1、卡爾曼濾波是一個(gè)不斷地預(yù)測(cè)、修正的遞推過(guò)程，由于其在求解時(shí)不需要存儲(chǔ)大量的觀測(cè)數(shù)據(jù)，并且當(dāng)?shù)玫叫碌挠^測(cè)數(shù)據(jù)時(shí)，可隨時(shí)算得新的參數(shù)濾波值，便于實(shí)時(shí)地處理觀測(cè)結(jié)果，因此卡爾曼濾波被越來(lái)越多地應(yīng)用于動(dòng)態(tài)定位數(shù)據(jù)處理中，尤其是GPS動(dòng)態(tài)數(shù)據(jù)處理、慣性導(dǎo)航等?？柭鼮V波目前已經(jīng)成功應(yīng)用于GPS動(dòng)態(tài)定位，提高了定位精度，更好滿足了用戶的需要。然而在卡爾曼濾波模型中，要求觀測(cè)方程是線性形式、動(dòng)態(tài)噪聲和測(cè)量噪聲是白噪聲，而實(shí)際的觀測(cè)量與狀態(tài)參數(shù)間是非線

2、性函數(shù)。非線性二次以上高次項(xiàng)舍去，以及周跳等觀測(cè)粗差等原因，使觀測(cè)方程產(chǎn)生模型誤差。卡爾曼濾波線性模型的最優(yōu)估計(jì)是建立在給定函數(shù)模型和隨機(jī)模型基礎(chǔ)上的，如果實(shí)際的函數(shù)模型和隨機(jī)模型存在誤差，不僅得不到最優(yōu)估計(jì)，而且可能造成濾波發(fā)散。粗差檢測(cè)方法有把粗差歸入函數(shù)模型的檢測(cè)方法，也有把粗差歸入隨機(jī)模型的檢測(cè)方法。將粗差納入函數(shù)模型，就是要在平差中檢測(cè)粗差、定位粗差，并將其剔除，然后用正常觀測(cè)值進(jìn)行參數(shù)估計(jì)，為此需要運(yùn)用統(tǒng)計(jì)假設(shè)檢驗(yàn)方法，進(jìn)行

3、粗差探測(cè)、定位。 本文針對(duì)動(dòng)態(tài)定位中的卡爾曼濾波算法的現(xiàn)狀和存在的問(wèn)題進(jìn)行了研究，主要貢獻(xiàn)有以下幾點(diǎn)： (1)對(duì)于動(dòng)態(tài)定位中所建立的動(dòng)態(tài)模型與載體實(shí)際的運(yùn)動(dòng)不相符所產(chǎn)生的模型偏差，本文研究了它對(duì)濾波結(jié)果的影響并給出了這個(gè)影響的解析式；設(shè)計(jì)了一個(gè)新的濾波器能夠自動(dòng)檢測(cè)出系統(tǒng)濾波模型中的偏差，并減少了這些偏差對(duì)估計(jì)結(jié)果的影響，在此基礎(chǔ)上得到的狀態(tài)估計(jì)較常規(guī)的卡爾曼濾波估計(jì)有著更高的精度。 (2)對(duì)卡爾曼濾波過(guò)程中的新

4、息序列統(tǒng)計(jì)特性進(jìn)行了分析，提出了一種對(duì)觀測(cè)數(shù)據(jù)包含粗差判別的方法。同時(shí)給出了估計(jì)粗差大小的一種方法，然后對(duì)參與動(dòng)態(tài)定位解算數(shù)據(jù)中的粗差進(jìn)行修正。通過(guò)數(shù)據(jù)模擬和動(dòng)態(tài)定位實(shí)例解算發(fā)現(xiàn)利用該方法可以顯著減少粗差對(duì)濾波結(jié)果的影響，從而提高了動(dòng)態(tài)定位的精度。 (3)在動(dòng)態(tài)定位中，機(jī)動(dòng)和觀測(cè)粗差檢測(cè)往往存在滯后，盡早檢測(cè)出目標(biāo)機(jī)動(dòng)和觀測(cè)粗差會(huì)有更好的定位結(jié)果。為了在實(shí)時(shí)動(dòng)態(tài)定位中盡可能快地檢測(cè)出運(yùn)動(dòng)載體機(jī)動(dòng)和觀測(cè)數(shù)據(jù)何時(shí)出現(xiàn)粗差，文中提出了

5、一種對(duì)機(jī)動(dòng)和粗差檢測(cè)的新方法。該檢測(cè)算法是基于機(jī)動(dòng)和粗差檢測(cè)延遲最小準(zhǔn)則。通過(guò)分析，發(fā)現(xiàn)對(duì)不同的顯著性水平α和機(jī)動(dòng)幅度都存在一個(gè)最優(yōu)窗口長(zhǎng)度。 (4)在動(dòng)態(tài)定位數(shù)據(jù)處理中，測(cè)量噪聲一般是時(shí)間相關(guān)的，若直接按照Kalman濾波器解算，將達(dá)不到最優(yōu)濾波效果，并且其誤差協(xié)方差陣也是不嚴(yán)密的。論文根據(jù)狀態(tài)估計(jì)為線性無(wú)偏最小方差估計(jì)的準(zhǔn)則，給出了測(cè)量噪聲時(shí)間相關(guān)時(shí)的卡爾曼濾波遞推公式，同時(shí)考慮了相關(guān)數(shù)據(jù)的存儲(chǔ)問(wèn)題，并且通過(guò)數(shù)字模擬和實(shí)例驗(yàn)

6、證了算法的有效性。 (5)基于協(xié)方差匹配技術(shù)的自適應(yīng)卡爾曼濾波算法，提出了一種系統(tǒng)噪聲方差變化的檢測(cè)與校正方法，該法當(dāng)R已知時(shí)可以自適應(yīng)地估計(jì)出O。若系統(tǒng)噪聲的協(xié)方差發(fā)生了變化，則估計(jì)出新的協(xié)方差，然后再按得到的噪聲統(tǒng)計(jì)估計(jì)值計(jì)算新息序列的協(xié)方差陣。數(shù)字模擬證明了算法的有效應(yīng)性。 (6)為了減少因線性化所產(chǎn)生的系統(tǒng)誤差，研究了非線性濾波在動(dòng)態(tài)定位中的應(yīng)用，非線性估計(jì)的核心就在于近似，各種非線性估計(jì)方法的不同就在于其近似處

7、理的思想和實(shí)現(xiàn)手段不同。因?yàn)镚PS動(dòng)態(tài)定位中，采樣率一般是1s甚至更高，對(duì)于載體運(yùn)動(dòng)可以看作是常速，所以動(dòng)態(tài)模型可以是線性的。論文中重點(diǎn)研究了動(dòng)態(tài)方程是線性的而觀測(cè)方程是非線性的解算方法，并給出了相應(yīng)的擴(kuò)展濾波(EKF)算法和UKF算法。 由于卡爾曼濾波是消除動(dòng)態(tài)定位數(shù)據(jù)隨機(jī)誤差的重要方法，為了提高動(dòng)態(tài)定位的精度，有必要認(rèn)真研究卡爾曼理論。論文針對(duì)動(dòng)態(tài)定位中卡爾曼濾波模型的系統(tǒng)誤差，測(cè)量粗差，噪聲相關(guān)性等問(wèn)題的研究，具有重要的理