卫星信号与经附近反射物进入接收机天线的信号产生干涉,由此引起的干涉时延,称为多路径效应(图3-8)。多路径误差常常与测站周围的环境有关,在一定程度上表现为偶然误差,很难进行模型化。这在空间卫星影响较大,主要来自卫星太...[继续阅读]

    卡尔曼滤波是一种递推线性最小方差估计技术,它采用递推形式,在以前时刻状态估值的基础上,根据当前时刻的测量值,递推得到当前时刻的状态估值。卡尔曼滤波是一种估计算法,其核心要素主要包括系统模型、观测模型、滤波算法等...[继续阅读]

    卡尔曼滤波器有很多优点,但也存在着不足,如卡尔曼滤波算法需要准确地知道系统的模型和外部干扰的统计特性。在实际应用中,噪声统计特性可能是部分已知、近似已知或完全未知的。基于不精确的或错误的噪声统计特性设计卡尔...[继续阅读]

    由于最初提出的卡尔曼滤波理论只适用于线性系统。Bucy和Sunahara等(1999)提出并研究了扩展卡尔曼滤波(ExtendedKalmanFiltering,EKF),将卡尔曼滤波理论进一步应用到非线性领域,EKF的基本思想是将非线性系统进行线性化,然后进行卡尔曼滤波...[继续阅读]

    UT变换是UKF方法的核心和基础,它是一种计算随机变量经过非线性变换后统计特性的方法。设随机变量x经过非线性变换:y=g(4-56)这里x是均值为x-和方差为Px的高斯随机向量,维数为L,则y的统计特性可以通过下述的UT变换获得。包含2L+1个向...[继续阅读]

    考虑非线性系统:xk＝f(xk-1)+uk-1(4-74)yk＝h(xk)+vk(4-75)式中,xk为状态向量;yk为观测向量;f(xk-1)和h(xk)为非线性函数;uk-1和vk为零均值白噪声,它们的方差为:(4-76)在式(4-74)和式(4-75)所示的简单加性噪声的情况下,为了减小计算量,往往采用非扩展...[继续阅读]

    UKF与KF算法类似,都由时间更新与预测更新组成。同样地,UKF也可以利用新息及残差在线估计系统的量测噪声,以抑制外部干扰及模型的准确性对滤波性能的影响。本小节简要介绍基于新息及基于残差的自适应UKF滤波算法。4.2.3.1　基于...[继续阅读]

    对于非线性系统来说,为了描述方便,用Xk＝x0:k＝{x0,x1,…,xk}与Yk＝y1:k＝{y1,…,yk}分别表示0到k时刻所有的状态与观测值。假设观测值相互独立,即观测值yk只与k时刻的状态xk有关。贝叶斯滤波为非线性系统的状态估计问题提供了一种基于...[继续阅读]

    早在20世纪50年代,Hammersley便采用基于序贯重要性采样(SequentialImportanceSampling,SIS)的蒙特卡洛方法解决统计学问题。20世纪60年代后期,Handschin与Mayne使用序贯蒙特卡洛方法解决自动控制领域的相关问题。20世纪70年代,Handschin、Akashi以及...[继续阅读]

    要进行数据仿真,首先需了解卫星导航基本观测量。卫星导航的基本观测量是用户至导航星座之间的距离。以GPS为例,对于接收机而言,GPS卫星播发的信号主要为载波相位数据和码伪距数据。其中载波L1(1575.42MHz,波长约为19cm)、L2(1227.6...[继续阅读]