R-T-S平滑算法在POS数据后处理中的应用

高精度的定位定姿系统（POS,Position and Orientation System）在测绘领域发挥着重要的作用,为了提高数据的精度,将平滑技术应用于POS数据的后处理中.文中介绍POS数据后处理算法的流程,对平滑技术尤其是应用最为广泛的R-T-S平滑进行详细分析,并对该算法进行数值仿真.结果表明,与传统的卡尔曼滤波相比,R-T-S平滑不仅可以提高位置姿态精度,而且在卫星信号失锁的情况下精度也能得到大幅改善,是一种有效的数据处理算法.     

空域滤波抗干扰性能的新型评定方法

本文阐述了空域滤波抗干扰性能的新型评定方法—基于度量干扰失效角域因子的评定方法,干扰失效角域可直观显示空域滤波的有效角域,干扰失效角域因子可定量给出空间任意来向干扰情况下空域滤波有效的概率。新型评定方法比基于零陷深度的评定方法更全面、更确切,适用于空域滤波的抗干扰性能评定、关键参量优选。     

基于GPS软件接收机的SINS／GPS紧组合系统仿真

为了系统验证SINS／GPS紧组合系统的性能,基于GPS软件接收机,进行了仿真系统构建。仿真系统由轨迹发生器、GPS中频信号模拟器、IMU信号模拟器、GPS软件接收机、SINS导航解算模块、组合滤波算法和导航性能分析模块等部分构成,其中详细设计了GPS软件接收机中的捕获和跟踪算法、SINS解算以及基于伪距和伪距率的组合滤波算法。仿真结果表明：紧组合导航系统收敛性较好,能够一定程度上抑制惯导系统误差的积累,有较好的导航性能。设计的该系统满足紧组合导航系统性能验证的需要,也为后续的超紧组合研究奠定了良好的基础。     

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。     

智能车辆中MEMS/BD组合导航数据融合算法

智能车辆技术已成为国家优先发展的高新技术,以智能车辆组合导航数据融合算法为研究背景,利用无迹卡尔曼滤波(UKF)处理组合导航系统模型的非线性问题。在卡尔曼滤波过程中加入区间平滑技术,对既定区间的状态估计量进行平滑处理,校正滤波运算数据,提高非线性系统的导航精度。通过仿真实验验证了新算法能够较好地解决系统非线性问题,利用区间平滑技术得到更高精度的状态估计,提高导航精度,具有更好的鲁棒性。     

区域GPS形变监测网的数据处理方法比较分析

获得合理的形变分析量是形变监测的前提。本文以测站坐标和速率为参数,分析比较了形变分析数据处理的3种方法:静态平差解、动态平差解以及滤波解,由于随机误差的存在,这3种解变得不等价;进而分析了这3种数据处理的方差分量解。最后以陕西省中部的一形变监测网为例,分析了其应用效果。     

噪声辅助EMD方法提取多路径误差模型分析

经验模态分解(EMD)方法处理间断性信号时存在模态混叠问题,使分解结果失去物理意义.本文从理论分析和实测数据的EMD分解结果两个方面,论述了多路径误差中不可避免的存在间断性的分量.针对该问题,介绍了集合平均经验模态分解(EEMD)方法借助噪声来减弱模态混叠的思路与流程,并连续两天实测GPS数据的单历元定位坐标序列,分别用EEMD和EMD方法消除随机噪声,提取多路径重复性改正模型,结果表明,EEMD方法的效果优于EMD方法.     

多传感器数据融合与航迹预测

本文是用滤波估计的方法对多传感器数据进行融合.在误差处理方面应用多元方差分析方法来消除各雷达测量数据的偏差,最终预测信号在短期内的轨迹.该方法简单、精度高、可信度强.     

区域GPS形变监测网的数据处理方法比较分析

获得合理的形变分析量是形变监测的前提。本文以测站坐标和速率为参数,分析比较了形变分析数据处理的3种方法:静态平差解、动态平差解以及滤波解,由于随机误差的存在,这3种解变得不等价;进而分析了这3种数据处理的方差分量解。最后以陕西省中部的一形变监测网为例,分析了其应用效果。     

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.