基于小波系数相关性的GPS共视观测数据多尺度Kalman滤波算法

本文主要探讨了"基于系数相关性的多尺度Kalman滤波器组的GPS共视观测数据算法"。在2006年的吉林大学学报（工学版）上发表，该研究关注的是如何利用小波变换和多尺度卡尔曼滤波技术来处理GPS共视观测数据。GPS共视钟差数据被假设具有1/ f分形特性，这是一种常见的非线性信号特性，表示信号的噪声功率随频率的降低而增加。1/ f分形特性意味着数据集在不同尺度下呈现出一致的统计行为。 研究者采用小波变换估计GPS钟差数据的自相似参数H，即数据的分形维数。当0<H<1时，这表明数据具有明显的分形特征，即数据是非平稳的，且噪声具有长记忆性。在这一背景下，论文深入研究了小波系数列的相关性在多尺度Kalman滤波器参数估计中的作用。通过考虑数据之间的相关性，可以更精确地估计钟差数据，提高滤波效果。 实验部分，研究者分别对单通道和多通道共视数据进行了处理，并将处理后的结果与Circular T数据进行了对比，以验证该算法的有效性和可行性。结果显示，基于小波系数相关性的多尺度Kalman滤波器能够有效提取GPS共视观测数据中的有用信息，减少噪声干扰，从而提高了定位精度和数据处理的准确性。 此外，论文还提到了国家自然科学基金资助项目的支持，表明这项研究得到了学术界的高度认可。作者们，偶晓娟博士研究生和周渭教授，他们的研究方向集中在高精度的时间与频率测量领域，这对于GPS技术和通信技术的发展具有重要意义。 关键词包括：通信技术、多尺度Kalman滤波器组、1/ f分形特性、相关性结构以及分形增量，这些关键词突出了论文的核心内容和研究方法。这篇文章提供了一种有效的数据处理策略，对于GPS数据处理和1/ f分形信号分析具有重要的理论价值和实际应用前景。