自适应Kalman滤波算法研究及其在精密单点定位中的应用

发布时间：2020-04-09 05:47

【摘要】：精密单点定位技术(precisepointpositioning,PPP)指的是通过单台接收机采集以相位为主的观测值,使用卫星精密星历和精密钟差产品,并对相关的误差进行模型或参数改正,使其能够达到动态分米级与静态厘米级的定位水平。精密单点定位的应用不局限于常规定位中,还可以用于精密定轨、地震监测以及对流层、电离层的反演,应用前景十分广阔,在国内外导航定位领域已成为研究的热点。但通过研究发现,在Kalman滤波进行精密单点定位参数估计时,常常会受到观测异常与动力学模型异常的影响。当PPP某个历元观测值存在异常(粗差)时,PPP参数估计的精度会大大降低,甚至很长时间都无法收敛。动力学模型异常主要体现在系统的动态噪声不准确而引起的收敛速度慢的问题,其原因为,理论上状态参数协方差随着递推的进行,它的值会达到趋近于零的某个稳定值,如果状态协方差不准确,就需要很长一段时间才能稳定,这便增加了 PPP的收敛时间。鉴于此,本文在对PPP及Kalman滤波理论研究的基础上,提出了解决以上问题的新的方法,主要包括以下两个部分:(1)针对PPP观测值出现异常导致的参数估计值偏差较大以及滤波器发散等问题,笔者对观测残差和新息残差进行了深入的研究,发现两种残差都能很好的检测并诊断出PPP观测值异常出现的时刻。因此,本文采用以上两种残差来建立抗差因子,通过抗差因子替换掉原来的观测噪声协方差矩阵来达到抗差目的。(2)在采用Kalman滤波进行PPP参数估计时,Kalman滤波的动力学模型异常主要体现在动态噪声的不准确上,如果动态噪声不准确,根据Kalman滤波地推公式,这样计算出的状态协方差预测值也就不准确,进而导致滤波增益矩阵与实际值存在微小偏差。由于增益矩阵参与状态及其协方差的估计中,所以增益矩阵的不可靠不仅会增加PPP的收敛时间,还会对参数估计值的精度造成影响。考虑到新息残差中包含着状态信息,所以新息残差也能体现出状态的异常,本文的方法是根据新息残差来构造自适应Kalman滤波的自适应因子,然后通过分类因子矩阵对状态协方差预测值进行修正,使其相对更加可靠,因此,滤波增益矩阵的可靠性也会得到相应的提高,进而达到对参数及其协方差改善的目的。最后,通过对IGS多个跟踪站与多组观测数据进行实验,采用自编软件验证静/动态下两种抗差Kalman滤波的性能以及静态下自适应Kalman滤波的可靠性。实验结果表明,两种抗差Kalman滤波都能达到抑制粗差的目的,对参数估计的精度都有不同程度的改善。对于静态PPP下的自适应Kalman滤波,状态协方差的预测值以及估计值较标准Kalman滤波趋于稳定的时间有所降低,最终能够很好的降低PPP的收敛时间,对于参数估计的精度也有着一定的提高。图[33]表[3]参[81]
【图文】：

图１不同采样率精密钟差ＰＰＰ点位精度逡逑

自适应Kalman滤波算法研究及其在精密单点定位中的应用

图２邋Ｋａｌｍａｎ滤波递推流程逡逑Ｆｉｇ．邋２邋Ｋａｌｍａｎ邋ｆｉｌｔｅｒｉｎｇ邋ｒｅｃｕｒｒｅｎｃｅ邋ｐａｔｈ逡逑
【学位授予单位】：安徽理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：P228

【参考文献】