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AR模型的GPS授时分析

由于GPS卫星采用高精度的星载原子钟,使得利用GPS接收机授时可以达到比较理想的精度。利用AR模型对GPS接收机的钟差数据进行建模分析,通过拟合比对,建立合适的预报模型,预报的精度达到了较好的效果。     

基于有色噪声自适应卡尔曼滤波的GPS单点定位

将有色噪声一阶AR模型的自适应卡尔曼滤波应用到精密单点定位中, 采用当前历元的预测残差均方根误差与上一历元的观测残差均方根误差的比值确定相关系数ρ_k,k－1。在使用一阶AR模型进行解算时, 使用实测数据对模型进行验证, 证明了该方法确定的相关系数能够有效提高扩展卡尔曼滤波(EKF)解算过程中的收敛速度和幅度。     

自适应AR模型及在形变监测中的应用研究

在国家一带一路倡议与实施战略的引导下,随着我国基础建设的技术水平快速提高,基础设施的建设速度快速提高,规模迅速扩大,把握与维持这些重大设施与工程的安全成为一项紧迫而又重要的任务。形变监测是这项任务的典型技术手段。本文针对形变模拟分析中常用的自回归模型(AR)的应用现状与存在问题,提出了基于相关性深化分析的自适应AR模型阶数控制方法,通过模拟结果的残差相关分析,补偿改进AR模型的有效阶数,使之更客观地反映变形序列的变化规律,扩展了序列分析与形变模拟的有效性,并且以某高楼的形变研究为例,通过实际观测数据和应用实例验证了改进模型的可行性。     

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LS+AR模型的极移预报及其周期项影响分析

采用LS+AR预报模型的对极移进行预报,深入分析极移数据中钱德勒项和周年项对预报精度的影响。计算结果显示,极移数据中各周期项具有时变性特点,将已知观测数据确定出的周期项应用到极移预报中会明显提高预报精度。因此,建议在进行极移预报之前首先应进行时间序列分析,确定已有数据的各周期项,在极移预报中加以考虑。     

基于半参数模型的卡尔曼滤波在变形监测中的应用

在变形监测数据处理中,单纯使用卡尔曼滤波方法而不考虑建模误差及数据中的系统误差,有时可能导致滤波发散。使用半参数模型将系统误差和模型误差引入非参数因素进行处理,可以有效减少二者的影响,避免滤波发散,提高卡尔曼滤波的预测精度。实例表明,基于半参数模型的卡尔曼滤波,较单一的卡尔曼滤波预测精度更高。     

基于AR模型的GPS精密卫星钟差建模与预报

在GPS卫星精密钟差的预报中,短周期预报通常采用二次项拟合模型,长周期预报通常采用灰色模型,但这两种模型都只是考虑趋势项而没有考虑随机项,通过利用AR模型对钟差的随机项进行建模,并作为随机补偿,加入到二次项拟合模型与灰色模型中,以完善钟差预报的短周期与长周期模型。在算例中运用由IGS提供的精密钟差进行预测,结果表明:改进后的模型使钟差预报的精度得到一定程度的提高。     

应用半参数AR模型的电离层TEC建模与预测

本文基于时间序列分析的DDS(Dynamic Data System)建模法,对季节性的电离层总电子含量(TEC)时间序列观测值平稳化后建立自回归AR模型,提出以半参数AR模型对普通AR模型精化,并利用半参数AR模型对电离层TEC预报。实例分析表明:利用半参数AR模型对电离层TEC进行预报,在短期内半参数模型预报效果优于普通AR模型,但随着预报时间变长,则半参数模型预报精度明显下降,其预报效果则不如普通的AR模型。     

变形分析中AR模型的精化

在变形分析中,为了考虑输入信号对变形体的影响及模型误差的干扰,提出顾及输入信号影响的半参数AR模型,并通过实验分析取得较好的建模和预报效果,达到对现有AR模型精化的目的.     

抗差卡尔曼滤波模型及其在GPS监测网中的应用

根据量测向量中的粗差对状态向量滤波值的影响规律，导出了抗差卡尔曼滤波模型，该模型对观测空间和设计空间均具有良好的抗差性。通过对含有粗差的模拟GPS监测网的计算，与标准卡尔曼滤波模型相比较，利用该抗差滤波模型，可获得可靠的变形分析结果。     

基于方差分量估计原理的自适应卡尔曼滤波及其应用

简单介绍了GPS伪距动态定位的卡尔曼滤波模型的建立，针对传统卡尔曼滤波中动态噪声不准或不容易确定以及因动态目标机动而导致滤波发散的现象，提出了一种根据方差分量估计原理，利用预报残差计算模型的动态噪声方差分量的自适应滤波算法，当利用预报残差进行计算时，这一方面增加的计算量不大，能有效地克服由上述原因而导致的滤波不稳定现象，适用于GPS动态定位数据的实时处理。     

卡尔曼滤波模型的建立及其在施工变形测量中的应用

卡尔曼滤波作为一种动态数据处理方法已在许多测量领域得到应用,就卡尔曼滤波方法在施工变形测量应用中,如何建立滤波模型和精度评定问题进行探讨,提出解决这些问题的方法,并通过一个实例说明这些方法的有效性.     

基于方差分量估计原理的自适应卡尔曼滤波及其应用

简单介绍了GPS伪距动态定位的卡尔曼滤波模型的建立,针对传统卡尔曼滤波中动态噪声不准或不容易确定以及因动态目标机动而导致滤波发散的现象,提出了一种根据方差分量估计原理,利用预报残差计算模型的动态噪声方差分量的自适应滤波算法.当利用预报残差进行计算时,这一方法增加的计算量不大,能有效地克服由上述原因而导致的滤波不稳定现象,适用于GPS动态定位数据的实时处理.     

一种改进的抗差Kalman滤波方法在精密单点定位中的应用

分析了未能探测到的小周跳或粗差对GPS精密单点定位的影响,提出了一种改进的抗差Kalman滤波方法。该方法通过相位观测值验后残差分析,对传统抗差方案中等价权为0的情况进行周跳处理,能同时兼顾相位观测值中的粗差和小周跳问题。利用实测数据和模拟数据进行实验,结果表明,该方法不但可以显著改善未能探测的周跳对于定位结果的影响,同时避免了传统抗差方案中出现的后续历元相位残差持续增大的情况。     

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。     

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。     

不等式约束卡尔曼滤波的解算及其统计性质

卡尔曼滤波是研究如何从被噪声污染的观测信号中过滤噪声,尽可能消除噪声影响,求未知真实信号或系统状态的一种估计方法.首先简要回顾了无约束离散时间不变系统卡尔曼滤波的模型及解算方法、统计性质.然后将其扩展到等式约束情形,推导了等式约束卡尔曼滤波的解及其统计性质.根据有效约束集的思想阐明了附不等式约束和等式约束卡尔曼滤波问题的内在联系,指出其解具有相同的性质,并提出用积极集法解决具有二次规划形式的不等式约束卡尔曼滤波问题.