CN111623703A - 一种基于新型卡尔曼滤波的北斗变形监测实时处理方法 - Google Patents
一种基于新型卡尔曼滤波的北斗变形监测实时处理方法 Download PDFInfo
- Publication number
- CN111623703A CN111623703A CN202010733758.1A CN202010733758A CN111623703A CN 111623703 A CN111623703 A CN 111623703A CN 202010733758 A CN202010733758 A CN 202010733758A CN 111623703 A CN111623703 A CN 111623703A
- Authority
- CN
- China
- Prior art keywords
- time
- matrix
- real
- variance
- monitoring
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B7/00—Measuring arrangements characterised by the use of electric or magnetic techniques
- G01B7/16—Measuring arrangements characterised by the use of electric or magnetic techniques for measuring the deformation in a solid, e.g. by resistance strain gauge
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供一种基于新型卡尔曼滤波的北斗变形监测实时处理方法,包括:获取初始状态向量的最优估值等;基于卡尔曼滤波,得到状态向量的一步预测值和一步预测方差;获取实时监测数据;得到该时间段数据的标准方差和卡尔曼增益;计算状态向量的最优估值和最优估值的方差阵;构造滑动窗口残差向量并动态调整滑动窗口的大小,实时更新观测噪声方差阵;计算位移量并输出。本发明通过残差和标准方差的比值来实现粗差探测;通过实时缩放测量噪声方差阵的值来修复粗差,减弱粗差对观测结果的污染;在粗差探测的基础上,结合实时更新观测噪声方差阵和动态调整滑动窗口的大小,加速监测结果的收敛,迅速反应监测点的真实位移,能够满足变形的监测需求。
Description
技术领域
本发明涉及北斗变形监测技术领域,具体涉及一种基于新型卡尔曼滤波的北斗变形监测实时处理方法。
背景技术
北斗卫星导航系统(BeiDou Navigation Satellite System,BDS)为我国自行研制的全球卫星导航系统,随着北斗三代系统的逐步建立,北斗在变形监测、定位等领域应用更加广泛。
采用北斗进行变形监测时,由于周跳、多路径效应以及接收机信号噪声的影响,观测数据中包含粗差,除此之外,北斗解算的过程中受到噪声及解算算法的影响,使得解算结果包含有高频的随机误差,降低了观测结果的准确性和稳定性,从而为后续的数据分析带来困难。
变形监测数据处理的另一个难点在于:如何将真实位移和粗差进行识别。现实的监测中,监测点可能发生了真实位移,真实的位移能导致监测结果发生较大变化,因此,需要将粗差和真实位移进行区分,不能将真实位移当做粗差校正。
现有技术中对于变形监测数据处理有很多方法,比如普遍采用滑动平均算法、多项式拟合以及arma模型等方法,均不能解决上述技术问题,具体是:
1、滑动平均算法模型简单,计算方便,对于数据的完整性要求相对较低,但是滑动平均算法对于粗差只能削弱,对粗差和随机误差的处理效果与滑动窗口有关,另外对于真实变形的反应并不准确。
2、多项式拟合算法能够较好的处理粗差和随机误差,但是对于真实变形反应并不好,并且只能用于后处理算法中,对于实时监测并不适用。
3、arma模型涉及到数据平稳性检验以及p和q值的确定,算法比较复杂,并且同样不适用与实时监测。
综上所述,设计一种操作便捷、能够实现粗差探测以减弱粗差对观测结果的影响及能够真实区分监测点的真实位移变化的北斗变形监测实时处理方法具有重要意义。
发明内容
本发明提供一种基于新型卡尔曼滤波的北斗变形监测实时处理方法,技术方案如下:
一种基于新型卡尔曼滤波的北斗变形监测实时处理方法,包括以下步骤:
其中:k为历元数,k为大于等于1且小于等于M的自然数;A为转移矩阵,,为历元间的时间间隔,为的转置;为状态向量在时刻的最优估值,为第k-1历元的时刻,,为时刻的三维坐标,为时刻向时刻变化的速度;为在时刻的状态向量的最优估值的方差阵;为噪声矩阵,,为的转置;为时刻的动态噪声,为时刻的动态噪声的方差阵;
构造滑动窗口残差向量并动态调整滑动窗口的大小,采用表达式13)实时更新观测噪声方差阵:
以上技术方案中优选的,所述步骤四中构造滑动窗口残差向量并动态调整滑动窗口的大小以及实时更新观测噪声方差阵具体包括以下步骤:
以上技术方案中优选的,所述步骤一中:
初始状态向量的最优估值的获得具体是:,初始数据集中的监测数据总数为,利用最小二乘计算个监测数据的最优估计值作为,,为单位矩阵,为的转置,为观测值向量,P为观测值向量的协方差矩阵,数值根据北斗解算软件输出的Ratio值确定,,R为个监测数据的Ratio值矩阵,为R中所有元素之和;为初始速度,,为第1个监测数据;
应用本发明的技术方案,具体是:
1、本发明采用新型的卡尔曼滤波通过残差和标准方差的比值来实现粗差探测;通过实时缩放测量噪声方差阵的值来修复粗差,减弱粗差对观测结果的污染。
2、本发明在粗差探测的基础上,结合实时更新观测噪声方差阵和动态调整滑动窗口的大小,可以加速监测结果的收敛,迅速反应监测点的真实位移,延迟时间较小,能够满足变形的监测需求。
除了上面所描述的目的、特征和优点之外,本发明还有其它的目的、特征和优点。下面将参照图,对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是实施例中基于新型卡尔曼滤波的北斗变形监测实时处理方法的流程示意图;
图2是现有技术中普通卡尔曼滤波处理结果示意图;
图3是本实施例中新型卡尔曼滤波处理结果示意图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明,但是本发明可以根据权利要求限定和覆盖的多种不同方式实施。
实施例:
一种基于新型卡尔曼滤波的北斗变形监测实时处理方法,具体是:
系统状态方程为表达式2):
观测方程为表达式3):
本实施例基于新型卡尔曼滤波的北斗变形监测实时处理方法,具体流程如图1所示,具体包括如下步骤:
构造滑动窗口残差向量并动态调整滑动窗口的大小,实时更新观测噪声方差阵:
实时更新观测噪声方差阵具体包括以下步骤:
步骤①、缓存最近的m个北斗结算结果构成观测值滑动窗口,且m为整数,此处m的取值与接收机采样间隔有关,测试中采样间隔为15s时,比较合适,即缓存数据的时间长度最小1h,最大12h,实际运算时m初始值取240,每增加一个监测结果,取m+1(解算结果没有累积够240个时不进行滤波处理);当m达到2880个时,则暂时保持稳定不变;构建滑动窗口残差向量;
如果是由粗差造成,采用表达式13)实时更新观测噪声方差阵:
利用设置的监测点进行实时解算实验,数据采样间隔为15s,实验中分别采用普通卡尔曼滤波和本实施例中新型卡尔曼滤波分别对实时解算数据进行解算,为了更好的模拟滤波对粗差和真正移动的识别情况,随机在原始结果2379历元和23679历元处加入30mm粗差,另外在53000历元后加入10mm的真实位移。
本实施例处理各个历元的实验数据得到新型卡尔曼滤波结果详见图3,与现有技术(普通卡尔曼滤波处理结果示意图如图2所示)比较可知:两种卡尔曼滤波算法对监测结果中的随机误差都有较好的剔除作用,滤波后的数据要平滑很多。图2普通卡尔曼滤波在两处粗差处的滤波结果呈现出较大跳动,并且后边的2000个历元数据也收到了影响;在53000历元处的真实位移并不能够较好反映,延迟大约4000个历元。图3的新型卡尔曼滤波在两处粗差处都没有受粗差影响,另外在53000历元处立即反映出真实的位移,延时时间几乎可以忽略。实例的测试说明新型卡尔曼滤波算法能区分粗差和真实位移,得到最优的滤波效果。
本实施例能用于实时变形监测,卡尔曼滤波满足动态系统实时处理数据的要求,能够对动态系统进行实时数据处理,本实施例在普通的卡尔曼滤波算法中加入观测噪声方差阵系数、观测噪声缩小因子以及标准方差的动态计算,用于北斗实时解算,动态调整观测噪声的方差值,防止滤波发散,对于实时数据中的粗差有抑制作用,能够过滤掉高频的随机噪声误差,另外也能够及时反映真实的位移情况,有效弥补普通卡尔曼滤波处理方法的缺点,实现更好地剔除数据粗差、识别监测结果中的真实位移以及平滑监测结果的效果,具有重要的应用价值。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种基于新型卡尔曼滤波的北斗变形监测实时处理方法,其特征在于,包括以下步骤:
其中:k为历元数,k为大于等于1且小于等于M的自然数;A为转移矩阵,,为历元间的时间间隔,为的转置;为状态向量在时刻的最优估值,为第k-1历元的时刻,,为时刻的三维坐标,为时刻向时刻变化的速度;为在时刻的状态向量的最优估值的方差阵;为噪声矩阵,,为的转置;为时刻的动态噪声,为时刻的动态噪声的方差阵;
构造滑动窗口残差向量并动态调整滑动窗口的大小,采用表达式13)实时更新观测噪声方差阵:
2.根据权利要求1所述的基于新型卡尔曼滤波的北斗变形监测实时处理方法,其特征在于,所述步骤四中构造滑动窗口残差向量并动态调整滑动窗口的大小以及实时更新观测噪声方差阵具体包括以下步骤:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010733758.1A CN111623703A (zh) | 2020-07-28 | 2020-07-28 | 一种基于新型卡尔曼滤波的北斗变形监测实时处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010733758.1A CN111623703A (zh) | 2020-07-28 | 2020-07-28 | 一种基于新型卡尔曼滤波的北斗变形监测实时处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111623703A true CN111623703A (zh) | 2020-09-04 |
Family
ID=72273137
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010733758.1A Pending CN111623703A (zh) | 2020-07-28 | 2020-07-28 | 一种基于新型卡尔曼滤波的北斗变形监测实时处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111623703A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112269192A (zh) * | 2020-10-22 | 2021-01-26 | 云南航天工程物探检测股份有限公司 | 一种快速自适应的动态北斗监测实时解算去噪方法 |
CN112344847A (zh) * | 2020-11-20 | 2021-02-09 | 中国有色金属长沙勘察设计研究院有限公司 | 一种地基合成孔径雷达数据降噪方法 |
CN112381309A (zh) * | 2020-11-23 | 2021-02-19 | 珠江水利委员会珠江水利科学研究院 | 水库大坝安全监测预警方法、装置、系统及存储介质 |
CN113109848A (zh) * | 2021-04-14 | 2021-07-13 | 长沙学院 | 一种载体低速旋转条件下的导航定位方法及其应用系统 |
CN114912551A (zh) * | 2022-07-18 | 2022-08-16 | 中国铁路设计集团有限公司 | 面向桥梁变形监测的gnss和加速度计实时融合算法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101750066A (zh) * | 2009-12-31 | 2010-06-23 | 中国人民解放军国防科学技术大学 | 基于卫星定位的sins动基座传递对准方法 |
CN108317949A (zh) * | 2018-02-07 | 2018-07-24 | 桂林电子科技大学 | 一种rtk高精度差分定位形变监测系统及方法 |
CN108548479A (zh) * | 2018-04-16 | 2018-09-18 | 武汉大学 | 基于gnss的桥梁实时监测快速初始化方法 |
-
2020
- 2020-07-28 CN CN202010733758.1A patent/CN111623703A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101750066A (zh) * | 2009-12-31 | 2010-06-23 | 中国人民解放军国防科学技术大学 | 基于卫星定位的sins动基座传递对准方法 |
CN108317949A (zh) * | 2018-02-07 | 2018-07-24 | 桂林电子科技大学 | 一种rtk高精度差分定位形变监测系统及方法 |
CN108548479A (zh) * | 2018-04-16 | 2018-09-18 | 武汉大学 | 基于gnss的桥梁实时监测快速初始化方法 |
Non-Patent Citations (1)
Title |
---|
雷孟飞 等: "自适应卡尔曼滤波在BDS变形监测数据处理中的应用", 《导航定位学报》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112269192A (zh) * | 2020-10-22 | 2021-01-26 | 云南航天工程物探检测股份有限公司 | 一种快速自适应的动态北斗监测实时解算去噪方法 |
CN112269192B (zh) * | 2020-10-22 | 2024-02-02 | 云南航天工程物探检测股份有限公司 | 一种快速自适应的动态北斗监测实时解算去噪方法 |
CN112344847A (zh) * | 2020-11-20 | 2021-02-09 | 中国有色金属长沙勘察设计研究院有限公司 | 一种地基合成孔径雷达数据降噪方法 |
CN112381309A (zh) * | 2020-11-23 | 2021-02-19 | 珠江水利委员会珠江水利科学研究院 | 水库大坝安全监测预警方法、装置、系统及存储介质 |
CN112381309B (zh) * | 2020-11-23 | 2022-04-12 | 珠江水利委员会珠江水利科学研究院 | 水库大坝安全监测预警方法、装置、系统及存储介质 |
CN113109848A (zh) * | 2021-04-14 | 2021-07-13 | 长沙学院 | 一种载体低速旋转条件下的导航定位方法及其应用系统 |
CN113109848B (zh) * | 2021-04-14 | 2023-03-14 | 长沙学院 | 一种载体低速旋转条件下的导航定位方法 |
CN114912551A (zh) * | 2022-07-18 | 2022-08-16 | 中国铁路设计集团有限公司 | 面向桥梁变形监测的gnss和加速度计实时融合算法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111623703A (zh) | 一种基于新型卡尔曼滤波的北斗变形监测实时处理方法 | |
CN106855628B (zh) | 一种高动态卫星导航信号的快速捕获和跟踪系统和方法 | |
CN108827322B (zh) | 一种多星协同测向定位观测系统优化设计与评估方法 | |
WO2024016369A1 (zh) | 面向桥梁变形监测的gnss和加速度计实时融合算法 | |
CN108120452B (zh) | Mems陀螺仪动态数据的滤波方法 | |
CN109031261B (zh) | 一种时差估计方法及装置 | |
CN110007299A (zh) | 一种基于混合坐标伪谱技术的微弱目标检测跟踪方法 | |
CN110231620A (zh) | 一种噪声相关系统跟踪滤波方法 | |
KR100951321B1 (ko) | 파티클 필터 기반의 음향 센서를 이용한 3차원 공간에서의객체 추적 방법 | |
CN109190647B (zh) | 一种有源无源数据融合方法 | |
CN116224320B (zh) | 一种极坐标系下处理多普勒量测的雷达目标跟踪方法 | |
CN111999750B (zh) | 针对杆臂不准的实时单站周跳探测改进方法 | |
Chen et al. | IMM tracking of a 3D maneuvering target with passive TDOA system | |
CN106153046A (zh) | 一种基于自适应Kalman滤波的陀螺随机噪声AR建模方法 | |
CN115856963A (zh) | 基于深度神经网络学习的高精度定位算法 | |
CN112880659B (zh) | 一种基于信息概率的融合定位方法 | |
Liang et al. | Multipath time delay estimation using higher order statistics | |
CN112241583A (zh) | 一种最小化后验距离的传感器路径优化方法 | |
CN109270344B (zh) | 脉冲丢失下的相参脉冲信号频率估计方法 | |
CN112747773A (zh) | 基于Allan方差和随机多项式提高陀螺仪精度的方法 | |
Yan et al. | Optimal multirate filtering with its application in estimation of the current of a transformer | |
CN117908034B (zh) | 基于自适应波束跟踪水下目标高稳健模基doa估计方法 | |
CN116338755A (zh) | 噪声积分数据融合定位方法、设备、系统及存储介质 | |
CN113050036B (zh) | 基于多谐振点传声器阵列的gis波束形成定位方法 | |
CN106570330A (zh) | 一种用于扩展目标跟踪的形态估计性能评估方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200904 |