期刊文献+

分类因子自适应抗差滤波 被引量:21

下载PDF
导出
摘要 自适应抗差滤波的关键技术是构造观测等价权矩阵和合理的自适应因子,以便能有效地平衡观测信息、状态信息及其各分量对状态参数估值的贡献.文中在自适应抗差滤波和双因子相关观测抗差估计原理的基础上,提出了将常速度模型的状态预报信息分为位置和速度两类,并分别构造相应的自适应因子.导出了相应的分类因子自适应抗差滤波解,并给出了分类自适应因子的计算表达式.计算结果表明,分类因子自适应抗差滤波不仅能有效地控制观测异常和动态扰动异常的影响,而且利用分类因子合理地平衡了位置预报信息和速度预报信息对状态参数估值的贡献,其精度要优于基于位置不符值和速度不符值的单因子自适应抗差滤波.
机构地区 西安测绘研究所
出处 《自然科学进展》 北大核心 2006年第4期490-494,共5页
基金 国家自然科学基金(批准号:40274002和40474001)地球空间环境与大地测量教育部重点实验室开放研究基金(1469990324233-04-11)资助项目
  • 相关文献

参考文献7

二级参考文献30

  • 1Jazwinski AH.Stochastic Processes and FilteringTheory[A]. New Yo rk and London: Mathematics in Science and Engineering[C].AcademicPress.1969, 64.
  • 2Koch K R and Yang Y.Robust Kalman filter for rank deficient observa tion model[J].Journal of Geodesy,1998,72:436~441.
  • 3Mohamed AH and Schwarz KP.Adaptive Kalman filtering for INS/GPS[J ]. Journalof Geodesy, 1999,73:193~203.
  • 4Wang J, Stewart M P and Tsakiri M.Adaptive Kalman filtering for int egration ofGPS with GLONASS and INS[A]. IUGG/IAG Brimingham[C]. August 18~ 31,1999.
  • 5杨元喜.多种抗差滤波模型的理论基础及比较[A].见:陈俊勇主编.大地测 量论文集(祝贺陈永龄院士90寿辰)[C].北京:测绘出版社,1999.51~57.
  • 6Yang Y, He H and Xu G.A new adaptively robust filtering for kinema tic geodeticpositioning[A]. IUGG/IAG Birmingham[C]. August 18~31,1999.
  • 7Schwarz K P, Cannon M E and Wong R V C.A comparison of GPS kinemati c models fordetermination of position and velocity along a trajectory[J]. Man uscripta Geodaetica,1989,14: 345~353.
  • 8Y. Yang,L. Song,T. Xu.Robust estimator for correlated observations based on bifactor equivalent weights[J].Journal of Geodesy (-).2002(6-7)
  • 9Y. Yang,H. He,G. Xu.Adaptively robust filtering for kinematic geodetic positioning[J].Journal of Geodesy (-).2001(2-3)
  • 10A. H. Mohamed,K. P. Schwarz.Adaptive Kalman Filtering for INS/GPS[J].Journal of Geodesy.1999(4)

共引文献240

同被引文献179

引证文献21

二级引证文献90

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部