毕业设计（论文）-卡尔曼滤对测量数据处理的程序实现方法.docVIP

黑龙江工程学院本科生毕业论文PAGE 1第1章 绪 论1.1 研究的目的 自从1960年卡尔曼滤波提出以来，它已成为控制，信号处理与通信等领域最基本最重要的计算方法和工具之一，并已成功的应用到航空，航天，工业过程及社会经济等不同领域，比如，在雷达中，人们感兴趣的是跟踪目标，但目标的位置、速度、加速度的测量值往往在任何时候都有噪声。卡尔曼滤波利用目标的动态信息,设法去掉噪声的影响，得到一个关于目标位置的好的估计。这个估计可以是对当前目标位置的估计（滤波），也可以是对于将来位置估计（预测），也可以是对过去位置的估计（差值或平滑）。但随着微型计算机的普及应用,对卡尔曼滤波的数值稳定性、计算效率、实用性和有效性的要求越来越高，随着微型计算机时代的来临显著地提高了科学计算的能力，滤波大量复杂的计算在计算机种只需要几分钟就能算出，为此本文将对卡尔曼滤波进行研究。1.2 研究的意义卡尔曼滤波 ( 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. 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.1.3 研究的方法 1.4 课题的主要内容 本文先从现代测量误差处理理论基础开始讲解，细致的写出现代测量误差都有那些函数，并详细分析讲解这些函数，在继续讲解最小二乘与卡尔曼滤波的关系，如量测值越多，只要处理得合适，最小二乘估计的均方误差就越小。采用批处理实现的最小二乘算法，需存储所有的量测值。若量测值数量十分庞大，则计算机必须具备巨大的存储容量，这显然是不经济的。递推最小二乘估计从每次获得的最小量测值中提取出被估计量信息，用于修正上一步所得的估计。获得量测的次数越多，修正的次数也越多，估计的精读也越高。这和卡尔曼滤波原理非常相似，本文在详细讲解了卡尔曼滤波，写出其原理性质，在根据C++进行编程，使其应用于测量领域。第2章 现代测量误差处理理论基础 2.1概 述 在测量、通信和控制等学科中，为了求得某些未知参数，常常要进行一系列的观测．由于测量上的局限性，往往只能观测未知量的某些函数，且观测值中必然含有误差(或称为噪声)．这就产生了根据含有误差的观测值求定未知参数估值的问题．下面举几个例子． (1)为了确定平面或三维控制网中各点的坐标，对控制网的边长和方向(或坐标差)进行了观测，当然，观测值包含有误差．设各点的坐标为未知参数向量x，而包括边长和方向的观测值向量为L，则L和x之间有函数关系式中表示误差向量．通过含有误差的观测向量L来求定待定点坐标的最佳估值，就是一个估计问题．在测量中，就是一个平差问题． (2)通信理论中的一个重要问题是从接收到的信号中，提取被发送的信号设被发送的信息调制成信号S(t)，而接收到的信号也就是信号的观测值L(t)，由于大气噪声和电路噪声的干扰，因此有其中n(t)是噪声，t表示时间．通信中的主要问题就是从L(t)中将有用的信号S(t)分离出来，也就是由L(t)求定S(t)的最佳估值．信号S(t)也是一种未知参数． (3)生产过程的自动化可以达到高效率和高精度 在实现生产过程的控制中，需要通过对生产系统进行状态的不断测量，得到与系统运行状态有关的观测值；然后对观测值进行分析处理得到控制信号，实时地控制生产系统按要求运行．但由于观测值中存在误差，所以，为了得到控制信号，就要求由观测值来估计系统的运行状态 (4)卫星(或其他运动体)的轨道往往可以由如下微分方程确定式中f表示时间；x(t)表示卫星的轨道参数，在此处称为状态向量；U(t)为控制向量；力(t)是随机的状态噪声．为了精确估计或预测卫星的轨道，就需要对卫星进行观测，从而得到大量的观测数据L(t)，然后实时地由含有误差的观测值L(t)来估计卫星的轨道，即估计卫星的轨道参数． 以上例中所述的信号或状态都可以说是一种未知参数．在测量平差中，通常称非随机的未知参数向量为参数，而称随机参数向量为信号，而称随时间t变化的动态系统中的未知参数向量为状态向量，或筒称为状态．可以看到，在上面的例子中，都存在一个对未知参数进行估计的问题． 一般说来，若设x为t阶未知参数向量(简称为参数)，L为n