简介:文章将卡尔曼滤波理论应用于时间序列影像的背景估计,引入衰减记忆因子解决滤波的发散问题,最终实现了对背景信号的估计.
简介: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与观测方程来描述,以监测点的位置、位移速率、加速率参数为状态向量。它的滤波方程是一组类推计算公式,计算过程是不断预测、修正的过程,在求解时不用保留已用过的观测值序列,当得到新的观测数据时,可以随时修正新的观测值,便于实时处理观测成果,把参数估计与预报有机的结合起来,特别适合变形监测数据的动态处理。
简介:在地铁附近基坑工程的施工阶段,通常要对地铁隧道结构进行水平位移监测、分析和预测。采用卡尔曼滤波能实时估计出水平位移状态向量,实现水平位移预测,如果卡尔曼滤波中动态噪声不准或不易确定,就会导致滤波发散而无法获得准确的预测结果。研究和采用基于方差分量估计的卡尔曼滤波,利用预报残差实时更新模型的动态噪声方差,可以避免滤波发散,提高预测精度。实际应用表明,基于方差分量估计的卡尔曼滤波能获得较好的水平位移预测效果。
基于卡尔曼滤波的时间序列影像背景估计
卡尔曼滤波在变形监测数据处理中的应用
方差分量估计卡尔曼滤波在地铁深基坑变形预测中的应用