發(fā)布時間：2020-12-30 08:49

　　病態(tài)問題廣泛存在于計(jì)算數(shù)學(xué)、統(tǒng)計(jì)學(xué)、經(jīng)濟(jì)學(xué)、大地測量和衛(wèi)星定軌等諸多科研、工程領(lǐng)域中。Gauss-Markov模型和離散動態(tài)系統(tǒng)由于與實(shí)際問題吻合度高且理論技術(shù)力所能及,成為備受科技工作者青睞的靜態(tài)模型和動態(tài)模型。LS估計(jì)和Kalman濾波分別是解算Gauss-Markov模型和離散動態(tài)系統(tǒng)的最為常用的方法,然而當(dāng)Gauss-Markov模型和離散動態(tài)系統(tǒng)存在病態(tài)性時,LS估計(jì)和Kalman濾波估計(jì)變得不穩(wěn)定,導(dǎo)致估計(jì)結(jié)果不再可靠。有偏估計(jì)、正則化方法和迭代算法是解決病態(tài)性問題的主要方法,但是已有的這些方法未能充分挖掘利用病態(tài)信息,致使解算效果有時不盡人意。本文致力于將病態(tài)性的診斷度量與處理相結(jié)合,引入信噪比概念并應(yīng)用統(tǒng)計(jì)學(xué)方法診斷度量病態(tài)性對參數(shù)估計(jì)的危害,并據(jù)此提出了三種奇異值雙參數(shù)修正解法。其中,針對Gauss-Markov模型中的病態(tài)問題,提出了兩種解法——部分奇異值雙參數(shù)修正解法和雙截?cái)嗥娈愔到夥?針對離散動態(tài)系統(tǒng)的病態(tài)問題,提出了雙參數(shù)嶺型Kalman濾波算法。主要研究內(nèi)容及創(chuàng)新點(diǎn)如下:1.研究了挖掘病態(tài)性關(guān)鍵信息的信噪比方法,檢驗(yàn)病態(tài)性對參數(shù)估計(jì)危害嚴(yán)重與否,由此獲得對病... 

【文章來源】：戰(zhàn)略支援部隊(duì)信息工程大學(xué)河南省

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景
        1.1.1 Gauss-Markov模型中的病態(tài)問題
        1.1.2 離散動態(tài)系統(tǒng)中的病態(tài)問題
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 Gauss-Markov模型病態(tài)問題研究現(xiàn)狀
        1.2.2 離散動態(tài)系統(tǒng)病態(tài)問題研究現(xiàn)狀
    1.3 本文的主要研究內(nèi)容與組織架構(gòu)
第二章 病態(tài)性關(guān)鍵信息的挖掘——信噪比方法
    2.1 引言
    2.2 病態(tài)關(guān)鍵信息的挖掘——信噪比方法
    2.3 信噪比檢驗(yàn)
    2.4 算例與分析
    2.5 本章小結(jié)
第三章 Gauss-Markov模型病態(tài)問題解法研究
    3.1 引言
    3.2 基于信噪比檢驗(yàn)的部分奇異值雙參數(shù)修正估計(jì)
    3.3 基于信噪比檢驗(yàn)的雙截?cái)嗥娈愔倒烙?jì)
    3.4 新方法性質(zhì)研究
    3.5 算例與分析
        3.5.1 模型與算法
        3.5.2 算例
    3.6 本章小結(jié)
第四章 離散動態(tài)系統(tǒng)病態(tài)問題解法研究
    4.1 引言
    4.2 離散動態(tài)系統(tǒng)數(shù)學(xué)模型及其Kalman濾波
    4.3 觀測矩陣的病態(tài)性對Kalman濾波狀態(tài)估計(jì)的影響
    4.4 基于信噪比檢驗(yàn)的雙參數(shù)嶺型Kalman濾波
        4.4.1 嶺型Kalman濾波
        4.4.2 基于信噪比檢驗(yàn)的雙參數(shù)嶺型Kalman濾波
        4.4.3 兩個嶺參數(shù)的選取方法
    4.5 基于信噪比檢驗(yàn)的雙參數(shù)嶺型Kalman濾波性質(zhì)研究
    4.6 算例與分析
    4.7 本章小結(jié)
第五章 奇異值雙參數(shù)修正解法在航空重力延拓及衛(wèi)星定軌中的應(yīng)用
    5.1 引言
    5.2 部分奇異值雙參數(shù)修正解法在航空重力向下延拓中的應(yīng)用
        5.2.1 問題概述
        5.2.2 模型與算法
        5.2.3 算例
    5.3 雙截?cái)嗥娈愔到夥ㄔ贕EO衛(wèi)星定軌中的應(yīng)用
        5.3.1 問題概述與模型
        5.3.2 算例
    5.4 雙參數(shù)嶺型Kalman濾波在BDS星地聯(lián)合定軌中的應(yīng)用
        5.4.1 問題概述
        5.4.2 星地聯(lián)合定軌的離散動態(tài)系統(tǒng)
        5.4.3 算例
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 本文主要工作及創(chuàng)新點(diǎn)
    6.2 對進(jìn)一步研究的展望
致謝
參考文獻(xiàn)
作者簡歷


【參考文獻(xiàn)】：
期刊論文
[1]大壩監(jiān)測數(shù)據(jù)多重共線性問題處理方法的比較研究[J]. 丁立,錢強(qiáng)強(qiáng),趙俊,吳建曄.  城市勘測. 2017(06)
[2]基于信噪比檢驗(yàn)的部分奇異值雙參數(shù)修正估計(jì)[J]. 李豪,顧勇為,郭淑妹.  測繪科學(xué)技術(shù)學(xué)報(bào). 2017(04)
[3]病態(tài)方程基于Liu估計(jì)的一種迭代估計(jì)新方法[J]. 姜兆英,劉國林,于勝文.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2017(08)
[4]基于嶺估計(jì)和AMOGA的馬田系統(tǒng)分類方法[J]. 陶建波,程龍生,王會靈,鄒慶士,唐慶國.  系統(tǒng)工程. 2017(04)
[5]正則化的奇異值分解參數(shù)構(gòu)造法[J]. 林東方,朱建軍,宋迎春,何永紅.  測繪學(xué)報(bào). 2016(08)
[6]有偏卡爾曼濾波及其算法[J]. 李永明,歸慶明,顧勇為,韓松輝.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2016(07)
[7]慣性輔助的單頻GPS整周模糊度快速求解[J]. 彭旭飛,陸志東,岳亞洲,高關(guān)根.  兵工自動化. 2016(06)
[8]基于嶺估計(jì)的嶺馬田系統(tǒng)在復(fù)共線性數(shù)據(jù)中的應(yīng)用[J]. 陶建波,程龍生.  數(shù)學(xué)的實(shí)踐與認(rèn)識. 2016(04)
[9]INS/GPS組合導(dǎo)航中的病態(tài)問題及其處理方法[J]. 金際航,常國賓,穆敬,李科.  海洋測繪. 2015(04)
[10]離散線性系統(tǒng)的嶺型Kalman濾波及其算法[J]. 李永明,歸慶明,焦玉蘭,顧勇為,韓松輝.  信息工程大學(xué)學(xué)報(bào). 2015(03)

博士論文
[1]地球物理反演中病態(tài)矩陣方程正則化解算方法研究[D]. 王文娟.成都理工大學(xué) 2010
[2]線性模型參數(shù)的約束有偏估計(jì)和預(yù)檢驗(yàn)估計(jì)研究[D]. 徐建文.重慶大學(xué) 2009
[3]導(dǎo)航衛(wèi)星自主定軌研究及模擬結(jié)果[D]. 曾旭平.武漢大學(xué) 2004
[4]大地測量中不適定問題的正則化解法研究[D]. 王振杰.中國科學(xué)院研究生院（測量與地球物理研究所） 2003

碩士論文
[1]生長曲線模型參數(shù)的三種有偏估計(jì)[D]. 王曉博.華北水利水電大學(xué) 2016
[2]半?yún)?shù)模型中有偏估計(jì)的進(jìn)一步研究[D]. 陳思謀.重慶大學(xué) 2015
[3]復(fù)共線性及異方差線性模型中的參數(shù)估計(jì)與變量選擇[D]. 王艷.重慶大學(xué) 2015
[4]基于星間測距及方向約束的導(dǎo)航星座自主定軌技術(shù)研究[D]. 李海生.南京航空航天大學(xué) 2010
[5]航空重力測量數(shù)據(jù)向下延拓技術(shù)[D]. 朱非洲.中國人民解放軍信息工程大學(xué) 2002
[6]測量平差系統(tǒng)病態(tài)性的診斷與處理[D]. 郭建鋒.中國人民解放軍信息工程大學(xué) 2002



本文編號：2947361