一、抗差卡尔曼滤波及其在动态水准网平差中的应用（论文文献综述）
焦雄风,陈铮,杨兴旺,索广建,张献州[1]（2021）在《抗差Kalman滤波算法研究及其在GPS监测数据中的应用》文中认为针对传统Kalman滤波在异常噪声作用下滤波估计会出现较大偏差等问题,研究基于稳健估计准则、最大相关熵准则的抗差Kalman滤波的算法原理及模型构建,推导基于Huber法、最大相关熵法的抗差Kalman滤波公式,并利用经典kalman滤波、Huber法抗差Kalman滤波、最大相关熵法抗差Kalman滤波以及小波阈值去噪方法对GPS单历元解算数据进行分析。另外,人为在数据中添加粗差,通过相关图表及统计精度对上述滤波模型进行定量分析。经统计,最大相关熵法抗差Kalman滤波的信噪比、均方根误差、平均绝对误差、平滑度最优精度分别为84.372 0、0.045 3 m、9.630 1×10-7m、0.066 0,综合精度最高。实验数据说明,最大相关熵抗差法Kalman滤波在处理包含粗差的数据时表现出更加良好的鲁棒性,能给予准确的变形估计。
陈长坤,陈方,石长伟,苏迪,肖明,乔方[2]（2018）在《卡尔曼滤波在煤矿开采沉陷自动化监测系统中的应用研究》文中研究表明文中针对煤矿开采沉陷自动化监测系统高程测量精度偏低的问题,以GNSS CORS开采沉陷自动化监测系统监测站的空间位置为基础,结合开采沉陷的特点,构建卡尔曼滤波模型,进一步改善该系统的测量精度。利用实时监测站的实测值,对比其滤波值得出滤波后的内符合精度的到较大的改善,平面位置精度平均提高31. 8%,完全满足开采沉陷对平面位置精度的要求;高程精度提高14.8%,基本满足开采沉陷对高程的精度要求。
王克志[3]（2018）在《基于改进单历元算法的实时变形监测与分析》文中研究说明大型桥梁的健康安全监测已经成为了工程领域关注和研究的热点。桥梁监测本身是一项复杂的工程,为了了解其变形特征,常采用全球导航卫星系统（GNSS）技术进行位置解算和利用快速傅里叶变换（FFT）分析其振动特性。随着GNSS相对定位技术的成熟发展,国内外学者常采用实时动态相对定位技术（RTK或NRTK）进行变形监测,取得了一定的研究成果。RTK或NRTK技术一般采用在航解算模糊度的方法（OTF）进行相对定位,但如果卫星信号或网络数据链发生中断,OTF方法需要重新进行初始化。为此国内学者开展了基于变形特征的单历元变形监测算法,其中无整周单历元算法模型较为简单有效。这种算法在定位过程中利用监测点初始值坐标确定双差模糊度,而在位置解算过程中不需要进行模糊度固定,因而在桥梁实时变形监测领域得到了很好的应用。本文基于无整周单历元算法进行研究和分析,主要取得的成果有:（1）从GPS载波相位测量原理推导出似单差单历元算法和无整周单历元算法的原理,通过分析证明了两种算法原理上的一致性。（2）对无整周单历元模型的适用条件进行了分析和推导,主要包括对卫星个数的要求,初始值精度要求,允许最大变形量范围,基准点或监测点初始值变化范围,并给出了详细推导过程和结果。（3）对以上无整周单历元模型适用条件进行了实验验证,通过对比验证其解算结果的内外符合精度与RTKLIB+Kinematic解算结果相当;然后分别利用L1载波和L2载波观测数据进行位置解算,验证其能够解算的最大变形量与波长相关。（4）在传统无整周单历元模型基础上进行大变形量监测范围的改进。本文采用连续无整周单历元算法对原有算法进行改进,通过实验验证改进算法能够进行大变形量连续测量,并得到比RTKLIB+Kinematic更好的解算效果。（5）提出了基于抗差卡尔曼滤波的连续无整周单历元算法,在算法层面利用抗差卡尔曼滤波方法对测量结果进行平滑去噪处理,并最终抑制观测值中粗差的影响。后期通过实验发现基于抗差卡尔曼滤波的连续无整周单历元算法比连续无整周单历元算法和RTKLIB+Kinematic算法的解算结果内外符合精度都要高,从而验证了基于抗差卡尔曼滤波的连续无整周单历元算法的有效性。（6）实现了基于抗差卡尔曼滤波的连续无整周单历元算法程序设计,主要包括程序功能设计、模块设计和算法流程设计。（7）对武汉白沙洲大桥实时监测数据进行分析处理,经快速傅里叶变换得到了桥梁箱梁、桥中跨和桥塔位置的振动频谱图,并得到其各自的振动频率。通过对比分析RTKLIB+Kinematic算法、连续无整周单历元算法和基于抗差卡尔曼滤波的连续无整周单历元算法在观测值中含有粗差时的解算结果,发现只有基于抗差卡尔曼滤波的连续无整周单历元算法能够正确解算实时位置并反演桥梁的振动频率,在工程应用中验证了该算法的有效性。
王旭刚[4]（2018）在《抗差平方根UKF在SINS/GPS中的应用研究》文中认为得益于计算机技术的迅猛发展和现代控制理论的进步,导航系统开始从单一导航系统向组合导航系统转变,组合导航系统成为目前导航技术的重要发展方向。SINS和GPS是两个常见的单一导航系统,SINS具有短时间内导航精度高,隐蔽性强,导航信息全等优势,但其导航精度随时间积累而下降。而GPS能够长时间保持一定的精度,但需要从外界接收信号,容易受到干扰。SINS/GPS组合导航系统能够实现两个子导航系统的性能互补,集中体现两个子系统的优势,是常见的组合导航系统。如何融合两个子导航系统的数据从而得到精度更高,性能更好的导航系统是组合导航技术的关键所在,是目前组合导航技术研究的重点。卡尔曼滤波器（Kalman Filter,KF）是一种最小方差估计算法,其采用迭代递推的方式进行估计,非常适合于计算机实现。且其结构简单,性能最优,易于掌握,因此一经提出便在组合导航系统中得到了应用。KF是一种线性滤波方法,而实际中导航系统多为非线性系统,因此先后提出了KF的非线性形式,即EKF和UKF,UKF无需求解雅克比矩阵,对强非线性和不可微系统具有更好的效果,比EKF更有优势。本文主要对UKF存在的问题进行改进,使得其能够更好的应用于SINS/GPS的组合导航系统中,论文的主要研究内容包括:首先介绍了惯性导航系统常用的几种坐标系和这几种坐标系间相互转换的方法。建立了地球的椭球体模型,介绍了椭球体模型下的几个关键模型参数。介绍了惯性导航系统的基本原理,推导了惯性导航系统的力学编排方程,包括惯导基本方程,速度更新方程,位置更新方程,姿态更新方程。简述了GPS的组成部分和其定位原理,分析了GPS定位过程中的主要误差。简单介绍了现有SINS与GPS的组合模式,并给出了各组合模式的结构框图。其次,针对UKF滤波过程中,量测数据出现粗差时滤波精度下降的问题,将抗差算法融入UKF中。介绍了目前常用的几种抗差估计算法,并着重了介绍了M估计,给出了M估计中常用的几种等价权的求解方法。针对系统噪声不准确情况下的抗差问题,构造一个自适应因子来膨胀一步预测协方差来抑制系统噪声不准确给滤波带来的影响,并在滤波过程中根据残差的大小来调整等价权矩阵和自适应因子的求解方法。当运载体运行环境为平原,江流,海洋时,将运行环境当做一个大先验信息,改变量测高度方向分量等价权的求解方法。UKF的计算机实现过程中的截断误差会使得滤波误差协方差和一步预测协方差丧失正定性,这将降低UKF的滤波精度甚至导致滤波发散,本论文将平方根滤波算法融入UKF中,解决计算发散的问题。最后,给出了系统噪声不准确情况下抗差平方根UKF的递推过程,分别建立直接法模型和航向角为大误差角下的间接法模型,并分别使用模拟数据和实测数据进行了MATLAB仿真实验,滤波算法选用的是传统UKF、抗差UKF和本文改进的抗差平方根UKF。实验结果表明,无论是模拟数据还是实测数据,本文改进的抗差平方根UKF均具有更好的抗差性能,能够很好地解决系统噪声不准确情况下的抗差问题和计算发散问题。
潘观平[5]（2017）在《基于抗差权因子函数IGGⅢ方案对选权因子的改化方法》文中研究指明综合分析了几种抗差估计方法理论,从等价权出发,受IGGⅠ方案和IGGⅢ方案的启发,对IGGⅢ方案进行了改化,并通过实例对这种改化方法与其它几种方案的计算结果进行比较,得到较好的抗差结果。
吕伟才[6]（2016）在《煤矿开采沉陷自动化监测系统研究》文中提出本论文针对开采沉陷监测的特点和存在的问题,结合淮南矿业（集团）有限责任公司的“地表移动自动化监测系统研究”项目,以GNSS CORS技术、网络通讯技术、移动PDA技术、GNSS定位技术、数据库技术等为支撑,通过系统设计与框架构建、关键算法研究、系统功能界定、数据管理规范化、软件实现、工程建设、设备研制、系统测试与工程应用等方面工作,成功建立了煤矿开采沉陷自动化监测系统（简称“CAuto Mos系统”）,实现了地表移动变形信息快速采集、高精度解算、自动化处理、高效管理与分析的目标,为煤矿开采沉陷监测提供了新的集成监测技术及数据分析模式。本论文的主要研究工作及成果如下:（1）建立了CAuto Mos系统的监测网,构建了CAuto Mos系统的总体结构框架,为系统研究奠定了工程基础和指导思想。CAuto Mos系统监测网由定位基准框架、9个连续运行监测站、60个常规监测点组成;CAuto Mos系统总体框架主要由GNSS监测站子系统、GNSS基准站子系统、数据监控中心子系统、实时数据采集终端子系统和通讯子系统等组成。构成了一种集设备监控、数据采集、数据传输、数据处理与分析、沉陷监测与预警的适于连续实时监测和CORS RTK监测的地表移动自动化监测系统。（2）根据VRS技术基本原理,采用BDS/GPS双系统融合技术,构建了CAuto Mos系统的关键算法,为GNSS CORS系统的实现提供了理论和算法基础。建立了一种附有约束的网络RTK基准站间单历元模糊度快速解算方法,有效缩短了CORS RTK的初始化时间;建立了一种基于北斗三频约束的BDS/GPS双系统短基线模糊度单历元快速解算算法,以达到两个系统均能快速解算准确模糊度的目的。利用研究区域的实测数据对提出的算法进行验证,为解决CAuto Mos系统中连续运行监测站和实时数据采集终端系统高精度、快速定位问题提供了良好的理论基础和应用前景。（3）建立了CORS RTK测量获得的测点空间位置序列的卡尔曼滤波算法,提高了实时数据采集终端系统采用CORS RTK测量模式获得的空间位置的精度和可靠性,为高效、快速采集移动变形信息提供了技术保障。试验结果表明,采用卡尔曼滤波RTK测量,其平面位置精度不超过±2.5mm,完全满足开采沉陷监测对平面位置测量的精度要求;与水准测量高程相比,高程差值的中误差为±8.4mm,基本满足开采沉陷监测对高程测量的精度要求。（4）规范了开采沉陷（自动化）监测的信息管理工作,较好地解决了开采沉陷监测信息管理较混乱的局面。根据CAuto Mos系统的预定功能和目标,从属性数据结构、图形数据管理、移动终端和连续运行监测站发送到数据处理中心的必要信息格式等方面,对CAuto Mos系统的数据结构进行了定义,为实现CAuto Mos系统对信息进行高效管理提供基础,也为规范开采沉陷（自动化）监测及其他测量工程的信息管理进行了有益的探索。（5）成功研发了以数据监控中心软件（简称DMCS软件）、矿山开采沉陷综合数据处理与分析系统软件包（简称MISPAS软件包）、实时数据采集终端系统软件（简称CAuto Term S软件）为核心的,适于移动变形信息的快速采集、高精度解算、自动化处理、高效管理与分析的“煤矿开采沉陷自动化监测系统”软件平台,并从系统测试和系统应用两个层面对软件运行结果的正确性和预定功能实现的符合度进行了论证。
刘俊清,武成智,肖辉锋[7]（2015）在《卡尔曼滤波算法在长白山天池火山水准测量中的应用》文中提出基于长白山天池火山多期一等水准监测数据资料,对其利用卡尔曼滤波算法进行动态平差,获得天池火山地表垂直形变的变化速度与年变化速率（加速度）,结果表明天池火山锥体北侧垂直形变准确地反映了2002年的火山扰动事件,而且水准点位置与其相应的垂直形变量完全符合Mogi的火山膨胀模型。西侧水准测量平差结果反映了火山区背景形变与东北地壳的垂直运动相一致。充分说明这种平差方法完全适合火山区无起算点的多期复测水准网的动态平差计算。
冉典[8]（2014）在《基于抗差卡尔曼滤波的GM（1,1）模型在变形预计中的应用》文中提出针对传统灰色模型建模过程中易受观测数据随机噪声干扰的影响,利用抗差卡尔曼滤波理论能够有效地估计含有噪声的观测值的优点,构建了基于抗差卡尔曼滤波的GM（1,1）模型。结合实例,验证了该模型在一定程度上可以提高变形监测预测精度,更好地反映观测对象的变形趋势。
张春哲[9]（2014）在《滤波技术在沈阳地铁变形监测数据处理中的应用研究》文中认为本文以沈阳中街人防工程为背景,对人防工程与地铁重叠段进行变形监测。因地铁处于运营阶段,采用自动化监测系统——静力水准监测系统进行实时监测。但是该系统输出的数据,与人工二等水准测量结果相比,数据跳动较大,存在17%——26%的误差,需对监测数据进行去噪处理。本文在VS2010下编写滤波软件,首先采用经典卡尔曼滤波、自适应卡尔曼滤波和小波滤波三种方法分别对监测数据进行去噪处理,通过实验结果发现经典卡尔曼滤波能够有效剔除掉的误差为38%,自适应卡尔曼滤波能够有效剔除掉的误差为55%,小波滤波能够有效剔除掉的误差为52%,三种方法单独使用时都不能满足剔除60%以上误差的要求。针对这一问题,本文提出使用滤波模型组合技术,根据单独使用一种滤波方法时发现的特点,即：1、经典卡尔曼滤波不适合长期使用；2、自适应卡尔曼滤波在低频部分有明显优势；3、小波滤波在高频部分有降噪效果明显。进行滤波模型组合。根据滤波先后顺序确定了四种滤波模型组合BCa1、BCa2、CalB和Ca2B,并由理论知识推测BCal降噪效果最好。通过工程实例的验证,滤波模型组合方法在降噪效果方面优于单独使用一种滤波技术,滤波模型组合方法能够有效剔除掉65%——75%的误差。其中滤波模型组合BCal降噪效果最好,能够有效剔除掉75%的误差,大大提高了自动化监测数据的准确性和可靠性,达到了预期有效剔除60%的误差的目的,得出处理中街人防工程地铁自动化监测数据的最优方法是滤波模型组合BCal。
张斌,刘洁瑜,李成,崔明海,张强[10]（2013）在《抗差卡尔曼滤波在惯组外场自标定中的应用》文中研究指明针对惯组在外场自标定受到环境的振动干扰会降低标定精度的问题,分析了粗差对卡尔曼滤波估计值的影响,提出将基于抗差估计的卡尔曼滤波算法应用于惯性测量组合（IMU）外场自标定数据处理中。该算法通过等价权函数对异常数据进行连续降权,减弱粗差对惯组输出的污染,兼具了卡尔曼滤波的实时性和等价权函数的抗差性,具有实际应用价值。实验结果表明,与Sage-Husa自适应卡尔曼滤波和抗野值卡尔曼滤波相比,抗差卡尔曼滤波具有更强的抗差性,滤波收敛速度更快,单次通电精度提高了至少1个数量级,能有效抑制异常数据对标定精度的影响。
二、抗差卡尔曼滤波及其在动态水准网平差中的应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、抗差卡尔曼滤波及其在动态水准网平差中的应用（论文提纲范文）
（1）抗差Kalman滤波算法研究及其在GPS监测数据中的应用（论文提纲范文）
| 1 概述 |
| 2 抗差Kalman滤波 |
| 2.1 经典Kalman滤波 |
| 2.2 Huber法抗差Kalman滤波 |
| 2.3 最大相关熵法抗差Kalman滤波 |
| 3 精度评价指标 |
| 4 实例分析 |
| 4.1 工程概况 |
| 4.2 滤波效果比较及精度评价 |
| 5 结论 |
（2）卡尔曼滤波在煤矿开采沉陷自动化监测系统中的应用研究（论文提纲范文）
| 1 卡尔曼滤波模型 |
| 1.1卡尔曼滤波状态方程 |
| 1.2卡尔曼滤波观测方程 |
| 1.3 卡尔曼滤波算法 |
| 2 卡尔曼滤波初值 |
| 2.1 状态参数初值 |
| 2.2 状态参数初始方差阵 |
| 2.3 动态噪声初始方差阵 |
| 3 实例分析 |
| 3.1 试验简介 |
| 3.2 试验结果与分析 |
| 4 结论 |
（3）基于改进单历元算法的实时变形监测与分析（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究现状 |
| 1.2.1 GNSS变形监测的数据处理方式 |
| 1.2.2 国内外GNSS变形监测研究现状 |
| 1.2.3 单历元数据处理方式研究现状 |
| 1.3 本文的研究内容 |
| 1.4 本章小结 |
| 第2章 单历元变形监测数学模型 |
| 2.1 GPS观测方程 |
| 2.2 GPS观测误差模型 |
| 2.2.1 与卫星有关的误差 |
| 2.2.2 与信号传播有关的误差 |
| 2.2.3 与接收机有关的误差 |
| 2.3 变形监测单历元数学模型 |
| 2.4 似单差与无整周单历元模型的分析 |
| 2.5 本章小结 |
| 第3章 无整周单历元变形监测关键问题的研究 |
| 3.1 无整周单历元模型适用条件 |
| 3.2 无整周单历元模型使用条件验证 |
| 3.3 无整周单历元模型在大变形量监测中的改进 |
| 3.3.1 大变形量监测范围算法改进介绍 |
| 3.3.2 高采样连续观测方法数据处理 |
| 3.4 本章小结 |
| 第4章 连续无整周单历元模型抗差处理 |
| 4.1 无整周单历元卡尔曼滤波 |
| 4.2 连续无整周单历元抗差卡尔曼滤波 |
| 4.2.1 稳健估计概述 |
| 4.2.2 无整周单历元抗差卡尔曼滤波方程 |
| 4.3 基于抗差卡尔曼滤波数据处理 |
| 4.4 本章小结 |
| 第5章 无整周单历元模型程序设计与案例分析 |
| 5.1 无整周单历元模型程序设计 |
| 5.1.1 功能与模块 |
| 5.1.2 程序流程图 |
| 5.2 白沙洲大桥实时监测项目介绍 |
| 5.2.1 项目简介 |
| 5.2.2 数据质量分析 |
| 5.3 变形监测实时解算及分析 |
| 5.3.1 离散傅里叶变换原理 |
| 5.3.2 大桥位移解算与振动分析 |
| 5.4 基于抗差卡尔曼滤波的位移解算与分析 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
（4）抗差平方根UKF在SINS/GPS中的应用研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 论文的研究目的及主要工作 |
| 第2章 SINS/GPS组合导航系统原理 |
| 2.1 导航常用坐标系及其坐标变换 |
| 2.1.1 导航常用坐标系 |
| 2.1.2 坐标系间的转换 |
| 2.1.3 地球参考模型 |
| 2.2 SINS基本原理 |
| 2.2.1 惯性导航系统的基本方程 |
| 2.2.2 SINS姿态解算方程 |
| 2.2.3 速度解算方程 |
| 2.2.4 位置解算方程 |
| 2.3 GPS系统基本原理 |
| 2.3.1 全球定位系统概述 |
| 2.3.2 全球定位系统的定位原理 |
| 2.3.3 GPS误差分析 |
| 2.4 SINS/GPS组合模式 |
| 2.4.1 松组合 |
| 2.4.2 紧组合 |
| 2.4.3 深组合 |
| 2.5 本章小结 |
| 第3章 卡尔曼滤波中的抗差方法研究 |
| 3.1 概述 |
| 3.2 抗差估计的类型 |
| 3.2.1 排序线性组合估计(L估计) |
| 3.2.2 秩检验型估计(R估计) |
| 3.2.3 广义极大似然估计(M估计) |
| 3.2.4 残差修正法 |
| 3.3 M估计权函数的选取 |
| 3.4 系统噪声不准确下的抗差方法 |
| 3.4.1 统计量的选取 |
| 3.4.2 自适应因子的选取 |
| 3.5 本章小结 |
| 第4章 抗差平方根UKF滤波算法研究 |
| 4.1 UKF滤波算法原理 |
| 4.1.1 UT变换 |
| 4.1.2 无迹卡尔曼滤波 |
| 4.2 等价权函数的构造 |
| 4.3 平方根UKF滤波算法 |
| 4.4 抗差平方根UKF滤波算法 |
| 4.5 数值仿真分析 |
| 4.5.1 SINS/GPS组合导航系统直接法的滤波模型 |
| 4.5.2 仿真参数设置 |
| 4.5.3 实验仿真结果 |
| 4.6 本章小结 |
| 第5章 MRUKF在SINS/GPS中的仿真及实验验证 |
| 5.1 SINS/GPS误差方程 |
| 5.1.1 SINS的误差方程 |
| 5.1.2 GPS的误差方程 |
| 5.2 SINS/GPS松组合间接法模型的建立 |
| 5.2.1 状态方程 |
| 5.2.2 量测方程 |
| 5.3 车载试验 |
| 5.3.1 试验准备 |
| 5.3.2 车载试验结果 |
| 5.3.3 仿真结果 |
| 5.3.4 车载试验结果分析 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（5）基于抗差权因子函数IGGⅢ方案对选权因子的改化方法（论文提纲范文）
| 1 等价权原理 |
| 1.1 绝对和极小法权因子函数[2] |
| 1.2 IGGI权因子函数[3〗基于测量误差的有界性提出来的, 它对测量抗差估计比较有效。 |
| 1.3 IGGIII权因子函数[4] |
| 2 抗差权因子函数取值的改化 |
| 3 算例 |
| 4 结语 |
（6）煤矿开采沉陷自动化监测系统研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| Extended Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 变形监测自动化发展与现状 |
| 1.3 煤矿开采沉陷自动化监测现状 |
| 1.4 研究目标与研究内容 |
| 2 监测网和系统总体框架结构 |
| 2.1 研究区概况 |
| 2.2 自动化监测系统监测网布设 |
| 2.3 自动化监测系统总体框架设计 |
| 2.4 本章小结 |
| 3 煤矿开采沉陷自动化监测系统数据处理方法 |
| 3.1 基准网数据处理与质量评价 |
| 3.2 VRS技术基本原理和关键算法 |
| 3.3 多系统融合技术 |
| 3.4 CORS RTK测量的卡尔曼滤波算法 |
| 3.5 移动变形计算及制图 |
| 3.6 本章小结 |
| 4 煤矿开采沉陷自动化监测系统软件 |
| 4.1 设计原则与思路 |
| 4.2 数据监控中心软件 |
| 4.3 矿山开采沉陷综合数据处理与分析系统软件包 |
| 4.4 实时数据采集终端系统软件 |
| 4.5 本章小结 |
| 5 数据结构 |
| 5.1 属性数据结构 |
| 5.2 图形数据管理 |
| 5.3 移动终端发送的信息格式 |
| 5.4 连续运行监测站发送的信息格式 |
| 5.5 本章小结 |
| 6 系统实现与应用分析 |
| 6.1 软件系统的研发环境 |
| 6.2 系统测试 |
| 6.3 系统应用 |
| 6.4 本章小结 |
| 7 结论与展望 |
| 7.1 主要结论 |
| 7.2 创新点 |
| 7.3 研究展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（7）卡尔曼滤波算法在长白山天池火山水准测量中的应用（论文提纲范文）
| 一、引 言 |
| 二、测量平差中的卡尔曼滤波方程 |
| 1. 卡尔曼滤波原理 |
| 2. 动态水准测量平差模型 |
| 三、长白山天池火山一等水准测量动态平差 |
| 1. 长白山天池火山一等水准测量介绍 |
| 2. 数据处理 |
| 四、结束语 |
（8）基于抗差卡尔曼滤波的GM（1,1）模型在变形预计中的应用（论文提纲范文）
| 0 引言 |
| 1 抗差卡尔曼滤波模型 |
| 1.1 IGGⅢ法M抗差估计 |
| 1.2 离散线性卡尔曼滤波模型 |
| 1.3 抗差卡尔曼滤波模型 |
| 2 GM (1, 1) 灰色模型 |
| 2.1 观测数据变换 |
| 2.2 GM (1, 1) 模型建立 |
| 2.3 模型精度检验 |
| 3 于抗差卡尔曼滤波的GM (1, 1) 模型在变形监测中的应用实例 |
| 4 结束语 |
（9）滤波技术在沈阳地铁变形监测数据处理中的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 变形监测技术和方法 |
| 1.3 工程变形监测内容及方法 |
| 1.4 本文研究的主要内容及技术路线 |
| 第二章 变形监测常用的数据处理方法 |
| 2.1 常用的变形监测数据处理方法 |
| 2.1.1 多元回归分析法 |
| 2.1.2 时间序列法 |
| 2.1.3 灰色系统法 |
| 2.1.4 BP神经网络法 |
| 2.2 经典卡尔曼滤波 |
| 2.2.1 离散线性系统下的卡尔曼滤波 |
| 2.2.2 动态测量系统的卡尔曼滤波模型 |
| 2.3 自适应卡尔曼滤波 |
| 2.3.1 基于方差补偿的自适应卡尔曼滤波模型 |
| 2.3.2 滤波模型初值的选择 |
| 2.4 小波滤波法 |
| 2.4.1 小波滤波的基本原理 |
| 2.4.2 常用小波函数 |
| 2.4.3 小波分解层数的确定 |
| 2.4.4 阙值法 |
| 2.5 本章小结 |
| 第三章 沈阳中街人防工程监测项目 |
| 3.1 沈阳中街人防工程概况 |
| 3.1.1 监测点的布设及埋设 |
| 3.1.2 自动化监测系统 |
| 3.2 沈阳中街人防工程监测方案 |
| 3.3 误差的主要来源 |
| 3.4 本章小结 |
| 第四章 滤波技术在变形监测数据处理中的应用 |
| 4.1 滤波程序的实现 |
| 4.2 工程实例中的试算 |
| 4.2.1 经典卡尔曼滤波结果 |
| 4.2.2 自适应卡尔曼滤波结果 |
| 4.2.3 小波滤波结果 |
| 4.3 滤波模型组合方案 |
| 4.4 BCal滤波模型组合工程实例验证 |
| 4.5 本章小结 |
| 第五章 结论 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 作者简介 |
| 作者在攻读硕士学位期间发表的学术论文 |
| 致谢 |
（10）抗差卡尔曼滤波在惯组外场自标定中的应用（论文提纲范文）
| 0 引言 |
| 1 粗差对卡尔曼滤波估计值的影响 |
| 2 基于抗差估计的卡尔曼滤波 |
| 3 IMU输出信号的状态模型和观测模型 |
| 4 车载试验与结果 |
| 5 结束语 |
四、抗差卡尔曼滤波及其在动态水准网平差中的应用（论文参考文献）
- [1]抗差Kalman滤波算法研究及其在GPS监测数据中的应用[J]. 焦雄风,陈铮,杨兴旺,索广建,张献州. 铁道勘察, 2021(03)
- [2]卡尔曼滤波在煤矿开采沉陷自动化监测系统中的应用研究[J]. 陈长坤,陈方,石长伟,苏迪,肖明,乔方. 矿山测量, 2018(05)
- [3]基于改进单历元算法的实时变形监测与分析[D]. 王克志. 武汉大学, 2018(06)
- [4]抗差平方根UKF在SINS/GPS中的应用研究[D]. 王旭刚. 哈尔滨工程大学, 2018(01)
- [5]基于抗差权因子函数IGGⅢ方案对选权因子的改化方法[J]. 潘观平. 矿山测量, 2017(03)
- [6]煤矿开采沉陷自动化监测系统研究[D]. 吕伟才. 中国矿业大学, 2016(02)
- [7]卡尔曼滤波算法在长白山天池火山水准测量中的应用[J]. 刘俊清,武成智,肖辉锋. 测绘通报, 2015(08)
- [8]基于抗差卡尔曼滤波的GM（1,1）模型在变形预计中的应用[J]. 冉典. 测绘与空间地理信息, 2014(08)
- [9]滤波技术在沈阳地铁变形监测数据处理中的应用研究[D]. 张春哲. 沈阳建筑大学, 2014(05)
- [10]抗差卡尔曼滤波在惯组外场自标定中的应用[J]. 张斌,刘洁瑜,李成,崔明海,张强. 压电与声光, 2013(05)