[发明专利]一种基于新型卡尔曼滤波的北斗变形监测实时处理方法

说明书

本发明提供一种基于新型卡尔曼滤波的北斗变形监测实时处理方法，包括：获取初始状态向量的最优估值等；基于卡尔曼滤波，得到状态向量的一步预测值和一步预测方差；获取实时监测数据；得到该时间段数据的标准方差和卡尔曼增益；计算状态向量的最优估值和最优估值的方差阵；构造滑动窗口残差向量并动态调整滑动窗口的大小，实时更新观测噪声方差阵；计算位移量并输出。本发明通过残差和标准方差的比值来实现粗差探测；通过实时缩放测量噪声方差阵的值来修复粗差，减弱粗差对观测结果的污染；在粗差探测的基础上，结合实时更新观测噪声方差阵和动态调整滑动窗口的大小，加速监测结果的收敛，迅速反应监测点的真实位移，能够满足变形的监测需求。

技术领域

本发明涉及北斗变形监测技术领域，具体涉及一种基于新型卡尔曼滤波的北斗变形监测实时处理方法。

背景技术

北斗卫星导航系统（BeiDou Navigation Satellite System，BDS）为我国自行研制的全球卫星导航系统，随着北斗三代系统的逐步建立，北斗在变形监测、定位等领域应用更加广泛。

采用北斗进行变形监测时，由于周跳、多路径效应以及接收机信号噪声的影响，观测数据中包含粗差，除此之外，北斗解算的过程中受到噪声及解算算法的影响，使得解算结果包含有高频的随机误差，降低了观测结果的准确性和稳定性，从而为后续的数据分析带来困难。

变形监测数据处理的另一个难点在于：如何将真实位移和粗差进行识别。现实的监测中，监测点可能发生了真实位移，真实的位移能导致监测结果发生较大变化，因此，需要将粗差和真实位移进行区分，不能将真实位移当做粗差校正。

现有技术中对于变形监测数据处理有很多方法，比如普遍采用滑动平均算法、多项式拟合以及arma模型等方法，均不能解决上述技术问题，具体是：

1、滑动平均算法模型简单，计算方便，对于数据的完整性要求相对较低，但是滑动平均算法对于粗差只能削弱，对粗差和随机误差的处理效果与滑动窗口有关，另外对于真实变形的反应并不准确。

2、多项式拟合算法能够较好的处理粗差和随机误差，但是对于真实变形反应并不好，并且只能用于后处理算法中，对于实时监测并不适用。

3、arma模型涉及到数据平稳性检验以及p和q值的确定，算法比较复杂，并且同样不适用与实时监测。

综上所述，设计一种操作便捷、能够实现粗差探测以减弱粗差对观测结果的影响及能够真实区分监测点的真实位移变化的北斗变形监测实时处理方法具有重要意义。

发明内容

本发明提供一种基于新型卡尔曼滤波的北斗变形监测实时处理方法，技术方案如下：

一种基于新型卡尔曼滤波的北斗变形监测实时处理方法，包括以下步骤：

步骤一、获取N天的监测结果作为初始数据集，1≤N≤3；获取初始状态向量的最优估值、初始状态向量的最优估值的方差阵、初始动态噪声方差阵、初始观测噪声方差阵；

步骤二、基于卡尔曼滤波，通过表达式6）和表达式7）分别计算得到状态向量的一步预测值和状态向量的一步预测方差；

6）；

7）；

其中：k为历元数，k为大于等于1且小于等于M的自然数；A为转移矩阵，，为历元间的时间间隔，为的转置；为状态向量在时刻的最优估值，为第k-1历元的时刻，，为时刻的三维坐标，为时刻向时刻变化的速度；为在时刻的状态向量的最优估值的方差阵；为噪声矩阵，，为的转置；为时刻的动态噪声，为时刻的动态噪声的方差阵；