[发明专利]一种全自动重力测试仪高精度动态数据处理方法

说明书

本发明公开了一种全自动重力测试仪高精度动态数据处理方法，包括步骤：A.获得重力测量仪的输出信号y(k)＝s(k)+v(k)；B.设根据时间序列分析方法建立的重力测试仪随机误差p阶AR模型为将系统方程表示为：y(k)＝H(k)·x(k)+v(k)；C.建立状态一步预测方程、一步预测均方误差、误差序列、估计量测噪声、滤波增益、状态估计、估计均方误差。本发明在仅仅采用三轴加速度计的基础上，能够实时、高精度地对重力测试仪的输出数据进行动态滤波，在保证精度的同时，使得滤波后的数据更加逼近真实重力情况，适用于静态、车载或海洋动态条件。

技术领域

本发明属于惯性技术领域，特别涉及一种全自动重力测试仪高精度动态数据处理方法。

背景技术

在航空重力测量中，通常需要采用卡尔曼滤波来对比力测量误差进行估计。针对航空重力测量只需要进行事后处理的特点,提出了两种新方法来提高比力测量的精度：一是最优卡尔曼滤波平滑算法,该算法的估计值是前向/反向卡尔曼滤波器的估计值的最优组合。二是迭代算法,由于在滤波模型中通常不对重力异常进行建模,而模型误差的存在会降低滤波精度，迭代算法的基本思想是将重力异常估计值代入新的导航解算,以此降低重力异常对滤波估计精度的影响。仿真分析表明，现有方法虽然在一定程度上能有效提高比力测量的精度,但其滤波估计是有偏的,因此还需要采用网格平差等方法来消除系统误差。

在海洋重力测量理论与方法中，通过时间序列分析方法建立随机误差模型逼近真实情况的实时卡尔曼滤波技术，但其具有以下缺点：1、需要稳定平台。2、需要陀螺提供姿态信息。3、海洋波动有一定规律可以设定模型，但是车载怠速等情况更为复杂，仅靠模型逼近并不准确。4、没有关联平滑及滤波后剩余的动态干扰加速度，模型缺失了部分真实有效信息。

发明内容

本发明的目的在于，针对上述现有技术的不足，提供一种全自动重力测试仪高精度动态数据处理方法，在仅仅采用三轴加速度计的基础上，能够实时、高精度地对重力测试仪的输出数据进行动态滤波，在保证精度的同时，使得滤波后的数据更加逼近真实重力情况，适用于静态、车载或海洋动态条件。

为解决上述技术问题，本发明所采用的技术方案是：

一种全自动重力测试仪高精度动态数据处理方法，其特点是包括以下步骤：

步骤A.获得重力测量仪的输出信号y(k)＝s(k)+v(k)，其中，s(k)为重力异常特征信号，k为采样时刻且k＝1,2,…,N，v(k)为k时刻测量噪声；N为采样点的数目；

步骤B.设根据时间序列分析方法建立的重力测试仪随机误差p阶AR模型为

其中，{e(k)}为干扰噪声序列，v(k)⊥e(k)；

将系统方程表示为：

y(k)＝H(k)·x(k)+v(k)，

其中，x(k+1)为k+1时刻系统待估计的状态变量；y(k)为k时刻重力测试仪的观测值；为k时刻到k+1时刻系统状态一步转移矩阵；w(k)为k时刻系统噪声向量；Γ(k+1,k)为系统噪声矩阵；H(k)为k时刻系统量测转移矩阵；

步骤C.建立状态一步预测方程：

一步预测均方误差：

误差序列：v(k)＝y(k)-H(k)·x(k/k-1)，

估计量测噪声：

R(k)＝R(k-1)+(v(k)·v^T(k)-H(k)·P(k/k-1)·H^T(k))，