共查询到18条相似文献，搜索用时 312 毫秒
1.
提出了有色观测噪声的随机模型级数表示及其补偿法,利用该方法能对随机模型进行修正.结合现代时间序列分析方法,并根据新息模型设计了状态最优滤波器.将本文方法与观测扩增方法进行了分析和比较,结果表明,利用该方法能有效控制有色观测噪声的影响. 相似文献
2.
利用线形流形的射影方法推导出新息序列统计特性,构造新息AKF,基于新息序列不断地修正状态噪声和量测噪声,实时地反映模型当前真实的统计特性。通过隔河岩大坝实测数据处理,表明该方法能很好地提高随机模型不准确和变形突变影响下的变形估计与预报精度。 相似文献
3.
《测绘科学技术学报》2013,(5)
在动态导航定位中,目前绝大多数数据处理理论和软件都假设系统状态误差和观测模型误差为高斯白噪声。但在实际应用中,由于卫星轨道误差、大气环境等因素的干扰,使得观测误差和动力学模型误差往往不属于白噪声序列,而是具有一定时间相关或空间相关性的有色噪声。本文将有色噪声归为随机模型进行研究,采用多项式长除法将有色噪声模型展开成级数形式,再根据误差理论求取有色噪声的方差,由该方差修正有色噪声的随机模型,利用现代时间序列分析理论求出状态参数的最优估计值。为了说明该方法的正确性和有效性,用一组动态GPS实测数据进行验证,计算结果表明该方法能有效地抑制有色噪声对动态系统参数估值的影响。 相似文献
4.
基于噪声随机模型的加权观测融合方法 总被引：1，自引：1，他引：0
信息融合技术中,在各局部传感器的有色观测噪声为一阶AR模型的情况下,可以利用观测扩增方法消除有色噪声的影响,得到最优加权观测融合方程,从而实现状态的最优滤波解.对于有色观测噪声为MA或ARMA模型的情况,观测扩增方法不再适用.提出了基于有色观测噪声随机模型级数展开的方法,求解出各局部传感器有色观测噪声的方差,并利用该方差对加权观测融合滤波器进行了构造.通过计算实例证明,该方法不仅适用于观测噪声为AR模型,同时适用于噪声MA或ARMA模型. 相似文献
5.
6.
7.
利用线性最小方差估计方法,以正交投影理论为工具,推导了动态线性系统在状态噪声为有色噪声情形下的状态预测值及其相应的协方差阵.在形式上,此预测值比经典Kalman滤波预测值多出一项,该项包含了前一时刻的新息.对新预测值进行分析,得出了有色状态噪声条件下Kalman滤波的新算法,扩展了经典Kalman滤波的应用范围.最后通... 相似文献
8.
作为光纤陀螺误差的重要组成部分,随机噪声严重影响着光纤陀螺的精度,对光纤陀螺随机噪声进行准确建模和补偿是提升陀螺精度的有效方式。本文针对光纤陀螺随机噪声的复杂性,难以对其进行精确分析,ARIMA （auto-regressive moving average）模型Kalman滤波中有色噪声不能使用状态扩充法建模的问题,扩展了Harvey方程,实现有色噪声白化。同时,考虑先验噪声的不确定性以及模型参数在线更新导致的参数与状态噪声相互耦合,分析了动态Allan方差估计量测噪声的不足,使用VBAKF （variational Bayesian adaptive Kalman filter）实时修正滤波状态噪声与量测噪声。试验表明,Harvey法较传统滤波建模方式,随机噪声序列方差降低40%,Harvey法结合VBAKF使序列方差降低了54%;VBAKF较动态Allan方差,可以更好地估计量测噪声。结果表明,此方法可有效抑制随机噪声Kalman滤波中有色噪声和随机模型不准确的影响,提高随机误差补偿精度。 相似文献
9.
10.
基于方差分量估计的拟合推估及其在GIS误差纠正的应用 总被引：2，自引：0，他引：2
拟合推估解算必须首先求得信号向量的方差协方差矩阵,该协方差矩阵一般通过选定的协方差函数,并通过已测点数据进行拟合得到。显然观测噪声的先验方差协方差阵与拟合得到的随机信号的方差协方差矩阵必须相互协调,即观测噪声向量和信号向量的权矩阵所对应的方差因子应该一致,否则将对固定效应和随机效应参数的估计带来系统性的影响。应用方差分量估计来协调拟合推估模型中观测噪声和信号向量的随机模型,并分别从极大似然估计、MINQUE估计、赫尔默特方差分量估计三方面构建了拟合推估模型的方差分量解,最后利用新提出的理论与方法,对一幅实际的扫描地形图进行误差纠正,结果表明基于方差分量估计的拟合推估法能够提高扫描地形图的精度。 相似文献
11.
12.
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。 相似文献
13.
GPS坐标时间序列中不仅包含白噪声,还包含闪烁噪声、随机漫步噪声等有色噪声,这些噪声将影响GPS应用的可靠性,甚至可能对一些地球物理现象做出错误的解释,因此降低GPS坐标时间序列中有色噪声的影响、提高GPS精度是一个重要和基本的问题。提出了一种滑动L2优化估计方法(ML2),通过选取合适的窗口建立L2优化模型,再利用交替迭代乘子法求解每段时间序列的优化问题,并逐年滑动得到整段GPS坐标时间序列的估计。实验结果表明,ML2方法与奇异谱分析、小波分解、滑动普通最小二乘法相比具有更好的重构效果。 相似文献
14.
基于SPRT检验的并行递推次优Sage滤波器 总被引：2，自引：0，他引：2
提出了一种新的并行递推次优Sage滤波算法，在新方法中，设计了一种附加伴随滤波器的并行滤波结构，消除了结果常值偏差，并引入SPRT检验方法，通过检验模型的噪声统计是否发生了扰动，达到对噪声统计调整进行控制的目的，使得滤波器可以有效跟踪时变噪声，并减少了计算量。 相似文献
15.
针对微机械(MEMS)陀螺仪的随机误差导致其输出信噪比低的问题,该文提出一种基于ARMA模型的随机误差卡尔曼补偿方法。该方法通过对MEMS陀螺仪输出的原始信号进行均值化处理和趋势项提取后,分别采用轮次检验法和Jarque Bera检验法对随机序列平稳性和正态性进行检验,建立时间序列ARMA模型并采用卡尔曼状态方程对陀螺随机漂移进行补偿。6次卡尔曼滤波对比实验结果表明,MEMS陀螺仪信号幅度随着滤波次数增加而减小,滤波后的均值由2.454 4E-4减小到-4.830 0E-5,标准差由1.654 7减小到0.003 6,随机漂移被有效抑制。 相似文献
16.
钟差参数估计与预报是卫星导航系统应用中的一项关键技术。本文研究了基于哈达玛总方差的钟差参数预报方法。随机部分采用幂律谱模型,利用哈达玛总方差计算Kalman噪声参数,进而得到状态噪声和测量噪声协方差阵。最后利用IGS数据,验证了基于哈达玛总方差进行钟差参数估计与预报的适用性。结果表明,短期预报精度可达到亚纳秒级。 相似文献
17.
18.
传统卡尔曼滤波算法要求噪声模型符合高斯分布，在UWB室内定位中，由于载体本身的机制等干扰，观测噪声不仅仅是白噪声，也存在有色噪声的情况，而粒子滤波可以处理有色噪声的问题。本文通过增加似然分布自适应调整来改进粒子滤波用于目标跟踪的精度，同时研究在白噪声、有色噪声下似然分布自适应调整粒子滤波和拓展卡尔曼滤波在UWB中的优势与不同。试验结果表明：观测噪声为白噪声时，拓展卡尔曼滤波和粒子滤波均可以较好地实现对行人的定位跟踪；观测噪声为有色噪声时，自适应粒子滤波定位效果优于粒子滤波、拓展卡尔曼滤波。 相似文献