波器的增益计算,达到控制发散的目的。最后对改进的算法与一般卡尔曼滤波算法做了对比仿真试验分析,结果表明了改进算法的有效性。     

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.     

自适应卡尔曼滤波在地表沉降监测中的应用

方差补偿自适应卡尔曼滤波是在对观测数据进行递推滤波的同时,不断的对难以确定的模型参数和噪声进行估计和修正,以减小模型误差,使滤波结果更准确。本文采用方差补偿自适应卡尔曼滤波预测模型,对某矿区首采工作面地表沉降监测数据进行计算,得到相应的预测值,并与标准卡尔曼滤波预测值进行比较。探讨了方差补偿自适应卡尔曼滤波预测模型进行矿区地表沉降预测的可行性。     

一种次优并行Sage自适应滤波器

提出了一种新的次优Sage自适应卡尔曼滤波算法,该算法针对经典次优Sage滤波器经常存在的结果偏移现象,设计了一种附加伴随滤波器的并行滤波结构,消除了结果偏移,提高了滤波精度.     

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.     

自适应卡尔曼滤波在GNSS沉降监测中的应用

为解决GNSS-RTK实时测量中存在的数据波动性大,难以满足高精度沉降监测需求的问题,通过引入方差补偿自适应卡尔曼滤波,对原始测量数据进行滤波去噪,实现了绝大部分白噪声的过滤和修正。同时,对原始测量数据与滤波数据进行分析比对,滤波前原始数据标准差在7 mm左右,方差补偿法滤波后数据标准差在3 mm左右,实现了两倍多的精度提升。实践证明,方差补偿自适应卡尔曼滤波在抑制滤波发散和提高监测数据精度上具有显著的效果。     

自适应卡尔曼滤波在大跨径桥梁安全监控中的应用

对由卡尔曼滤波理论建立的数据模型进行了研究,建立了自适应动态滤波模型,并用该模型对南京长江某大跨径桥梁的实际监测资料进行了分析,结果表明该模型能正确反映桥梁变化.     

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。     

An Optimal Adaptive Kalman Filter

In a robustly adaptive Kalman filter, the key problem is to construct an adaptive factor to balance the contributions of the kinematic model information and the measurements on the state vector estimates, and the corresponding learning statistic for identifying the kinematic model biases. What we pursue in this paper are some optimal adaptive factors under the particular conditions that the state vector can or cannot be estimated by measurements. Two optimal adaptive factors are derived, one of which is deduced by requiring that the estimated covariance matrix of the predicted residual vector equals the corresponding theoretical one. The other is obtained by requiring that the estimated covariance matrix of the predicted state vector equals its theoretical one. The two related optimal adaptive factors are given. These are analyzed and compared in theory and in an actual example. This shows, through the actual computations, that the filtering results obtained by optimal adaptive factors are superior to those obtained by adaptive factors based on experience.     

自适应Kalman滤波用于GPS层析大气湿折射率

在分析Kalman滤波层析方法的基础上,将基于指数渐消因子的自适应Kalman滤波方法用于层析大气湿折射率,并结合香港地区CORS网观测资料及探空气象观测资料进行了分析.结果表明,该方法能够长时间以较高精度反演湿折射率垂直轮廓线,较好地反映了大气的实际状况,有效避免了一般Kalman滤波可能出现的发散.     

基于移动开窗法协方差估计和方差分量估计的自适应滤波

基于移动窗口协方差估计和方差分量估计,提出了一种新的自适应Kalman滤波技术。计算结果证实,该方法能有效地控制观测异常和载体状态扰动异常对动态系统参数估值的影响。     

自适应渐消卡尔曼滤波及其在SINS初始对准中的应用

卡尔曼滤波常常被用于惯性导航系统初始对准算法,其使用前提是对系统状态进行建模,从而得到比较准确的系统噪声和观测噪声统计特性。在模型失配和观测噪声干扰的情况下,常规卡尔曼滤波会出现精度下降甚至发散,从而影响初始对准精度。针对这一问题,提出了一种新型渐消卡尔曼滤波算法,引入了多重渐消因子对预测误差协方差阵进行调整,设计了基于新息向量统计特性的滤波状态χ2检验条件,使渐消因子的引入时机更加合理,算法的自适应性得到增强。将改进的卡尔曼滤波算法应用到惯性导航系统的初始对准问题中,仿真试验和实测数据试验结果表明,与常规渐消因子滤波算法相比,新算法可以有效提高滤波精度及鲁棒性。