北斗GEO卫星载波相位单差观测值的周期性分析

高精度的卫星定位测量中,由于卫星在测站上空的重复周期性运动,周期性误差是影响测量精度的重要误差源。恒星日滤波利用周期性误差的特点,提取前一天的周期性误差来改正后一天的定位结果,可滤波处理诸如多路径误差。本文从北斗GEO卫星载波相位观测值站间单差的角度来探讨其周期性特点,通过前后两天站间相位单差观测值进行对比,采用相关性分析方法,验证北斗GEO卫星载波相位单差观测值的周期性特征。

基于Kalman滤波的通用和统一的白噪声估计方法

用射影理论,基于Kalman滤波提出了通用和统一的白噪声估计方法,可统一解决带非零均值相关噪声的线性离散时变随机控制系统的白噪声滤波、平滑和预报问题.提出了输入白噪声估值器和观测白噪声估值器,最优和稳态白噪声估值器,固定点、固定滞后和固定区间白噪声平滑器,白噪声新息滤波器和Wiener滤波器.它可应用于石油地震勘探信号处理和状态估计,为解决信号和状态估计问题,提供了新的途径和工具.关于Bernoulli-Gaussian白噪声估值器的仿真例子说明了其有效性.

基于Kalman滤波的白噪声估计理论的推广

应用Kalman滤波方法和射影理论,将现行的白噪声估计理论推广到一般的随机系统,其中系统噪声在相邻时刻是相关的,且系统噪声和观测噪声在相同和相邻时刻也是相关的。提出了统一的最优和稳态白噪声和拟白噪声估值器。一个仿真例子说明了其有效性。

Kalman滤波模型中三种残差的比较

Kalman滤波中不可避免地存在模型误差,模型误差的存在会引起滤波结果失真,严重时还会导致滤波发散。在对Kalman滤波模型进行检验时,有三种常用的残差——观测残差,预测残差和状态预报值残差。以往不同学者选用不同的残差对模型进行检验。当模型含有误差时,分别推导这三种残差变化后的表达式并对它们检验模型误差的能力进行比较,结果表明预测残差在模型检验中反应最灵敏,并且计算量最小。最后给出仿真算例,结果也证实预测残差能够更有效、更快捷地探测模型误差。

带有色观测噪声的广义系统信息融合Kalman平滑器

对于被多传感器观测的带有色观测噪声的广义离散线性随机系统,应用奇异值分解,并通过对观测方程的状态变换,将其变换为带相关噪声的2个降阶多传感器子系统;应用Kalman滤波方法,在线性最小方差加权融合准则下,给出按块对角阵标量加权融合降阶广义Kalman平滑器.MonteCarlo仿真结果表明该方法的有效性.

带有色观测噪声系统统一的Wiener状态估值器

通过对观测方程的线性变换,将带有色观测噪声系统化为带白色观测噪声的系统。基于自回归滑动平均(ARMA)新息模型,由稳态最优Kalman估值器导出了渐近稳定的Wiener状态估值器,可统一处理滤波、平滑和预报问题。一个仿真例子说明它们的有效性。

带白色和有色观测噪声系统解耦Wiener状态估值器

基于经典稳态Kalman滤波理论,对带白色和有色观测噪声系统提出了设计最优Wiener状态估值器的新方法。通过稳态Kalman滤波器建立ARMA新息模型,由稳态最优非递推Kalman状态估值器的递推变形引出Wiener状态估值器,可统一处理滤波、预报和平滑问题,它们具有状态解耦的ARMA递推形式,且具有渐近稳定性和最优性,仿真结果表明了算法的有效性。

抗差卡尔曼滤波在GPS动态定位中的应用

基于Kalman滤波的GPS动态定位中 ,动态观测量及其相应的动态模型可能存在异常 ,若数据处理不考虑对这些异常的特别处理 ,则模糊度的估值及其所提供的动态信息将极不可靠。按抗差估计原理 ,文中构造了状态向量和观测值对模糊度的影响函数 ,并由此建立了动态GPS定位的抗差Kalman滤波解法。

单信标距离测量的AUV导航方法

针对单信标测距导航方法中的系统可观测性和洋流干扰问题,通过建立自主水下航行器(Autonomous Underwater Vehicle,AUV)的三维运动学模型,利用线性时变系统的局部可观测性理论得到了系统关于AUV运动路径的可观测性条件,并采用扩展Kalman滤波导航算法实现了对AUV的位置和未知洋流的在线估计.仿真结果表明,对于满足系统可观测性的运动路径,该导航方法可有效抑制洋流干扰下系统的定位误差增长,使定位误差保持有界,并对未知洋流做出较为准确的估计.

时变系统全局最优加权观测融合白噪声反卷积平滑器

白噪声反卷积或输入白噪声估计问题在石油地震勘探中有重要的应用背景。对带多传感器和带不相关噪声的线性离散时变随机系统,应用Kalman滤波方法,基于加权最小二乘法,提出了全局最优加权观测融合白噪声反卷积平滑器。一个Bernoulli-Gaussian输入白噪声融合平滑器的Monte Carlo仿真例子说明了其有效性。

基于Hall和GMR的多传感器融合方法及实现

目前霍尔传感器(Hall)和巨磁阻(GMR)传感器均广泛地应用于电力系统电流测量。为同时发挥二者的优势、降低各自的局限性,在分析Hall和GMR的温度特性、噪声特性和被测电流范围的基础上,提出了一种基于Hall和GMR的多传感器融合方案。在定义GMR和Hall的灵敏度差值ΔS基础上,将被测电流i和灵敏度差值ΔS构成的融合域划分为四个域,在域Ⅱ采用多传感加权观测融合Kalman滤波算法,将Hall和GMR的观测量和观测噪声融合后与状态方程联立进行Kalman滤波;在域Ⅰ采用数据加权融合最优权值分配的方法,给Hall的测量数据赋予较大权值,GMR的测量数据赋予较小的权值;在域Ⅲ,权值分配情况相反,各域之间可实现数据融合的平滑过渡。基于多传感器融合方法,设计了一种组合式闭环电流传感器,包括磁芯、电路部分设计及仿真。仿真和样机实验结果表明,在域Ⅱ时多传感器融合值与真实值的均方根误差低至0.004;在域Ⅰ、Ⅲ时电流测量的相对误差E_(i)均在0.255%以下。与单一传感器相比,多传感器融合的方法使组合式传感器测量电流范围增大,适用于温度变化范围较大的场景,电流测量精度及可信度更高。

GPS/DR原始观测值组合导航定位研究

根据GPS/DR组合系统的导航定位原理,推导了利用GPS原始观测值与DR航位推算信息进行组合的Kalman滤波模型,并利用该滤波模型对GPS/DR原始观测数据进行航位解算。数据处理结果表明,即使在只有两颗GPS观测卫星的情况下,该滤波模型也可以充分利用GPS观测信息提高DR航位推算精度。

带有量测数据丢失的虚观测鲁棒卡尔曼滤波算法

针对传感器量测数据丢失的卡尔曼(Kalman)滤波问题进行了研究,提出了一种基于虚观测值的鲁棒卡尔曼滤波算法,针对伯努利(Bernoulli)分布描述的量测数据丢失的模型,充分利用当前时刻的先验信息,应用趋势移动平均法来预估构造丢失数据时刻的虚观测值,建立了等效的传感器量测模型.利用鲁棒卡尔曼滤波方法来消除预测偏差较大的虚观测值对目标跟踪的影响,从而达到对目标的稳健跟踪.仿真实例说明了该算法能在量测数据丢失的情况下对目标进行有效的跟踪,跟踪精度高于跳变线性系统的卡尔曼滤波算法.

一种基于OpenMP的高效GPS卫星钟差实时估计方法

提出基于单观测值的Kalman滤波快速计算方法,并引入共享存储并行编程(OpenMP)技术实现协方差快速更新,从而实现非差GPS卫星钟差的快速实时计算。均匀选取55个IGS参考站,计算2017-03-20~03-30采样率为60s的卫星钟差。与IGS事后30s钟差相比,两者具有很好的一致性,RM_S互差优于0.5ns。选取未参与钟差解算的10个IGS参考站进行精密单点定位,结果表明,实时静态PPP水平方向精度优于2cm,高程方向精度为2~4cm;实时动态PPP水平方向精度为2~4cm,高程方向精度为4~6cm,能够满足实时PPP的精度要求。该方法在主频1.2GHz服务器上8线程并行模式下单历元耗时4s,相比串行模式效率提升1/3。

虚拟卫星法在GNSS/INS组合导航中的应用

在GNSS/INS车载组合导航系统中,GNSS信号易受遮挡或干扰而失锁,造成组合导航精度有所降低。针对这种情况,将虚拟卫星法应用于GNSS/INS组合导航系统中。通过增加虚拟卫星,构造虚拟观测量,将实测观测量、虚拟观测量用于组合导航Kalman滤波器解算。试验结果表明,此方法能够有效地提高系统的可观测性和导航精度。

一种基于降维对偶四元数的多源导航系统信息融合方法

以陆用载体为研究背景,提出了一种基于降维对偶四元数的多源导航系统信息融合方法。以SINS作为公共参考系统,在分别获得推力、引力及位置对偶四元数误差方程基础上,搭建SINS/GPS/地磁的降维联邦Kalman滤波器模型。一方面,结合载体匀速、加速、转弯、爬坡四种运动状态,利用奇异值分解对系统状态量进行可观测性分析;另一方面,开展该降维对偶四元数导航框架下的惯性/GPS、惯性/地磁子滤波器分级设计,以获得最佳状态维数与导航解算效率。仿真与实验结果表明,降维后的组合导航系统计算量仅为全状态的3.34%,且参数估算结果的"解的集中性"更好。

Galileo/GPS组合接收机载波相位定位方法

鉴于载波相位观测量可提供高精度定位信息的特点,采用扩展卡尔曼滤波和载波相位组合观测值相结合的方法,提出了一种适合Galileo/GPS组合接收机的载波相位定位方法。通过扩展卡尔曼滤波给出精确的载波相位不足整周的相位值,并且在模糊度保持为整数的前提下,根据一定的组合标准论述了具有相应特性的组合观测值,给出一些典型的组合,通过这些组合后的观测值可以容易地解算整周模糊度。最后对结果进行了分析。