离散卡尔曼滤波用于GPS动态变形数据处理.pdfVIP

第22卷 第3期 桂 林 工 学 院 学 报 V01．22 No．3 2 0 0 2年 7月 J01『RNAI，OFGUILIN INSTITUTEOFn 1 0G_Y Ju1． 2002 文章编号：1006—544X(2002)03—0234—05 离散卡尔曼滤波用于GPS动态变形数据处理 马 攀 ，文鸿雁 ，2 (1．桂林工学院土木工程系，广西桂林 541004；2．武汉大学 测绘学院，湖北 武汉 430079) 摘 要：研究了一种卡尔曼滤波算法，通过算例对我国1998年洪水期某大坝的实测GPS动 态变形数据，采用自编软件 (用C语言)进行处理，其成果图形象直观地显示出滤波值数 据曲线与原始数据曲线的变化趋势基本一致，同时验前与验后的单位权方差；go很相近，并 且滤波值中误差各滤也比观测值中误差 小得多．该离散卡尔曼滤波数学模型较好地模拟 了目标系统的物理变化规律，其程序运算结果对于改善GPS动态变形的数据精度的效果比 较理想． 关键词：卡尔曼滤波；GPS；高斯一马尔柯夫序列 中图分类号：O211．64；P228．4 文献标识码：A 0 引 言 目前，在变形监测中，由于GPS、测地机器人等新技术不断引用，积累资料多，数据量大，如何 及时地有效地从大量的变形监测信息中进行数据挖掘，即抽取、转换、分析和进行建模处理，从中提 取关键性的数据，对变形进行分析与解释，尤其是对建筑物的变形进行预测，使人们能及时地针对变 形建筑物变形状态进行有效处理，对滑坡等灾害及时做好有关方面的防范和预防措施，从而极大地减 少因建筑物变形或滑坡等地质灾害造成的损失．所以对变形监测信息进行数据挖掘，特别是对大型建 筑物的变形进行分析与预测十分重要． 卡尔曼滤波 (Kalman，1960)是当前应用最广的一种动态数据处理方法，它具有最小无偏方差 性【1,2 J．把变形体视为一个动态系统，将一组观测值作为系统的输出，可以用卡尔曼滤波模型来描述 系统的状态．动态系统由状态方程和观测方程描述，以监测点的位置、速率和加速率参数为状态向量， 可构造一个典型的运动模型．状态方程中要加进系统的动态噪声．其滤波方程是一组递推计算公式， 计算过程是一个不断预测、修正的过程，在求解时，优点是不需保留用过的观测值序列，并且当得到 新的观测数据时，可随时计算新的滤波值，便于实时处理观测成果，把参数估计和预报有机地结合起 来．卡尔曼滤波特别适合变形监测数据的动态处理． 而在GPS用于动态变形观测中，是仅在确定的瞬间来研究系统的性能，而在此瞬间所得的观测值 本身是带有随机噪声的．如果能在这个系统中分别找出表示它们的状态参数与其观测值之间的函数关 系，那么就可以利用卡尔曼滤波来减弱随机噪声的干扰，达到提高GPS变形观测数据精度的目的．为 此，本文将对卡尔曼滤波用于某大坝GPS动态形变数据处理作一些探讨． 收稿日期：2001—12—24；修订日期：2002—04—03 基金项目：广西壮族自治区教育厅资助项目 (1998—169) 作者简介：马 攀(1977一)，男，四川南部人，硕士研究生，大地测量学与测量工程专业 第22卷 第3期 马 攀等：离散卡尔曼滤波用于GPS动态变形数据处理 235 1 离散线性系统的卡尔曼滤波 1．1 离散线性系统卡尔曼滤波的数学描述 当不考虑系统具有确定性输入时，可设系统状态方程和量测方程分别为[ ] = ／k一1 一1+ 一1W 一1 = +E (走=1，2…)， (2) 式中 为走时刻的n维状态矢量，也是被估计矢量； 为走时刻上m维量测矢量；Fk／k一1为走一1到 是时刻的系统一步转移矩阵 (71×71阶)；w 一1为 最一1时刻的系统噪声 (r维)；／k一1为系统噪声矩阵 ( ×，阶)，它表征由走一1到走时刻的各个系统噪声分别影响走时刻各个状态的程度；l-lk为走时刻的 量测矩阵 (m×n阶)； 为走时刻的m维