一种改进的抗差卡尔曼滤波方法
卡尔曼滤波综合了状态预测信息和观测信息,采用递推算法对状态空间进行动态估计,且计算效率较高,在动态导航定位中被广泛应用.标准卡尔曼滤波的解具有最小方差无偏特性,但其前提假设是状态模型和观测模型准确,这在实际动态定位中常常很难满足,因此抗差卡尔曼滤波(Robust Kalman Filter,RKF)在动态定位中显得尤为重要.本文针对传统抗差卡尔曼滤波方法不能区分粗差和小周跳的缺陷,提出了一种改进的抗差卡尔曼滤波方法,该方法采用残差和标准化残差进行联合判定粗差观测值,有效避免了未探测到的小周跳对定位的影响,避免后续历元相位残差持续增大,显著提升了动态定位精度和可靠性.
抗差、卡尔曼滤波、残差、标准化残差
P228.4(大地测量学)
2019-09-18(万方平台首次上网日期,不代表论文的发表时间)
共2页
152-153