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.     

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。     

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。     

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。     

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.     

海洋重力测量误差补偿技术

海洋重力场信息在勘探矿源和导航定位等方面都具有重要意义.进行海洋重力实时测量时,重力仪会受到各种外界扰动力的影响,再加上重力敏感器本身稳定性和惯性平台系统性能影响,重力敏感器的输出需要进行一系列数据处理和补偿后才能得到当地重力异常值,研究了重力敏感器安装角误差标定、零位漂移估计和格值修正等重力数据预处理方法.分析了海洋重力测量数据处理流程,主要包括零点漂移补偿、水平加速度误差补偿、厄特弗斯效应修正、高度修正和噪声滤波处理等.对每个数据处理过程都提出了具体补偿算法,并分析了补偿后的重力测量误差,将以上重力数据处理方法应用到实际重力测量,结果表明重力仪能够准确测量出当地重力值,其精度为1 mGa1.     

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.     

海洋重力传感器伺服回路分析与设计

海洋重力仪是改善舰船惯导系统精度的重要设备，其重力传感器的伺服回路决定着仪器的精度和动态性能。作在介绍零长弹簧海洋重力传感器结构原理的基础上，研究其伺服回路的结构组成和设计方法，分析了其主要环节参数对系统性能的影响，考察了其时域性能，对海洋重力仪的研制具有重要指导作用。     

一种重力异常对弹道导弹惯性导航精度影响的补偿方法

分析了弹道导弹飞行中受到的重力异常的作用，以及重力异常对弹道导弹的精度的影响，对导弹受到的重力异常进行了仿真，建立了导弹导航的速度位置和姿态误差方程，提出了一种利用卡尔曼滤波中的状态转移阵对重力异常引起的速度位置误差进行修正的方法。仿真结果表明，这种方法能够对重力异常产生的速度位置误差产生较好的估计校正作用，具有计算量小，易于工程实现，能适用于各种重力场模型的优点。     

基于Allan方差解耦自适应滤波的旋转SINS精对准方法

对旋转式SINS精对准方法进行了研究,由于转位机构转动干扰以及惯性器件误差不确定性带来的影响,旋转式SINS状态方程和量测方程噪声方差参数难以确定,进而导致初始对准精度降低,针对这个问题引入自适应Kalman滤波技术。Sage-Husa是一种常用的自适应滤波算法,但是存在噪声参数强耦合缺陷。通过研究Allan方差与量测噪声方差之间的关系,利用Allan方差滤波器具有带通滤波的特点,独立计算量测噪声协方差阵R_k,该方法能够有效克服Sage-Husa滤波耦合问题,相比其它改进方法具有简单易实现等特点。对该研究进行了仿真实验与实际系统验证实验,结果表明:对于中等精度光纤陀螺单轴旋转SINS,自适应Kalman滤波算法航向角对准精度比标准Kalman滤波算法精度要高0.6’左右,且在误差估计过程中,自适应Kalman滤波器能够更好地抑制外界干扰误差的影响,是一种较好的精对准方法。     

Galileo系统动态滤波的研究

提出一种Galileo动态定位滤波的方法。该方法从Galileo系统接收机输出的定位结果入手，将各种误差因素的影响等效为一个总误差，对Galileo系统接收机的机动载体加速度采用当前统计模型，利用线性卡尔曼滤波器进行动态定位数据的处理，并将次优加权自适应卡尔曼滤波算法应用到Galileo系统动态定位中。该模型简单，实时性好，滤波后定位精度得到提高。     

GPS 动态滤波的新方法

本文提出一种ＧＰＳ动态定位滤波的新方法。该方法直接从ＧＰＳ接收机输出的定位结果入手，将各种误差因素的影响等效为输出定位结果的总误差，视为有色噪声，建立线性卡尔曼滤波模型对位置和速度信息进行估计。与以往采用的非线性卡尔曼滤波器相比，滤波后定位误差明显减小，且模型简单，系统运算量降低，实时性较好。另外，为了提高滤波器的动态性能，还提出了一种有效的次优加权自适应卡尔曼滤波算法     

Fuzzy logic adaptive Kalman filtering in the control of irrigation canals

A fuzzy logic adaptive Kalman filtering methodology was developed for the automatic control of an irrigation canal system under unknown disturbances (water withdrawals) acting in the canal. Using a linearized finite difference model of open channel flow, the canal operation problem was formulated as an optimal control problem and an algorithm for gate opening in the presence of arbitrary external disturbances (changes in flow rates) was derived. Based on the linear optimal control theory, the linear quadratic regulator (LQR), assuming all the state variables (flow depths and flow rates) were available, was designed to generate control input (optimal gate opening). As it was expensive to measure all the state variables (flow rates and flow depths) in a canal system, a fuzzy logic adaptive Kalman filter and traditional Kalman filter were designed to estimate the values for the state variables that were not measured but were needed in the feedback loop. The performances of the state estimators designed using the fuzzy logic adaptive Kalman filter methodology and the traditional Kalman filtering technique were compared with the results obtained using the LQR (target loop function). The results of the present study indicated that the performance of the fuzzy logic adaptive Kalman filter was far superior to the performance of the observer design based upon the traditional Kalman filter approach. The obvious advantages of the fuzzy logic adaptive Kalman filter were the prevention of filter divergence and ease of implementation. As the fuzzy logic adaptive Kalman filter requires smaller number of state variables for the acceptable accuracy therefore, it would need less computational effort in the control of irrigation canals. Copyright © 2009 John Wiley & Sons, Ltd.     

一种带速度观测量的GPS动态定位自适应卡尔曼滤波算法

提出了一种应用于GPS动态定位滤波的自适应卡尔曼滤波算法,此自适应滤波器算法简单,与常规滤波器相比,可实现快速有效地提高GPS定位精度。计算机仿真实例表明应用该算法具有良好的效果。     

INS／GPS／CNS组合导航系统的自适应滤波技术研究

本重点研究了状态与偏差解耦估计的自适应滤波算法在ＩＮＳ／ＧＰＳ／ＣＮＳ组合民航系统中的应用问题。由于组合导航系统参数往往与实际的物理过程具有一定的偏差,因此采用常规的卡尔曼滤波算法常会发生滤波发散现象。本提出一种自适应滤波算法,并应用于组合导航系统。仿真结果表明,自适应滤波可以有效地抑制滤波发散,增强系统方案对环境的适应性,大大提高组合导航系统的精度。     

惯导与GPS组合系统中实时自适应卡尔曼滤波技术的研究

—针对现有的自适应卡尔曼滤波算法实时性不强、结构繁杂，本文研究了在惯导与ＧＰＳ组合系统中应用一种修正的自适应卡尔曼滤波算法，并与常规卡尔曼滤波算法作了比较。仿真结果表明，这种算法具有结构简单、高效率和精度高等优点，不失为一种实用而有效的滤波算法。     

神经网络辅助卡尔曼滤波技术在组合导航系统中的应用研究

考虑到组合导航系统的噪声具有非先验性，而传统的卡尔受滤波器要求假设动态模型和观测模型的噪声统计特性已知，提出了用前向神经网络来辅助调节卡尔受滤波器，使其具有自适应能力以应付动态环境的扰动。仿真研究表明：该算法优于标准卡尔曼滤波器。     

Comparison of an Adaptive Wavelet Method and Nonlinearly Filtered Pseudospectral Methods for Two-Dimensional Turbulence

An adaptive wavelet method for solving the two-dimensional Navier–Stokes equations is compared with nonlinear Fourier filtering and nonlinear wavelet filtering of the pseudospectral method at each time step. The methods are each applied to a highly nonlinear flow typical of two-dimensional turbulence, the merger of two positive vortices pushed together by a weaker negative vortex, and the results are compared with a reference classical pseudospectral method. Nonlinear Fourier filtering uses 1.7 times fewer active modes than the reference simulation at the time of merger (when the flow is most complicated) and retains the overall dynamics and structure of the flow. However, it induces spurious oscillations in the background. Nonlinear wavelet filtering simulation uses 9.2 times fewer modes than the reference simulation at the time of merger, and reduces the errors in the solution. The adaptive wavelet simulation replicates precisely the dynamics and spatial structure of the reference simulation while retaining the high compression rate of the nonlinear wavelet filtering simulation. In addition we observe that the number of active wavelet modes remains quasi-constant during the whole merging process, independent of the strength of the vorticity gradients. On the contrary, the number of active Fourier modes is multiplied by 5 when the vorticity gradients are strongest. The increased accuracy of the adaptive wavelet simulation is due to the security zone added around the active coefficients and to the compression of the nonlinear term of the Navier–Stokes equations in the wavelet basis. These results suggest that nonlinear Fourier filtering of a classical pseudospectral method cannot produce significant improvement, but that the adaptive wavelet method combines a consistently high compression rate with high accuracy. Received 22 April 1997 and accepted 11 August 1997