自适应卡尔曼滤波在载波相位平滑伪距中的应用
gps卡尔曼滤波算法
gps卡尔曼滤波算法摘要：1.概述2.卡尔曼滤波算法的原理3.GPS 定位系统与卡尔曼滤波算法4.卡尔曼滤波算法在GPS 定位系统中的应用5.总结正文：一、概述卡尔曼滤波算法是一种线性高斯状态空间模型，可以用于估计动态系统的状态变量。
该算法通过预测阶段和更新阶段两个步骤，不断优化状态估计值，使其更接近真实值。
卡尔曼滤波算法在许多领域都有应用，如导航定位、机器人控制等。
本文主要介绍卡尔曼滤波算法在GPS 定位系统中的应用。
二、卡尔曼滤波算法的原理卡尔曼滤波算法分为两个阶段：预测阶段和更新阶段。
1.预测阶段：在预测阶段，系统模型和上一时刻的状态估计值被用于预测当前时刻的状态值。
预测方程为：x(k),,f(k-1),x(k-1)，其中f(k-1) 是状态转移矩阵。
2.更新阶段：在更新阶段，预测值与观测值进行比较，得到一个残差。
然后根据残差大小调整预测值，以得到更精确的状态估计值。
观测方程为：z(k),,h(k),x(k),,v(k)，其中h(k) 是观测矩阵，v(k) 是观测噪声。
三、GPS 定位系统与卡尔曼滤波算法全球定位系统（GPS）是一种卫星导航系统，可以提供地球上的精确位置、速度和时间信息。
然而，由于信号传播过程中的多路径效应、大气层延迟等因素，GPS 接收机所测得的信号存在误差。
为了提高定位精度，可以采用卡尔曼滤波算法对GPS 接收机的测量数据进行处理。
四、卡尔曼滤波算法在GPS 定位系统中的应用在GPS 定位系统中，卡尔曼滤波算法主要应用于以下两个方面：1.对GPS 接收机测量的伪距进行平滑处理，消除多路径效应和大气层延迟等因素引起的误差，提高定位精度。
2.结合GPS 接收机测量的伪距和载波相位观测值，估计卫星钟差和接收机钟差，从而提高定位精度。
五、总结卡尔曼滤波算法是一种有效的状态估计方法，可以用于处理包含噪声的观测数据。
在GPS 定位系统中，卡尔曼滤波算法可以提高定位精度，消除多路径效应和大气层延迟等因素引起的误差。
自适应卡尔曼滤波
为什么研究kalman滤波？
信号在传输与检测的过程中受到外界干扰和设 备内部噪声的影响，是接受端收到信号具有随 机性，为获得所需的信号，排除干扰，就要对 信号进行滤波。
Kalman满足的条件
ห้องสมุดไป่ตู้
基本思想 实质
总体kalman滤波步骤归纳为：
2.处理方法（Wiener和kalman滤波对比）
解是以估计值(是状态变量的估计值)的形式给出的
其算法是递推
且状态空间法采用 在时域内设计滤波器的方法
因而适用于多维随机过程的估计； 离散卡尔曼算法适用计算机处理。
3.1,卡尔曼滤波与维纳滤波的关
系
卡尔曼滤波：在稳态下与维纳滤波相同的结果， 是因为它们都是以：最小均方误差为准则 的线性估计器。
卡尔曼滤波采用递推的方法实现，解具有一个过渡过程； 当卡尔曼滤波达到稳态时，这两种方法的解是相同的。
卡尔曼滤波算法的这些优点使它在信号 和信息系统中得到比较广泛的应用。
5、卡尔曼滤波的缺点
（1）模型误差和数值发散。
模型误差:卡尔曼滤波算法的关键是建立系统的状态模型。但 实际系统有时很难得到精确描述，往往只能用近似模型来 代替，因为即使能够获得精确的模型，也常会因为精确模 型太复杂，维数过高而与实时处理必须减少计算量及尽量 简化模型的要求相矛盾。近似或简化的模型都与精确模型 之间存在误差，模型误差必然会给滤波带来影响，严重时 还会造成滤波结果不收敛。
8、预测与滤波之间比较
xˆk1 k Ak xˆk k-1 Gk ( yk - Ck Ak xˆk k-1)
预测： Gk
Ak Pk
CT
k -1 k
Ck Pk
基于载波相位平滑伪距的卡尔曼滤波定位方法
摘 要 ：结合 载波 相位 平滑伪 距技 术和 卡 尔曼滤 波 定位 解 算 方 法 ， 可 以更好 的抑 制 随机
误 差 及 各 误 差 残 差 对 定 位 结 果 的 影 响 。 利 用 实 测 数 据 对 基 于 载 波相 位 平 滑 伪 距 的 卡 尔 曼 滤 波
ｆ ； ） ，
（ １ ） （ ２ ）
Ｌ一 （ ＿ 厂 Ｌ ～厂 Ｌ ） ／ （ ／ 一， ’ ｊ ） ，
式中： Ｐ表示 无 电离层 组合 伪距 ； Ｌ表 示 无 电离层
组 合 载波相 位 ； ， 厂 ， 为 ＧＰ Ｓ两个 频 点 载 波频 率 。 使 用无 电离 层组 合 载波 相 位 平 滑 无 电离 层 组 合 伪
收 稿 日期 ：２ Ｏ ｌ ３ Ｏ ６ Ｏ ８
联 系人 ： 李刖 Ｅ — ｍａ ｉ ｌ ：ｓ ｈ ｅ ｎ ｓ ｈ ｕ ｉ Ｏ ２ Ｏ ７ ３ ２ ＠ｓ ｉ ｎ ａ ． ｃ ｏ ｎ ｒ
第 ４期
李 朋等 ； 基 于载 波相位 平 滑伪距 的卡 尔曼滤 波定位 方 法
２
， ，
１ ７
中下 标 ｋ为 同一 变 量 ， Ｋ— ｒ ａ ｎ ｇ ｅ为一 固定 值 ， 文中 取值 １ ０ ０ ． 以平 滑后 的伪 距作 为观 测 量 进行 卡 尔 曼 滤 波
距， 具 体滤波 过程 为 ： 将 ｋ个 相 位 观测 数 据 在 历 元 间作 一次差 ， 即：
Ｌ（ ｔ 女１ ， ｔ ）＝ ＝ ＝ Ｌ（ ｔ ） 一 Ｌ（ ｔ １ ）， （ 志＝ ＝ ＝ ２， ３， … Ｋ ）， （ ３ ）
多普勒平滑伪距
多普勒平滑伪距多普勒平滑伪距是一种基于多普勒效应和信号平滑技术的GPS位置测量方法。
该方法通过对接收GPS卫星信号的多普勒频移进行平滑处理，得到更稳定、更精准的伪距测量结果。
下面将从原理、优势和应用方面对多普勒平滑伪距进行详细介绍。
一、多普勒平滑伪距的原理多普勒频移是衡量GPS信号传播中速度变化的参数，对于静止的接收机而言，多普勒频移的变化很小，但对于移动的接收机而言，多普勒频移会受到速度和方向的影响而发生明显变化。
因此，在测量GPS信号到达时间的过程中，要考虑到多普勒频移的影响，才能得到准确的伪距测量。
而多普勒平滑伪距就是通过对多普勒频移进行平滑处理，得到更加稳定准确的伪距测量结果。
具体来说，多普勒平滑伪距的原理是：接收机通过对多普勒频移进行差分处理得到一个增量，然后将该增量与前一时刻的平滑伪距进行加权平均，得到当前时刻的平滑伪距。
在这个过程中，平滑系数的大小决定了平滑伪距结果的稳定性和精度，而这个平滑系数通常通过Kalman滤波算法来计算得出，同时也可以根据实际应用场景进行调整。
二、多普勒平滑伪距的优势相对于传统的伪距测量方法，多普勒平滑伪距具有以下优势：1. 更高的测量精度：通过对多普勒频移的平滑处理，可以有效降低信号误差和干扰，提高伪距测量的精度和稳定性。
2. 更强的抗干扰能力：多普勒平滑伪距可以有效抵抗复杂环境中的多种干扰，如多径效应、大气延迟等，保证测量结果的可靠性。
3. 更广泛的应用场景：多普勒平滑伪距适用于多种卫星导航系统，如GPS、GLONASS、北斗等，并且可以在陆地、海洋、空中等多种环境下进行精准定位。
三、多普勒平滑伪距的应用多普勒平滑伪距已经广泛应用于GPS精准定位、导航、航空交通管理等领域。
在航空交通管理领域，多普勒平滑伪距可以提高航空器的位置精度和速度测量，满足高精度空中导航和交通管理的需要；在地震监测和地质勘探领域，多普勒平滑伪距可以用于地震预报、地壳变形测量等方面；在智能交通系统领域，多普勒平滑伪距可以实现车辆高精度定位和导航，提高交通效率和安全性。
卡尔曼滤波原理及应用
卡尔曼滤波原理及应用
一、卡尔曼滤波原理
卡尔曼滤波（Kalman filter）是一种后验最优估计方法。
它以四个步骤：预测、更新、测量、改善，不断地调整估计量来达到观测的最优估计的目的。
卡尔曼滤波的基本思想，是每次观测到某一位置来更新位置的参数，并用更新结果来预测下一次的位置参数，再由预测时产生的误差来改善当前位置参数。
从而可以达到滤波的效果，提高估计精度。
二、卡尔曼滤波应用
1、导航系统。
卡尔曼滤波可以提供准确的位置信息，把最近获得的各种定位信息和测量信息，如GPS、ISL利用卡尔曼滤波进行定位信息融合，可以提供较准确的空中、地面导航服务。
2、智能机器人跟踪。
在编队技术的应用中，智能机器人往往面临着各种复杂环境，很难提供精确的定位信息，而卡尔曼滤波正是能解决这一问题，将持续不断的测量信息放在卡尔曼滤波器中，使机器人能够在范围内定位，跟踪更新准确可靠。
3、移动机器人自主避障。
对于移动机器人来说，很多时候在前传感器检测不到
人或障碍物的时候，一般将使用卡尔曼滤波来进行自主避障。
卡尔曼滤波的定位精度很高，相对于静止定位而言，移动定位有更多的参数要考虑，所以能提供更准确的定位数据来辅助自主避障，准确的定位信息就可以让我们很好的实现自主避障。
4、安防监控。
与其他传统的安防场景比，安防场景如果需要运动物体位置估计或物体检测，就必须使用卡尔曼滤波技术来实现，这是一种行为检测和行为识别的先进技术。
（注：安防监控可用于感知移动物体的位置，并在设定的范围内监测到超出范围的物体，以达到安全防护的目的。
）。
一种动对动相对定位中平滑惯导辅助模糊度解算策略
一种动对动相对定位中平滑惯导辅助模糊度解算策略
动对动相对定位是一种基于单频载波相位的定位技术，其实时模糊度固定可靠性不高。
为了提高低成本接收机的高精度定位能力，一种策略是结合平滑惯导辅助进行模糊度解算。
以下是关于这种策略的具体步骤：
1. 基于伪距和载波相位观测量构建动对动相对定位模型。
2. 对惯性导航数据进行卡尔曼滤波处理，以获取平滑后的惯导数据。
3. 利用滤波平滑后的惯导位置预测卫地距，重构双差观测方程并构造惯导位置约束方程。
4. 通过上述步骤，可以获得较高精度的浮点解及其协方差阵。
5. 采用LAMBDA算法进行整周模糊度固定及Ratio检验，以提高模糊度解算的准确性。
6. 使用DGNSS/INS紧组合算法对惯性误差进行反馈校正，以维持惯性导航的高精度。
经过这样的处理，该策略可以显著提高模糊度浮点解的精度，减小模糊度搜索空间，提升整周模糊度固定的成功率。
实验数据表明，与没有惯导辅助和有惯导辅助的情况相比，该策略下的模糊度固定成功率分别为92.3%、99.1%和99.6%，并最终实现厘米级动态相对定位。
nsa自适应卡尔曼滤波
nsa自适应卡尔曼滤波NSA自适应卡尔曼滤波随着物联网的发展，越来越多的传感器被应用于各种领域。
在传感器数据处理的过程中，卡尔曼滤波作为一种优秀的滤波算法，被广泛应用。
但是现实应用中，卡尔曼滤波算法的参数通常需要人工调整，难以满足实时变化的环境下对数据的处理需求。
而NSA自适应卡尔曼滤波能够自动调节卡尔曼滤波算法中的数值参数，使得卡尔曼滤波在动态环境下适用性更强。
NSA自适应卡尔曼滤波基本原理：1. 卡尔曼滤波原理：卡尔曼滤波是一种基于统计推理的滤波算法，它通过系统状态的历史测量值以及当前的系统测量值，来预测出未来一段时间内的状态，并不断修正预测。
其中，卡尔曼滤波涉及的主要概念包括：状态，状态转移方程，观测方程，噪声协方差矩阵等。
2. NSA自适应卡尔曼滤波原理：NSA自适应卡尔曼滤波是在卡尔曼滤波的基础上增加了一个自适应阈值控制的策略，使滤波算法的性能能够自适应地调节。
NSA自适应卡尔曼滤波利用统计特性，自适应的调整测量噪声与预测噪声的协方差矩阵，以适应不同的环境条件，从而保证处理结果的正确性。
NSA自适应卡尔曼滤波的流程：1. 对于每一个时刻，利用卡尔曼滤波的预测与观测，计算出状态的增益以及卡尔曼滤波的误差协方差矩阵；2. 根据误差协方差矩阵中的信息，计算自适应综合噪声协方差矩阵g，然后根据自适应性阈值进行调整；3. 将修正后的g值代入卡尔曼滤波中，修正卡尔曼滤波的误差协方差矩阵，从而保证滤波结果的准确性。
NSA自适应卡尔曼滤波的应用：NSA自适应卡尔曼滤波广泛应用于各种传感器数据处理中，特别适用于环境变化较大的场合。
例如，自适应卡尔曼滤波可以应用于车载传感器数据处理中，以适应不同的道路条件；还可以应用于温度传感器数据处理中，以适应环境温差变化等。
总结：NSA自适应卡尔曼滤波作为一种优秀的滤波算法，针对卡尔曼滤波参数难以调节的问题，提出了一种自适应的调节策略，使得其在动态环境下的适用性更强。
卡尔曼滤波自适应滤波
卡尔曼滤波自适应滤波标题：卡尔曼滤波：智能自适应滤波算法助您尽享清晰生动的数据引言：在信息处理领域中，准确获取和处理数据是关键问题之一。
而卡尔曼滤波作为一种智能自适应滤波算法，不仅能够提供准确的数据处理结果，还能在复杂的环境中适应数据的变化，为我们的决策提供准确的指导。
本文将向您介绍卡尔曼滤波的原理、应用范围以及算法流程，帮助您全面了解并灵活应用这一强大的滤波技术。
1. 卡尔曼滤波原理卡尔曼滤波是一种基于贝叶斯定理的滤波算法，通过观测数据和系统模型来估计真实的状态。
其核心思想是将预测值和观测值进行加权平均，得到更准确的估计结果。
卡尔曼滤波算法的独特之处在于它能够适应环境变化，根据观测数据和预测模型的误差来动态地调整权重，从而提高滤波效果。
2. 卡尔曼滤波的应用范围卡尔曼滤波在各个领域都有重要应用。
例如在导航系统中，卡尔曼滤波可以用来估计车辆的位置和速度，从而提供准确的导航信息；在无线通信领域，卡尔曼滤波可以用来消除信号噪声，提高信号的可靠性和传输性能；在机器人技术中，卡尔曼滤波可以用来估计机器人的位置和运动轨迹，实现精确控制和导航等。
3. 卡尔曼滤波算法流程卡尔曼滤波算法包括两个主要步骤：预测和更新。
首先，根据系统模型和上一步的估计结果，预测当前的状态和误差协方差矩阵。
然后，根据观测数据和模型预测的值，通过计算卡尔曼增益来更新状态和误差协方差矩阵。
这个过程不断迭代，最终得到准确的估计结果。
4. 卡尔曼滤波的优势和指导意义卡尔曼滤波具有以下优势和指导意义：- 自适应性：卡尔曼滤波可以根据环境变化调整权重，适应不同的数据特征，提高滤波效果；- 实时性：卡尔曼滤波具有快速响应的特点，可以实时处理大量数据，满足实时应用的需求；- 精确性：卡尔曼滤波通过融合预测值和观测值，提供准确的估计结果，为决策提供可靠的依据。
结论：卡尔曼滤波作为一种智能自适应滤波算法，其在各个领域的应用范围广泛，并且具有自适应性、实时性和精确性的优势。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
的稳定性进行 了分析． 动态定位仿真结果表明 ， 与传统的载波相位平滑伪距 算法相 比， 自适应卡尔曼滤 波算法可 以有效 改善定位 的精度和稳定性． 关键词 ： 自适应卡尔曼滤波 ； 载波相位平滑伪距 ； 大似然准则 ； 极 稳定性 ；Ｐ ＧＳ 中图分类号： Ｎ ６ ． 文献标志码 ： 文章编号 ：０ ６７ ３ ２ １ ）２１３ － Ｔ ９７１ Ａ １０ －０ （ ００ １—６ ６ ６ ４ ０
ｖ ｒａ ｃ ｆｓ ｓｅ ｎ ｉｅ ａ ｄ ｍｅ ｓ ｒ ｍｅ ｔｎ ｉｅ，ｒ ｓ ｅ ｔｖ ｌ ａ ｎ ｅ ｏ ｙ ｔｍ ｏｓ ｎ ａ ｕ ｅ ｎ ｏ ｓ ｉ ｅ ｐ ｃｉｅｙ，ａ ｄ ｔ ｅ ｎ ｏ ｉ ｌｓ ｏ ｈ ｎ ｉ ｏ ｓａ ｔｓ ｉ ｂ ｅ ｎ ｈ ｎ ａ ｐｔ ｍａ ｍｏ ｔ ｉ ｇ ｔ ｍｅ ｃ ｎ ｔｎ ｕ ｔ ｌ ａ ｏ ａ ｒｅ ｍｏ ｔ ｎｇ ｉ ｙ ａ ｃ ｐ ｓｔｏ ｉ ｇ ｉ ｅ ｅ ｒ ｍ ｈ ｄａ ｔｖ ｌ ｏ ｈｍ．Ｂａ ｅ ｎ ｔ ｅ ｔ ｅ ｒ ｔ ａ ｎ ｌ － ｆｒｃ ｒｉｒ ｓ ｏｈｉ ｎ ｄ ｎ ｍｉ ｏ ｉｉｎ ｎ ｓｄ ｒｖ ｄ ｆｏ ｔ ｅ ａ ｐ ｉｅ ａ ｇ ｒｔ ｉ ｉ ｓ ｄ ｏ ｈ ｈ ｏ ｅｉ ｌａ ａｙ ｃ ｓｓ，ｔ ｅ ｓａ ｉ ｔ ｆｔ ｅ ａ ａ ｔ ｅ Ｋａｍａ ｌｅ ｉｇ ａｇ ｒｔ ｍ ｓａ ａｙ ｅ ｉ ｈ ｔ ｂｌ ｙ ｏ ｈ ｄ ｐｉ ｌ ｎ ｆ ｔｒｎ ｌｏ ｈ ｉ ｎ ｌ ｚ ｄ．Ｔｈ ｉ ｌｔｏ ｅ ｕ ｔ ｈ ｗ ｈ ｔｔｅ ａ ａ — ｉ ｖ ｉ ｉ ｅ ｓｍｕ ａｉ ｎ ｒ ｓ ｌｓ ｓ ｏ ｔ ａ ｈ ｄ ｐ
Ａｎ ａ ａ ｔｖ ｌ ａ ｌｅ ｉ ｇ ａ ｇ ｒｔ ｍ ｏ ａ ｒ ｅ ｍ ｏ ｔ ｄ ｃ ｄ ｄ ｐ ｉ ｅ Ｋａ ｍ ｎ ｆ ｔ ｒ ｎ ｌ ｏ ｉｈ ｉ ｆ ｒ ｃ ｒ ｉ ｒ ｓ ｏ ｈｅ ｏ ｅ
ＺＨＡＯ ｉ Ｌ ａ ｇ，Ｈ ＵＡＮＧ ｅ — ｕ ｎ Ｌ ｎ， ＩＬｉｎ Ｗ ｉｑ ａ （ ｏ ｅｅｏ ｕｏ ａ ｏ ，Ｈ ｒｉ Ｅ ｇ ｅｒ ｇＵ ｉ ｒｉ ， ａｂｎ１０ ０ ， ｈ ａ Ｃ ｌｇ ｆ ｔ ｔ ｎ ａ ｎ ｎｉ ｅ ｎ ｎｖ ｓｙ Ｈ ｒｉ ５０ １ Ｃ ｉ ） ｌ Ａ ｍ ｉ ｂ ｎ ｉ ｅ ｔ ｎ
ｃ ｒｉｒｓ ｏｈ ｄ ｃ ｄ ｎ ｔｒ ｆｃ ｎ ｉｔｎ ｙ ａ ｄ ａ ｃ ｒ ｃ ． Ｉ ｏ ｘｒ ｍｅ ｃ ｎ ｉｉｎ ａｒｅ ｍｏ ｔ ｅ ｏ ｅ ｉ ｅ ｍｓｏ ｏ ｓｓｅ ｃ ｎ ｃ ｕ ａ ｙ ｎ ｓ ｍｅ ｅ ｔｅ ｏ ｄ ｔ ｓ，ｉ ｅ ｅ ａ ｎ ｔｗｏｋ ｎ ｒ ｏ ｔ ｖ ｎ ｃ ｎ ｏ ｒ ｏ － ｍａｌ ． Ａｃ ｏｄｉｇ ｔ ｈ ｘ ｍｕ ｌ ｅ ｉｏ ｄ ｅ ｔｍａｉｎ ｃ ｔ ｒｏ ｌｙ ｃ ｒ ｎ ｏ ｔ ｅ ｍａ ｉ ｍ ｉ ｌ ｏ ｓｉ ｔｏ ｒ ｅ ｉｎ，ａ ｎ ｗ ｄａ ｔｖ ｌ ｎ ｆｌ ｒｎ ｌ ｏ ｔ ｍ ｏ ａ － ｋ ｈ ｉ ｅ ａ ｐ ｉｅ Ｋａｍａ ｔ ｉ ｇ ａｇ ｒ ｈ ｆ ｒｃ ｒ ｉ ｅ ｉ
ｒ ｒ ｍｏｔｅ ｏｅｉ ｐｏ ｏｅ ｉ ｐ ｐｒ ｈ ｎ ｏａ ｏ ｅ ｕｎ ｅ ｒ ｓｄｔ ｔ ｅ ｓ ｍ ｔ ａｄａｊｓ ｔｅ ｉ ｏｈｄｃｄ ｒｐｓｄｉ ｔ ｓ ａｅ．Ｔ ｅｉｎｖｔ ｎｓｑ ｅｃｓａｅｕｅ ｏ ｉ ｌ ｅｔ ａ ｎ ｄｕｔ ｈ ｅｓ ｓ ｎ ｈ ｉ ｍ ｙ ｉ ｅ
自适 应 卡 尔 曼 滤 波 在 载 波 相 位 平 滑 伪 距 中 的应 用
赵 琳 ，李 亮，黄卫权
（ 尔滨工程大学 自动化学院， 哈 黑龙江 哈 尔滨 １０ ０ ） ５０ １
摘
要： 对于高精度 Ｇ Ｓ定位 ， Ｐ 应用传统 的载波相位平滑伪距算法会使定位 的连续性和精度受到影 响， 在高动态 Ｇ Ｓ环 Ｐ
第 ３ 卷第 １ １ ２期
２１ ００年 １ ２月
哈
尔
滨
工
程
大
学
学
报
Ｖｏ ． １ ３ｌ № ．１ ２ Ｄｅ ２ Ｏ ｃ． ０１
Ｊ ｕｎ ｌ ｆ ｒ ｉ ｎ ｉｅ ｒ ｇ Ｕ ｉｅｓ ｙ ｏ ｒａ ｂｎ Ｅ ｇｎ ｅ ｎ ｎｖ ｒｉ ｏ Ｈａ ｉ ｔ
ｄ ｉ１ ．９ ９ｊｉ ｎ １０ －０ ３２ １．２ ０ ３ ｏ： ３６ ／． ｓ ．０ ６７４ ．０ ０ １． １ ０ ｓ
ｔ ｅ Ｋａｍ ａ ｌｅ ｎ ｌｏ ｔ ｍ ｒｃ ｒｉ ｒｓ ｏｈ ｄ ｃ ｄｅｏ ｔ ｅ ｏ ｓｔ ｅ ｔａ ｔｏ ａ ａｒｅ ｍｏ ｔ ｅ ｏ ｅ ｉ ｍｐ ｏ ｉ ｌ ｎ ｆ ｔｒ ｇ ａｇ ｒ ｈ ｆ ａ ｒｅ ｍｏ ｔ ｅ ｏ ｕ ｐ ｒ ｒ ｈ ｒ ｄｉ ｎ ｌｃ ｒｉ ｒｓ ｏ ｈ ｄ ｃ ｄ ｎ ｉ ｒ — ｒ ｉ ｉ ｉ ｏ ｆ ｍ ｉ ｖｎ ｈｅ ｐ ｅ ｉｉｎ ａ ｄ ｓａ ｉ ｔ ． ｉ ｇ ｔ ｒ ｃｓｏ ｎ ｔ ｂｌ ｙ ｉ
境中甚至无法 正常应用． 于标 准卡尔曼滤波算法假设 ， 基 利用极大似然准则推 导了一种新 的应用于载波相位平 滑伪 距的
自适 应卡尔曼滤波算法 ， 这种滤 波算法利用新息序列分别对 系统过程噪声方差和量测噪声方差进行实时估计和调整 ， 得
到适 用 于 动态 定 位 的载 波 相 位 平 滑 伪距 所 需 的最 优 平 滑 时 间 常 数 ． 相 关 理 论 分 析 的基 础上 ， 白适 应 卡 尔曼 滤 波 算 法 在 对