SKF滤波与AKF滤波在边坡形变的应用

近年来处理边坡形变数据有很多方法,学术界较为流行的方法是把边坡体视为一个机动目标,对单条边坡体轨迹进行卡尔曼滤波平滑,来进行预测和估计。针对标准Kalman滤波观测噪声R为固定值的缺陷,本文进行了改进并对比,改进的自适应Kalman的精度得到提高,以中误差RMSE为指标分别减小了42.72%、19.70%、15.87%、16.21%,对同一边坡体多个测量点的轨迹进行融合,边坡的整体中误差下降了23.90%。