一种适用于PPP动力学模型异常的自适应Kalman滤波

发布时间：2021-09-23 04:36

　　为了削弱PPP参数估计中动力学模型异常对Kalman滤波解的影响,针对PPP状态向量中各类参数不符值对动力学模型异常描述特性的不同,以位置相关为条件对参数进行分类,构建分类因子自适应Kalman滤波用于PPP参数估计。选取6个IGS站点3 d的数据,使用标准Kalman滤波与构建的自适应Kalman滤波进行PPP解算分析。结果表明,相较于标准Kalman滤波,自适应Kalman滤波能通过自适应因子调节状态预测协方差,加速PPP收敛。静态模式下,平均收敛时间从28.2 min缩减到19.4 min,N、E、U方向的平均精度为1.50 cm、3.34 cm、5.55 cm,分别提高7%、14%、19%;动态模式下,构建的自适应Kalman滤波解N、E、U方向偏差的RMS值为2.7 cm、3.6 cm、6.3 cm,较标准Kalman滤波分别提高13%、28%、43%。 

【文章来源】：大地测量与地球动力学. 2020,40(08)北大核心CSCD

【文章页数】：5 页

【部分图文】：

2种滤波情况下N、E、U方向偏差序列

图2为静态模式下2种滤波情况时各分量的状态预测协方差。由于自适应因子通过修正状态预测协方差获取更优的增益矩阵,达到对异常的控制效果,因此,随着滤波的不断推进,增益矩阵会趋于稳定,当状态预测协方差过大或过小时,会增加增益矩阵趋于稳定的时间,增加状态参数的收敛时间。由图2可看出,相较于标准Kalman滤波,构建的自适应Kalman滤波在自适应因子调节下,状态预测协方差能够较快地收敛;从对流层分量的状态预测协方差可以看出,在标准Kalman滤波中对流层分量状态预测协方差出现异常波动时,自适应Kalman滤波能够很好地修正波动,使趋势表现更加平稳。为了进一步验证构建的自适应Kalman滤波的性能,采用2种滤波方法对6个IGS站(REDU、WARK、JFNG、NNOR、REUN、KIRU)2018年年积日356～358的数据以2 h为一个弧段进行PPP解算。分别从N、E、U方向偏差、收敛时间方面对实验数据进行统计分析,结果见图3、4。

为了进一步验证构建的自适应Kalman滤波的性能,采用2种滤波方法对6个IGS站(REDU、WARK、JFNG、NNOR、REUN、KIRU)2018年年积日356～358的数据以2 h为一个弧段进行PPP解算。分别从N、E、U方向偏差、收敛时间方面对实验数据进行统计分析,结果见图3、4。从图3可以看出,标准Kalman滤波的收敛时间有27.8%小于20 min,自适应Kalman滤波为57.4%,明显更优,进一步说明构建的自适应Kalman滤波能够加速PPP收敛。

【参考文献】：
期刊论文
[1]一种适用于精密单点定位的抗差自适应滤波[J]. 陈泉余,隋立芬,刘乾坤,王凌轩,曾添.  大地测量与地球动力学. 2016(08)
[2]精密单点定位中对流层延迟参数的相关性研究[J]. 徐宗秋,徐爱功,高扬,徐辛超.  测绘科学. 2013(05)
[3]基于Kalman滤波的动力学模型误差估计算法[J]. 高为广,张晓东.  测绘科学. 2011(02)
[4]卡尔曼滤波模型误差的影响分析[J]. 许阿裴,归庆明,韩松辉.  大地测量与地球动力学. 2008(01)
[5]一种加速精密单点定位收敛的新方法[J]. 郝明,欧吉坤,郭建锋,袁运斌.  武汉大学学报(信息科学版). 2007(10)
[6]基于移动开窗法协方差估计和方差分量估计的自适应滤波[J]. 杨元喜,徐天河.  武汉大学学报(信息科学版). 2003(06)
[7]大地测量相关观测抗差估计理论[J]. 杨元喜,宋力杰,徐天河.  测绘学报. 2002(02)



本文编号：3405050