一种快速自适应的动态北斗监测实时解算去噪方法技术

本发明专利技术提供一种快速自适应的动态北斗监测实时解算去噪方法，包括：初始条件；令k＝1；得到k时刻的系统状态中间估计值得到k

【技术实现步骤摘要】
一种快速自适应的动态北斗监测实时解算去噪方法


[0001]本专利技术属于数据去噪
，具体涉及一种快速自适应的动态北斗监测实时解算去噪方法。

技术介绍

[0002]伴随着我国国民经济的进一步发展和全国基础性工程建设战略的持续推进，我国加强了桥梁道路等交通建设，全国地区的高等级公路和铁路都得到极其迅猛的发展。但是，西部山区地形，滑坡、崩塌等自然灾害频发，具有分布广泛、发生率高以及快速成灾等特征。据不完全统计，在近10年左右的时间里，平均每年有重大崩滑发生。所以，边坡稳定性的研究已成为工程地质学研究的重要任务之一。
[0003]边坡的安全性已成为交通建设的一个重要属性，所以有必要对边坡进行有效的实时监测，确保桥梁等设施正常运行。边坡主要存在变形导致位移甚至滑坡的现象，为了避免灾害，如果发现边坡位移速度急剧增大，应立即撤出人员、采掘和运输设备，以确保人员和财产的安全。通过监测变形的规律，可以进一步的研究边坡变形的原因，预报灾害，为以后的边坡设计积累经验，例如，通过边坡稳定性分析的基础资料，预报滑坡。还可以依据观测资料了解和掌握滑坡的形态、规模和发展趋势，以便采取相应的处理措施。
[0004]常见的边坡检测有基于北斗GNSS静态测量方法，虽然静态测量时精度高，但是需要较长的时间，不能及时、实时反映边坡变化的情况。目前，采用位移传感器的方法可获取边坡位移数据，进而判断边坡健康情况。但是，此种方式主要存在以下问题：
[0005]由于环境中的白噪声、热噪声、宇宙噪声和一些加性噪声的影响，使得位移传感器数据产生抖动，对边坡检测造成极大的影响，降低边坡检测的有效性。

技术实现思路

[0006]针对现有技术存在的缺陷，本专利技术提供一种快速自适应的动态北斗监测实时解算去噪方法，可有效解决上述问题。
[0007]本专利技术采用的技术方案如下：
[0008]本专利技术提供一种快速自适应的动态北斗监测实时解算去噪方法，包括以下步骤：
[0009]步骤1，初始条件：
[0010]设置初始时刻系统状态最终估计值x0已知；初始时刻误差协方差矩阵最终估计值P0已知，并且，P0＝0；
[0011]步骤2，令k＝1；
[0012]步骤3，建立公式(1)所示的位移传感器系统的第一状态转换方程：
[0013][0014]其中：
[0015]为k时刻的系统状态中间估计值；
[0016]A为常数，由于位移传感器系统为一维信号处理的系统，因此，取值为1；
[0017]x
k-1
为k-1时刻系统状态最终估计值；
[0018]获得k-1时刻系统状态最终估计值x
k-1
；根据位移传感器系统的第一状态转换方程，计算得到k时刻的系统状态中间估计值
[0019]步骤4，根据得到的k时刻的系统状态中间估计值以及k-1时刻系统状态最终估计值x
k-1
，根据下式计算得到k-1时刻系统状态噪声矩阵Q
k-1
：
[0020][0021]步骤5，得到k-1时刻系统状态噪声矩阵Q
k-1
后，再根据k-1时刻系统状态噪声矩阵Q
k-1
以及k-1时刻误差协方差矩阵最终估计值P
k-1
，根据下面的位移传感器系统的第二状态方程，计算得到k时刻的误差协方差矩阵中间估计值
[0022][0023]步骤6，根据下式，计算得到测量过程噪声R：
[0024][0025]步骤7，将步骤5得到的k时刻的误差协方差矩阵中间估计值和步骤6得到的测量过程噪声R代入以下的增益系数表达式，得到k时刻的增益系数K
k
：
[0026][0027]其中：
[0028]H为测量值与测量值对应的系统状态值的变换矩阵，由于测量的参数与系统状态值参数相同，没有转换关系，因此，取其为1；
[0029]步骤8，将步骤7得到的k时刻的增益系数K
k
、步骤5得到的k时刻的误差协方差矩阵中间估计值代入以下误差协方差矩阵更新方程，得到k时刻误差协方差矩阵最终估计值P
k
：
[0030][0031]步骤9，将k时刻的测量值y
k
、步骤3得到的k时刻的系统状态中间估计值步骤7得到的k时刻的增益系数K
k
代入以下的观测值状态更新方程，得到k时刻的系统状态最终估计值x
k
：
[0032][0033]步骤10，令k＝k+1，返回步骤3，直到对所有时刻的测量值完成滤波操作。
[0034]本专利技术提供的一种快速自适应的动态北斗监测实时解算去噪方法具有以下优点：本专利技术提供一种快速自适应的动态北斗监测实时解算去噪方法，是一种快速自适应卡尔曼滤波方法，通过计算相邻两个时刻的差分值，估计此时间段内的信号噪声协方差矩阵，从而不断更新，通过对原始信号进行滤波，使滤波后的值逼近理论值，进行使滤波后得到的测量值能够更为真实的反映边坡状态，从而实现对边坡的准确监测。
附图说明
[0035]图1为本专利技术提供的一种快速自适应的动态北斗监测实时解算去噪方法的流程示
意图；
[0036]图2为采用传统卡尔曼滤波对测量值的滤波结果图；
[0037]图3为采用传统卡尔曼滤波对状态误差Q的估计结果图；
[0038]图4为采用本专利技术快速自适应实时解算去噪方法进行滤波后的滤波结果图；
[0039]图5为采用本专利技术快速自适应实时解算去噪方法进行状态误差Q的估计结果图。
具体实施方式
[0040]为了使本专利技术所解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。
[0041]数字信号的滤波是通过数字滤波器来实现的。数字滤波器是一种用于过滤时间离散信号的数字系统，是通过对抽样数据进行数学处理来达到频域滤波的目的。最开始通过对信号进行求加权平均来实现对加性噪声的去除，后来通过设计模拟滤波器实现对其他噪声的去除，随着数字信号的发展，逐渐采用FFT变换进行去噪处理，即：首先经变换得到频谱，通过分析频谱进而知道有用信号与噪声所在的带宽，然后设计对应的数字滤波器实现对信号的去噪处理。虽然低通高通等滤波器能实现去噪，但是对于随机噪声的处理效果不佳，尤其是对传感器的数据信号处理达不到有效的应用。因此需要提出一种对随机噪声具有优良性能的滤波方法
[0042]卡尔曼滤波器在随机序列估计、空间技术、目标跟踪领域具有广泛的应用，1960年卡尔曼还提出能控性的概念。后人称之为卡尔曼滤波，其实质是由量测值重构系统的状态向量。以“预测—实测—修正”的顺序递推，卡尔曼滤波是以最小均方误差为估计的最佳准则，来寻求一套递推估计的算法，其基本思想是：采用信号与噪声的状态空间模型，利用前一时刻的估计值和现时刻的观测值来更新对状态变量的估计，求出现时刻本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种快速自适应的动态北斗监测实时解算去噪方法，其特征在于，包括以下步骤：步骤1，初始条件：设置初始时刻系统状态最终估计值x0已知；初始时刻误差协方差矩阵最终估计值P0已知，并且，P0＝0；步骤2，令k＝1；步骤3，建立公式(1)所示的位移传感器系统的第一状态转换方程：其中：为k时刻的系统状态中间估计值；A为常数，由于位移传感器系统为一维信号处理的系统，因此，取值为1；x
k-1
为k-1时刻系统状态最终估计值；获得k-1时刻系统状态最终估计值x
k-1
；根据位移传感器系统的第一状态转换方程，计算得到k时刻的系统状态中间估计值步骤4，根据得到的k时刻的系统状态中间估计值以及k-1时刻系统状态最终估计值x
k-1
，根据下式计算得到k-1时刻系统状态噪声矩阵Q
k-1
：步骤5，得到k-1时刻系统状态噪声矩阵Q
k-1
后，再根据k-1时刻系统状态噪声矩阵Q
k-1
以及k-1时刻误差协方差矩阵最终估计值P
k-1
，根据...

【专利技术属性】
技术研发人员：曾健，
申请(专利权)人：云南航天工程物探检测股份有限公司，
类型：发明
国别省市：