基于Kalman滤波的TOA测量误差抑制研究

在TOA无线定位中,需要测量特征测量值TOA。在蜂窝网络的无线测量中,由于非视距传播和多径的影响,TOA测量值误差较大,从而定位精度较低。Kalman滤波技术是一种处理定位数据的有效手段,尤其是动态定位数据,它不仅利用当前的观测量,而且充分利用以前的观测数据,根据线性最小方差原理,求出最优估计。     

一种减小TOA测量距离中NLOS影响的DMS模型和估计算法

有效的滤波方法和多尺度估计是无线定位技术的重要研究方向。为了减小在蜂窝网无线定位中非视距传 播(NLOS)对波达时间(TOA)测量距离的误差影响,先结合NLOS误差特性对标准Kalman滤波进行修正,然后提 出将不同采样率的修正Kalman滤波方程与多个尺度联系起来,建立了一种动态多尺度系统(DMS)模型,并给出基 于Haar小波的实现方法。仿真结果表明,基于上述方法优于直接进行Kalman滤波的效果,能较大幅度地提高 TOA测量距离的精度。     

CDMA蜂窝系统中的TDOA／AOA混合定位算法

CDMA蜂窝系统由于存在“听力”问题而影响了定位效率。TDOA／AOA混合定位方法可以解决这个问题。提出了一种TDOA／AOA定位方案．建立了数学模型,并提出2种定位方程的解算方法：Taylor级数展开的LS估计和Kalman滤波。仿真结果表明：TDOA／AOA混合定位的性能要优于TDOA单一定位;基于Kalman滤波的定位算法性能优于Taylor级数展开的LS估计。     

Kalman滤波在WSN定位评估中的应用

针对无线传感器网络实际应用中定位信号的不稳定性,单纯从定位算法角度改进已很难使定位精度有一个新的突破.为此在节点测距过程中提出了改进的自适应对数正态阴影模型;在坐标评估过程中采用了Kalman滤波方法,并利用马尔可夫过程建立移动节点的状态方程,结合未知节点状态数据的测量值估计出坐标位置的最优值.最后将上述两个过程的改进引入到现有的三角形定位算法中,进行引入前后性能对比.实验结果证明,改进的自适应对数阴影模型提高了测距模型的自适应性及测距精度,Kalman滤波和马尔可夫过程的引入减小了移动节点的定位误差.     

一种结合衰减因子的TDOA/AOA Chan定位算法

本文通过对蜂窝网络无线定位技术的研究,提出了一种结合衰减因子的基于Chan氏算法的TDOA/AOA混合定位方法。利用最陡梯度算法把衰减因子加入到TDOA测量方程中,并结合AOA估计值,利用Chan算法进行混合定位,通过不断的迭代更新衰减因子,最大限度的消除非视距误差,使得TDOA测量值接近真实值,以提高定位算法的精度。     

CDMA蜂窝系统中的TDOA/AOA混合定位算法

CDMA蜂窝系统由于存在“听力”问题而影响了定位效率,TDOA/AOA混合定位方法可以解决这 个问题B提出了一种TDOA/AOA定位方案,建立了数学模型,并提出2种定位方程的解算方法：Taylor级 数展开的LS估计和JKalman滤波。仿真结果表明：TDOA/AOA混合定位的性能要优于TDOA单一定位; 基于Kalman滤波的定位算法性能优于TaylorG级数展开的LS估计。     

自适应Kalman滤波在GPS变形监测数据处理中的应用

GPS测量技术在变形监测中得到了越来越广泛的应用,但由于其误差来源及误差对信号的影响程度与传统的监测方法有着本质的区别,如果在数据处理中仍然按照传统的方法,可能得不到满意的监测结果。卡尔曼滤波在数学上是一种统计估算方法,通过处理一系列带有误差的实际量测数据而得到物理参数的最佳估值。因此Kalman滤波法是目前应用较广的一种动态测量数据处理方法。分析了Kalman滤波的模型设计,应用实例说明自适应Kalman滤波在GPS变形监测中的应用。     

径向速度测量在Kalman滤波中的应用

研究一种把径向速度测量引入Kalman滤波的新方法.在分析传感器噪声特性以及测量方程结构的基础上,提出优先处理位置测量数据,然后利用位置矢量的滤波值改进对径向速度测量方程的伪线性表述,从而得到一种序贯处理、伪线性结构的滤波算法.从理论上分析了该算法的稳定性.蒙特卡洛仿真说明该算法不仅克服了推广Kalman滤波(EKF)暂态性能差的缺陷,而且其稳态性能也略优于EKF.     

基于卡尔曼滤波的实时总电子含量周跳探测与修复

总电子含量(total electron content, TEC)作为描述电离层形态和内部结构的重要参量,对于电离层领域的理论研究和发展有着重要作用,而周跳的探测一直以来都是全球定位系统(global position system, GPS)载波相位测量数据预处理的重点和难点,尤其是在高精度GPS定位中,卡尔曼(Kalman)滤波在周跳探测与修复中的应用使得能够准确可靠地探测出观测值中可能出现的周跳,利用Kalman滤波算法探测不同的观测数据类型及其组合,并将修复后的观测值与理论值进行对比。结果表明:该算法对周跳探测和修复有很强的有效性和精度。     

基于GA-BPNN的自适应抗野值无迹Kalman滤波方法

为了满足飞行试验轨迹的试验测量需求,构建了一种高性能飞行试验目标轨迹测量系统.在此基础上,针对实际飞行测量中遇见的异常数据处理问题,提出了一种基于多机器学习改进的自适应Kalman滤波方法.该方法以传统的无迹Kalman滤波器(UKF)为基础,首先,通过引入采用遗传算法改进后的BP神经网络(GA-BPNN)来改进UKF算法,以实现对UKF全局误差的调控和修正,从而改善UKF的估计精度;然后,应用抗野值技术来充分剔除测量中的孤立型和斑点型异常点,实现对GA-BPNN-UKF的再次改进,有效提高滤波的鲁棒性;最后,应用仿真来验证提出新算法的有效性,并通过对实际飞行测量数据(通过建立的轨迹测量系统获得的实际数据)的实验分析来显示算法在实际应用中的有效性.     

四站定位模型及精度计算

到达时差（TDOA）定位,又称双曲线定位,是通过处理三个或更多个测量站采集到的信号到达时闯测量数据对辐射源进行定位的。在三维空间中,至少需要四站形成三对双曲面来产生交点。与单站利用方位信息定位的方式相比,不需要Kalman滤波,定位精度具有实时性。本文分析了四站定位的精度,并得出了一些有用的仿真结果。     

NLOS环境下无线通信网络中的TDOA/AOA混合定位算法

为了提高在NLOS条件下无线定位的精度,采用多种测量值混合定位的方式,提出了一种TDOA/AOA最速下降混合定位算法.该算法以加权残差平方和为目标函数,以最速下降算法为最优化方法.然后,以几何结构的单反射圆盘模型进行仿真,分别利用TDOA/AOA最速下降混合定位算法、TDOA/AOA泰勒级数混合定位算法以及单纯的TDOA泰勒级数经典算法对无线通信网络中不同的定位环境进行了仿真计算.仿真结果表明,当参与定位的基站数目分别为3,4,5,6,7,反射圆盘半径分别为200,300,400,500,600,700m时,与后2种算法相比,TDOA/AOA最速下降混合定位算法的均方差、平均误差及最大误差均较小,即该混合定位算法具有更高的定位精度,且参加定位的基站数目越多,这种优势越明显.     

基于多模型SVR的抗野值Kalman滤波器

为了抑制观测数据中野值对Kalman滤波的不利影响,本文首先基于支持向量机(SVM)和多模型理论,建立了Kalman滤波新息过程的多模型支持向量回归(SVR)预测模型,然后给出了结合该预测模型的Kalman滤波的修正算法。仿真结果表明,该Kalman滤波算法不仅有效地剔除了观测数据的野值,提高了滤波器的稳定性和精度,而且算法比较简单。     

集合卡尔曼滤波在浅水模式数据同化中的应用

为了研究集合Kalman滤波同化技术应用于非线性动力学模式的同化效果,通过利用集合Kalman滤波技术对浅水理论中均质不可压流体运动的动力学模式进行理想的数据同化试验.分析集合Kalman滤波同化方法应用于动力学系统的计算方法和步骤.比较三维变分和集合Kalman滤波的同化效果,讨论了集合Kalman滤波数据同化方法的基本性质和同化观测的频率对集合Kalman滤波同化效果的影响.通过试验证明,集合Kalman滤波数据同化方法能够成功地应用于浅水均质不可压流体的动力学系统,可有效地抑制估计误差的增长,为模式预报提供更加理想的初值,改善预报效果.     

基于卡尔曼滤波器的管道泄漏检测技术研究

管道泄漏检测技术是保障管道安全生产的重要手段.应用Kalman滤波器对采得的输油管道原始压力数据进行实时性滤波,以消除噪声干扰、提高信噪比;利用滤波后的信号进行输油管道泄漏的报警和定位.依据虚拟仪器理论,设计了卡尔曼滤波的LabVIEW程序模块,设计的模块可以直接嵌入到现有的管道泄漏实时监测系统中.实验数据表明Kalman滤波器可大大提高输油管道泄漏报警的可靠性及其定位精度.     

目标对载机准确定位的数据融合方法的分析

主要研究在机载光电跟踪系统中，红外传感器和传统的雷达传感器测量信息的融合c基于Kalman滤波的数据融合理论，建立目标对载机准确定位的物理模型和极坐标下的数学模型，研究观测值加权融合算法、观测状态向量合并和状态估值融合反馈3种算法，并进行了协方差分析比较，通过仿真实验表明：观测值加权融合算法的性能更优于其它两种算法。     

一种用于移动通信终端定位的卡尔曼滤波器改进设计

针对传统方法进行移动通信终端定位时,由于无线通信信道存在着噪声干扰、非视距传播、多址干扰等因素的影响,导致移动通信终端定位精准度较低的问题。提出了基于(TDOA/AOA)时间测量值的卡尔曼滤波器改进设计移动通信终端进行定位。利用卡尔曼滤波器抑制和消除TOA/TDOA测量值中NLOS误差,然后通过BP神经网络在时间更新预测阶段及测量阶段对标准的卡尔曼滤波器进行修正,将预处理的TOA测量值输入到修正后卡尔曼滤波器来实现TODA/AOA移动通信终端混合定位,最终确定移动终端的具体位置。实验结果表明,改进的卡尔曼滤波器可以提高移动通信终端定位的精度,具有良好的实用性。     

基于UKF的无线传感器异步数据融合优化算法

提出了一种基于无迹卡尔曼滤波(UKF)的无线传感器异步数据融合算法,利用RNAT机制识别无线传感器网络中的冗余节点,构造数据冗余树来实现冗余数据的去除.根据重复数据消除的结果,在每个传感器检测范围半径相等的环境下,采用四圆定位法,任意选择2个检测目标信息的节点,计算2个圆形检测区域边界的交点,根据迭代法找到并近似目标.设定了不同传感器的原始传感器相互独立、同一传感器不同原始量测量值相互独立的前提条件,计算出各通道的测量值,利用未测量卡尔曼滤波器以滤波的形式更新测量值,引入卡尔曼滤波增益矩阵,并结合异步数据定位结果实现数据融合.实验结果表明,融合后的数据利用率高于现有结果,算法耗时短、能耗低,且具有较高的数据融合精度,整个融合的准确率在90％以上.     

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。     

多普勒雷达测量数据的Kalman滤波器设计

研究把多普勒雷达测量数据引入Kalman滤波的新方法.根据测量噪声协方差矩阵的分解导出一种理想的线性测量方程的等价形式,在方向余弦估计和误差补偿的基础上,给出可实现的测量方程及其对应的序贯处理的滤波方程.这种序贯处理结构有助于方向余弦继承位置测量更新带来的性能改善,从而减小其估计误差.蒙特卡罗仿真表明,这种序贯滤波算法,不但可以提高状态估计精度,而且其性能优于传统的推广Kalman滤波.