一种连续型野值的识别与修正滤波算法

通过对量测数据新息序列的统计数学特性的分析,利用服从wishart分布的AA^U(k)=(N-1)·AS^U(k)随机矩阵的最大特征值提出了一种检测量测数据中是否含有野值的判别方法.此基础上,修正了Kalman滤波器的状态估计算法.使该算法在出现连续型野值时,能明显地降低误差,提高滤波精度.仿真结果证明了该方法的有效性.     

一种连续型野值的识别与修正滤波算法

通过对量测数据新息的统计数学特性的分析,借助于主成分分析法的思想,根据矩阵的最大特征值反映矩阵的主要信息这一特点,提出了一种检测量测数据中是否含有野值的判别方法.此基础上,修正了Kalman滤波器的状态估计算法.使该算法在出现连续型野值时,能明显地降低误差,提高滤波精度.仿真结果证明了该方法的有效性.     

基于"新息"修正的舰船导航信息预处理研究

为了克服舰船导航中Kalman滤波器因野值引起的发散，从“新息”入手，利用“新息’’判断野值，通过指数加权的方法找到野值点的新“新息”代替原来的“新息”，达到剔除野值的目的，在舰船组合导航仿真中证明了这种方法是有效的。     

基于多模型SVR的抗野值Kalman滤波器

为了抑制观测数据中野值对Kalman滤波的不利影响,本文首先基于支持向量机(SVM)和多模型理论,建立了Kalman滤波新息过程的多模型支持向量回归(SVR)预测模型,然后给出了结合该预测模型的Kalman滤波的修正算法。仿真结果表明,该Kalman滤波算法不仅有效地剔除了观测数据的野值,提高了滤波器的稳定性和精度,而且算法比较简单。     

数字伪码跟踪环中的野值剔除新方法

针对伪码跟踪环中由于相位误差鉴别结果出现野值而导致跟踪性能下降的问题,提出了一种野值剔除方法. 该方法根据伪码跟踪环中鉴别器的鉴别范围及环路的跟踪状态,调节野值剔除门限. 与常规伪码跟踪环相比,采用该方法的环路具有更高的跟踪精度和抗干扰能力. 仿真结果表明,设计方法通过有效剔除环路鉴别器输出的野值,提高了伪码跟踪环的跟踪精度和稳定性.     

一种遥测数据野值剔除方法

通过对遥测系统参数特性的分析,法采用前推差分算式进行预测和判断野值,该算法克服避免野值的逆传,并对其进行改进,使其可以剔除大量的连片的野值,并且算法简单且精度高,适用于数据的实时处理的合理性检验.     

抗野值H∞滤波在组合导航中的应用

为了消除H∞滤波应用过程中野值产生的影响,利用切比雪夫不等式判断新息中野值的存在,利用基于信息扩散原理的新息替代法对含有单个或连续野值的新息加以修正,达到检测和剔除野值的目的.通过对远程火箭弹的SINS/GPS组合导航的仿真可知新算法能够有效地检测出野值,并在野值单个或成片出现的情况下都能保证滤波精度.     

有色噪声条件下野值的辨识与处理

在动态测量数据处理过程中,为了解决有色噪声条件下野值的辨识与处理问题,采用了将有色观测噪声的模型进行级数展开并求解模型方差的方法,该方差的确定修正了正交模型参数变化判别法满足的条件,并在此基础上构造出野值辨识函数以及合理的剔除法。仿真计算表明:该函数能有效地辨识出野值,降低误判率,提高数据处理的精度。在动态测量数据处理中具有一定的理论价值。     

一种新的干涉测角数据处理算法

提出了一种新的干涉测角数据处理算法.该算法对相位干涉仪测角中因相位解模糊出错产生的错误角度值进行野值剔除,之后引入一种新的2阶修正卡尔曼滤波器对野值剔除后的角度进行平滑滤波,保证在稳定跟踪角度的同时精确地估计出角速度.实验结果表明,该算法对静态、匀速和匀加速3种角运动规律均具有较高的跟踪精度,同时对一般角加速运动也具有较好的跟踪能力.     

用小波变换去除多普勒频率估计野值点的方法

研究去除多普勒频率估计野值点的方法．在分析野值点统计特性及小波域分布特性的基础上，通过利用野值点和多普勒频率在小波域上系数的不同，首先对各尺度系数进行分段，然后对不同段的系数设定不同阈值进行处理，从而达到去除野值点和恢复多普勒频率的目的．实验结果表明，去除野值点后的结果与原数据的残差中不包含多普勒频率的趋势分量，对后续的脱靶量参数估计没有任何不利影响，去除了随机测量误差与野值点的影响。     

指数分布异常数据检验的Bayes方法

研究了指数分布场合异常数据的检验问题,提出了无信息先验分布下的Bayes检验方法．利用分布参数的先验分布严格推导出新的检验统计量及其后验分布函数．实例和蒙特卡罗模拟表明了方法是可行的,适用于同时含有异常大、异常小数据的情形,并能够避免遭受屏蔽效应．     

桥梁监控数据处理的自适应卡尔曼滤波分析

对自适应卡尔曼滤波建立的滤波模型在计算中对初始参数的要求进行了研究，并根据时间监测资料计算的结果．得出了自适应卡尔曼滤波具有对初始参数要求比较宽松、能根据计算时的观测数据自动调整参数的功能．利用该模型对某大跨径桥梁的实际监测资料进行分析．通过与统计分析的比较．验证其有效性．     

新型GPS动态定位自适应卡尔曼滤波方法

为了获取GPS卫星的信号及定位数据的真实值,减小信号传播中因各种因素混入的随机误差对定位精度的影响,通过应用运动载体"当前"统计模型,取速度和位置为观测量建立GPS动态定位模型,将观测量维数增大1倍,从而增加了系统的可观测性和定位测算精度.此外,针对传统标准卡尔曼滤波法在动态滤波方面的不足进行了分析,提出了改进型Sage自适应卡尔曼滤波法.该方法在递推和滤波过程中不断地修正模型参数,始终保持噪声模型接近于真实模型,从而避免了标准卡尔曼滤波法中因建模不准确可能导致的滤波发散等问题,较好地解决了GPS动态定位中状态变量维数与滤波快速性之间的矛盾,以及状态噪声和观测噪声建模不准确和时变的问题.     

剔除支持向量回归中异常数据算法

定义了回归问题中异常数据及其不满足回归映射关系差异程度的度量,分析了回归问题中理论映射模式与回归估计模式关系,提出并证明了回归问题中逐个剔除异常数据,建立回归估计模式逐步逼近理论模式的逐步逼近定理,并构建了以逐步逼近定理为理论依据的剔除支持向量回归中异常数据算法,理论分析了算法的收敛性和有效性。然后,引入逐步搜索算法改进剔除异常数据算法以解决大规模样本的支持向量回归中异常数据剔除问题,理论分析显示改进算法也是收敛的和有效的。最后,应用给定已知函数生成样本和UCI机器学习数据库样本数据仿真实验,结果显示算法是有效的和鲁棒的。     

基于卡尔曼滤波的混沌系统辨识

通过建立一种对混沌时间序列进行有效预测的方法构架,试图实现尽可能长期的混沌预测,并重构序列的主动态方程,以便于进一步的分析研究,根据非线性系统的一般框架,首先基于所观测时间序列的基本混沌特性寻找一典型混沌方程作为参考的系统动态方程;然后利用扩展卡尔曼滤波递推得到一动态方程式来逼近系统特性,重构混沌相空间吸引子,仿真结果表明,该方法可以实现较高精度的多步预测并有效地重构系统方程。     

一种对成片连续野值不敏感的鲁棒Kalman滤波

针对量测噪声中可能出现成片连续野值的情况，利用Ｂａｙｅｓ定理，得到了判别成片连续野值的后验概率公式，并提出了对上述野值不敏感的鲁棒Ｋａｌｍａｎ滤波。仿真实例表明：较之一般的Ｋａｌｍａｎ滤波，文中提出的方法能够较为满意地处理量测噪声中具有成片连续野值的恶劣情形。     

最优滤波理论中一种新模型的估值问题

给出一种新的最优估值理论模型,运用现代时间序列分析方法,基于ARMA信息模型和白噪声估值器,求出状态的非递推估值器,最后得到其统一的、稳态的Kalman估值器.     

一种提高GPS定位精度的组合定位方法

验证了DGPS和卡尔曼滤波器在提高GPS接收机定位精度方面的有效性 .针对静态定位的特点 ,对传统卡尔曼滤波方程做出改进 ,消除由速度误差引起的定位偏离 ,并进一步采用组合滤波结构以完善动态滤波器的静态定位性能 .利用DGPS和卡尔曼滤波器在减少误差类型上的互补性 ,本文采用一种组合定位的方法 ,以起到同时减少常值误差和随机误差的作用 .实验证明 ,如果融合DGPS和卡尔曼滤波技术采用组合定位的方法 ,可以将定位精度从 2 .4m( 2σ)提高到 0 .9m( 2σ) .