基于抗差Kalman的天导/惯导组合导航技术

以天导位置作为量测信息对惯导设备进行综合校正时,天导位置误差因测星修正作用存在“误差回降”现象,降低惯导设备误差估计效果。针对上述问题,提出基于抗差Kalman的天导/惯导组合导航技术,降低“误差回降”对滤波精度和稳定性影响。试验表明,采用抗差Kalman可稳定估计惯导误差,证实所提方案具有较强的应用价值。

基于抗差Kalman滤波的精密单点定位

当精密单点定位的观测值含有异常数据时,Kalman滤波的精度将会降低。采用抗差Kalman滤波方法能够有效抑制观测异常,提高滤波的精度和可靠性。运用武汉国际GPS服务跟踪站数据对该方法进行了验证。结果表明,抗差Kalman滤波的精度比Kalman滤波的精度有一定程度提高,说明抗差Kalman滤波能够有效抑制观测异常。

海洋测深数据的抗差Kalman滤波

从线式测深模式要求出发,构建了海洋水深测量过程中的测船位置滤波模型和深度数据的滤波模型,并在此基础上,给出了测线上位置数据和深度数据Kalman滤波的一般解和抗差解,并结合海洋水深测量特点,构建了满足水深数据剔除异常值的截断权函数和滤波方案,实例分析表明,抗差滤波方法能够有效地控制测船位置粗差,在选择截断权函数情况下,抗差滤波方法能够有效地剔除水深跳点和假水深。

基于抗差Kalman滤波的航空发动机测试数据预处理技术

针对使用标准Kalman滤波算法不能准确处理包含粗差的航空发动机测试数据的问题,在分析标准Kalman滤波算法准则和观测误差对滤波估计结果影响的基础上,采用动态调整观测信息在滤波估计结果中权重的方法,给出了基于抗差M估计理论的抗差Kalman滤波准则和递推公式。对不同的发动机测试数据分别采取序列滤波的方法,减少了运算量。基于常加速度模型,建立了测量参数的状态空间方程和测量方程。以包含粗差的某型涡扇发动机稳定工作过程的模拟测量数据为例,采用所设计的抗差Kalman滤波器对其进行预处理,与标准Kalman滤波算法处理的结果对比表明,在模型误差一定的情况下,抗差Kalman滤波算法具有更好的估计精度。

动态系统的抗差Kalman滤波及其影响函数

离散历元动态观测量及其相应的动态模型可能存在异常,若在数据处理中不考虑对这些异常的特别处理,则动态模型参数估值及其所提供的动态信息将极不可靠。对于GPS动态定位数据的处理,按抗差估计原理,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。实际计算验证了该方法的实用性和可靠性。

基于M估计的抗差Kalman滤波算法在某混凝土重力坝变形监测中的应用

为了解决标准Kalman滤波法不能很好处理大坝变形观测粗差与状态方程异常的问题,提出了采用基于M估计的抗差Kalman滤波算法,在最小二乘准则的基础上,通过调整观测值对状态估计的比例权重,可得到模型参数的稳健估计,给出了其滤波准则及递推公式,并根据预测残差调节增益矩阵的大小,尽可能地削弱监测噪声和动态噪声里粗差的影响,让系统处于比较稳定的状态。实例应用结果表明,该算法不仅可提高滤波精度,且能很好地控制观测异常和动态扰动异常对监测的影响。

顾及RPDOP值的GPS变形监测抗差Kalman滤波

在GPS变形监测中,受周跳、多路径效应、衍射以及卫星图形结构的影响,位移观测值中常含有粗差,而卫星图形结构并不是一个定位误差源,其对定位精度的影响实质是导致定位解算时法方程的不稳定。为此,将GPS精密定位中的相对定位几何精度因子作为先验信息用于抗差Kalman滤波,以进行合理的抗差降权。应用结果表明,引入RPDOP值的抗差Kalman滤波具有更好的抗差效果。

改进抗差Kalman滤波的INS/GPS紧组合导航算法

现有的抗差卡尔曼滤波基于对位置信息的检验给出等价权,会导致当GPS可观测卫星在4颗以下时,基于抗差卡尔曼滤波算法的INS/GPS紧组合导航算法退化为纯惯性导航,针对这一问题,提出了改进的抗差卡尔曼滤波算法.首先介绍了INS/GPS组合导航模式,并且建立了紧组合导航模式下的状态空间方程;然后分析了GPS可观测卫星在4颗以下时,抗差卡尔曼滤波导航精度差的根源,在此基础上提出了改进的抗差卡尔曼滤波算法,改进的算法基于原始测量信息给出等价权,因此无需可观测卫星在4颗以上;实验结果表明,改进的抗差卡尔曼滤波克服了抗差卡尔曼滤波的缺陷,在导航精度上有很大提高.

R-T-S平滑算法与抗差Kalman在数据后处理中的应用

为了提高组合导航系统后处理精度和数据稳定性,将R-T-S最优固定区间平滑算法引入数据后处理中,在前向Kalman滤波的基础上,进行了后向R-T-S最优固定区间平滑处理,并针对GPS观测值中存在异常的问题,将抗差Kalman滤波算法引入数据后处理中,并对该算法进行实物仿真。结果表明,与传统Kalman滤波相比,R-T-S平滑算法不仅可以提高位置、姿态精度,而且在卫星信号失锁的情况下精度也得到显著改善,并且在不丢星的时刻,抗差Kalman滤波可以有效处理GPS信号中的异常观测值,遏制滤波发散,是一种有效的数据处理方法。

一种顾及观测质量信息的自适应抗差Kalman滤波方法

针对观测数据含有异常粗差且无多余观测的应用情形,提出一种顾及观测质量信息的自适应抗差Kalman滤波方法。该方法两步计算得到自适应因子和抗差等价权矩阵,即首先利用顾及观测质量信息的抗差Kalman滤波得到消除观测粗差影响的参数估计值,然后根据该值构造动力学模型误差判别统计量并计算自适应因子。以某边坡GPS变形监测数据序列处理为例,利用RPDOP(Relative Position Dilution of Precision)值作为观测质量信息进行处理分析,结果表明该方法能够有效控制动力学模型误差和观测粗差对滤波估值的影响。

抗差Kalman滤波算法研究及其在GPS监测数据中的应用

针对传统Kalman滤波在异常噪声作用下滤波估计会出现较大偏差等问题,研究基于稳健估计准则、最大相关熵准则的抗差Kalman滤波的算法原理及模型构建,推导基于Huber法、最大相关熵法的抗差Kalman滤波公式,并利用经典kalman滤波、Huber法抗差Kalman滤波、最大相关熵法抗差Kalman滤波以及小波阈值去噪方法对GPS单历元解算数据进行分析。另外,人为在数据中添加粗差,通过相关图表及统计精度对上述滤波模型进行定量分析。经统计,最大相关熵法抗差Kalman滤波的信噪比、均方根误差、平均绝对误差、平滑度最优精度分别为84.3720、0.0453 m、9.6301×10^(-7)m、0.0660,综合精度最高。实验数据说明,最大相关熵抗差法Kalman滤波在处理包含粗差的数据时表现出更加良好的鲁棒性,能给予准确的变形估计。

基于抗差Kalman滤波算法的单频BDS周跳探测

提出了一种基于抗差Kalman滤波算法的单频BDS周跳探测方法。该方法以Kalman滤波算法为基础,构建了历元间差分观测值,使周跳以粗差的形式表现出来,并采用IGGⅢ等价权函数调整滤波增益矩阵实现抗差处理,从而达到准确探测周跳的目的。采用单频BDS实测数据对本方法进行验证,并以现有Kalman滤波方法作为对比。结果表明,在无周跳情况下,Kalman滤波法预报残差序列中误差为0.140,抗差Kalman滤波法预报残差序列中误差为0.121,本方法对观测噪声的灵敏性更强;在加入多个具有不同特征的模拟周跳后,Kalman滤波法存在滤波多次初始化问题而不能探测出少量历元的连续周跳,本方法则实现了所有周跳的探测,准确率为100%,同时保证了滤波过程只需初始化1次。

两种抗差Kalman滤波在隧道监测中的应用研究

标准的Kalman滤波模型,要求系统噪声统计特性满足零均值白噪声等条件,但在实际工程应用中,一般会因复杂环境而难以满足要求。为此,以实际铁路隧道沉降监测为背景,对基于自适应因子的抗差Kalman滤波和基于稳健估计的抗差Kalman滤波的应用进行了比较研究。结果表明,两种抗差滤波算法均能抵御粗差影响,但前者应用效果更佳。

一种基于灰色预测理论和抗差自适应Kalman滤波的滑坡监测算法

针对当前的山体滑坡监测技术监测精度低、实时性差、自动化程度低的问题,提出了一种基于灰色预测理论和抗差自适应Kalman滤波的滑坡监测技术。该技术使用抗差自适应Kalman滤波技术,对包括实时动态(RTK)载波相位差分定位数据、无人机摄影测量数据、土工带传感器数据在内的多源数据进行融合分析,将滑坡形变监测精度提高到了mm级。RTK技术和土工带传感器的使用克服了天气状况、植被覆盖对滑坡监测的影响。使用灰色预测理论对山体滑坡监测点进行形变预测,结合蠕变切线角判据,该技术实现了对山体滑坡预警等级的划分。仿真实验结果显示,该山体滑坡监测技术能够成功实现山体滑坡预测预警功能。

基于卡方检验的抗差自适应Kalman滤波在变形监测中的应用

在抗差Kalman滤波的基础上引入双自适应因子,分别对动态模型不准确和观测模型存在粗差进行调节,构建双自适应因子滤波模型。针对抗差自适应Kalman滤波效率较低的缺点,通过构建基于卡方检验的抗差自适应Kalman滤波,先用卡方检验对粗差进行检验,再调用抗差自适应Kalman滤波进行处理。工程实例表明,双自适应因子滤波模型可以很好地抵御粗差,并减弱模型不精确的影响。基于卡方检验的抗差自适应Kalman滤波不仅可以削弱粗差对滤波估值的影响,而且可以提高数据处理的效率。

抗差自适应Kalman滤波在动态变形监测中的应用研究

抗差自适应Kalman滤波算法中,抗差等价权矩阵和自适应因子的计算,要求观测信息具有多余观测量且准确可靠,但在动态变形监测应用中,通常滤波观测值仅为三维坐标且存在较强噪声和粗差的影响。为此,先对该算法中的自适应因子和抗差等价权矩阵的计算进行研究和改进,然后计算了某高速公路边坡的GPS动态监测数据。结果表明,抗差自适应Kalman滤波能够有效地抵制动态变形监测中观测值异常的影响。

抗差多速率模型与抗差自适应Kalman滤波性能对比

将IGGIII抗差方案与小波变换相结合,通过高频小波系数对粗差进行探测,用局部预测值对其进行替代;并将观测数据的多速率信息抽取用于状态估计,建立抗差多速率模型,将其应用于工程建筑物的变形监测数据处理中。通过与抗差自适应Kalman滤波的结果对比,表明了抗差多速率模型具有抵御多种粗差的能力;对观测数据中的信息进行了有效利用,使得滤波估计的精度高于抗差自适应Kalman滤波。

抗差自适应Kalman滤波及其在GNSS导航中的应用

针对Kalman滤波易受粗差影响而导致结果失真的问题,提出一种抗差自适应Kalman滤波方法,该方法结合自适应滤波与抗差Kalman滤波的优点,同时设计自适应因子和抗差因子,采用改进的两段Huber函数与2~3倍的观测噪声中误差来充当抗差因子与粗差判别标准。并对Kalman滤波和抗差自适应滤波（Adaptive Robust Kalman Filtering,ARKF）结果进行比较。车载实验结果表明,ARKF可以有效抵制观测异常对状态估值的影响,同时在系统先验信息不能精确给出的情况下,显著改善了滤波估值的稳定性和可用性。

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。

自适应抗差联邦滤波算法

简要介绍了抗差估计理论 ;在顾及扰动异常的情况下 ,把自适应抗差Kalman滤波应用到联邦滤波上 ,对联邦滤波进行了改进 ,提出了一种自适应抗差联邦滤波算法。由计算结果可知 ,自适应抗差联邦滤波能较好地抑制载体观测异常和状态扰动异常对动态系统参数估值的影响 。