自适应的卡尔曼滤波变形分析模型.pptxVIP

会计学1 § 6.1卡尔曼滤波基本模型 Kalman滤波技术是20世纪60年代初由卡尔曼（Kalman）等人提出的一种递推式滤波算法，是一种对动态系统进行实时数据处理的有效方法。测量界开展了多方面的Kalman应用研究工作，尤其是在变形监测中的应用较为广泛。例如，用于滑坡监测的数据处理；形变测量数据的动态处理；危岩体变形趋势预报；GPS变形监测网的动态数据处理等。 本节着重介绍Kalman滤波的基本原理及其在GPS变形监测自动化系统中的应用问题。 第1页/共23页 § 6.1卡尔曼滤波基本模型一、Kalman滤波的基本原理与公式 对于动态系统，Kalman滤波采用递推的方式，借助于系统本身的状态转移矩阵和观测资料，实时最优估计系统的状态，并且能对未来时刻系统的状态进行预报，因此，这种方法可用于动态系统的实时控制和快速预报。 第2页/共23页 § 6.1卡尔曼滤波基本模型一、Kalman滤波的基本原理与公式 Kalman滤波的数学模型包括状态方程（也称动态方程）和观测方程两部分，其离散化形式为 为 时刻的观测噪声，m维。 为 时刻系统的状态向量，n 维； 为 时刻系统的观测向量，m维；为时间 至 的系统状态转移矩阵，n×n；为动态噪声矩阵，n×r；为 时刻的观测矩阵，m×n；为 时刻的动态噪声，r维；第3页/共23页 § 6.1卡尔曼滤波基本模型一、Kalman滤波的基本原理与公式 如果 和 满足如下统计特性： 式中， 和 分别为动态噪声和观测噪声的方差阵， 是Kronecker函数，即第4页/共23页 § 6.1卡尔曼滤波基本模型一、Kalman滤波的基本原理与公式 可推得Kalman滤波递推公式为： 状态预报状态协方差阵预报状态估计状态协方差阵估计第5页/共23页 § 6.1卡尔曼滤波基本模型一、Kalman滤波的基本原理与公式 可推得Kalman滤波递推公式为： 状态预报状态协方差阵预报状态估计状态协方差阵估计其中， 为滤波增益矩阵第6页/共23页 § 6.2 自适应卡尔曼滤波一 kalman滤波的问题： 如果使用错误的数学模型或不准确的噪声统计特性，就会导致状态估计不可信，产生发散现象。二 解决方法 自适应kalman滤波第7页/共23页 § 6.2 自适应卡尔曼滤波三、自适应kalman滤波的算法：第8页/共23页 § 6.2 自适应卡尔曼滤波第9页/共23页 § 6.2 自适应卡尔曼滤波第10页/共23页 § 6.3卡尔曼滤波在测量和变形分析中的应用一、变形监测自动化系统中Kalman滤波的应用 1.测点的状态方程和观测方程 三维变形监测自动化系统中的典型工具是GPS和自动跟踪全站仪（RTS）。GPS监测工程变形，其监测点的位置可以是GPS的空间三维坐标（X,Y,Z）或大地坐标（B,L,H）,也可以是工程本身独立坐标系中的坐标（x,y,h）。为说明问题方便起见，以工程独立坐标系中某一测点为例，来列出变形系统的状态方程和观测方程。第11页/共23页 § 6.3卡尔曼滤波在测量和变形分析中的应用一、变形监测自动化系统中Kalman滤波的应用 1.测点的状态方程和观测方程(续) 考虑测点的位置 、变形速率 和加速率 为状态参数，其状态方程为式中，0和 分别为三阶零矩阵和三阶单位阵； ,为相邻观测时刻之差。第12页/共23页 6.3卡尔曼滤波在测量和变形分析中的应用一、变形监测自动化系统中Kalman滤波的应用 1.测点的状态方程和观测方程(续) 以测点的三维坐标结果作为观测量，观测方程为 第13页/共23页 6.3卡尔曼滤波在测量和变形分析中的应用一、变形监测自动化系统中Kalman滤波的应用 1.测点的状态方程和观测方程 变形系统的状态参数选择应与所监测的对象和观测频率有关。 如果被监测对象的动态性强，变化快，就有必要考虑测点的变化速率和加速率； 如果被监测对象的动态性不强，变形趋势缓慢，并且观测频率较高，可仅考虑测点的变化速率，而将速率的瞬间变化视为随机干扰。此时，单一测点的状态方程和观测方程为 第14页/共23页 6.3卡尔曼滤波在测量和变形分析中的应用二、变形监测自动化系统中Kalman滤波的应用 1.测点的状态方程和观测方程(续) 仅考虑测点的变化速率，而将速率的瞬间变化视为随机干扰。此时，单一测点的状