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关或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,可获得可靠的变形分析结果。     

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。     

卡尔曼滤波法方差估计的理论研究

在卡尔曼滤波中,用传统的赫尔默特法进行方差估计时,不仅计算公式复杂,而且计算量非常大.基于广义最小二乘法导出的滤波公式,根据赫尔默特方差估计的基本原理,推导出了用预测残差向量进行方差估计的新公式.与传统的方差估计公式相比较,新公式不仅形式简单,而且大大减少了方差估计的计算量.     

Kalman滤波在GPS非差相位精密单点定位中的应用

阐述单台双频GPS非差相位精密单点定位的数学模型,在最小二乘估计基础上,导出卡尔曼滤波算法。提出采用迭代扩展卡尔曼滤波算法解决非差相位非线性方程在线性化过程中产生的线性误差问题,并将其应用于GPS数据实时处理,不仅很好地降低非线性方程线性化产生的误差,而且能够精确推算到用户的三维位置。     

自校正抗差估计法

目前对含粗差观测值数据处理主要采用２种方法：将含粗差观测值视为方差异常，然后采用变权迭代法即稳健估计法处理；将含粗差观测值视为异常，用统计检验法剔除含粗差观测值后再进行数据处理。本文提出将含粗差观测值逐步校正法，该方法不必剔除含粗差观测值，采用不变权迭代法计算，对独立观测值数据处理效果良好，若为非独立观测时，可用把相关观测值转换成独立观测值法进行处理，故上述方法仍然有效。     

GPS非差相位精密单点定位技术的发展

论述了非差相位精密单点定位的原理、方法，讨论了非差相位精密单点定位及其数据处理过程中的误差改正、数据预处理方法．展望了非差相位精密单点定位的应用：利用单台双频GPS接收机在全球范围内进行静态或动态作业，可直接得到高精度的ITRF框架坐标，对高精度动态导航定位及低轨卫星的定轨等具有重大意义。     

水下声学温度场测量方法的抗差性研究

传统的最小二乘法不具备抗御粗差的能力.当参与温度场重建的声学数据中包含粗差时,容易导致重建的失败.针对水下测得的声学数据中不可避免地含有粗差的情况,将抗差最小二乘法引入温度场重建.依据飞渡时间计算值的范围,建立飞渡时间数据预处理程序,找出实验数据中的粗差,增加了温度场还原过程的抗差性.实验结果表明,以上措施能在一定程度上抑制粗差对温度场重建结果的影响.     

基于新息的神经网络自适应卡尔曼滤波

卡尔曼滤波是一种基于最小方差的递推式滤波算法,系统模型和噪声统计特性的先验知识决定了滤波的性能和估计的准确性,不精确的先验知识将导致滤波性能的明显下降甚至发散。采用BP神经网络对系统进行辨识,获得精确的系统状态方程,利用新息自适应估计卡尔曼滤波算法中的过程噪声和测量噪声协方差矩阵,提出基于新息的神经网络自适应卡尔曼滤波算法。Matlab仿真结果表明,与传统卡尔曼滤波算法相比,改进的卡尔曼滤波算法获得了与原始信号几乎一致的输出信号,噪声得到明显抑制。同时,改进的算法不需要系统精确的数学模型,在实际应用中具有可行性和普适性。     

测量平差中粗差的一次范数最小的处理方法

应用一次范数最小解决测量平差中粗差的数据处理问题，利用一次范数最小估计的性质，分析一次范数最小平差的抗差性，并通过实例对最小二乘估计和一次范数最小估计进行比较，结果表明了该方法的合理性与可行性。     

一种鲁棒Kalman滤波算法

针对带模型误差系统,利用偏差分离估计提出一种鲁棒Kalman滤波算法,并给出了该算法的渐近稳定条件．仿真结果表明该算法有效．     

一种双频非组合实时精密定位方法

为满足单系统单基线双频数据条件下的实时精密定位需求,提出一种双频非组合实时精密定位技术,基于站间-星间载波相位及伪距观测量双差观测模型,实现单系统单基线双频非组合RTK(Real Time Kinematic).通过分析双差模型观测量冗余度,确立模型残余误差处理策略,设定状态向量,推导并建立状态预测方程及测量方程,实时更新状态向量变换矩阵,根据随机模型调整两种观测量数据的权重,最后利用扩展卡尔曼滤波器技术得到实时定位结果.文中基于几组中长基线实验,通过考察定位结果的三维定位误差及整周模糊度成功固定率,验证该方法的有效性.实验结果表明,在中长基线条件下进行实时定位,该方法精度可以达到厘米级,基线长度为135.6 km时,整周模糊度固定成功率为97.3%,东向、北向、天向的CEP95定位误差分别为1.35 cm、1.84 cm、7.08 cm.双频非组合技术充分利用差分技术的优势消除与距离无关的相关误差,并有效地避免了观测值组合过程所引起的观测噪声,可以实现中长基线条件下的厘米级实时定位.     

New sigma point filtering algorithms for nonlinear stochastic systems with correlated noises

New sigma point filtering algorithms, including the unscented Kalman filter (UKF) and the divided difference filter (DDF), are designed to solve the nonlinear filtering problem under the condition of correlated noises. Based on the minimum mean square error estimation theory, the nonlinear optimal predictive and correction recursive formulas under the hypothesis that the input noise is correlated with the measurement noise are derived and can be described in a unified framework. Then, UKF and DDF with correlated noises are proposed on the basis of approximation of the posterior mean and covariance in the unified framework by using unscented transformation and second order Stirling’s interpolation. The proposed UKF and DDF with correlated noises break through the limitation that input noise and measurement noise must be assumed to be uncorrelated in standard UKF and DDF. Two simulation examples show the effectiveness and feasibility of new algorithms for dealing with nonlinear filtering issue with correlated noises.     

采用稳态Kalman滤波器简化Kalman滤波器的计算

计算Kalm an滤波器的方法主要采用迭代计算法,在工程应用中在线进行无穷迭代运算所带来的较大计算量势必影响计算速度。提出了稳态Kalm an滤波器的概念,并用Kalm an滤波器增益阵的稳态值计算Kal-m an滤波器。采用稳态Kalm an滤波器避免了在线计算Kalm an滤波增益在各时刻的函数值,因而减小了采用迭代法计算Kalm an滤波器的计算负担。     

Performance assisted enhancement based on change point detection and Kalman filtering

A performance assisted enhancement Kalman filtering algorithm （PAE-KF） for GPS/INS integration navigation in urban areas was presented in this work. The aim of this PAE-KF algorithm was to prevent ＂deep contamination＂ caused by error GPS data. This filtering algorithm effectively combined fault estimation of raw GPS data and nonholonomic constraint of vehicle. In fault estimation, a change point detection algorithm based on abrupt change model was proposed. Statistical tool was then used to infer the future bound of GPS data, which can detect faults in GPS raw data. If any kinds of faults were detected, dead reckoning mechanism begins to compute current position. Nonholonomic constraint condition of vehicle was used to estimate velocity of vehicle and change point detection was added into classic Kalman filtering structure. Experiment on vehicle shows that even when the GPS signals are unavailable for a period of time, this method can also output high accuracy data.     

Parameters identification of the compound cage rotor induction machine based on linearized Kalman filtering

0　INTRODUCTIONThespecialstructureandmaterialisadoptedintherotorofthecompoundcagerotorinductionmachinetoen ablethemachinetohavegoodstartingperformance ,highefficiencyandpowerfactor ,andhavewideapplicationprospectsonsomeoccasions .Thespecialstructureofrotorcausestheoperatingmodeofthemachinetohaveagreaterinfluenceonitsparametersthanthatofanaveragestruc ture .Recentsystemidentificationtechniqueshavebeenap pliedtoestimatetheparametersoftheinductionmachine .Sothataccurateparameterscanbeacquire…     

Kalman滤波几种异常检验法

为了检测动态导航观测异常和动力学模型异常,采用预测残差构造观测误差和动力学模型误差整体检验 法,对观测异常可分别采用以模型为准的观测异常检验、以当前历元可靠观测为基准的异常检验或以Kalman 滤波估值为基础的异常检验的方法;对于动力学模型异常检验,可以分别采用状态不符值检验法、以状态参数 Kalman滤波估值为基础的动力学模型异常检验或以可靠观测为基础的动力学模型误差整体检验的方法。分析 了以上几种检验方法的特点,并用实测数据进行了检验。结果表明:在观测异常或动力学模型异常处,异常检验 对导航数据精度有一定程度地提高。