《表3 3种Kalman滤波时间尺度稳定度估计Fig.3The Stability Estimation of Three Kalman Filter’s Time Scales》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于渐消因子的改进Kalman滤波时间尺度估计算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

分析3种Kalman算法计算时间尺度的稳定度，由图2和表3可知，相比Kalman算法和A-Kalman算法，F-Kalman算法计算得到的时间尺度的稳定度有较明显改善。各区间稳定度提高情况分别为：I1区间平均稳定度提高2.42×10-15和1.40×10-15，最大提高为7.40×10-15和4.20×10-15（取样时间为16 h）。I2区间平均稳定度提高2.00×10-15和3.12×10-16，最大提高为4.90×10-15（取样时间为128 h）和8.0×10-15（取样时间为64 h）。I3区间平均稳定度提高1.03×10-15和1.80×10-16，最大提高为2.80×10-15（取样时间为16 h）和1.00×10-15（取样时间为16 h）。I4区间平均稳定度提高3.50×10-15和2.66×10-15，最大提高为6.25×10-15（取样时间为64 h）和4.00×10-15（取样时间为1 h）。分析得出，取样时间大于等于16 h，相比于Kalman算法，F-Kalman算法的尺度稳定度提高较明显，说明模型状态模型误差主要影响原子钟取样时间大于等于16 h时的稳定度。因此，相比Kalman算法，F-Kalman算法能够改善时间尺度的中长期稳定度。相比A-Kalman算法，F-Kalman算法的尺度稳定度也有提高。