卡尔曼滤波的精度评定

卡尔曼滤波方法已广泛应用于动态测量数据的处理，其单位权方差通常按新息向量和观测值的残差向量进行计算，增加了观测值残差向量的计算。本文根据新息向量和观测值残差向量与观测值的预测残差向量之间的关系，推导出用预测残差向量计算单位权的计算公式，从而减少了单位权计算的工作量。     

基于WTLS的部分最小二乘粗差探测法

针对平差时EIV模型中所含粗差的问题,提出了EIV模型的粗差探测法,利用变形后的加权总体最小二乘法依次对假设不含粗差的一组观测向量进行平差计算,然后通过平差后所得到的单位权方差估计值的大小对观测向量进行分组,从而达到粗差定位的目的。通过算例分析比较,得出在观测值独立等精度时,本文的方法可以有效的发现观测数据所存在的粗差。     

基于奇异值分解法的抗差总体最小二乘

在最小二乘平差中,认为只有观测向量中存在误差,因此当有粗差存在时,也只需要考虑观测向量中的粗差,采用抗差最小二乘可达到剔除粗差的目的。而总体最小二乘同时顾及了系数矩阵和观测向量中的误差,这就要求抗差总体最小二乘同时考虑系数矩阵和观测向量中的粗差。为了同时对粗差进行探测和定位,在加权总体最小二乘奇异值分解法的基础上,提出了一种总体最小二乘抗差估计,最后通过2个算例证明了本文提出方法的有效性和可行性。     

利用AR(p)模型的抗差最小二乘估计预报城市地铁隧道工程变形监测数据

变形监测数据由于受多种因素的影响,观测值的精度会有所不同,观测值中也会出现异常值。选择观测值残差平方的倒数作为观测值的权矩阵,利用加权最小二乘法进行预测,能提高观测值预测的精度,并应用抗差估计对含有粗差的观测值进行预报,能有效提高观测值预报的精度。某城市地铁隧道工程地表沉降预报的实验数据证明加权最小二乘估计和抗差最小二乘法的合理性、有效性和可行性。     

基于向量相关距离的新型RAIM算法

用户自主式完备性监测RAIM是卫星导航系统的重要组成部分,是指根据用户接收机的多余观测值监测用户定位结果的完备性.在现有的RAIM算法中,比较普遍的是利用伪距多余观测量实现粗差卫星的探测和识别的最小二乘残差法和Parity相关系数法.在旧有的以相关分析RAIM算法基础上,进行矩阵变换得到设计矩阵,重点考察设计矩阵向量间的相关系数和相关距离,作为粗差探测和识别的研究对象.通过向量相关距离时间序列,可以区分单个粗差和多个粗差的粗差集.本文提出的基于相关距离的RAIM算法,克服了现有RAIM算法中由于相关系数自身相关的缺陷而使得粗差探测失真的技术问题,并且具有利用矩阵变换计算相似距离,方法更加简便的优点,从而使得粗差识别更加清晰,识别多个粗差.     

一种基于改进自适应卡尔曼滤波的GNSS/INS组合导航算法

在全球卫星导航系统/惯性导航系统(global navigation satellite system/inertial navigation system,GNSS/INS)组合系统中,状态模型误差和异常扰动的影响严重降低了标准卡尔曼滤波的性能,而基于预测残差自适应的卡尔曼滤波随计算次数的增加滤波效果降低,且使用统一的自适应因子调节不可靠。针对上述问题,提出一种改进算法,利用预测残差建立的统计量调节位置向量和速度向量,避免了其他参数对滤波的平衡作用;通过预测残差的概率密度建立马氏距离进行假设检验,在模型正常时使用标准卡尔曼滤波,模型异常时使用改进滤波算法;采用实测车载数据对标准卡尔曼滤波、单因子自适应滤波和本文的滤波方法进行评估,实验结果表明:改进的自适应卡尔曼滤波的滤波算法效果良好,证明了所提算法的有效性。     

精密单点定位的卡尔曼滤波新息与残差随机性对比

为了验证卡尔曼滤波新息和残差描述观测噪声的能力,根据精密单点定位载波相位和伪距观测值的先验方差,利用蒙特卡罗模拟等方差的随机噪声作为分析基准,研究描述信号随机性的平稳性、正态性、自相关性和功率谱指标。实验结果表明,新息只能正确描述伪距观测值噪声的随机性,残差能够同时描述载波相位和伪距观测值噪声的随机性。同时,两者描述伪距观测值噪声的能力相近。因此,不同精度观测值的精密单点定位应该以新息表示的残差为基础进行卡尔曼滤波模型的改进。     

修改标志位的大容量无损HEVC信息隐藏方法

传统的视频信息隐藏方法大多通过修改视频的帧内预测模式、运动向量或预测残差系数来实现.然而,高效视频编码(HEVC)标准的高级运动向量预测(AMVP)技术同时利用相邻块的空域运动向量和时域运动向量来预测当前块的运动向量,通过在码流中保存预测运动向量的标志值来标识所使用的预测运动向量.基于这一特点,文中创新性地提出通过修改标志值来嵌入秘密信息.为了保证嵌密视频的质量,文中分析了标志值、预测运动向量以及运动向量残差之间的关系,然后对运动向量残差进行匹配修改,以此确保嵌密前后预测块的运动向量不变.实验结果表明,文中方法具有较大的嵌入容量和较小的比特率增加,且嵌密视频的质量与原始视频完全相同.     

基于反馈判决的鲁棒自适应机动目标跟踪算法

针对平方根容积卡尔曼滤波(SRCKF)在机动目标跟踪中面临测量异常和模型失准时估计精度下降的问题,提出了一种基于反馈判决的鲁棒自适应算法.利用Huber函数对观测残差序列处理获得权重向量以修正测量协方差,增强算法的抗差能力以克服测量异常问题;同时,引入多重渐消因子调整预测误差协方差,从而改变滤波增益,增强算法的自适应性...     

GPS动态定位中的应用研究

本文通过文献资料方法,较系统地分析了一种简单实用的高精度GPS动态定位数据处理模型——无模糊度参数卡尔曼滤波模型,指出了在模糊度未知时将模糊度参数作为滤波状态向量的一部分,同时利用伪距、载波相位双差观测值的附加模糊度参数卡尔曼滤波模型。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,简述了动态GPS定位的抗差Kalman滤波解法。讨论了整数最小二乘法及其降相关平差方法的原理及其实际算法。     

一种SINS/GPS紧组合导航系统的改进自适应扩展卡尔曼滤波算法

针对自适应扩展卡尔曼滤波算法中系统噪声协方差矩阵与量测噪声协方差矩阵不能同时被估计的问题,提出了一种改进的自适应扩展卡尔曼滤波算法.该算法基于残差,主要对滤波算法中的自适应估计器进行改进,改进后可以实时估计系统噪声.基于该算法,设计了新的滤波器并应用在SINS/GPS紧组合导航系统上,可随着系统中噪声的变化而自动地调节协方差矩阵.最后,分别用扩展卡尔曼滤波和改进的自适应扩展卡尔曼滤波对SINS/GPS紧组合模型进行仿真,结果表明改进的自适应的扩展卡尔曼滤波比扩展卡尔曼滤波的定位误差与测速误差更小,滤波的稳定性更好.      

基于自适应Kalman滤波的输油管道状态估计

通过离散化输油管道瞬变流动控制方程,基于扩展Kalman滤波方法,用带有未知时变噪声统计的虚拟噪声补偿线性化模型误差,构造了鲁棒自适应Kalman滤波器,以进出口压力及站间测量点为系统的输入与输出向量,对输油管道进行状态估计,并将状态估计结果与实际运行采集数据进行对比.结果表明,该滤波器迭代收敛速度较快,其误差控制在3%以内.     

基于小波分析与卡尔曼滤波的网络流量估计和预测方法

将目标状态的小波变换系数向量描述为卡尔曼滤波方法的状态变量,进而建立了网络流量估计和预测模型,能够实现周期内的实时跟踪和动态多步预测.利用CERNET华中地区主干网的实测流量数据对该模型进行检验,所有检验周期网络流量预测值的相对误差均值为4.58%,表明网络流量估计和预测模型具有较强的适用性.     

基于自适应自回归模型的非线性流量负荷预测

针对新一代移动数据业务(MMS,KJAV,WAP)具有复杂的非线性特性和不平稳特性,采用鲁棒Kalman滤波算法,提出了一种自适应自回归滑动平均模型(AARMA),并将其应用于移动数据业务负荷预测中。实际预测结果表明,即使是对变动大且不稳定的移动业务流量,自适应ARMA模型稳定,预测精度高,且预测误差的白噪声特性明显。     

森林资源动态预测的理论与方法

在用一维Kalman滤波研究森林资源动态基础上,介绍了二维Kalman滤波的原理与方法,并以浙江省丽水市森林资源连续清查样地的地理坐标建立二维坐标系,以样地森林面积和森林蓄积为状态向量,应用二维Kalman滤波研究森林资源动态。结果表明：对森林蓄积动态及样地个数较多、面积较大的用材林和防护林的面积动态预测效果良好,而对于样地个数较少、变异系数较大的样地如特用林和未成林造林林地的面积动态预测误差较大,如要作准确预测,则需要加大这些样地的抽样个数。     

新型抗差Kalman滤波及其在GPS动态导航中的应用

目前,抗差Kalman滤波一般采用独立等价权形式,观测值相关时等价权的确定是一个难题.从抗差估计的原始定义出发,首先直接对观测残差进行限制,然后利用观测残差与状态预报值残差的关系对状态预报值残差进行限制,这样可同时消除观测模型误差和状态模型误差的影响.此外,本方法无需考虑观测值是独立的还是相关的.最后给出了算例,结果表明,该方法是切实可行的.     

推广卡尔曼滤波法及其在经济系统预测中的应用

对于发生变化的动态经济过程,应用定常参数模型进行预测时误差较大。为了解决这一问题,本文建立了时变参数的自适应预测模型,提出了由建模和推广的卡尔曼滤波器组成的预测方案,对全国积累基金和全民固定资产投资进行了预测。结果表明,该方法具有较高的预测精度,可以在动态经济系统的预测中加以推广应用。     

水动力学模型实时校正方法对比

选择典型的实时校正方法:传统的误差自回归、基于K最邻近算法(KNN)的非参数校正及基于Kalman滤波的多断面校正法,并以Kalman滤波与KNN结合构造综合方法,以淮河流域吴家渡—小柳巷区间作为试验河段,构建一维水动力学模型并与实时校正方法联合应用。简要介绍这4种方法的原理与模型构建方法,然后对比分析各种方法的模拟结果,尤其对模拟洪峰稳定性、峰现时间、峰现误差等进行比较,认为前3种基本方法均能在相当长的预见期内提高洪水的预报精度,而综合法实时校正法对洪峰部位的模拟更为稳定可靠、总体效果更好,更适合预报校正工作的需要。     

同步轨道卫星实时测定轨方法

同步轨道卫星由于其"静止"特性,用多台站时间比对技术精确测定地面站到卫星间的伪距。而在以伪距为观测量的测定轨中,观测方程和动力学方程都是非线性的。为了避免线性化方程带来的误差,并满足实时性要求,该文提出用无味Kalman滤波(unscented Kalman filtering,UKF)法。实验是用5个距离拉开的测轨站采集的实测数据,并通过计算机仿真验证,仿真结果表明UKF法测定轨结果随机误差明显减小,而且满足实时性要求。