李洪亮 時(shí)榮 鐘雙

（1.河南省測(cè)繪產(chǎn)品質(zhì)量監(jiān)督站 河南鄭州 450003；2.河南省遙感測(cè)繪院 河南鄭州 450003；3.河南省基礎(chǔ)地理信息中心 河南鄭州 450003；）

1 引言

大壩形變主要受到水壓、溫度和時(shí)效等環(huán)境因素影響[1]，其中，水壓和溫度具有日周期變化[2]，時(shí)效則綜合反映了壩體和基巖在多種因素影響下的不可逆形變，是描述大壩長(zhǎng)期形變量的重要參考。對(duì)大壩位移值隔天采樣，可消除水壓和溫度的影響，而時(shí)效具有緩變性，在短時(shí)間內(nèi)可建立速度項(xiàng)的運(yùn)動(dòng)模型，利用卡爾曼濾波可以動(dòng)態(tài)估計(jì)與預(yù)報(bào)。

卡爾曼濾波是遞推線(xiàn)性最小方差估計(jì)的最優(yōu)估計(jì)，整個(gè)遞推過(guò)程由函數(shù)方程，觀測(cè)噪聲、狀態(tài)噪聲以及新息決定，在大壩形變監(jiān)測(cè)中，觀測(cè)噪聲和過(guò)程噪聲受到環(huán)境因素影響，處在不斷變化中，而標(biāo)準(zhǔn)卡爾曼濾波中，這兩者由先驗(yàn)給定，隨著濾波的進(jìn)行是固定不變的，這顯然不能反映大壩形變的動(dòng)態(tài)特性，因而標(biāo)準(zhǔn)卡爾曼濾波不是最優(yōu)的。本文主要從新息序列的兩條統(tǒng)計(jì)特性出發(fā)，引入調(diào)節(jié)因子[3]和方差補(bǔ)償[4]分別實(shí)時(shí)修正觀測(cè)噪聲和過(guò)程噪聲，充分利用觀測(cè)數(shù)據(jù)的隱含信息，構(gòu)造自適應(yīng)卡爾曼濾波模型，最后對(duì)兩組大壩數(shù)據(jù)進(jìn)行了處理，比較標(biāo)準(zhǔn)卡爾曼濾波和自適應(yīng)卡爾曼濾波方法的預(yù)報(bào)精度，并給出了對(duì)比分析。

2 大壩形變預(yù)報(bào)中的標(biāo)準(zhǔn)卡爾曼濾波模型

在大壩長(zhǎng)期形變監(jiān)測(cè)中，時(shí)效項(xiàng)是最主要的形變量，在不發(fā)生特殊情況下，如地震、山體滑坡，時(shí)效項(xiàng)一般呈線(xiàn)性緩變，因而可以對(duì)其建立速度項(xiàng)的運(yùn)動(dòng)模型，設(shè)觀測(cè)點(diǎn)的狀態(tài)向量為為位移，v為速度，則其狀態(tài)模型為:

觀測(cè)值是用儀器（如GPS，機(jī)器人全站儀）測(cè)得的當(dāng)期大壩形變位移量Y，那么有如下觀測(cè)方程:

上式中，τ為時(shí)間間隔，Q為狀態(tài)過(guò)程噪聲，R為觀測(cè)噪聲，在建立了上述狀態(tài)模型和觀測(cè)模型后，就可以進(jìn)行卡爾曼濾波求得每一期的狀態(tài)?？柭鼮V波過(guò)程如下:

圖1:卡爾曼濾波計(jì)算過(guò)程

只有在當(dāng)前位移和速度估計(jì)精確的情況下，才能得到更高精度的形變預(yù)報(bào)?？柭鼮V波是一個(gè)狀態(tài)遞推的過(guò)程，所有歷史信息均被隱含地保留下來(lái)，充分顧及了狀態(tài)時(shí)間上的相關(guān)性以及所有信息的融合。

3 自適應(yīng)卡爾曼濾波的構(gòu)造

在卡爾曼濾波中，過(guò)程噪聲Q表征了狀態(tài)轉(zhuǎn)移的不確定性，這種不確定性會(huì)隨著時(shí)間的變化而變化，由于大壩形變受到各種因素影響，這些因素并非一成不變，這導(dǎo)致在大壩形變模型中，各時(shí)刻狀態(tài)轉(zhuǎn)移的不確定度是時(shí)變的，應(yīng)根據(jù)實(shí)際情況動(dòng)態(tài)地變化。另一方面，觀測(cè)噪聲R也存在同樣的情況，它應(yīng)根據(jù)當(dāng)前觀測(cè)條件實(shí)時(shí)的變化。在標(biāo)準(zhǔn)卡爾曼濾波中，過(guò)程噪聲Q和觀測(cè)噪聲R是事先給定的，在濾波過(guò)程中固定不變，從直觀上講，這難以符合實(shí)際動(dòng)態(tài)變化情況，尤其在形變突變的情況下，不能很好地自適應(yīng)描述該過(guò)程，導(dǎo)致預(yù)報(bào)精度較低。在多期觀測(cè)掌握了足夠的數(shù)據(jù)后，從數(shù)據(jù)處理角度來(lái)看，是可以對(duì)觀測(cè)值和狀態(tài)的隨機(jī)過(guò)程參數(shù)進(jìn)行驗(yàn)后估計(jì)的。

本文采用了一種實(shí)時(shí)自適應(yīng)的卡爾曼濾波方法，以新息的統(tǒng)計(jì)特性為約束條件，充分利用隱含的歷史數(shù)據(jù)，不斷地調(diào)整過(guò)程噪聲Q和觀測(cè)噪聲R，使其能夠更好地反映當(dāng)前的形變動(dòng)態(tài)過(guò)程和觀測(cè)手段的精度情況。

新息被定義為當(dāng)前實(shí)際觀測(cè)值與預(yù)報(bào)觀測(cè)值的差[5]，表述為:

利用線(xiàn)形流形的射影方法可推導(dǎo)出新息序列的兩條統(tǒng)計(jì)特性[5]:

1）新息序列正交性:

2）新息協(xié)方差陣:

新息是歷史信息與當(dāng)前信息的綜合表現(xiàn)，當(dāng)狀態(tài)模型和觀測(cè)模型的統(tǒng)計(jì)特性準(zhǔn)確時(shí)，新息滿(mǎn)足以上兩條統(tǒng)計(jì)性質(zhì)，同樣，由以上兩條性質(zhì)可反推模型的統(tǒng)計(jì)特性，即Q和R。由于新息是實(shí)時(shí)計(jì)算得到，因而模型的統(tǒng)計(jì)特性也能實(shí)時(shí)的自適應(yīng)修正。

下面討論如何根據(jù)新息實(shí)時(shí)修正Q和R。

3.1 調(diào)節(jié)因子修正R

卡爾曼濾波中，狀態(tài)的估計(jì)由當(dāng)前觀測(cè)值和預(yù)報(bào)狀態(tài)決定，兩者對(duì)狀態(tài)估計(jì)的貢獻(xiàn)分別由各自的協(xié)方差陣決定，即和R，當(dāng)大時(shí)，即預(yù)報(bào)狀態(tài)的不確定性大，此時(shí)更信任觀測(cè)值中的信息，反之，當(dāng)小時(shí)，預(yù)報(bào)狀態(tài)更準(zhǔn)。因此，可動(dòng)態(tài)地調(diào)節(jié)的大小，間接地影響R對(duì)狀態(tài)估計(jì)的貢獻(xiàn)，從而間接地修正R，以使估計(jì)達(dá)到最優(yōu)。

可以證明，利用新息的兩條統(tǒng)計(jì)性質(zhì)，可得:

式中，新息ε有當(dāng)前觀測(cè)值根據(jù)(4)式計(jì)算得到，tr為矩陣求跡。

3.1 實(shí)時(shí)估計(jì)修正Q

將性質(zhì)（2）展開(kāi)得到:

可以看出，如果知道新息和R的統(tǒng)計(jì)特性，就能求得Q的統(tǒng)計(jì)特性。

假定任意時(shí)間段修正的Q為對(duì)角陣，記:

記:

其中ηi+t為零均值隨機(jī)變量。令

由推導(dǎo)可得:

個(gè)以上方程后，就能用最小二乘求得Q的對(duì)角元素值。令:

可列得最小二乘方程:

當(dāng)n大于Q對(duì)角線(xiàn)元素個(gè)數(shù)時(shí)，有最小二乘解[6]:

在本文建立的速度模型中，Q為一維，因而不需要多期濾波結(jié)果，可以直接利用(12)式進(jìn)行計(jì)算，實(shí)時(shí)地修正。但為了抵制噪聲ηi+t的影響，可以利用多期結(jié)果進(jìn)行最小二乘求解，平滑其它噪聲干擾，使得Q的估計(jì)更加準(zhǔn)確。

4 大壩形變預(yù)報(bào)應(yīng)用分析

4.1 數(shù)據(jù)說(shuō)明

本文使用兩組大壩數(shù)據(jù)來(lái)進(jìn)行試驗(yàn)分析，以驗(yàn)證在大壩形變預(yù)報(bào)中，自適應(yīng)卡爾曼濾波優(yōu)于標(biāo)準(zhǔn)卡爾曼濾波。

第一組數(shù)據(jù)使用了我國(guó)中部地區(qū)某混凝土大壩上布設(shè)的水平形變監(jiān)測(cè)點(diǎn)，對(duì)其進(jìn)行了近一個(gè)月的連續(xù)水平形變監(jiān)測(cè)，觀測(cè)間隔為1天，共采集了28期的水平徑向原始觀測(cè)值，如圖2:

圖2:混凝土大壩的水平形變序列

第二組數(shù)據(jù)為隔河巖大壩壩軸線(xiàn)某監(jiān)測(cè)點(diǎn)在垂向上的形變序列，觀測(cè)間隔為1小時(shí)，共采集了約2個(gè)月的數(shù)據(jù)，如圖3:

圖3:隔河巖大壩的垂向形變序列

從上圖中可以看出，混凝土大壩的形變穩(wěn)定，趨勢(shì)比較平緩，因而可以在較長(zhǎng)時(shí)間間隔連續(xù)觀測(cè)。而隔河巖大壩的形變有較多的突變點(diǎn)，變化復(fù)雜，需要在較短的時(shí)間間隔觀測(cè)才能反映其變化情況。

4.2 建立模型

根據(jù)第二章，可以建立大壩形變的狀態(tài)模型(1)式和觀測(cè)模型(2)式，在濾波估計(jì)出當(dāng)前狀態(tài)后，利用(3)式可進(jìn)行下一時(shí)刻的形變預(yù)報(bào)。對(duì)于混凝土大壩，從圖2中可以發(fā)現(xiàn)第二期的速度有突變，因此略去第一期觀測(cè)值，以二三期觀測(cè)值計(jì)算初值，從第三期開(kāi)始進(jìn)行濾波處理并預(yù)報(bào)，而隔河巖大壩以一二期觀測(cè)值計(jì)算初值，從第二期開(kāi)始進(jìn)行濾波處理并預(yù)報(bào)。

其初始狀態(tài)如下:

對(duì)于兩組數(shù)據(jù)，其它參數(shù)均設(shè)為一致，如下:

另外，狀態(tài)噪聲取加速度[1,7,8]，其先驗(yàn)值設(shè)為，測(cè)量噪聲先驗(yàn)值設(shè)為R=0.1mm，對(duì)于標(biāo)準(zhǔn)卡爾曼濾波，在濾波過(guò)程中，兩者不變，對(duì)于自適應(yīng)卡爾曼濾波，兩者隨濾波動(dòng)態(tài)情況實(shí)時(shí)調(diào)整。

4.3 結(jié)果分析

對(duì)每一期大壩形變數(shù)據(jù)進(jìn)行濾波后，得到當(dāng)前最優(yōu)的形變位移和形變速度，并且以此預(yù)報(bào)下一期的形變位移。為了比較預(yù)報(bào)的精度，以實(shí)際測(cè)得的形變位移為參考，計(jì)算預(yù)報(bào)形變位移的誤差。兩組數(shù)據(jù)的標(biāo)準(zhǔn)卡爾曼濾波和自適應(yīng)卡爾曼濾波的預(yù)報(bào)誤差如下:

圖4:混凝土大壩的形變預(yù)報(bào)誤差比較

圖5:隔河巖大壩的形變預(yù)報(bào)誤差比較

從圖中可以明顯看出，自適應(yīng)卡爾曼濾波的預(yù)報(bào)誤差整體小于標(biāo)準(zhǔn)卡爾曼濾波的預(yù)報(bào)誤差。在第一組數(shù)據(jù)中，自適應(yīng)卡爾曼濾波預(yù)報(bào)誤差基本在零均值附近上下抖動(dòng)，未見(jiàn)明顯趨勢(shì)，而標(biāo)準(zhǔn)卡爾曼濾波抖動(dòng)幅值較大，具有明顯的趨勢(shì)項(xiàng)，這是由于當(dāng)形變比較劇烈，位移發(fā)生突變后，卡爾曼濾波不能迅速進(jìn)行調(diào)整，有一定的滯后性，嚴(yán)重影響了后幾期的預(yù)報(bào)，尤其在第7期到第13期之間，這種影響十分明顯，但是自適應(yīng)卡爾曼濾波能夠很好地自適應(yīng)形變的動(dòng)態(tài)變化，做出迅速的調(diào)整，消除當(dāng)前突變的影響，及時(shí)恢復(fù)預(yù)報(bào)精度。該特點(diǎn)在第二組數(shù)據(jù)中尤為明顯，標(biāo)準(zhǔn)卡爾曼濾波在形變位移突變后，出現(xiàn)幾期的預(yù)報(bào)誤差都較大的聚集情況，表明卡爾曼濾波不能抑制該影響，造成后續(xù)短期內(nèi)預(yù)報(bào)的系統(tǒng)偏差。相反，自適應(yīng)卡爾曼濾波只在突變處的預(yù)報(bào)誤差會(huì)稍微偏大（即圖中只有一個(gè)離散點(diǎn)），而后能迅速恢復(fù)預(yù)報(bào)精度。

下面計(jì)算了2組數(shù)據(jù)2種方法的統(tǒng)計(jì)精度，精度提高百分比以及可信度。其中，統(tǒng)計(jì)精度為預(yù)報(bào)誤差的RMS；精度提高百分比是以?xún)煞N方法的預(yù)報(bào)誤差之差大于量測(cè)中誤差0.1mm的（差值小于0.1mm的預(yù)報(bào)值，可認(rèn)為是偶然誤差引起，不能判定精度優(yōu)勢(shì)），比較兩種方法預(yù)報(bào)更為準(zhǔn)確的數(shù)量；可信度是以三倍測(cè)量中誤差作為極限誤差，預(yù)報(bào)誤差低于該極限誤差的數(shù)量。

表1 兩種方法的精度指標(biāo)比較

表中SKF表示標(biāo)準(zhǔn)卡爾曼濾波，AKF表示自適應(yīng)卡爾曼濾波，1和2表示數(shù)據(jù)組號(hào)。從表中可以定量地比較得到，自適應(yīng)卡爾曼的各項(xiàng)指標(biāo)均優(yōu)于標(biāo)準(zhǔn)卡爾曼濾波，約有46.4%和22.7%的預(yù)報(bào)值精度高于標(biāo)準(zhǔn)卡爾曼濾波，其可信度分別增加了28.6%和7.5%，預(yù)報(bào)性能提高明顯。

5 結(jié)束語(yǔ)

自適應(yīng)卡爾曼濾波不僅綜合了標(biāo)準(zhǔn)卡爾曼濾波的所有優(yōu)點(diǎn)，而且還能自適應(yīng)地根據(jù)當(dāng)前信息對(duì)自身模型做出修正，克服了標(biāo)準(zhǔn)卡爾曼濾波過(guò)于依賴(lài)先驗(yàn)知識(shí)和過(guò)去信息且對(duì)突變敏感的缺點(diǎn)，在大壩形變監(jiān)測(cè)中取得了較好的結(jié)果。

[1]黃聲享，尹暉，蔣征.形變監(jiān)測(cè)數(shù)據(jù)處理[M]武漢大學(xué):武漢大學(xué)出版社，2003.

[2]李英冰，徐紹銓?zhuān)瑥堄儡?譜分析在GPS自動(dòng)化監(jiān)測(cè)系統(tǒng)中的應(yīng)用研究[J]武漢大學(xué)學(xué)報(bào)(信息科學(xué)版)，2001，26(4):343-348.

[3]徐景碩，秦永元，彭蓉.自適應(yīng)卡爾曼濾波器漸消因子選取方法研究[J]系統(tǒng)工程與電子技術(shù)，2004，26(11):1552-1554.

[4]鄧躍進(jìn)，張正祿，章傳銀.自適應(yīng)卡爾曼濾波在形變監(jiān)測(cè)動(dòng)態(tài)數(shù)據(jù)處理中的應(yīng)用[J]武測(cè)科技，1996，1:1-4.

[5]鄧自立.卡爾曼濾波與維納濾波[M]哈爾濱:哈爾濱工業(yè)大學(xué)出版社，2001.

[6]歸慶明，李國(guó)重，歐吉坤.有偏估計(jì)和LS估計(jì)的比較和選擇[J]測(cè)繪學(xué)報(bào)，2003，32(1):26-30.

[7]徐暉.平面監(jiān)測(cè)網(wǎng)的動(dòng)態(tài)濾波[J]武漢測(cè)繪科技大學(xué)學(xué)報(bào)，1990，15(1):1-11.

[8]劉繁明，錢(qián)東，郭靜.卡爾曼濾波地形反演算法的系統(tǒng)方程建模[J]武漢大學(xué)學(xué)報(bào)(科學(xué)信息版)，2010，35(10):1179-1183.