第24卷第3期 2014年9月
文章编号：1005=6157(2014)03=0217=3
安徽地质
GeologyofAnhui
Vol.24 No.3 September 2014
卡尔曼滤波在建筑沉降监测数据处理中的应用
邓毅
（安徽省地质测绘技术院，安徽合肥230022）
摘要：卡尔受滤波作为一种动态数据处理方法已广泛应用于变形监测数据处理中。本文结合合肥市某小区6号楼沉降监测数据，建立相应的卡尔曼滤波模型，通过MATLAB编程实现，成果显示该模型较好的模拟了建筑物况降的变化规律。
关键词：卡尔曼滤波：况降监测；数据处理；变化规律
中图分类号：TN713;TV233.21
0引言
文献标志码：A
中提出的。卡尔曼滤波是一种具有期相同的。
的重要手段，在变形监测中，需及即估计误差的均值或数学期望为
随机线性离散系统的运动可用
时有效地从变形监测信息中进行数
零。邓跃进(1996)介绍了卡尔曼滤
带有随机初始状态、系统过程噪声
波技术的基本思想，给出了自适应
据挖掘，从中提取关键性数据，对
卡尔曼滤波动态噪声方差阵补偿法
变形进行分析与解释，尤其是对建
筑物的变形监测。建筑物变形监测
的计算公式，以及分析了应用中存
在的问题及解决途径，通过实例说
是测定建筑物及其地基在建筑物简
载和外力作用下随时间变形的工作。在进行监测时，一般在建筑物特征部位埋设变形监测标志，在变形影响范围之外埋设基准点，定期
测量监测点相对于基准点的变形。
明了该法用于变形监测预报其有较
及观测噪声的差分方程和离散型观测方程来描述：
X, = kkIx) +IkkIWe+ (1) z, =Hx +Vk
(2)
式中：Φu是nxn维非奇异状
高的精度。S.J.Julier、J.K.Uhlmann
态一步转移矩阵；F-是n×p维系
（1997）提出了不敏卡尔曼滤波器
统过程噪声输人矩阵；H,是mXn维
（UnscentedKalmanFilter），在）
观测矩阵；W-为P维系统随机噪声
模型参数估计、人头或手的方位跟
序列；V为m维系统随机观测噪声
踪、飞行器的状态或参数估计等方序列。
从历次监测结果的比较中了解变形
随时间发展的情况，分析变形原因，并针对建筑物形变状态进行有效处理，及时做好相关防范和预防措施，从而保证人民生命财产安全。所以，对建筑物尤其是已经用于居住的建筑物进行变形分析和预测是十分重要的。
面得到广泛应用。王利等(2006)详
关于随机线性离散系统噪声的
细地讨论了离散线性系统的卡尔曼
假设与性质在有关文献中表述较为详细，这里不做费述。
滤波模型的建立及相应的精度评定
公式，通过对某大坝动态变形监测2MATLAB编程实现
数据的卡尔受滤波处理和结果分
MATLAB，全称是Matrix
析，发现卡尔曼滤波值、预报值与Laboratory，即矩阵实验室，是由原始观测值数据曲线的变化趋势非美国MathWorks公司发布的商业数
卡尔曼（Kalman）滤波是由常接近，说明所建立的卡尔曼滤波：
学软件，用于算法开发、数据可视
卡尔曼（R.E.Kalman）博士为满足
模型是合理的、可靠的，可以较好
数据分析以及数值计算的高
化、
计算机用于人造地球卫星定轨和导
地模拟动态目标系统的变化规律。
级技术计算谱言和交互式环境
航等计算的要求，在1960年发表的论文《ANewApproachtoLinear Filtering and Predition Problems》（线性滤波与预测回题的新方法）
收稿日期：2014-05-20
同时，卡尔曼滤波模型能够实时、
主要包括MATLAB和Simulink两大
快速地处理大量动态变形数据，并部分。其强大的数值计算能力，能有效地改善动态变形监测数据的
MATLAB被广泛应用于测绘领域的
精度，并且，不要求观测数据是周
数据处理。因此，本文中的卡尔曼
作奢商介：邓毅1983一)，男，安激蒙城人，助理工程师，从事GPS测量、数字化测图、勘界测量等工作。