对大型工程结构物或者建筑物进行动态变形监测,可以实时监测工程结构物的变形状况,从而采取相应的维护措施,避免灾难性的事故发生。Kalman滤波是一种广泛应用于动态数据处理的滤波方法,其能够从带有噪声的观测数据中对参数进行估计,并做出下一步预测。本文对Kalman滤波方法及其在动态变形监测中的应用进行了研究,其中主要内容和贡献有:　　 (1)标准Kalman滤波最优算法是建立在给定准确的函数模型和随机模型基础之上的,因而其使用受到一定限制。本文对标准Kalman滤波、Sage自适应滤波、抗差Kalman滤波和抗差自适应Kalman滤波等几种主要滤波算法进行了介绍以及编程实现。并针对抗差自适应Kalman滤波算法中的自适应因子和抗差等价权矩阵的计算进行了研究和改进,利用模拟振动台GPS观测数据和某高速公路边坡监测数据验证了改进算法的有效性,同时对上述几种算法进行了比较分析,以指导实践应用。　　 (2)在动态定位或动态变形监测中,Kalman滤波的状态模型一般采用随机游走、常速度和常加速运动学模型。然而用这些简单的运动学模型来描述变形体的复杂运动状态都不可避免的含有模型误差。本文对上述三种状态模型进行了详细介绍和分析,并采用振动台模拟数据,分别对上述几种模型进行了比较分析,给出了不同模型在变形监测应用中的优缺点,为变形监测中状态模型的选择提供了参考。　　 (3)在高精度GPS定位中,当观测点周围环境变化很小时,GPS多路径效应具有很强的重复性。利用该特性建立误差改正模型是削弱多路径效应系统误差的一种有效方法,但是随着距离误差改正模型的时间间隔加长,其重复性减小,该方法的有效性也快速降低。为此,提出一种基于增广参数Kalman滤波的多路径效应系统误差估计方法,将系统误差作为状态参数,并对其建立一阶AR模型,同时利用多路径重复性特性,更新多路径误差改正模型,在一定程度上解决固定多路径误差模型随着时间推移重复性减小而有效性降低的问题,并利用16天实测数据例证了本方法具有一定的可行性和有效性。　　 (4)GPS具有能够直接测量工程结构物监测点三维坐标等优点,加速度计能够测量高楼振动时所产生的加速度,具有精度高、采样率高等优点。为充分发挥两种传感器的优点与作用,建立了一种具有多速率滤波以及抗差功能的GPS与加速度计集成的Kalman滤波方法。应用GPS振动台和加速度计实测数据进行实验,结果表明:该方法可有效提高GPS进行高楼振动监测的精度、采样率及可靠性。