APP下载

基于X-11-ARIMA 模型在GNSS 定位数据后处理的应用

2021-12-14匡宇龙雷孟飞

全球定位系统 2021年5期
关键词:卡尔曼滤波趋势模型

匡宇龙,雷孟飞

( 湖南联智科技股份有限公司, 长沙 410200 )

0 引 言

导航定位在测绘和监测领域受到广泛应用,其全天候提供位置服务的特性让测绘和监测工作能够实现24 h 实时监控位置信息,获取长时间的位置变化信息或者通过长时间静态定位获取高精度的测绘点位坐标. 在理想情况下,所选取的静态监测点位不存在位移或者位移可以忽略. 但是在地灾监测的点位,比如边坡及桥梁等区域,因其通行车辆的特点使得震动不可避免,如何区分正常波动和灾害发生导致的位移将是导航定位在地灾监测领域中的关键部分[1].

在导航定位后处理算法领域中,可行的数据处理步骤是:首先通过差分定位获得基线向量改正值;然后通过卡尔曼滤波或其改进算法对坐标参数进行滤波平滑处理,能够实现高精度实时数据输出,在监测中能够满足探测位移的发生,并且能够剔除粗差等干扰[2]. 但是以年为单位的数据记录表明,单纯通过一次滤波,或单纯使用基于原始数据的滤波处理虽然能够剔除粗差和异常位移的干扰,但切实发生的长期性波动如车辆通行不同带来的震动幅度变化、潮汐变化、电离层变化、对流层变化、卫星星座分布变化及可能存在的地壳变化带来的干扰则不属于“误差”,而是切实发生的位移,这些变化难以通过滤波算法进行剔除. 而对该数据进行时间序列分析则能够针对这些长期性变化的波动干扰进行分……

登录APP查看全文

猜你喜欢

卡尔曼滤波趋势模型
一半模型
趋势
重尾非线性自回归模型自加权M-估计的渐近分布
基于递推更新卡尔曼滤波的磁偶极子目标跟踪
初秋唇妆趋势
3D打印中的模型分割与打包
SPINEXPO™2017春夏流行趋势
基于模糊卡尔曼滤波算法的动力电池SOC估计
基于扩展卡尔曼滤波的PMSM无位置传感器控制
趋势