顾及未知系统误差的变形监测滤波算法

通过建立一种带有未知系统误差的滤波模型,研究变形监测滤波解算中一些未知边坡物理信息的处理问题,给出一种基于移动窗口的系统误差自适应拟合法.研究结果表明:该算法充分融合了包含在观测中的统计信息、边坡滑坡的有关力学状态和地质条件所提供的信息,减弱了观测异常所带来的影响,提高了形变参数解算精度.     

带有先验约束信息边坡变形监测滤波算法

为合理利用边坡的几何信息和物理信息,控制几何观测异常对形变参数估计的影响,利用边坡的力学状态信息建立了滤波模型以及参数约束方程,通过融合观测信息和边坡的力学信息给出了带约束的滤波算法,从而减弱了观测异常对形变参数估计所带来的影响,提高了形变参数解算精度.     

基于自适应因子设计的变形监测滤波算法

利用滤波正常时的残差向量必须服从正态分布的性质,提出1种滤波是否异常的假设检验方法,判断动态模型误差和观测粗差对变形监测滤波解的影响。研究结果表明:当滤波出现异常时,通过给定置信度的假设检验,确定自适应因子来调节误差较大的预报信息,从而较好地消除模型误差的影响;利用自适应抗差滤波解决变形监测数据处理中整体平衡观测信息和预报信息的贡献的问题,并通过实例验证算法的有效性和优良性。     

基于Midas非饱和土边坡降雨稳定性分析

基于Midas GTS,应用强度折减法对基坑边坡降雨影响下的稳定性进行分析.本文采用新乡市文旅城某基坑的相关土体数据,将基坑边坡的几何形状和土层条件转化成相应的参数模型,利用CAD构建二维模型并导入Midas,通过改变地下水水位、降雨持时和降雨强度,并进行施工阶段分析,将得到的基质吸力和安全系数进行对比.研究结论显示:...     

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.     

深挖填土基坑监测及安全性分析

为研究填土基坑破坏机理,分析沉降监测及水平位移监测中基坑变形与基坑设计、施工速度、施工质量、周围建筑及水文地质情况的相互关系,采用变形观测仪器,测试了一典型基坑不同位置监测点处的变形速率、变形量及绝对变形量等量值,理论上验算了土性参数并分析了基坑在各工况下的安全系数。结果表明基坑顶部变形在开挖过程中存有方向相反的反复过程,形成不同的局部破坏形态;是否合理选取填土层物理力学参数、超载、施工中水环境的变化及基坑支护的设计都影响着基坑边坡的安全。本基坑工程引发的问题对同类型基坑有普遍性。     

具有观测噪声的AR模型参数的无偏估计

本文研究了带未知白色观测噪声的ＡＲ模型参数的无偏估计问题，提出了一种实现ＡＲ模型参数无偏估计的偏差补偿最小二乘法，这种方法通过对预测数据预滤波，将一个已知零点嵌入被辨识系统，并利用该零点提供的信息，从普通最小二乘估计中提出出噪声引起的偏差并予以消除，从而得到无偏估计，文中给出的数值仿真例子说明了所提算法的有效性。     

深部水平位移监测在基坑边坡工程中的应用

介绍了采用测斜仪对基坑工程和边坡工程进行深部水平位移监测的原理和方法，结合几个工程实例说明位移监测在基坑变形和边坡稳定分析中的重要性.     

基于残差网络的掌纹识别研究

为了探索深度学习在掌纹识别领域的应用,提出了一种利用残差网络技术自动提取掌纹特征的方法,该方法根据掌纹的几何特征对掌纹图像进行预处理,将预处理后的掌纹图像进行归一化得到一个二维图像矩阵,作为残差网络的输入,再利用随机梯度下降算法对网络进行迭代训练,获取最优的网络参数,最后使用分类器Softmax对掌纹进行分类识别.模型在香港理工大学的掌纹数据库上进行了实验验证,实验结果证实了利用残差网络对掌纹进行分类的可行性,并取得了不错的分类效果.     

基于EM算法的随机动态系统建模

提出一种在噪声统计信息未知的情况下,对随机动态系统模型进行建模的方法.采用状态空间模型描述随机动态系统,模型的参数通过EM算法进行估计,通过改进该算法中的Kalman滤波,实现了对噪声协方差矩阵的估计.基于改进的Kalman滤波,EM算法可以用于噪声统计信息未知的动态系统建模.     

Two-stage prediction and update particle filtering algorithm based on particle weight optimization in multi-sensor observation

The reasonable measuring of particle weight and effective sampling of particle state are consid- ered as two important aspects to obtain better estimation precision in particle filter. Aiming at the comprehensive treatment of above problems, a novel two-stage prediction and update particle filte- ring algorithm based on particle weight optimization in multi-sensor observation is proposed. Firstly, combined with the construction of muhi-senor observation likelihood function and the weight fusion principle, a new particle weight optimization strategy in multi-sensor observation is presented, and the reliability and stability of particle weight are improved by decreasing weight variance. In addi- tion, according to the prediction and update mechanism of particle filter and unscented Kalman fil- ter, a new realization of particle filter with two-stage prediction and update is given. The filter gain containing the latest observation information is used to directly optimize state estimation in the frame- work, which avoids a large calculation amount and the lack of universality in proposal distribution optimization way. The theoretical analysis and experimental results show the feasibility and efficiency of the proposed algorithm.     

一类时变时间序列模型的参数估计研究

根据对一类时变时间序列模型结构特点的研究,提出了一种时变ＡＲ模型的递推参数估计算法。其原理是将时变参数的估计转化为对状态方程的状态估计,采用卡尔曼滤波推导出参数估计递推公式,并研究了其渐近稳定的充分条件。     

基于zonotope的离散时间Markov跳变系统的状态区间估计

为了有效地处理鲁棒估计产生的误差,为系统提供可靠的估计信息,针对一类具有未知输入的线性离散时间马尔科夫跳变系统(Markov jump systems, MJS),提出了一种新的状态区间估计方法。设计一个降维未知输入观测器,实现系统状态的观测,并以线性矩阵不等式的形式给出了观测器存在的充分条件,确保误差系统随机稳定,且具有较好的H∞干扰抑制性能。基于设计的降维未知输入观测器,提出了一种利用中心对称多胞体(zonotope)的方法来近似状态边界,从而获得系统状态的区间估计,使所获得的系统的状态值更加准确。通过一个数值仿真验证了所提方法的有效性。     

基于总体最小二乘法的RAIM算法模型改进

最小二乘残差RAIM算法中的伪距观测模型线性化过程会形成截断误差.考虑环境噪声对数据矩阵和观测值的扰动影响,给出了RAIM解算模型;采用总体最小二乘法估计准则,使残差更精确,数据可靠性更高,提高了RAIM算法的定位解算的精度与可靠性.分别采用总体最小二乘残差法和最小二乘残差法对实测数据进行了处理,分析结果验证了总体最小...     

带有色观测噪声的ARMA模型参数估计的三段算法

提出了带有色观测噪声的自回归滑动平均（ARMA）模型参数估计的三段算法。第一段用递推增广最小二乘法（RELS）估计自回归（AR）参数;第二段用Gevers-Wouters算法估计伴随滑动平均（MA）模型参数;第三段用求不相容线性方程组的最小二乘解得到原始MA参数估值。一个仿真例子说明了其有效性。     

带量测缺失的线性离散系统的滤波算法研究

研究了含有量测缺失的线性离散系统未知干扰和状态估计问题。首先将量测丢失建模为带二进制变量的伯努利过程,来模拟量测丢失的随机情形;其次考虑测量方程中未知干扰的系数矩阵不满秩和量测信息缺失的情况,设计一种抗干扰滤波器,该滤波器满足了未知干扰和系统状态估计的最小方差无偏性;最后通过数值仿真验证了在发生量测信息缺失的不同概率下,仍能实现对系统状态和未知干扰的无偏估计,表明了所提算法的有效性。     

The detection of structural deformation errors in attitude determination

In the determination of the attitude parameters from a multi-antenna GPS array, one of the major assumptions is that the body frame is rigid at all times. If this assumption is not true then the derived attitude parameters will be in error. It is well known that in airborne platforms the wings often experience some displacement during flight, especially during periods of initializing maneouvres, such as taking off, landing,and banking. Often it is at these points in time that it is most critical to have the most precise attitude parameters.There are a number of techniques available for the detection of modeling errors.The CUSUM algorithm has successfully been implemented in the past to detect small persistent changes. In this paper the authors investigate different methods of generating the residuals, to be tested by the CUSUM algorithm, in an effort to determine which technique is best suited for the detection of structural deformation of an airborne platform. The methods investigated include monitoring the mean of the residuals generated from the difference between the known body frame coordinates, and those calculated from the derived attitude parameters. The generated residuals are then passed to a CUSUM algorithm to detect any small persistent changes. An alternative method involves transforming the generated residuals into the frequency domain through the use of the Fast Fourier Transform. The CUSUM algorithm is then used to detect any frequency changes. The final technique investigated involves transforming the generated residuals using the Haar wavelet. The wavelet coefficients are then monitored by the CUSUM algorithm in order to detect any significant change to the rigidity of the body frame.Detecting structural deformation, and quantifying the degree of deformation, during flight will ensure that these effects can be removed from the system, thus ensuring the most precise and reliable attitude parameter solutions. This paper, through a series ofsimulations, will assess the effectiveness of the above mentioned techniques for detecting structural deformation effects on a GPS multi-antenna array. These principles are then tested with experimental data.     

含未知输入非线性系统的扩展平方根容积卡尔曼滤波算法

针对工程实际应用中存在的未知输入会导致经典的非线性滤波器状态估计精度下降甚至滤波发散的问题,提出了一种基于最小方差无偏估计(minimum variance unbiased estimation, MVUE)准则的扩展平方根容积卡尔曼滤波(extended square-root cubature Kalman filter, ESRCKF)算法。首先,结合上一时刻未知输入估计值对状态一步预测值进行修正,得到含未知输入条件下的状态预测值。其次,设计新息并采用加权最小二乘(weighted least squares, WLS)法获取当前时刻未知输入的无偏估计。最后,通过最小化协方差矩阵的迹,同时采用拉格朗日乘子法和舒尔补引理得到系统状态的最小方差无偏估计。仿真结果表明,相比于现有的非线性滤波算法,ESRCKF算法提高了在处理含未知输入非线性系统时的状态估计精度,并能同时实现系统状态和未知输入的最优估计,验证了该算法的有效性。