H∞滤波和自适应卡尔曼滤波在消除重力异常畸变中的对比研究

为了有效地消除重力异常畸变对海洋重力仪测量精度的影响，得到更高精度的重力异常测量值，根据随机过程理论，分析了重力异常状态方程，并对H∞滤波算法和自适应卡尔曼滤波算法进行了理论对比分析，将其应用到消除重力异常畸变系统中。为了避免滤波发散，自适应卡尔曼滤波采用降阶的Sage—Husa算法。理论分析和仿真实验表明：H∞滤波算法和自适应卡尔曼滤波算法都具有较好的滤波收敛特性，并能在一定程度上有效地消除重力异常畸变对重力异常测量精度的影响，但自适应卡尔曼滤波的性能优于H∞滤波。     

平稳小波在高精度重力仪信号处理中的应用

为有效地消除噪声对重力仪测量数据的影响,提高重力异常测量值的精度,在分析平稳小波多尺度分析原理的基础上,将平稳小波应用到重力仪数据处理中,并与传统小波多尺度分析进行了对比.理论分析和仿真实验表明,平稳小波和传统小波都能在一定程度上抑制噪声对高精度重力仪测量数据的影响,但平稳小波的性能优于传统小波.     

融合先验知识的混凝土侵彻深度试验数据异常点检测算法

为剔除混凝土侵彻深度试验数据异常点,提出了一种融合先验知识的异常检测算法。利用反向传播（back propagation, BP）神经网络模型拟合试验样本数据的分布,结合偏差指标筛选离群样本点,并通过经验算法评价模型异常检测性能。针对试验数据特点选择全量梯度下降结合动量优化方法,从而提高模型迭代训练的稳定性和效率,并且在构建模型过程中融合领域先验知识约束对样本数据的拟合,使得模型在训练过程中能反映附加特征的影响。结果表明,BP神经网络模型适合于刚性弹对混凝土侵彻试验数据异常点的检测,加入合理的领域先验知识可有效提高模型的检测精度。     

平台式重力仪测量数据的卡尔曼滤波处理

根据三轴惯性平台海空重力仪的特点,在重力测量数据处理中,把重力异常作为状态量,建立了扩展卡尔曼滤波状态方程和观测方程,并阐述了三轴惯性平台海空重力仪重力测量数据处理步骤。依据给出的卡尔曼滤波方程,应用平滑卡尔曼滤波方法,对三轴惯性平台海空重力仪的海洋重力测量数据进行了处理。海空重力仪测量结果为:南北重复测线内符合精度为0.2 mGal,东西重复测线内符合精度为0.4 mGal,空间分辨率为650 m。     

分形滤波在高精度海洋重力仪数据处理中的应用研究

为有效地消除各种外界干扰噪声对高精度海洋重力仪测量值的影响,提高重力异常测量值的精度,在分析基于分形理论的滤波算法基础上,首次将其应用到高精度海洋重力仪系统数据处理中,并与自适应卡尔曼滤波进行对比分析,以实际信号数据与处理后信号数据的均方差作为衡量两种数据处理方法好坏的依据。理论分析和仿真实验表明:分形滤波方法和自适应卡尔曼滤波都能在一定程度上消除干扰噪声对重力异常信号的影响,但在相同背景条件下,分形滤波的性能优于自适应卡尔曼滤波。     

自适应Kalman和零相移滤波算法在重力信号处理中的对比

为了有效消除海洋重力仪测量信号的噪声,提高重力数据的获取精度,根据随机过程理论,借助基于二阶高斯一马尔可夫异常位模型的重力异常协方差函数,得到海洋重力测量中重力异常信号的状态方程.对sage-husa滤波算法和零相移算法进行了理论分析,为了抑制零相移滤波器的首尾数据畸变,求解了滤波器的初始状态.根据实测重力数据,进行了去噪仿真试验.理论分析和仿真结果表明,sage-husa与零相移滤波算法均能较好地抑制采样重力数据中的噪声干扰,但零相移滤波算法的性能优于sage-husa滤波器.     

时间序列异常值探测的Bayes方法及其GNSS数据质量控制中的应用

GNSS卫星精密定轨定位的观测量验后残差分析是数据质量控制的重要组成部分。目前的方法都是根据经验设定异常值判断的阈值,没有利用验后残差序列的时间序列特性。引入基于识别变量的AR模型异常值探测的Bayes方法对验后残差序列中的异常值进行探测;将异常值探测问题转化为识别变量后验概率值的计算问题,并给出明确的判别阈值,通过后验概率值与事先给定的阈值进行比较判别出异常值的位置;运用Gibbs抽样设计了识别变量后验概率值的计算方法和异常值的估算方法。实测数据对该算法的验证表明该算法能够准确地探测出异常值的位置,将异常值剔除之后的观测值序列应用到精密单点定位中,结果表明该算法的使用提高了精密单点定位的定位精度。     

一种用于重力测量信号畸变校正的盲反卷积算法（英文）

强阻尼和大时间常数是海洋重力仪的共同特性,它们在抑制垂直方向上干扰加速度的同时也造成了重力仪测量信号的幅值衰减和相位滞后。为了校正重力测量信号的畸变,获得高精度的重力异常信号,在分析重力仪和重力测量信号畸变原理的基础上,提出了一种单通道Bussgang算法,并应用于重力测量信号的畸变校正。该方法首先将盲反卷积滤波器近似简化为FIR模型,然后采用常数恒模算法对Bussgang均衡器权系数进行更新,并在此基础上对反卷积滤波器进行了估计,最后基于实测重力信号将该方法与Kalman逆滤波进行了试验对比。理论分析和试验结果表明,该重力信号畸变校正方法能有效地消除重力测量信号的畸变,且校正效果明显优于Kalman逆滤波,其校正后信号相对于原始信号的标准差为0.328×10-5 m/s2,而Kalman逆滤波校正标准差为1.838×10-5 m/s2。     

海洋重力测量畸变的消除方法

重力辅助导航进行匹配计算过程中,需要得到当前实时海洋重力数据,而海洋重力仪为了抑制垂直方向上干扰加速度,往往施加强阻尼对由垂直扰动加速度引起的采样质量的位移进行大幅度地压缩,但这同时引起测量得到的重力信号的畸变.因此,消除由于传感器强阻尼造成的重力数据畸变,获得高精度实时重力值,成为一个迫切的问题.为消除此畸变,采用反滤波方法对测量数据进行处理,达到实时获取当前重力异常数据的目的.通过仿真研究表明:反滤波技术可以恢复原始重力异常信号,减小由于强阻尼造成的幅值衰减和相位延迟,提高测量精度.     

浅地表地下质量异常重力与磁探测数值模拟方法

提出一种重磁观测值数值模拟方法,用于地下空穴测量数据的解释和反演算法研究。采用更具结构灵活性的旋转椭球体作为地下空穴模型,在重力异常和重力梯度异常计算表达式的基础上,推导其磁异常计算表达式,实现空穴重磁异常信号的分析计算;借助扰动位的功率谱密度函数实现重力异常谱和重力梯度异常谱的计算,经傅立叶逆变换到空间域实现背景场统计学模拟;采用高斯白噪声模拟测量仪器或其它随机噪声信号。将三部分数据叠加并进行数值仿真,证明该方法合理有效。