一种用于重力测量信号畸变校正的盲反卷积算法（英文）

强阻尼和大时间常数是海洋重力仪的共同特性,它们在抑制垂直方向上干扰加速度的同时也造成了重力仪测量信号的幅值衰减和相位滞后。为了校正重力测量信号的畸变,获得高精度的重力异常信号,在分析重力仪和重力测量信号畸变原理的基础上,提出了一种单通道Bussgang算法,并应用于重力测量信号的畸变校正。该方法首先将盲反卷积滤波器近似简化为FIR模型,然后采用常数恒模算法对Bussgang均衡器权系数进行更新,并在此基础上对反卷积滤波器进行了估计,最后基于实测重力信号将该方法与Kalman逆滤波进行了试验对比。理论分析和试验结果表明,该重力信号畸变校正方法能有效地消除重力测量信号的畸变,且校正效果明显优于Kalman逆滤波,其校正后信号相对于原始信号的标准差为0.328×10-5 m/s2,而Kalman逆滤波校正标准差为1.838×10-5 m/s2。     

H∞滤波和自适应卡尔曼滤波在消除重力异常畸变中的对比研究

为了有效地消除重力异常畸变对海洋重力仪测量精度的影响，得到更高精度的重力异常测量值，根据随机过程理论，分析了重力异常状态方程，并对H∞滤波算法和自适应卡尔曼滤波算法进行了理论对比分析，将其应用到消除重力异常畸变系统中。为了避免滤波发散，自适应卡尔曼滤波采用降阶的Sage—Husa算法。理论分析和仿真实验表明：H∞滤波算法和自适应卡尔曼滤波算法都具有较好的滤波收敛特性，并能在一定程度上有效地消除重力异常畸变对重力异常测量精度的影响，但自适应卡尔曼滤波的性能优于H∞滤波。     

自适应Kalman和零相移滤波算法在重力信号处理中的对比

为了有效消除海洋重力仪测量信号的噪声,提高重力数据的获取精度,根据随机过程理论,借助基于二阶高斯一马尔可夫异常位模型的重力异常协方差函数,得到海洋重力测量中重力异常信号的状态方程.对sage-husa滤波算法和零相移算法进行了理论分析,为了抑制零相移滤波器的首尾数据畸变,求解了滤波器的初始状态.根据实测重力数据,进行了去噪仿真试验.理论分析和仿真结果表明,sage-husa与零相移滤波算法均能较好地抑制采样重力数据中的噪声干扰,但零相移滤波算法的性能优于sage-husa滤波器.     

海洋重力测量误差补偿技术

海洋重力场信息在勘探矿源和导航定位等方面都具有重要意义.进行海洋重力实时测量时,重力仪会受到各种外界扰动力的影响,再加上重力敏感器本身稳定性和惯性平台系统性能影响,重力敏感器的输出需要进行一系列数据处理和补偿后才能得到当地重力异常值,研究了重力敏感器安装角误差标定、零位漂移估计和格值修正等重力数据预处理方法.分析了海洋重力测量数据处理流程,主要包括零点漂移补偿、水平加速度误差补偿、厄特弗斯效应修正、高度修正和噪声滤波处理等.对每个数据处理过程都提出了具体补偿算法,并分析了补偿后的重力测量误差,将以上重力数据处理方法应用到实际重力测量,结果表明重力仪能够准确测量出当地重力值,其精度为1 mGa1.     

小波多尺度分析在重力仪数据处理中的应用研究

为了有效地消除重力异常畸变对重力仪测量数据的影响，得到更高精度的重力异常测量值，在分析小波多尺度分析原理的基础上，首次将其应用到重力仪数据处理中，并与自适应卡尔曼滤波进行了对比分析，以实际数据与处理后数据偏差平方和的平均数作为衡量两种数据处理方法性能的指标。理论分析和仿真实验表明：小波多尺度分析和自适应卡尔曼滤波都能在一定程度上抑制重力异常畸变对重力仪测量数据的影响，但小波多尺度分析的性能优于自适应卡尔曼滤波。     

分形滤波在高精度海洋重力仪数据处理中的应用研究

为有效地消除各种外界干扰噪声对高精度海洋重力仪测量值的影响,提高重力异常测量值的精度,在分析基于分形理论的滤波算法基础上,首次将其应用到高精度海洋重力仪系统数据处理中,并与自适应卡尔曼滤波进行对比分析,以实际信号数据与处理后信号数据的均方差作为衡量两种数据处理方法好坏的依据。理论分析和仿真实验表明:分形滤波方法和自适应卡尔曼滤波都能在一定程度上消除干扰噪声对重力异常信号的影响,但在相同背景条件下,分形滤波的性能优于自适应卡尔曼滤波。     

基于自寻优小波降噪算法的海洋重力数据滤波

为抑制船测重力数据中的噪声,提升海洋重力场数据精度,提出了可自动修正阈值参数的自寻优小波降噪算法。首先比较了IIR滤波器、FIR滤波器、Kalman滤波方法、传统小波降噪方法的滤波效果,分析了几种方法的特点及适用性。其次,根据海洋重力信号大多属于缓变的特点,借鉴遗传算法思想,设计了自寻优小波降噪算法。最后,利用湖上船载原子重力仪测量数据进行了实验验证,实验结果表明,自寻优小波降噪算法解决了传统小波降噪方法泛化能力弱、对复杂噪声分量滤除不彻底的问题,与IIR滤波器、FIR滤波器、Kalman滤波方法和传统小波降噪方法等滤波算法相比,滤波结果更接近有用信号,不需要对数据进行截短,滤波后信号精度提升了17%以上。     

基于捷联惯导的航空重力测量滤波算法

在航空重力测量中通常需要采用卡尔曼滤波来对比力测量误差进行估计。针对航空重力测量只需要进行事后处理的特点，提出了两种新方法来提高比力测量的精度：一是最优卡尔曼滤波平滑算法，该算法的估计值是前向／反向卡尔曼滤波器的估计值的最优组合；二是迭代算法，由于在滤波模型中通常不对重力异常进行建模，而模型误差的存在会降低滤波精度，迭代算法的基本思想是将重力异常估计值代入新的导航解算，以此降低重力异常对滤波估计精度的影响。仿真分析表明所提出的方法能有效提高比力测量的精度，同时表明滤波估计是有偏的，因此还需要采用网格平差等方法来消除系统误差。     

水下重力辅助导航实时水平加速度改正方法

为了消除水平加速度引起的重力测量误差,为重力辅助导航系统提供准确的实时重力信息,在分析水平加速度改正原理的基础上,根据平台坐标系与方位捷联地平坐标系之间的关系,得出了水平加速度改正的计算公式;基于陀螺稳定平台的误差方程,设计了用于估计平台水平误差的自适应卡尔曼滤波器,并提出了采用平台加速度计测量值推算载体水平加速度的方法.平台误差估计及水平加速度改正的仿真结果表明,采用自适应卡尔曼滤波估计平台水平误差,以及用平台加速度计测量值推算载体水平加速度的方法能实现在线水平加速度改正,并能够满足较高的精度要求.     

绝对重力测量异常值的局部异常因子检测算法

自主研发绝对重力仪的测量结果中出现的离群程度不同的异常值会直接影响测量结果的准确度和测量精度。目前一般采用的一元正态分布异常值检测算法漏检率高,容易造成测量结果的偏差和测量精度的下降。利用人工智能算法中的局部异常因子异常值检测算法,可以在线、快速、高效地完成自主研发绝对重力测量数据的异常值检测。首先,根据实测数据构建测试数据集,利用数值模拟确定局部异常因子算法邻域宽度参数的取值;然后,基于实测数据进行异常值检测并进行结果评估。评估结果表明,局部异常因子异常值检测算法对离群程度不同、连续出现异常值等情况检测效果明显优于一元正态分布异常值检测算法,组测量精度平均提高9.37μGal,可以作为自主研发绝对重力仪异常值检测的通用算法完成组测量结果的异常值检测。