CN105954780A - 基于民用差分定位技术的位置服务提供方法 - Google Patents

Abstract

本发明提供了一种基于民用差分定位技术的位置服务提供方法，该方法包括：将卫星参数送入对应的相应信号跟踪通道，完成跟踪通道的初始化；提取检测信息中的经度，纬度，海拔坐标数据，经过坐标系转换之后分别进行滤波，作为最终使用的位置数据。本发明提出了一种基于民用差分定位技术的位置服务提供方法，提供车辆信息的精准定位，在应对车辆非正常移动时，能够及时反应，最大程度的避免财产的损失。

Description

基于民用差分定位技术的位置服务提供方法

技术领域

本发明涉及GPS技术，特别涉及一种基于民用差分定位技术的位置服务提供方法。

背景技术

汽车逐渐普及化，成为人们出行的重要交通工具。但随着数量不断增加，交通事故、被劫等犯罪活动呈上升趋势。随之GPS定位监控信息系统被广泛应用到其中，发挥着不可替代的作用，能够准确记录车辆状态参数，提供行车路线监视等多种服务，促使汽车处于安全、稳定运行中。现有的车辆位置监控系统大多针对动态行驶中的GPS定位，采用单颗卫星，无法满足停车状态下精确检测线路的状态和建筑群等定位干扰的情况，同时也存在着成本过高、误差过大的弊端。

发明内容

为解决上述现有技术所存在的问题，本发明提出了一种基于民用差分定位技术的位置服务提供方法，包括：

将卫星参数送入对应的相应信号跟踪通道，完成跟踪通道的初始化；提取检测信息中的经度，纬度，海拔坐标数据，经过坐标系转换之后分别进行滤波，作为最终使用的位置数据。

优选地，其中每颗卫星信号对应跟踪通道均由码跟踪环和载波跟踪环两个环路组成，分别用来跟踪对应卫星的码相位和载波相位；码跟踪环和载波跟踪环均包括鉴相器/鉴码器、低通滤波器、数控振荡器；跟踪环路具体工作过程为：通过对环路鉴相器的相位偏差进行观测，控制逻辑调整码发生器，实现本地复现码频率的调整，调整后新产生本地信号和信号进行相关运算后送入鉴相器；初始化跟踪通道参数，提取捕捉数据初始化跟踪参数；生成本地复现信号的同相和正交载波信号；提取1ms的GPS中频信号数据，并和对应本地复现I，Q路载波信号相乘，转成基带信号；计算码相位偏差输出和载波相位偏差，调整更新码和载波频率；

当跟踪进入稳定阶段时进行导航数据提取，首先将跟踪模块输出信号从1ms/位转化到20ms/位；每20ms进行一次取平均运算，并量化为1或-1，通过检测寻找过零点，即在-1和1之间发生跳变的时刻，进而找出I支路输出数据序列中比特发生转换的时刻；根据20个点进行一次转变的频率，找到其他发生跳变的时刻点；将位同步后的连续数据送入本地缓存，形成数据流；

所述滤波包括以下过程：

X_k+l＝Θ_kX_k+W_k

Z_k+1＝H_k+lX_k+l+V_k+1

其中X_k+1是系统n维状态向量，Z_k+1是系统m维观测序列，W_k是过程噪声序列，V_k+1是m维观测噪声序列；Θ_k是系统n×n维状态转移矩阵H_k+1是m×n维观测矩阵；

滤波过程包括时间更新和观测更新：

时间更新：X’_k,k+1＝Θ_kX’_k

F_k,k+1＝Θ_kF_kΘ^T _k

其中X’_k,F_k是k时状态量及其协方差矩阵的最优估计值，也是k+1时对应的先验值，X’_k,k+1，F_k,k+1是k+1时状态量和它的协方差矩阵的根据k时最优估计值做出的预测值；

观测更新为：

K_k+l＝F_k,k+1H^T _k+l(H_k+lF_kH^T _k+l+R_k+l)^-1

X’_k+1＝X’_k,k+1+K_k+1(Z_k+1-H_k+lX_k,k+1)

F_k+l＝K_k+lH_k+lF_k,k+1

其中，K_k+1是增益矩阵，R_k为V_k的协方差矩阵；

使用以上方程，将需要进行滤波校准的经度，纬度和海拔作为系统的观测值代入，初始状态量使用初始观测值，引入目标加速度的非零均值，通过自适应的方式不断更新W_k，通过离线实验得到最适合的V_k值，确定以上参数后，对经纬度，海拔完成滤波过程，获得最优估计值。

本发明相比现有技术，具有以下优点：

本发明提出了一种基于民用差分定位技术的位置服务提供方法，提供车辆信息的精准定位，在应对车辆非正常移动时，能够及时反应，最大程度的避免财产的损失。

附图说明

图1是根据本发明实施例的基于民用差分定位技术的位置服务提供方法的流程图。

具体实施方式

下文与图示本发明原理的附图一起提供对本发明一个或者多个实施例的详细描述。结合这样的实施例描述本发明，但是本发明不限于任何实施例。本发明的范围仅由权利要求书限定，并且本发明涵盖诸多替代、修改和等同物。在下文描述中阐述诸多具体细节以便提供对本发明的透彻理解。出于示例的目的而提供这些细节，并且无这些具体细节中的一些或者所有细节也可以根据权利要求书实现本发明。

本发明的一方面提供了一种基于民用差分定位技术的位置服务提供方法。图1是根据本发明实施例的基于民用差分定位技术的位置服务提供方法流程图。

本发明使用民用差分定位技术，利用其定位精度高，实时监控效果好的特点，完成对车辆的高精度实时定位检测，随时监控车辆的移动轨迹。车联网定位检测系统包括基站，车载终端和数据处理单元。在实际应用环境中，系统的基站安装在系统车载终端附近的电信基站上。

基站的位置固定不动，并通过精密测量得出位置信息后保存在基站芯片中。基站通过GPS天线接收卫星信号，得到实时的位置信息，在基站芯片中通过与精密测量得出的位置信息进行比较，使用载波相位差分技术，得到差分定位信息，并将得到的差分校准信息发送给车载终端。

车载终端接收到从基站得到的差分校准信息，同时通过GPS天线接收卫星信号。在车载终端芯片中通过差分校准信号来校准通过卫星信号得到的位置信息，由此得出较为精准的位置信息。

数据处理单元负责通过通信模块实时接收车载终端发来的经过校准的位置信息，实现实时观测车载终端的移动。同时在接收数据信息基础上，对位置信息进行提取和坐标系转换，对获得数据进行滤波，进一步提高位置信息精度。

基站的具体工作过程如下：

第一步，基站通过卫星天线收到卫星发送的检测数据，将数据传入数据处理单元中。

第二步，数据处理单元处理收到的检测数据，结合已有确定位置信息，获得差分校准信息，将处理过的需要发送的数据传送到基站。

第三步，基站获得数据处理单元发送的数据后，经天线将信号转换成电磁波把数据发送出去，完成基站完整的数据传输过程。

基站的通信模块通过外接直流蓄电池供电。

电源控制模块，GPS天线，信息处理模块和电压转换模块四部分通过电源模块供电。

车载终端具体的工作过程如下：

第一步，车载终端的通信模块接收从基站通信模块发送来的基准差分定位信息；车载终端的卫星天线接收卫星检测信号，获得检测信息，传入基站中。

第二步，车载终端的通信模块将差分校准信息经电压转换后，传输给基站。基站结合GPS天线获得的检测信息以及差分校准信息计算获得校准后的检测数据，并对外发送。

第三步，车载终端的通信模块获得校准后的检测数据，将数字信号转换成模拟信号后将数据发送出去，此时就完成了车载终端完整的数据传输过程。

车载终端的供电情况与基站相同，包括GPS天线，信息处理模块和电压转换模块和电源控制模块共四个模块需要通过电源模块供电。同样使用外接直流蓄电池为电源模块供电，电源转化模块转化蓄电池供应的电能，为五大模块提供电源。同样，车载终端的通信模块也是通过外接直流蓄电池获得供电。

数据处理单元的正常工作过程如下：

第一步，数据处理单元的通信模块接收车载终端的通信模块定期发送的经过差分校准后的车载终端检测数据信息。在以上过程中，通信模块只负责接收数据，因此设置为单向接收的工作模式。

第二步，通信模块将接收到的数据传送给数据处理单元开始处理，首先提取数据中的经度纬度和海拔信息，进一步通过坐标系转换，将检测信息中的纬度、经度数据由大地坐标系转换为平面坐标系的投影数据。

第三步，通过滤波提升数据精度。实现对车辆移动的实时检测、跟踪和位移测距的工作。

基站对GPS信号的捕捉前首先要确定中频信号的数据长度。然后在码相位并行搜索策略中，输入数据与本地数控振荡器产生的同相和正交相载波相乘，得到I,Q两路信号，经FFT运算后，与伪码发生器产生的伪码的FFT的复共轭形式相乘，然后将乘积进行逆傅里叶变换，并进行绝对值计算(求功率)，最后将该绝对值与捕捉门限值η相比较。如果该绝对值大于η，则信号捕捉成功；反之则失败。

单颗卫星的信号捕捉实现过程为：

利用离散傅里叶变换DFT，将伪码转换到频域；

生成本地复现余弦/正弦载波信号，即本地同相I和正交相Q信号；

将GPS数字中频信号与本地复现载波信号相乘，混频到基带，并在频域内表示基带信号；

将在频域内表示的基带信号与伪码相乘后的结果，进行逆傅里叶变换，实现信号时域表示，并记录结果；

寻找峰值并和捕捉阈值相比对，记录大于阈值的峰值出所在伪码相位、载波频；若小于阈值则调整伪码的载波，重复上述步骤，直到找到峰值。

对所有卫星采用上述流程，保存峰值对应伪码以及伪码相位和载波值。

将上述捕捉的卫星参数送入对应的相应信号跟踪通道，完成跟踪通道的初始化。每颗卫星信号对应跟踪通道均由码跟踪环和载波跟踪环两个环路组成，分别用来跟踪对应卫星的码相位和载波相位。码跟踪环和载波跟踪环均包括鉴相器/鉴码器、低通滤波器、数控振荡器。

跟踪环路具体工作过程为：通过对环路鉴相器的相位偏差进行观测，控制逻辑调整码发生器，实现本地复现码频率的调整，调整后新产生本地信号和信号进行相关运算后送入鉴相器。初始化跟踪通道参数，提取捕捉数据初始化跟踪参数；生成本地复现信号的同相和正交载波信号；提取1ms的GPS中频信号数据，并和对应本地复现I，Q路载波信号相乘，转成基带信号；计算码相位偏差输出和载波相位偏差，调整更新码和载波频率。

跟踪进入稳定阶段，则可以进行导航数据提取。首先必须将跟踪模块输出信号从1ms/位转化到20ms/位；每20ms进行一次取平均运算，并量化为1或-1，通过检测寻找过零点，即在-1和1之间发生跳变的时刻，进而找出I支路输出数据序列中比特发生转换的时刻。根据20个点进行一次转变的频率，找到其他发生跳变的时刻点。将位同步后的连续数据送入本地缓存，形成数据流。

为了降低造成偏差的干扰源的影响，从民用差分定位输出的检测数据处理，将所有误差造成的影响看做一个总的误差，利用滤波进行处理提高数据精度。

首先提取检测信息中的经度，纬度，海拔坐标数据，经过坐标系转换之后对平面坐标系下的三个数据分别进行滤波。将通过滤波获得的校准后数据作为最终使用的位置数据。通过对坐标数据进行滤波，消除测量过程中出现的误差，从而进一步提高检测数据的位置精度。下面简要介绍滤波方法。

滤波的函数模型为：

X_k+l＝Θ_kX_k+W_k

Z_k+1＝H_k+lX_k+l+V_k+1

其中X_k+1是系统n维状态向量，Z_k+1是系统m维观测序列,W_k是过程噪声序列，V_k+1是m维观测噪声序列；Θ_k是系统n×n维状态转移矩阵H_k+1是m×n维观测矩阵；

滤波过程可以包括时间更新和观测更新：

时间更新：X’_k,k+1＝Θ_kX’_k

观测更新：F_k,k+1＝Θ_kF_kΘ^T _k

上式中X’_k,F_k是k时状态量及其协方差矩阵的最优估计值，也是k+1时对应的先验值，X’_k,k+1，F_k,k+1是k+1时状态量和它的协方差矩阵的根据k时最优估计值做出的预测值。

观测更新为：

K_k+l＝F_k,k+1H^T _k+l(H_k+lF_kH^T _k+l+R_k+l)^-1

X’_k+1＝X’_k,k+1+K_k+1(Z_k+1-H_k+lX_k,k+1)

F_k+l＝K_k+lH_k+lF_k,k+1

其中，K_k+1是增益矩阵，R_k为V_k的协方差矩阵。

使用以上方程，将需要进行滤波校准的经度，纬度和海拔，作为系统的观测值代入，初始状态量使用初始观测值，引入目标加速度的非零均值，通过自适应的方式不断更新W_k，通过离线实验得到最适合的V_k值，确定以上参数后，对经纬度，海拔完成滤波过程，获得最优估计值。

综上所述，本发明提出了一种基于民用差分定位技术的位置服务提供方法，提供车辆信息的精准定位，在应对车辆非正常移动时，能够及时反应，最大程度的避免财产的损失。

显然，本领域的技术人员应该理解，上述的本发明的各模块或各步骤可以用通用的计算系统来实现，它们可以集中在单个的计算系统上，或者分布在多个计算系统所组成的网络上，可选地，它们可以用计算系统可执行的程序代码来实现，从而，可以将它们存储在存储系统中由计算系统来执行。这样，本发明不限制于任何特定的硬件和软件结合。

应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。

Claims (2)

1.一种基于民用差分定位技术的位置服务提供方法，其特征在于，包括：

将卫星参数送入对应的相应信号跟踪通道，完成跟踪通道的初始化；提取检测信息中的经度，纬度，海拔坐标数据，经过坐标系转换之后分别进行滤波，作为最终使用的位置数据。

2.根据权利要求1所述的方法，其特征在于，其中每颗卫星信号对应跟踪通道均由码跟踪环和载波跟踪环两个环路组成，分别用来跟踪对应卫星的码相位和载波相位；码跟踪环和载波跟踪环均包括鉴相器/鉴码器、低通滤波器、数控振荡器；跟踪环路具体工作过程为：通过对环路鉴相器的相位偏差进行观测，控制逻辑调整码发生器，实现本地复现码频率的调整，调整后新产生本地信号和信号进行相关运算后送入鉴相器；初始化跟踪通道参数，提取捕捉数据初始化跟踪参数；生成本地复现信号的同相和正交载波信号；提取1ms的GPS中频信号数据，并和对应本地复现I，Q路载波信号相乘，转成基带信号；计算码相位偏差输出和载波相位偏差，调整更新码和载波频率；

当跟踪进入稳定阶段时进行导航数据提取，首先将跟踪模块输出信号从1ms/位转化到20ms/位；每20ms进行一次取平均运算，并量化为1或-1，通过检测寻找过零点，即在-1和1之间发生跳变的时刻，进而找出I支路输出数据序列中比特发生转换的时刻；根据20个点进行一次转变的频率，找到其他发生跳变的时刻点；将位同步后的连续数据送入本地缓存，形成数据流；

所述滤波包括以下过程：

X_k+l＝Θ_kX_k+W_k

Z_k+1＝H_k+lX_k+l+V_k+1

其中X_k+1是系统n维状态向量，Z_k+1是系统m维观测序列，W_k是过程噪声序列，V_k+1是m维观测噪声序列；Θ_k是系统n×n维状态转移矩阵H_k+1是m×n维观测矩阵；

滤波过程包括时间更新和观测更新：

时间更新：X’_k,k+1＝Θ_kX’_k

F_k，k+1＝Θ_kF_kΘ^T _k

其中X’_k,F_k是k时状态量及其协方差矩阵的最优估计值，也是k+1时对应的先验值，X’_k,k+1，F_k,k+1是k+1时状态量和它的协方差矩阵的根据k时最优估计值做出的预测值；

观测更新为：

K_k+l＝F_k,k+1H^T _k+l(H_k+lF_kH^T _k+l+R_k+l)^-1

X’_k+1＝X’_k,k+1+K_k+1(Z_k+1-H_k+lX_k,k+1)

F_k+l＝K_k+lH_k+lF_k,k+1

其中，K_k+1是增益矩阵，R_k为V_k的协方差矩阵；

使用以上方程，将需要进行滤波校准的经度，纬度和海拔作为系统的观测值代入，初始状态量使用初始观测值，引入目标加速度的非零均值，通过自适应的方式不断更新W_k，通过离线实验得到最适合的V_k值，确定以上参数后，对经纬度，海拔完成滤波过程，获得最优估计值。