基于卡方检验的GNSS观测值部分粗差抗差滤波算法

在进行抗差卡尔曼(Kalman)滤波过程中,为避免由于全球导航卫星系统(GNSS)观测值之间的相关性而导致粗差转移的问题,提出了一种基于卡方检验的GNSS观测值部分粗差抗差算法。首先,基于观测模型异常检验量,分析了观测值之间的相关性,并针对由于观测值之间的相关性所导致的粗差误判问题,提出了部分粗差抗差算法;根据假设检验理论,构造了滤波模型整体检验量,基于卡方检验判断整体模型是否存在异常,并给出了基于卡方检验的GNSS观测值部分粗差抗差算法整体流程框架;最后设计了两组实验,采用3种方法进行对比分析,以验证所提算法的性能。实验结果表明,所提算法极大地消弱了观测值之间相关性的影响,能准确的识别粗差位置,明显降低了粗差探测的误警率,保证了定位的鲁棒性。

基于抗差自适应CKF的水下重力匹配导航SITAN算法

为提高水下重力匹配算法的定位精度和稳健性,将容积卡尔曼滤波应用到水下重力匹配惯性导航中,同时引入抗差估计和自适应因子,提出了基于抗差自适应容积卡尔曼滤波的水下重力匹配导航SITAN算法。利用重力异常模型数据开展仿真实验,结果表明,所提算法能有效修正惯导整体航迹,在观测值未加入粗差的情况下较普通容积卡尔曼滤波算法提高了76%的导航定位精度,在观测值加入30 mGal粗差的情况下,提高了88%的导航定位精度。该研究成果可为后续水下重力匹配导航算法的理论研究及工程实践提供一定的数据支撑。

基于自适应抗差滤波的WSNs节点跟踪算法

针对无线传感器网络定位误差大、有色噪声影响严重等问题,提出一种基于自适应抗差Kalm an滤波的无线传感器网络节点跟踪算法。先采用直线拟合削弱初始点位观测值的横向误差,然后通过构造自适应因子和等价权函数来控制未知有色噪声和观测值粗差的影响,并利用观测环境构造可信度因子干预滤波计算。在低速、高速运动模型下,分别以直线运动和正弦曲线运动两种运动模式为例进行了仿真研究,仿真结果表明,该算法平均跟踪点位精度较EKF算法和UKF算法有较大提高,并对未知噪声和观测异常具有较强的适应性和容错性,能有效应对传感器节点机动运动,具有良好的跟踪效果。

抗差Vondrak滤波器设计及其在粗差探测中的应用

首先,分析了Vondrak滤波器设计的基本原理,在原有模型的基础上引入一个惩罚函数,利用惩罚函数来抑制粗差对拟合的影响,得到抗差Vondrak滤波模型;然后,给出了抗差Von-drak滤波模型的迭代求解算法,利用抗差Vondrak滤波器获得原始信号在粗差污染情况下的稳健估计,进而利用估计残差的大小进行粗差探测;最后,分别利用仿真数据和实测数据进行粗差探测试验,试验结果验证了抗差Vondrak滤波的正确性和有效性。

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。

基于Vondrak粗差探测的抗差EKF算法在GPS导航中的应用

提出基于Vondrak滤波粗差探测的抗差EKF算法,并应用于GPS导航定位。分析了传统抗差EKF的基本原理,结合粗差特性及Vondrak粗差探测理论,建立了新的抗差EKF模型。首先对观测值进行粗差识别和定位,再在粗差点处采用抗差EKF模型滤波。实验表明,当观测值中存在粗差时,新建抗差EKF模型可以很好地抵抗观测值中粗差的影响;和传统抗差模型相比,避免了对每个历元进行抗差迭代,提高了导航求解的效率。

改进的基于奇异值分解的抗差容积卡尔曼滤波算法在全球定位导航中的应用

非线性动态系统存在非线性和噪声不确定的问题,容积卡尔曼滤波对解算该类系统有较好的精度,为了提升导航系统对异常观测值的稳定性,对采样数据进行均值滤波处理,降低干扰较大的采样数据对于滤波结果的影响。用奇异值分解代替Cholesky分解,改善滤波稳定性,避免先验协方差非正定而降低滤波性能。最后通过引入抗差因子调节观测协方差矩阵,再次减少观测异常值对于滤波结果的影响。采用仿真实验进行分析,改进的抗差容积卡尔曼滤波算法对于减弱异常观测值影响有良好的效果。

抗差自适应分步滤波算法在PPP/INS组合导航中的应用

针对常规抗差自适应滤波算法在PPP/INS组合导航应用中存在难以准确识别和分离观测粗差及运动异常对定位结果影响的问题,基于分类因子自适应滤波原理,提出了一种抗差自适应分步滤波算法。该算法首先执行第一步滤波,对状态模型异常信息进行隔离,仅对观测粗差进行诊断和抗差处理;然后在第一步滤波的基础上,执行第二步滤波,对状态模型异常进行诊断和自适应处理。算法分析表明,抗差自适应分步滤波算法可以准确地识别和分离观测粗差和运动异常扰动。实验结果表明,抗差自适应分步滤波算法能够进一步增强滤波算法抵抗观测粗差和运动异常扰动对滤波结果的影响,提高PPP/INS组合导航系统定位结果的稳定性和可靠性。

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。

基于抗差扩展卡尔曼滤波器的永磁同步电机转速估计策略

通过分析粗差对扩展卡尔曼滤波器(extended Kalman filte,EKF)状态估计的影响,对无速度传感器矢量控制的永磁同步电机的转速,提出了一种基于抗差扩展卡尔曼滤波器(robust extended Kalman filter,REKF)的估计方法.建立了永磁同步电机的REKF模型,探讨了永磁同步电机在粗差干扰下引入REKF能否获得优于EKF的估计性能这一问题,比较了REKF与EKF在遇到外部粗差干扰或内部估算粗差干扰时转速和磁链的变化.仿真和实验结果表明REKF较EKF而言具有更好的抗粗差性能,使系统遇到干扰时能更快收敛.

多维粗差定位与定值的算法研究及实现

在概括控制网观测值粗差探测方法研究进展和讨论多维粗差定位与定值理论的基础上 ,提出了多维粗差的搜索、判断和算法 ,并在控制网数据处理通用软件包中得到实现。通过算例分析 ,证明了算法的有效性 ;

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。

抗差部分岭估计及其在GPS快速定位中的应用

针对GPS快速定位中观测资料含有粗差且因观测信息不足造成设计阵“部分病态”的实际情况,对现有的抗差有偏估计进行改进,提出了一种新的抗差有偏估计——抗差部分岭估计,并讨论了抗差部分岭估计中“部分岭参数”的选择方法。计算结果显示,新估计与现有的抗差有偏估计相比,具有精度高、速度快、稳定性好的特点。

GPS监测网动态数据处理抗差Kalman滤波模型

为克服观测向量中的粗差对状态参数滤波值的影响 ,通过分析其影响规律 ,并充分顾及到粗差在预测残差中得到全部反映的特点 ,导出了 GPS监测网动态数据处理的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 .通过利用该抗差滤波模型对含有粗差的模拟 GPS监测网的计算 ,与采用标准卡尔曼滤波模型的计算结果相比较 。

卫星导航自适应抗差滤波算法

针对传统卡尔曼抗差滤波算法响应速度慢、测量误差大,不能满足实时高精度测量的问题,提出自适应抗差滤波算法。首先,设定门限值,当系统判定误差超过门限值时,以当前状态向量为初始值,重新初始化滤波系统,其次,系统重新初始化之后,系统快速调整其增益矩阵,实现跟踪并快速响应导航卫星的目的。仿真实验结果表明,自适应抗差滤波算法测量精度为0.054 772°,误差调整响应速度16 s,误差范围为±0.1°,与传统卡尔曼滤波器相比,响应速度更快,误差更小,精度提升了49.9%。

有色噪声作用下的抗差卡尔曼滤波

根据用GPS载波相位三差观测量进行动态定位或精密导航的需求,推导了动态噪声、观测噪声为有色噪声的抗差卡尔曼滤波公式。白噪声的抗差卡尔曼滤波是有色噪声的抗差卡尔曼滤波的特例,有色噪声的抗差卡尔曼滤波为白噪声的抗差卡尔曼滤波的推广。

部分变量误差模型的整体抗差最小二乘估计

部分变量误差模型(partial EIV model)的加权整体最小二乘(weighted total least-squares,WTLS)估计不具备抵御粗差的能力。鉴于粗差可能同时出现在观测值和系数矩阵中,本文在提出部分变量误差模型WTLS估计的两步迭代解法的基础上,运用抗差M估计的等价权方法,发展了一种整体抗差最小二乘(TRLS)估计方法,并采用一致最大功效统计量确定降权因子。针对WTLS估计两步迭代解法的特点,设计了两个不同的降权方案:第1个方案是在估计系数矩阵元素时,不对观测值降权,仅对系数矩阵降权;第2个方案是在估计系数矩阵元素时,既对系数矩阵降权,同时也对观测值降权。通过对模拟2D仿射变换和线性拟合实例进行计算和分析,结果表明第1方案优于第2方案,并且优于基于残差和验后单位权方差的抗差估计和现有的变量误差模型抗差估计。

改进的布料模拟算法在多波束点云粗差剔除中的应用

针对目前多波束滤波需要人工剔除的现状,在布料模拟滤波算法(cloth simulation filtering,CSF)基础上,提出了一种基于点云分割和自适应参数调整改进的CSF算法。先对多波束点云数据进行分割,然后根据点云数据的面积和标准差调整每块CSF算法的参数,再构建布料滤波模型剔除粗差点,最终将分割后的点云拼接生成水下地形点云数据。结果表明,本文算法与CSF算法相比,克服了过度滤波现象,而且对于不同地区与人工方法粗差点剔除比分别从1.03下降到1.01和从1.46下降到1.19;与人工剔除粗差相比,避免了遗漏粗差点,人工干预很少。

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。

基于系统误差及其协方差阵拟合的抗差自适应滤波

动态导航数据处理中基于系统误差及其协方差矩阵拟合的自适应滤波算法在一定程度上可以抵制系统误差或区域性系统误差对动态导航定位结果的影响,但无法抵制异常扰动的干扰。考虑到观测模型和动力学模型存在异常扰动时,整体控制状态噪声协方差阵的方法可以减弱扰动异常的影响,因此提出一种基于系统误差及其协方差矩阵拟合的抗差自适应滤波算法。算例结果证实,该算法在减弱系统误差影响的同时,还能有效地抵制观测异常和载体状态扰动异常对动态系统参数估值的影响。