推荐星级：
- 1
- 2
- 3
- 4
- 5
离散卡尔曼滤波用于GPS动态变形数据处理
资料介绍
目前，在变形监测中，由于GPS、测地机器人等新技术不断引用，积累资料多，数据量大，如何及时地有效地从大量的变形监测信息中进行数据挖掘，即抽取、转换、分析和进行建模处理，从中提取关键性的数据，对变形进行分析与解释，尤其是对建筑物的变形进行预测，使人们能及时地针对变形建筑物变形状态进行有效处理，对滑坡等灾害及时做好有关方面的防范和预防措施，从而极大地减少因建筑物变形或滑坡等地质灾害造成的损失.所以对变形监测信息进行数据挖掘，特别是对大型建筑物的变形进行分析与预测十分重要.
卡尔曼滤波（Kalman，1960）是当前应用最广的一种动态数据处理方法，它具有最小无偏方差性12].把变形体视为一个动态系统，将一组观测值作为系统的输出，可以用卡尔曼滤波模型来描述系统的状态.动态系统由状态方程和观测方程描述，以监测点的位置、速率和加速率参数为状态向量，可构造一个典型的运动模型.状态方程中要加进系统的动态噪声.其滤波方程是一组递推计算公式，计算过程是一个不断预测、修正的过程，在求解时，优点是不需保留用过的观测值序列，并且当得到新的观测数据时，可随时计算新的滤波值，便于实时处理观测成果，把参数估计和预报有机地结合起来.卡尔曼滤波特别适合变形监测数据的动态处理.
部分文件列表
| 文件名 | 大小 |
| 离散卡尔曼滤波用于GPS动态变形数据处理.pdf | 2M |
全部评论(0)