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。

抗差卡尔曼滤波在矿山建筑物变形监测数据处理中的应用

针对经典监测数据处理模型无法抵抗测量粗差的缺点,将稳健估计和卡尔曼滤波相结合,提出将抗差卡尔曼滤波模型应用到矿山建筑物变形监测数据处理中,并对矿山工程实例进行了模拟计算,结果表明抗差卡尔曼滤波模型能有效地抵抗粗差,提高数据处理结果的可靠性。

基于双因子抗差卡尔曼滤波在动态导航中的应用

针对动态导航卡尔曼(Kalman)滤波的异常扰动影响问题,根据观测量中的粗差对状态向量滤波值的影响规律,引入了双因子算法,导出基于预报残差的抗差卡尔曼滤波模型,该模型具有良好的抗差性,利用实测数据加模拟粗差进行验证,结果表明:抗差卡尔曼滤波可以很好的控制状态对滤波估值的影响,精度相对于标准卡尔曼滤波有明显的提高。

一种高效抗差卡尔曼滤波的导航应用

针对目标导航定位中传统卡尔曼滤波结果易受运动模型误差影响的问题,提出一种高效抗差卡尔曼滤波方法:以卡尔曼滤波中目标位置参数的预测状态不符值的标准化残差作为抗差判断量,对当前运动模型的准确程度进行自适应判断;进而确定是否利用运动模型的预测信息进行滤波。实验结果表明:在复杂的运动环境中,该方法能够有效抵抗运动模型误差。

基于抗差卡尔曼滤波的变形监测数据处理

介绍了卡尔曼滤波的推导过程以及其不足之处,并在此基础上提出了抗差卡尔曼滤波。抗差卡尔曼滤波是在抗差估计的基础上,选择合适的ρ函数或者ψ函数,获得相应的权函数,从而对观测值进行滤波。用抗差卡尔曼滤波来计算某地铁一监测点的变形数据,可以得到较好的滤波值,与普通卡尔曼滤波值相比,精度有了明显的提高。

基于抗差卡尔曼滤波的BD/MEMS紧耦合算法研究

目前国内的行人导航系统一般采用北斗卫星导航系统(英语:COMPASS,中文音译名称BeiDou)和微机电系统M E M S(英语:Mmicroelectromechanical System,缩写为MEMS)组合导航的方式进行定位,其定位精度容易受到BD定位数据中的误差,特别是定位粗差的影响。粗差可能会导致完全错误的定位结果。为了减少这种影响,本文提出了基于抗差卡尔曼滤波的BD/MEMS紧耦合算法,可以在一定程度上提高定位的精度。本算法首先对BD/MEMS进行基于伪距、伪距率的紧耦合定位建模,然后输入抗差卡尔曼中进行滤波校正反馈。通过实测数据的仿真分析表明,在BD定位误差较大或含有粗差的情况下,该算法可以明显的剔除粗差,减小导致定位完全错误的可能性,有效地提高了定位导航精度。

回归分析与抗差卡尔曼滤波协同下大型边坡短期变形的预测方法

由于边坡滑移影响因素众多,无法建立精确的动力学模型,因此利用传统抗差卡尔曼滤波模型进行边坡短期变形预测十分困难,无法满足大型边坡高精度的预警需求。建立回归分析与抗差卡尔曼滤波协同下大型边坡短期变形预测模型,利用拟合值代替含粗差数据进行滤波预测运算,解决了卡尔曼滤波缺乏对粗差的抗干扰性问题。利用金堆城露天钼矿大型边坡监测数据开展工程案例研究,结果表明2种预测模型都是有效的,但回归分析与抗差卡尔曼滤波协同下大型边坡短期变形预测模型精度和抗差性2个指标都优于传统抗差卡尔曼滤波模型。

自适应抗差卡尔曼滤波对井下定位NLOS时延抑制方法的研究

针对矿井巷道NLOS(Non Line Of Sight)时延影响矿井TOA(Time Of Arrival)定位精度的问题,通过分析巷道NLOS时延形成方式,将巷道NLOS时延分为随机和固定两类,结合两类巷道NLSO时延的特性,提出了一种基于自适应抗差卡尔曼滤波的巷道NLOS时延抑制方法。对于巷道随机NLOS时延,通过在经典卡尔曼滤波算法的基础上引入了自适应抗差概念,使系统在线性滤波的基础上增加了对随机脉冲误差的抑制能力;对于巷道固定NLOS时延,通过在巷道NLOS误差模型的基础上,构建巷道中信号传播距离与传播环境间的函数模型,并结合几何定位算法完成系统对固有误差的有效抑制。实验结果显示,包含有巷道NLOS时延的原始定位数据,误差在2.1~8.1 m之间,平均误差为3.7 m;原始数据经自适应抗差卡尔曼滤波算法处理后,误差在1.9~3.6 m之间,平均误差为2.5 m,定位曲线与实际移动曲线基本保持平行;再经参数拟合和几何算法处理,误差在0~1.0 m之间波动,误差平均值为0.27 m,且所提方法较原始定位数据,平均定位误差减小了3.43 m.从而表明,所提方法对巷道NLOS时延具有较明显的抑制作用,能够提高TOA井下人员定位系统的精确度。

抗差卡尔曼滤波及其在超短基线水下定位中的应用

基于测距定向原理的超短基线定位系统具有集成度高、操作简便的优势,但在缺少多余观测量的动态定位环境下,受外围传感器的可靠性和水声信号的传播特性的影响,超短基线定位结果中经常出现超出定位精度要求的粗差。为抑制粗差对定位精度的影响,本文提出了采用抗差卡尔曼滤波处理超短基线水下定位数据中的粗差,重点对比分析了目前国际上经典的Huber、IGG1、IGG3等价权函数的抗差滤波效果。利用Sonardyne Ranger 2超短基线采集的数据进行实验分析,实验结果表明,经典卡尔曼滤波受粗差影响严重,采用IGG系列权函数的抗差卡尔曼滤波方法可以有效降低粗差影响。

基于量子纠缠时钟测量的抗差卡尔曼卫星钟差预报

基于纠缠光子对二阶相关函数的时间特性分析,设计时钟同步测量方案,并考虑传播过程中色散效应及衰减等对精度的影响。该方案可提供均值1ns、精度0.01ns的同步信息。利用该方案获得观测数据,结合顾及哈达玛方差的抗差卡尔曼方法估计出卫星钟差模型系数,进行钟差预测。仿真表明,该方案预测精度与IGS预报星历产品精度相当,且钟差初始值更精确。

一种改进的自适应抗差卡尔曼滤波算法在组合导航中的应用

GNSS/INS组合导航是确定载体位置、速度常用方法,多采用标准卡尔曼滤波算法作为数据融合算法,然而在系统状态模型不准确或观测值存在异常粗差的情况下,标准卡尔曼滤波会产生发散现象,导致滤波结果次优。本文采用了一种基于新息检测的改进自适应抗差卡尔曼滤波算法,该算法通过新息序列构造出卡方检验统计量和预测误差判别统计量,识别观测粗差和系统状态模型误差,进而引进抗差因子和自适应因子对标准卡尔曼滤波方程中的观测噪声协方差矩阵和状态预测协方差矩阵做出适当的调整,平衡滤波估计值对GNSS观测值和状态预测值的信任,提高组合导航的导航精度。仿真实验结果表明:改进的自适应抗差卡尔曼滤波算法能够有效地抵挡系统状态模型误差和观测粗差对滤波估计值的不良影响。

抗差卡尔曼滤波在矿山地表沉降监测中的应用研究

在实际地表沉降观测过程中,各种误差致使观测向量中粗差对状态滤波值产生影响。根据标准卡尔曼滤波理论导出了地表移动观测站数据处理的抗差卡尔曼滤波模型,将抗差卡尔曼滤波模型应用到淮南某矿开采沉陷地表监测站沉降监测数据处理中,对该矿地表沉降监测实例进行模拟计算,结果表明该模型能够有效减弱或消除观测值中粗差的影响,提高数据处理的可靠性,获得可靠的分析结果。

基于马氏距离的抗差卡尔曼滤波算法在组合导航中的应用

在GNSS/INS松组合导航系统中,标准卡尔曼滤波要求噪声和动力学模型精确已知,但实际应用中很难达到。存在其他噪声影响时,抗差卡尔曼滤波能够增加导航结果的可靠性,但增加了计算机的负载。针对上述问题,提出了一种利用马氏距离构造的抗差卡尔曼滤波算法,通过统计学特性利用假设检验探测出粗差,并通过调节因子进行调节。通过车载导航实测数据分别对标准卡尔曼滤波、抗差卡尔曼滤波以及基于马氏距离的抗差卡尔曼滤波进行分析,实验结果显示本文所提算法定位精度较高、可靠性强。

抗差卡尔曼滤波在危房监测中的应用

危房问题越来越受到社会和公众的关注,为了提高危房监测的精度,通过对标准卡尔曼滤波进行改进,将其与抗差估计相结合,构建一种能够有效抵抗监测数据粗差的数据处理方法-抗差卡尔曼滤波模型。通过对贵州省某市的一栋危房进行14天的GNSS监测,将建立的抗差卡尔曼滤波模型对监测数据进行处理,证明了抗差卡尔曼滤波模型可以减弱或消除粗差对监测数据的影响,能够为危房监测安全问题提供决策依据。

基于自适应优化选择-抗差自适应卡尔曼滤波混合模型的GNSS+5G组合定位

PNT系统的构建是通信和导航领域的关键课题。发展能够兼容集成不同类型PNT手段,提供具备较好的弹性和环境适应性的综合PNT体系已成为当前刻不容缓的重要任务。5G和北斗系统的出现和发展,为PNT体系走向更综合、更弹性提供了新的思路。据此,本文提出了一种基于GNSS+5G组合数据的自适应优化选择-抗差自适应卡尔曼滤波(AOS-RAKF)算法,以实现城市复杂环境中的高精度定位估计。该算法主要由两个模块组成,即基于AOS的5G基站测量数据优化和基于AOS-RAKF算法的GNSS+5G组合定位。其中,基于AOS的5G基站测量数据优化模块通过自适应优化选择因子实现更好的观测数据重选。GNSS+5G组合定位模块利用优化后的5G数据和GNSS建立耦合结构模型,再利用RAKF方法实现移动车辆的高精度定位。半实物仿真测试结果表明,复杂城市环境下与使用原始测量数据的GNSS、单5G、传统的GNSS+5G组合定位相比,本文AOS-RAKF方法显著提高了定位精度。

GNSS/INS组合系统的抗差卡尔曼滤波

为了有效探测和修复组合系统中存在的缓慢增长误差和异常值,从连续时间系统模型入手,推导出卡尔曼模型的动力学状态方程,并给出组合系统的状态方程和观测方程.在分析粗差对卡尔曼模型影响机理的基础上,得出抗差卡尔曼模型.针对传统抗差卡尔曼模型抗差参数需要在一定范围内主观确定的缺点,提出一种根据给定的错误预警率和故障探测率确定抗差参数的改进方法.利用改进方法对成熟软件产生的全球导航定位系统/惯性导航系统(GNSS/INS)的模拟数据和MonteCarlo方法产生的模拟单、多和缓慢增长误差模型进行实验研究.实验结果表明:用给定错误预警率和故障探测率确定抗差参数的抗差卡尔曼模型能够有效修复单或多异常值误差和缓慢增长误差,模型通过卡方检验.

精密单点定位的抗差卡尔曼滤波研究

从卡尔曼滤波的新息出发,推导了卡尔曼滤波残差的新息表达式,并用其构造抗差因子.根据精密单点定位的内部可靠性和观测值的随机性,确定完全可探测的载波相位和伪距粗差,并分别加入相应观测值粗差.通过标准卡尔曼滤波、新息的抗差卡尔曼滤波和残差的抗差卡尔曼滤波3种方案对比,粗差使标准卡尔曼滤波的估计结果产生一定的偏差.当观测值精度不等时,新息的抗差卡尔曼滤波对较高精度观测值的粗差抗差效果较差.而残差的抗差卡尔曼滤波能够实现不等精度观测值粗差的同时抗差.

相邻历元误差相关的抗差卡尔曼滤波算法分析

根据卡尔曼滤波理论以及抗差理论,本文推导出了相邻历元误差相关的抗差卡尔曼滤波模型,其对观测值中含有粗差有良好的抗差性。通过对含有粗差的变形监测数据分析,与相邻历元误差相关的卡尔曼滤波模型进行比较,采用本文构造的抗差卡尔曼滤波模型处理数据,无论是否有粗差存在观测值里,变形计算结果与实际结果大体一致,粗差对计算结果的影响不敏感。在对变形监测数据分析时,可得出卡尔曼滤波方法估计的状态向量,没有寄存大量的以往观测数据,而是使用最近的观测数据,经过不断的预测和改正,把新的状态展示在系统中。

抗差卡尔曼滤波在聊城古建筑动态数据处理中的应用

古建筑在日照、风压等因素的影响下,易产生老化变形,一般会采用及时补救的方法,有时并没有分析其根本原因,本文在布设动态监控网,获得监控数据后,用抗差卡尔曼滤波对监控数据进行分析的方法,对变形方向进行预测,预测值与平差值的误差均在限差范围内,且变化方向大致相同,可以将它作为古建筑变形方向的预报,做到防患于未然。

基于新息χ~2检测的扩展抗差卡尔曼滤波及其应用

针对INS/GNSS松组合导航中GNSS因信号受到遮挡和干扰而产生的位置、速度观测故障问题,研究了新息χ~2检测算法,在此基础上提出了一种扩展抗差卡尔曼滤波,对容易受到遮挡和干扰的GNSS位置、速度观测量进行了抗差处理,解决了在缺少多余观测量时难以进行抗差滤波的问题,最后用实测数据对算法进行了验证。实验结果表明,基于新息χ~2检测的扩展抗差卡尔曼滤波在没有多余观测量的情况下也能够有效抑制观测粗差的影响,提高组合导航系统的稳定性和可靠性。