用卡尔曼滤波进行GPS动态定位

采用卡尔曼滤波进行GPS单点定位,必须合理地构造系统动态特性,才能使滤波平稳进行。介绍两种确定GPS观测数据方差的方法,然后针对卡尔曼滤波的发散问题进行讨论,并给出一种避免滤波发散的渐消因子改进算法,实现滤波的自适应。最后结合算例验证了该方法的有效性。     

利用三差模型确定GPS卫星轨道

论述了利用三差模型进行GPS卫星精密定轨的理论和方法,以此为基础,在PC机上进行精密定轨数据处理.结果表明,9站定轨精度一般优于2 m,6站定轨精度一般为1～3 m,3 d解稍好于5 d解.     

基于粒子群优化算法的多因子自适应滤波

在抗差多因子自适应滤波的基础上,提出基于粒子群优化智能算法进一步搜索自适应因子的优化值,提高自适应因子的可靠性。在基于状态不符值构造的自适应因子的基础上,构造适应性函数,采用粒子群优化算法搜索更有效的自适应多因子。利用动态导航数据进行验证,结果表明,基于粒子群优化的多因子自适应滤波能更有效地控制异常影响,提高动态导航精度。     

有色噪声作用下的卡尔曼滤波

利用GPS载波相位三差观测量进行动态定位(或精密导航),就必须研究有色噪声滤波的理论问题.根据需求,推导了动态噪声、观测噪声为有色噪声的线性系统滤波公式,并证明白噪声卡尔曼滤波是有色噪声卡尔曼滤波的特例,或者说有色噪声的卡尔曼滤波是白噪声卡尔曼滤波的推广.     

有色噪声作用下的抗差卡尔曼滤波

根据用GPS载波相位三差观测量进行动态定位或精密导航的需求,推导了动态噪声、观测噪声为有色噪声的抗差卡尔曼滤波公式。白噪声的抗差卡尔曼滤波是有色噪声的抗差卡尔曼滤波的特例,有色噪声的抗差卡尔曼滤波为白噪声的抗差卡尔曼滤波的推广。     

具有随机观测矩阵的线性系统的Kalman滤波

由于观测过程中各种随机因素的影响,观测方程的系数矩阵具有不确定性,在这种情况下,用标准的Kalman滤波方法将会出现较大的偏倚或者使滤波结果失真.主要讨论观测矩阵为随机矩阵时的Kalman滤波方法,并通过与标准Kalman滤波的比较得到这种Kalman滤波的优良性.     

抗SA影响的卡尔曼滤波技术

运用现代时间序列分析方法对SA定位误差模型进行建模研究,并由此提出抗SA影响的卡尔曼德彼模型。     

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。     

Adaptive Kalman Filtering for INS/GPS

After reviewing the two main approaches of adaptive Kalman filtering, namely, innovation-based adaptive estimation (IAE) and multiple-model-based adaptive estimation (MMAE), the detailed development of an innovation-based adaptive Kalman filter for an integrated inertial navigation system/global positioning system (INS/GPS) is given. The developed adaptive Kalman filter is based on the maximum likelihood criterion for the proper choice of the filter weight and hence the filter gain factors. Results from two kinematic field tests in which the INS/GPS was compared to highly precise reference data are presented. Results show that the adaptive Kalman filter outperforms the conventional Kalman filter by tuning either the system noise variance–covariance (V–C) matrix `Q' or the update measurement noise V–C matrix `R' or both of them. Received: 14 September 1998 / Accepted: 21 December 1998     

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。     

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。     

卡尔曼滤波在坝体变形监测中的应用

介绍了卡尔曼滤波算法的基本思想,通过建立卡尔曼滤波模型对某大坝变形监测数据进行处理,结果表明：卡尔曼滤波算法能够有效地减弱随机噪声的干扰,并能较准确地对未来时刻的状态进行预测。     

多系统GNSS RTK的改进卡尔曼滤波算法

针对多系统GNSS RTK特点,本文引入了对整周模糊度的求解,但随着可见卫星的增加,状态向量的维数急剧增加,这导致Kalman滤波方程乘法次数增加。而协方差计算量和存储量约占整个滤波进程时间的70%。为提高运算效率,本文提出了一个稀疏状态转移矩阵的改进Kalman计算方法,主要研究协方差矩阵的求解。并在理论上利用矩阵分块和对称化将乘法次数降低至通常算法的10%以下。此外,通过试验证明,改进方法的CPU处理器耗时同样低于通常算法的10%。此改进方法实现了高效性,对多卫星情况下求解整周模糊度有一定参考价值。     

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.     

无迹卡尔曼滤波衰减记忆算法研究

无迹卡尔曼滤波算法作为典型的卡尔曼滤波改进算法,有效地解决了线性化时高阶项的舍弃误差和强非线性模型的无法线性化问题。但是常规的无迹卡尔曼滤波对旧的数据和当前数据的利用率是相同的,很容易导致滤波的发散。通过引进衰减因子加强了对当前数据的利用,降低了旧数据对滤波结果的影响。本文基于此提出了衰减记忆无迹卡尔曼滤波算法,并对衰减因子的确定进行了分析。仿真试验分析表明,衰减记忆无迹卡尔曼滤波算法能够提高滤波结果的精度。     

GPS动态相对定位的自适应Kalman滤波算法

GPS动态数据处理中广泛应用卡尔曼滤波,经典Kalman滤波认为预报误差是白噪声,服从零均值的正态分布,并利用动态噪声协方差矩阵来控制它对当前信息的影响,但实际测量定位中难以保证观测对象的规则运动,因而容易出现模型误差。针对GPS动态定位的这一问题,探讨了在实际应用中存在模型误差时的卡尔曼滤波,介绍了一种自适应Kalman滤波算法,该法顾及了载体机动加速及接收机发生周跳时的影响,减少了滤波发散的机会。     

抗差自适应Kalman滤波模型的可行性分析

将抗差估计原理引入到经典Kalman滤波(CKF)方法中,即抗差自适应Kalman滤波(RAKF),在抑制观测粗差及状态扰动方面,存在明显的优势。通过大坝变形监测实例说明,在变形监测数据处理中RAKF比CKF解算结果更可靠有效。RAKF在抑制状态预报粗差及观测粗差方面的优势是显而易见的,是一种可行的有效估值方法。     

Kalman滤波在似单差方法中的应用

介绍采用似单差法进行变形监测的基本数学模型,在此基础上建立对似单差法解算的变形信息序列进行卡尔曼滤波的算法。利用试验数据对似单差法和Kalman滤波算法的正确性和有效性进行检验。结果表明,卡尔曼滤波有助于提高变形信息序列的正确性、稳定性和可靠性。     

平面监测网的动态滤波

在假定形变区域为分块连续弹性体的基础上,本文提出一个所谓虚拟形变速率参数形变模型,由它的特例可推出常见的单点位移形变模型。之后又讨论和研究了平面监测网的观测数据滤波问题,设计出一个虚拟形变速率参数卡尔曼滤波器,具体做了这几项工作:(1)在所提出的形变模型下,推导出平面监测网的状态方程;(2)解决了初始状态及其方差阵的估计问题;(3)在极大似然的原则下,得到了动态噪声方差阵的逐次修正公式。在对两个模拟网的几种不同方案进行试算之后,本文提出了几点结论和建议。