陈长坤,焦宝文,乔方,石长伟,肖明,苏迪

(1.安徽理工大学 测绘学院,安徽 淮南 232001； 2.广东省重工建筑设计院有限公司,广东 广州 510700)

0 引 言

卡尔曼滤波通过建立状态方程和量测方程描述系统的动态过程,依据滤波增益矩阵的变化,从量测数据中定量识别和提取有效信息,修正状态参量,无须存储各个不同时刻的观测数据,便于实时数据处理以及预报[1-2]。因此,卡尔曼滤波广泛应用于各种工程变形、滑坡监测、大坝监测等动态测量系统中[3-8]。卡尔曼滤波的应用需要动态系统的数学模型和噪声的先验知识,但在许多条件下,它们是未知的或近似已知的,即需研究动态系统的数学模型和系统中相关噪声的统计学特性。动态系统的数字模型和相关噪声统计特性两者的先验信息一般总是存在各种误差,自适应卡尔曼滤波正是为了克服这一缺点而提出的。它可以解决滤波的发散问题,从而减弱模型误差的影响,使滤波结果更接近于真实值[9-10],从而更好地预报各种工程变形例如地表移动变形监测[11]。

本文利用GNSS CORS地表移动自动化监测系统[12]对地表移动变形进行实时监测和分析。GNSS CORS在变形监测中具有实时、高效、高精度、自动化程度高的优点,现在已经广泛应用在地铁、大坝、桥梁以及滑坡监测、矿山开采沉陷等不同领域。对GNSS CORS连续运行实时监测站监测点的位置坐标序列进行实时滤波预报，并对比标准卡尔曼滤波预报值、自适应卡尔曼滤波预报值、实测值，对GNSS CORS地表移动实时监测进行实时预报分析。……