卡尔曼滤波

EKF全称ExtendedKalmanFilter，即扩展卡尔曼滤波器，一种高效率的递归滤波器(自回归滤波器)。 卡尔曼滤波是一种高效率的递归滤波器(自回归滤波器) 它能够从一系列的不完全包含噪声的测量(英文:measurement)中，估计动态系统的状态。 这种滤波方法以它的发明者鲁道夫.E.卡尔曼（Rudolf E. Kalman）命名

5月13日下午，加拿大约克大学王建国博士应邀访问我院并做客“经纬论坛”，面向全院师生作了题为“现代直接定位定向技术——地理信息采集自动化的核心技术（Modern Direct Georeferencing Technology——The Core Component for Automation of Geospatial Data Acquisition）”的学术报告。 报告会中，王建国博士首先阐述了自己对测绘科学与技术的认识和理解，简要介绍了直接定位定向（Direct Georeferencing）技术的发展和研究现状。随后，王建国博士对组合导航定位、移动测量制图、低成本实用惯性导航、影像辅助导航等技术进行了介绍，着重对离散时间的卡尔曼滤波以及它的可靠性分析及对于不同测量值的创新性的误差分析进行了详解，并通过工程实际针对轨迹设计作了可靠性分析

微机保护算法是微机保护研究的重点微机保护不同功能的实现主要依靠其软件算法完成。微机保护的一个基本问题便是寻找适当的算法使运算结果的精度能满足工程要求并尽量🌟减少计算所耗的机时。在选择算法时要考虑两个重要问题即计算速度问题和计算精度问题而这两者通常是矛盾的若要精度高则要利用更多的采样点相应便增加了计算工作量降低了计算速度

本模型利用电离层数据同化方法，给出了中国及周边区域（15°-55°N，70°-140°E）电离层总电子含量（TEC）、GPS单频接收机定位误差、相对于过去一周的TEC变化值、以及TEC变化率指数（ROTI）的准实时现报地图，每15分钟进行更新。 电离层数据同化是在基于物理机制的背景模型上，同化融合时空不规则分布的观测数据，使模型与数据相互匹配以达到更真实的效果。本模型利用国际参考电离层（IRI）作为背景场，使用中科院空间环境监测网，中国大陆构造环境监测网络（CMONOC）和IGS的部分GNSS台站数据作为观测值，并采用三维变分与高斯-马尔科夫卡尔曼滤波相结合的算法进行背景场和观测值的数据同化，为中国及周边区域的卫星导航、雷达成像、短波通信等工程应用和科学研究提供相对及时、准确、有效的电离层TEC和误差修正信息

图1为参数a、α1、α2、δ2n和δ2c估计值的经验分布。图2与图3分别为状态向量nt与ct的真实值与BGS估计值图4为yt的真实值与BGS估计值。直观上看估计值与真实值非常接近