呂偉才，蔣法文，杭玉付，朱亞洲，楊　旭，陳小軼，汪　洋，汪　澤

(1.安徽理工大學(xué)　測(cè)繪學(xué)院，安徽 淮南　232001；2.淮南礦業(yè)(集團(tuán))有限責(zé)任公司，安徽 淮南　232001)

改善移動(dòng)終端測(cè)量精度的卡爾曼濾波算法

呂偉才1，蔣法文2，杭玉付2，朱亞洲1，楊旭1，陳小軼1，汪洋1，汪澤1

(1.安徽理工大學(xué)測(cè)繪學(xué)院，安徽 淮南232001；2.淮南礦業(yè)(集團(tuán))有限責(zé)任公司，安徽 淮南232001)

摘要：針對(duì)開(kāi)采沉陷監(jiān)測(cè)中常規(guī)RTK測(cè)量精度偏低的問(wèn)題，結(jié)合開(kāi)采沉陷監(jiān)測(cè)的特點(diǎn)，以煤礦開(kāi)采沉陷自動(dòng)化監(jiān)測(cè)系統(tǒng)的實(shí)時(shí)數(shù)據(jù)采集終端系統(tǒng)2 min內(nèi)各歷元采集的坐標(biāo)及精度為基礎(chǔ)，構(gòu)建卡爾曼濾波模型，以進(jìn)一步改善移動(dòng)終端測(cè)量精度。利用地表移動(dòng)觀測(cè)站的實(shí)測(cè)數(shù)據(jù)，通過(guò)與常規(guī)RTK測(cè)量、水準(zhǔn)測(cè)量結(jié)果的比較分析，結(jié)果表明濾波后的測(cè)量精度得到了較好的改善。從內(nèi)部符合精度來(lái)看，濾波RTK測(cè)量的平面位置平均測(cè)量精度約為±0.3 cm，高程方向平均測(cè)量精度約為±0.5 cm，完全滿足開(kāi)采沉陷監(jiān)測(cè)的精度要求；與水準(zhǔn)測(cè)量成果相比，高程方向平均外部測(cè)量精度約為±0.8 cm，基本滿足開(kāi)采沉陷監(jiān)測(cè)的精度要求。

關(guān)鍵詞：開(kāi)采沉陷監(jiān)測(cè)；移動(dòng)終端；RTK測(cè)量；卡爾曼濾波；精度分析

0引言

《煤礦測(cè)量規(guī)程》要求，礦區(qū)的第一個(gè)回采工作面必須建立開(kāi)采沉陷監(jiān)測(cè)地表移動(dòng)觀測(cè)站(以下簡(jiǎn)稱地表移動(dòng)觀測(cè)站)，通過(guò)重復(fù)性的數(shù)據(jù)采集、處理和分析來(lái)掌握開(kāi)采引起的地表移動(dòng)變形特征與規(guī)律，為滿足煤礦安全生產(chǎn)、恢復(fù)與重建礦區(qū)生態(tài)環(huán)境及研究重復(fù)采動(dòng)時(shí)的地表移動(dòng)變形規(guī)律提供基礎(chǔ)資料。在建立地表移動(dòng)觀測(cè)站的過(guò)程中，涉及到連接測(cè)量、全面觀測(cè)、巡視測(cè)量、日常觀測(cè)等階段的數(shù)據(jù)采集工作[1]，特別是全面觀測(cè)和日常觀測(cè)階段的數(shù)據(jù)采集工作更為頻繁。在監(jiān)測(cè)點(diǎn)較多的情況下(如，顧橋煤礦11171首采面地表移動(dòng)觀測(cè)站含18個(gè)控制點(diǎn)和174個(gè)監(jiān)測(cè)點(diǎn))[2-4]，采用常規(guī)方法就需要組織大量的人力物力來(lái)實(shí)施，建立觀測(cè)站的成本居高不下。

對(duì)于礦山開(kāi)采沉陷監(jiān)測(cè)，要求相鄰兩期間平面點(diǎn)位相對(duì)中誤差≤±2 cm，最弱點(diǎn)高程中誤差≤±1 cm，以保證解算的開(kāi)采沉陷的關(guān)鍵參數(shù)(如邊界角、移動(dòng)角等)的精度。這就要求一次測(cè)量的平面點(diǎn)位相對(duì)中誤差≤±1.4 cm，最弱點(diǎn)高程中誤差≤±0.7 cm。雖然從外業(yè)數(shù)據(jù)采集速度上來(lái)說(shuō)，目前有多種技術(shù)，如連續(xù)運(yùn)行參考站(continuously operating reference stations，CORS)系統(tǒng)、測(cè)量機(jī)器人、3維激光掃描等可以達(dá)到這一要求，但對(duì)于開(kāi)采沉陷監(jiān)測(cè)而言，這些手段還難以推廣應(yīng)用。如與常規(guī)實(shí)時(shí)動(dòng)態(tài)(real-time kinematic，RTK)定位相比，CORS RTK技術(shù)具有數(shù)據(jù)采集速度快、精度高的特點(diǎn)，在20 km范圍內(nèi)公認(rèn)的平面位置精度約±2 cm，高程精度約±3 cm[5-6]。這種測(cè)量精度(特別是高程方向的精度)還難以滿足開(kāi)采沉陷監(jiān)測(cè)的要求，同時(shí)對(duì)目前的礦區(qū)來(lái)說(shuō)，還沒(méi)有全面建立網(wǎng)絡(luò)CORS系統(tǒng)的條件。

為解決當(dāng)前開(kāi)采沉陷數(shù)據(jù)采集技術(shù)手段落后、效率低、信息化程度低等問(wèn)題，淮南礦業(yè)(集團(tuán))有限責(zé)任公司與安徽理工大學(xué)、南京科博空間信息科技有限公司聯(lián)合開(kāi)展“地表移動(dòng)自動(dòng)化監(jiān)測(cè)系統(tǒng)研究”項(xiàng)目，其研究?jī)?nèi)容之一是結(jié)合煤礦開(kāi)采沉陷監(jiān)測(cè)的特點(diǎn)，研究集成CORS和移動(dòng)地理信息系統(tǒng)(geographic information system，GIS)的高精度快速數(shù)據(jù)采集終端系統(tǒng)。地表移動(dòng)自動(dòng)化監(jiān)測(cè)系統(tǒng)共布設(shè)1個(gè)基準(zhǔn)站(PYDCDP)、9個(gè)連續(xù)實(shí)時(shí)監(jiān)測(cè)站(CORS1～CORS9)和約60個(gè)非連續(xù)實(shí)時(shí)監(jiān)測(cè)站(地表移動(dòng)觀測(cè)站中的監(jiān)測(cè)點(diǎn))[7]。其中:PYDCDP布設(shè)于礦區(qū)辦公樓頂，提供監(jiān)測(cè)基準(zhǔn)及差分?jǐn)?shù)據(jù)；CORS1～CORS9分別布設(shè)于觀測(cè)線關(guān)鍵部位，采用連續(xù)實(shí)時(shí)監(jiān)測(cè)、定時(shí)實(shí)時(shí)監(jiān)測(cè)模式；非連續(xù)實(shí)時(shí)監(jiān)測(cè)站采用CORS RTK監(jiān)測(cè)模式，也可采用全站儀、數(shù)字水準(zhǔn)儀的測(cè)量模式。

在“地表移動(dòng)自動(dòng)化監(jiān)測(cè)系統(tǒng)研究”項(xiàng)目中，為提高移動(dòng)終端的CORS RTK測(cè)量的精度，特別是高程方向的測(cè)量精度，采用了事后卡爾曼(Kalman)濾波算法。目前Kalman濾波被廣泛地應(yīng)用于各種動(dòng)態(tài)測(cè)量系統(tǒng)中，特別是在變形監(jiān)測(cè)[8-9]、動(dòng)態(tài)數(shù)據(jù)處理[10-11]、全球定位系統(tǒng)(global positioning system，GPS)定位定軌等方面的應(yīng)用更為多見(jiàn)。基于Kalman濾波的RTK 測(cè)量算法討論的較多，但一般是以虛擬參考站的虛擬觀測(cè)值和移動(dòng)站的實(shí)測(cè)觀測(cè)值為基礎(chǔ)，通過(guò)快速解算模糊度來(lái)實(shí)現(xiàn)的[12-14]。本文在介紹對(duì)常規(guī)CORS RTK測(cè)量獲得的測(cè)點(diǎn)位置序列進(jìn)行濾波的基本原理基礎(chǔ)上，通過(guò)與常規(guī)CORS RTK測(cè)量、水準(zhǔn)測(cè)量結(jié)果的比較分析，獲得濾波CORS RTK測(cè)量的精度信息，為采用Kalman濾波算法的移動(dòng)終端進(jìn)行開(kāi)采沉陷監(jiān)測(cè)提供參考依據(jù)。

1Kalman濾波方程

采用地表移動(dòng)自動(dòng)化監(jiān)測(cè)系統(tǒng)的移動(dòng)終端進(jìn)行CORS RTK測(cè)量時(shí)，各測(cè)點(diǎn)每一歷元的主要測(cè)量信息包括點(diǎn)名、參考坐標(biāo)系下的平面坐標(biāo)(x，y)、擬合高程h、WGS-84大地坐標(biāo)(B，L，H)、平面坐標(biāo)中誤差和擬合高程中誤差。對(duì)某一測(cè)點(diǎn)進(jìn)行了多次測(cè)量(如30次)時(shí)，Kalman濾波算法的主要思路為：首先將各歷元在WGS-84坐標(biāo)系下的大地坐標(biāo)轉(zhuǎn)換為高斯平面坐標(biāo)，并利用Kalman濾波模型進(jìn)行濾波，獲得濾波后的高斯平面坐標(biāo)和大地高；然后利用連接測(cè)量建立的坐標(biāo)系統(tǒng)轉(zhuǎn)換模型和高程系統(tǒng)轉(zhuǎn)換模型，獲得各歷元在參考坐標(biāo)系下(如1954北京坐標(biāo)系)下的坐標(biāo)和擬合高程(如1985國(guó)家高程基準(zhǔn)下的高程)；最后取各歷元轉(zhuǎn)換后的平面坐標(biāo)和高程的平均值并進(jìn)行精度評(píng)定。

1.1Kalman濾波的狀態(tài)方程

采用CORS RTK測(cè)量獲得的測(cè)點(diǎn)3維坐標(biāo)(WGS-84坐標(biāo)系下高斯平面直角坐標(biāo)和大地高)序列中，將t時(shí)刻測(cè)點(diǎn)i的3維坐標(biāo)ξi(t)和3維速率λi(t)作為狀態(tài)向量，將其瞬時(shí)加速率Ωi(t)看作隨機(jī)干擾，則有以下微分關(guān)系式[14]

(1)

記i點(diǎn)的狀態(tài)向量為Xi(t)(在本文中，用X、Y、Z表示測(cè)點(diǎn)3維坐標(biāo))，即：

(2)

(3)

則式(1)可寫(xiě)成

(4)

式中0和E分別為3階零矩陣和3階單位陣。對(duì)式(4)進(jìn)行拉普拉斯變換并將其離散化，可得Kalman濾波的狀態(tài)方程為

(5)

式中：Δtk=tk+1-tk；tk和tk+1分別為第k歷元和第k+1歷元的觀測(cè)時(shí)刻。將式(5)記為

(6)

式(6)即為采用CORS RTK模式進(jìn)行動(dòng)態(tài)監(jiān)測(cè)時(shí)，動(dòng)態(tài)系統(tǒng)的Kalman濾波狀態(tài)方程。

1.2Kalman濾波的觀測(cè)方程

利用CORS RTK測(cè)量監(jiān)測(cè)點(diǎn)的3維位置時(shí)，采用的是虛擬參考站(virtual reference stations，VRS)技術(shù)。移動(dòng)站開(kāi)機(jī)啟動(dòng)后，先向控制中心發(fā)送一個(gè)概略位置信息，控制中心接收到該位置信息后，利用基準(zhǔn)站(PYDCDP)的觀測(cè)數(shù)據(jù)在移動(dòng)站附近模擬出一個(gè)虛擬參考站，整體地改正全球衛(wèi)星導(dǎo)航系統(tǒng)(global navigation satellite system，GNSS)的軌道誤差以及大氣折射引起的誤差;在此基礎(chǔ)上摸擬出高精度的虛擬觀測(cè)信息并發(fā)給移動(dòng)站。虛擬參考站與移動(dòng)站構(gòu)成短基線，從而高精度、快速地解算出移動(dòng)站的3維位置及相關(guān)精度信息[15]。

本文所討論的Kalman濾波的觀測(cè)方程，是以VRS技術(shù)解算的流動(dòng)站的3維坐標(biāo)為觀測(cè)值，而不是以虛擬參考站的虛擬觀測(cè)值和移動(dòng)站的實(shí)測(cè)觀測(cè)值為依據(jù)。這是因?yàn)?一方面，在進(jìn)行CORS RTK測(cè)量時(shí)，一般不保留移動(dòng)站的實(shí)測(cè)觀測(cè)值；另一方面，以3維坐標(biāo)為觀測(cè)值時(shí)有利于Kalman濾波的快速實(shí)施。

以CORS RTK測(cè)量獲得的監(jiān)測(cè)點(diǎn)3維位置為觀測(cè)值時(shí)，某一監(jiān)測(cè)點(diǎn)i在第k+1個(gè)歷元的觀測(cè)方程為

Li/k+1=ξi/k+1+Δti/k+1λj/k+1+Δi/k+1。

(7)

式中：Δti/k+1=ti/k+1-tk+1;ti/k+1為監(jiān)測(cè)點(diǎn)i在第k+1歷元的觀測(cè)時(shí)刻;tk+1為監(jiān)測(cè)點(diǎn)i本次測(cè)量時(shí)所有歷元(如30個(gè)歷元)觀測(cè)的中心時(shí)刻。

采用CORS RTK技術(shù)進(jìn)行開(kāi)采沉陷地表移動(dòng)變形監(jiān)測(cè)的目的之一，是在保證測(cè)量精度的前提下盡量縮短作業(yè)時(shí)間，如一個(gè)測(cè)點(diǎn)的測(cè)量時(shí)間不超過(guò)2 min。此時(shí)Δti/k+1不超過(guò)1 min，對(duì)于開(kāi)采沉陷監(jiān)測(cè)而言，在如此短的時(shí)間內(nèi)，地表下沉速度是可以忽略不計(jì)的。

狀態(tài)方程(6)和觀測(cè)方程(7)共同構(gòu)成了監(jiān)測(cè)點(diǎn)3維位置序列的Kalman濾波模型

(8)

式中：Φk，k-1為k-1到k歷元的轉(zhuǎn)移矩陣；Γk,k-1為系統(tǒng)噪聲矩陣；Ωk-1為k-1歷元的系統(tǒng)噪聲；Bk為k歷元系統(tǒng)的觀測(cè)矩陣；Δk為k歷元系統(tǒng)的觀測(cè)噪聲；Xk為k歷元的系統(tǒng)待估狀態(tài)參數(shù)；Lk為k歷元系統(tǒng)的觀測(cè)向量矩陣；Xk和Lk均為監(jiān)測(cè)點(diǎn)的3維位置和速度向量。

2位置序列的Kalman濾波算法

2.1Kalman濾波遞推公式

與式(8)相應(yīng)的Kalman濾波遞推公式為

(9)

式中I為單位矩陣，并有

(10)

式中：X(k/k-1)為一步預(yù)測(cè)值；DX(k/k-1)為一步預(yù)測(cè)方差陣；Jk為狀態(tài)增益矩陣；Ek為預(yù)測(cè)殘差。

式(9)和式(10)即為監(jiān)測(cè)點(diǎn)空間位置序列的Kalman濾波遞推計(jì)算公式。在按一定方法確定了系統(tǒng)的初始狀態(tài)后，利用新的觀測(cè)值(下1個(gè)歷元測(cè)點(diǎn)的空間位置)即可求得新的狀態(tài)參數(shù)濾波值。

2.2濾波初值的確定

從Kalman濾波方程可以看出，要確定動(dòng)態(tài)系統(tǒng)在tk時(shí)刻的狀態(tài)，首先必須知道系統(tǒng)的初始狀態(tài)，即應(yīng)賦給系統(tǒng)初值。

1)狀態(tài)參數(shù)初值的確定。

對(duì)于CORS RTK測(cè)量獲得測(cè)點(diǎn)空間位置的動(dòng)態(tài)系統(tǒng)而言，狀態(tài)參數(shù)為測(cè)點(diǎn)的3維坐標(biāo)和速度。由于此處的Kalman濾波是采用事后處理模式，因此：3維坐標(biāo)的初值可取為測(cè)點(diǎn)各歷元3維位置的平均值；3維速度的初值可取為相鄰歷元間3維位置變化的平均值。若某一測(cè)點(diǎn)觀測(cè)了n個(gè)歷元，則有

(11)

式中以X分量為例，有：

即狀態(tài)參數(shù)初值為

(12)

2)方差陣初值的確定。

某一歷元觀測(cè)噪聲的方差陣DΔ， 即CORSRTK測(cè)得的測(cè)點(diǎn)該歷元3維位置的方差陣，由該歷元3維位置的中誤差mX、mY、mZ確定，即

(13)

狀態(tài)參數(shù)中的3維位置的初始方差陣，可由CORS RTK測(cè)得的測(cè)點(diǎn)各歷元3維位置的中誤差平均值確定，即

(14)

式中：

由協(xié)方差陣傳播定律，狀態(tài)參數(shù)中的3維速率的初始方差陣為

Dλ0=2Δt-2Dξ0。

(15)

式中△t為相鄰歷元間的采用間隔，則狀態(tài)參數(shù)的初始協(xié)方差陣為

(16)

3)動(dòng)態(tài)噪聲的初始方差陣。

當(dāng)以測(cè)點(diǎn)的3維位置和瞬時(shí)速率作為狀態(tài)參數(shù)時(shí)，則瞬時(shí)加速率為動(dòng)態(tài)噪聲，根據(jù)協(xié)方差陣傳播定律，其方差陣為

DΩ(0)=4Δt-4Dξ0。

(17)

這樣，利用CORSRTK測(cè)量獲得測(cè)點(diǎn)3維位置序列即可獲得系統(tǒng)的初始狀態(tài)；然后利用式(9)和式(10)對(duì)此3維位置序列進(jìn)行濾波。

3試驗(yàn)與結(jié)果分析

3.1試驗(yàn)簡(jiǎn)介

為驗(yàn)證本文提出的濾波算法的正確性，于2014-11-17在研究區(qū)的潘一東區(qū)1252(1)首采工作面觀測(cè)站和12421(1)綜采面觀測(cè)站的部分監(jiān)測(cè)點(diǎn)(共45點(diǎn))上進(jìn)行試驗(yàn)。試驗(yàn)時(shí)，分別采用1臺(tái)LeciaSprinter150數(shù)字水準(zhǔn)儀和1臺(tái)套CORSRTK移動(dòng)終端(采用兼容BDS/GPS的接收機(jī))進(jìn)行外業(yè)數(shù)據(jù)采集。采用CORSRTK測(cè)量時(shí)，每點(diǎn)觀測(cè)30次以上。

對(duì)于RTK測(cè)量，坐標(biāo)系統(tǒng)轉(zhuǎn)換和高程系統(tǒng)轉(zhuǎn)換參數(shù)采用連接測(cè)量階段的成果。觀測(cè)時(shí)，要求對(duì)中桿對(duì)點(diǎn)準(zhǔn)確、立桿穩(wěn)定，兩人配合，一人對(duì)點(diǎn)，一人采集數(shù)據(jù)；每點(diǎn)觀測(cè)2min，采樣率為2s，當(dāng)觀測(cè)條件較差時(shí)(如樹(shù)底下)，適當(dāng)延長(zhǎng)時(shí)間。

對(duì)于RTK測(cè)量，分別采用常規(guī)數(shù)據(jù)處理方法和本文提出的濾波處理方法。采用常規(guī)數(shù)據(jù)處理方法時(shí)，取各測(cè)點(diǎn)所有觀測(cè)歷元的平均值并進(jìn)行精度評(píng)價(jià)；采用濾波方法，數(shù)據(jù)處理方法參見(jiàn)第一節(jié)所述“Kalman濾波算法的主要思路”。

3.2數(shù)值結(jié)果與分析

(18)

對(duì)于濾波RTK測(cè)量，若某一測(cè)點(diǎn)i觀測(cè)了n個(gè)歷元，取各歷元濾波后平面坐標(biāo)(分量)和高程的平均值為該測(cè)點(diǎn)的最終成果，即:

則平均值中誤差為:

有

(19)

從表1和表2中可以看出：對(duì)于RTK測(cè)量本身的精度而言，與常規(guī)RTK測(cè)量相比，采用本文提出的Kalman濾波RTK測(cè)量，其平面位置精度和高程位置精度得到了大幅度的提升(約提高了4倍)；同時(shí)精度分布更為均勻，即濾波后各點(diǎn)的測(cè)量成果更為穩(wěn)定和可靠。這就為獲得穩(wěn)定的正常高提供了基礎(chǔ)。

表3中列出了這45個(gè)測(cè)點(diǎn)上濾波RTK高程測(cè)量、常規(guī)RTK高程測(cè)量與水準(zhǔn)測(cè)量高程測(cè)量之間結(jié)果差異的統(tǒng)計(jì)信息，圖1繪出了該差異圖形。

表1　RTK測(cè)量平面精度統(tǒng)計(jì)信息

表2　RTK測(cè)量高程精度統(tǒng)計(jì)信息

表3　高程測(cè)量差值統(tǒng)計(jì)信息

圖1　RTK高程測(cè)量與水準(zhǔn)測(cè)量的差異

從表3和圖1可以看出，對(duì)于本次試驗(yàn)而言：

1)對(duì)于常規(guī)RTK測(cè)量，其轉(zhuǎn)換后的正常高與水準(zhǔn)測(cè)量成果相比，差異很大，且這種差異存在系統(tǒng)性,最大相差約10 cm，平均差值約8 cm，差值中誤差約1 cm，難以滿足開(kāi)采沉陷監(jiān)測(cè)對(duì)高程測(cè)量的精度要求。

2)對(duì)于濾波RTK測(cè)量，與常規(guī)RTK測(cè)量相比，除其內(nèi)部精度得到大幅度提升外(參見(jiàn)表1和表2)，其轉(zhuǎn)換后的正常高的精度也得到了大幅度的提高，且消除了常規(guī)RTK高程測(cè)量的系統(tǒng)性誤差。其轉(zhuǎn)換后的正常高與水準(zhǔn)測(cè)量成果相比，差異較小，最大相差約1.8 cm，平均差值約0.3 cm，差值中誤差約0.9 cm。從中誤差來(lái)看，略超過(guò)要求的±0.7 cm，基本滿足開(kāi)采沉陷監(jiān)測(cè)對(duì)高程測(cè)量的精度要求。

3)對(duì)于濾波RTK測(cè)量，與水準(zhǔn)測(cè)量高程相比，差值在±0.7 cm以內(nèi)的點(diǎn)有21個(gè)，占46.7%，差值在±1.0 cm以內(nèi)的約占70%以上，差值在±1.5 cm以內(nèi)的點(diǎn)有44個(gè)，占97.7%，極少出現(xiàn)差值超過(guò)±1.5 cm的情況。這說(shuō)明濾波RTK高程測(cè)量，具有較好的穩(wěn)定性和可靠性。

4結(jié)束語(yǔ)

在“地表移動(dòng)自動(dòng)化監(jiān)測(cè)系統(tǒng)研究”項(xiàng)目中，為提高實(shí)時(shí)數(shù)據(jù)采集終端系統(tǒng)采用CORS RTK測(cè)量模式獲得的各測(cè)點(diǎn)空間位置(特別是高程)信息的精度和可靠性，結(jié)合開(kāi)采沉陷監(jiān)測(cè)的特點(diǎn)，本文建立了Kalman濾波算法，對(duì)RTK測(cè)量獲得的測(cè)點(diǎn)空間位置序列進(jìn)行進(jìn)一步處理。研究區(qū)域的實(shí)測(cè)數(shù)據(jù)表明:采用Kalman濾波RTK測(cè)量，其平面位置精度和高程位置精度得到了大幅度的提升(約為常規(guī)RTK測(cè)量的4倍);同時(shí)精度分布更為均勻，即濾波后各點(diǎn)的測(cè)量成果更為穩(wěn)定和可靠。這就為獲得穩(wěn)定的正常高提供了基礎(chǔ)。

對(duì)于開(kāi)采沉陷監(jiān)測(cè)，為確定移動(dòng)變形邊界，要求平面點(diǎn)位相對(duì)中誤差不超過(guò)±1.4 cm，邊界部分最弱點(diǎn)高程中誤差不超過(guò)±0.71 cm。對(duì)于本試驗(yàn)的濾波RTK測(cè)量而言，平面位置精度平均不超過(guò)±2.5 mm，最大不超過(guò)±5.0 mm，完全滿足開(kāi)采沉陷監(jiān)測(cè)對(duì)平面位置測(cè)量的精度要求；對(duì)于濾波RTK高程測(cè)量，與水準(zhǔn)測(cè)量高程相比，高程差值的中誤差為±0.84 cm，與±0.71 cm相接近。若為確定正確的移動(dòng)變形邊界，該種算法還需要進(jìn)一步改進(jìn)；但對(duì)于沉陷區(qū)的非邊界區(qū)域測(cè)量，濾波RTK高程測(cè)量仍可以獲得良好的監(jiān)測(cè)成果，這就為高效、快速采集移動(dòng)變形信息提供了技術(shù)保障。

影響濾波RTK高程測(cè)量精度的因素主要有RTK測(cè)量本身的精度(平面和高程)、天線相位中心偏差、測(cè)區(qū)高程(似大地水準(zhǔn)面)擬合模型的精度、觀測(cè)條件等，特別是前2種因素，這是后續(xù)改進(jìn)中需要考慮的主要問(wèn)題。

參考文獻(xiàn)

[1]何國(guó)清，楊倫，凌賡娣，等.礦山開(kāi)采沉陷學(xué)[M].徐州：中國(guó)礦業(yè)大學(xué)出版社，1991：53-56.

[2]余學(xué)祥，秦永洋，孫興平，等.相鄰工作面綜合地表移動(dòng)觀測(cè)站的設(shè)計(jì)與連接測(cè)量[J].大連大學(xué)學(xué)報(bào)，2008，29(6)：74-79.

[3]余學(xué)祥，秦永洋，孫興平，等.顧橋煤礦11-2煤綜采面地表移動(dòng)變形基本特征分析[J].礦山測(cè)量，2009(12)：8-12.

[4]余學(xué)祥，鄧蓉蓉，張美微，等.基于似單差法的井筒沉降監(jiān)測(cè)試驗(yàn)與結(jié)果分析[J].合肥工業(yè)大學(xué)學(xué)報(bào)：自然科學(xué)版，2012，35(6)：804-808.

[5]馬洪濱，孫軍，周海壯，等.鞍山市連續(xù)運(yùn)行參考站系統(tǒng)建設(shè)與定位精度分析[J].導(dǎo)航定位學(xué)報(bào)，2013，1(1)：89-95.

[6]吳文壇，田摯，李哲，等.河北CORS在大比例尺傾斜航空攝影測(cè)量中的應(yīng)用[J].測(cè)繪通報(bào)，2013(2)：63-66.

[7]蔣法文，劉可勝，杭玉付，等.煤礦開(kāi)采沉陷自動(dòng)化監(jiān)測(cè)實(shí)時(shí)數(shù)據(jù)采集終端系統(tǒng)研究[J].礦山測(cè)量，2014(5)：93-97.

[8]余學(xué)祥，呂偉才.GPS監(jiān)測(cè)網(wǎng)動(dòng)態(tài)數(shù)據(jù)處理抗差Kalman濾波模型[J].中國(guó)礦業(yè)大學(xué)學(xué)報(bào)，2000，29(6)：553-557.

[9]余學(xué)祥，呂偉才.抗差卡爾曼濾波模型及其在GPS監(jiān)測(cè)網(wǎng)中的應(yīng)用[J].測(cè)繪學(xué)報(bào)，2001，30(1)：27-31.

[10]楊元喜.動(dòng)態(tài)Kalman濾波模型誤差的影響[J].測(cè)繪科學(xué)，2006，31(1)：17-18.

[11]尹航，朱紀(jì)洪，周池軍，等.基于Kalman預(yù)報(bào)觀測(cè)器的增量動(dòng)態(tài)逆控制[J].清華大學(xué)學(xué)報(bào)：自然科學(xué)版，2014，54(12)：1534-1538，1543.

[12]柯福陽(yáng)，王慶，潘樹(shù)國(guó).網(wǎng)絡(luò)RTK長(zhǎng)基線模糊度解算方法研究[J].大地測(cè)量與地球動(dòng)力學(xué)，2012，32(5)：72-77.

[13]徐彥田，程鵬飛，蔡艷輝，等.單頻RTK動(dòng)態(tài)解算的卡爾曼濾波算法研究[J].測(cè)繪科學(xué)，2012，37(4)：43-44.

[14]LV Weicai，XU Shaoquan.Kalman filtering algorithm research for the deformation information series of the similar single-difference model[J].Journal of China University of Mining and Technology，2004，14(2)：189-194.

[15]余學(xué)祥，呂偉才，柯福陽(yáng)，等.煤礦開(kāi)采沉陷自動(dòng)化監(jiān)測(cè)系統(tǒng)[M].北京：測(cè)繪出版社，2014：192-217.

Kalman filter algorithm for improving mobile terminal measurement accuracy

LV Weicai1，JIANG Fawen2，HANG Yufu2，ZHU Yazhou1，YANG Xu1，CHEN Xiaoyi1，WANG Yang1，WANG Ze1

(1.School of Geomatics，Anhui University of Science and Technology，Anhui Huainan 232001，China；2.Huainan Mining Group Co.，Ltd.，Anhui Huainan 232001，China)

Abstract：For conventional RTK measurement accuracy is lower in mining subsidence monitoring，according to the characteristics of the coal mining subsidence monitoring，and basing on the coordinate and it’s accuracy collected by the real-time data acquisition terminal system of the coal mining subsidence monitoring automation system，in order to further improve the mobile terminal measurement accuracy，the kalman filtering model was built.Using the measured data of surface movement observation station，and comparing with the results of the conventional RTK measurement and levelling measurement，the filtered measuring accuracy got better improvement.From the internal accuracy of filtering RTK measurement，the plane measurement average accuracy could be up to±0.3 cm，and the height measurement average accuracy was about ±0.5 cm.This internal accuracy could fully meet the accuracy requirement of mining subsidence monitoring.Comparing with the results of the filtering RTK measurement and levelling measurement，the height measurement external accuracy was about ±0.8 cm，which basically meet the accuracy requirement of mining subsidence height monitoring.

Keywords：mining subsidence monitoring；terminal system；RTK surveying；Kalman filter；accuracy analysis

收稿日期：2015-08-12

基金項(xiàng)目：國(guó)家自然科學(xué)基金資助項(xiàng)目(41474026)；淮南礦業(yè)(集團(tuán))有限責(zé)任公司資助項(xiàng)目(HNKY-JTJS(2013)- 28)；安徽省國(guó)土資源廳科技資助項(xiàng)目(2011-K -22；2011-K-18) 。

第一作者簡(jiǎn)介：呂偉才(1965—)，女，山東青島人，副教授，碩士生導(dǎo)師，研究方向?yàn)镚NSS測(cè)量與數(shù)據(jù)處理。

中圖分類號(hào)：P228.1

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：2095-4999(2016)02-0047-06

引文格式：呂偉才，蔣法文，杭玉付，等.改善移動(dòng)終端測(cè)量精度的卡爾曼濾波算法[J].導(dǎo)航定位學(xué)報(bào)，2016，4(2)：47-52.(LV Weicai，JIANG Fawen，HANG Yufu，et al.Kalman filter algorithm for improving mobile terminal measurement accuracy[J].Journal of Navigation and Positioning，2016，4(2)：47-52.)DOI：10.16547/j.cnki.10-1096.20160210.