CN108871179A - 基于载波相位差分动静态融合的形变监测定位方法及装置 - Google Patents

基于载波相位差分动静态融合的形变监测定位方法及装置 Download PDF

Info

Publication number
CN108871179A
CN108871179A CN201810425942.2A CN201810425942A CN108871179A CN 108871179 A CN108871179 A CN 108871179A CN 201810425942 A CN201810425942 A CN 201810425942A CN 108871179 A CN108871179 A CN 108871179A
Authority
CN
China
Prior art keywords
floating
carrier phase
matrix
epoch
monitoring station
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201810425942.2A
Other languages
English (en)
Other versions
CN108871179B (zh
Inventor
孙希延
陈凯
纪元法
王守华
欧阳缮
李龙
李晶晶
李有明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guilin University of Electronic Technology
Original Assignee
Guilin University of Electronic Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guilin University of Electronic Technology filed Critical Guilin University of Electronic Technology
Priority to CN201810425942.2A priority Critical patent/CN108871179B/zh
Publication of CN108871179A publication Critical patent/CN108871179A/zh
Application granted granted Critical
Publication of CN108871179B publication Critical patent/CN108871179B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B7/00—Measuring arrangements characterised by the use of electric or magnetic techniques
    • G01B7/16—Measuring arrangements characterised by the use of electric or magnetic techniques for measuring the deformation in a solid, e.g. by resistance strain gauge
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/43—Determining position using carrier phase measurements, e.g. kinematic positioning; using long or short baseline interferometry
    • G01S19/44—Carrier phase ambiguity resolution; Floating ambiguity; LAMBDA [Least-squares AMBiguity Decorrelation Adjustment] method

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明提出一种基于载波相位差分动静态融合的形变监测定位方法,包括接收监测站和基准站GNSS观测数据，将观测数据中的载波相位做站星双差组成无秩亏方程组，基于最小二乘思想采用扩展卡尔曼算法进行迭代解算，得到监测站的浮点位置解，若采用LAMBDA/MLAMBDA算法搜索出模糊度整数值，则最终得到监测站的固定位置解。其中通过周期性调整扩展卡尔曼滤波算法中时间更新过程，将载波相位差分算法的动态模式和静态模式的优势进行融合，来保证精密形变监测的灵敏度和高精度要求。本发明所述的方法可将水平定位精度提高到3mm内，高程定位精度提高到5mm内；相比传统的载波相位差分静态模式方法，该方法有效保证了监测灵敏度，可将形变反应时间保持在要求范围内。

Description

基于载波相位差分动静态融合的形变监测定位方法及装置
技术领域
本发明属于卫星导航定位技术领域，具体涉及一种基于载波相位差分动静态融合的形变监测定位 方法及装置。
背景技术
全球卫星导航系统(GNSS，Global Navigation Satellite System)高精度差分定位技术已广泛 应用于坝体形变监测、山体滑坡和地面沉降等高精度监测领域。随着中国北斗卫星系统的发展，基于 北斗、GPS等卫星定位技术已经广泛应用于各种生产领域,且具有精度高、连续性好、全天候、实时性 的特点,已成为当今主要的监测手段。当前在高精度形变监测领域所用的高精度定位技术是载波相位差 分高精度定位技术，该定位方法通过使基准站和监测站进行双差，有效消除与距离相关的电离层、对 流层、卫星钟差等误差，同时使用载波相位进行双差定位解算，可将实时定位精度提高到厘米级(动 态模式下)，通过扩展卡尔曼的不断滤波，在静态模式下定位精度可达毫米级。在精密形变监测领域， 尤其是在边坡形变监测、沉降监测等，传统载波相位差分定位方法依然存在缺点：动态模式方法由于 解算状态矩阵及其协方差矩阵中的位置部分在扩展卡尔曼滤波的每一历元都要进行初始化，不能连续 进行滤波迭代平滑，导致其在保证灵敏度的同时，降低了解算的定位精度，使得定位精度仅仅在厘米 级水平，无法满足精密监测需求；静态模式仅仅对解算状态矩阵及其协方差矩阵中的位置部分在首历 元进行初始化，经过非首历元的不断迭代导致定位精度高但是灵敏度很差，无法用于精密形变监测等 领域。为解决高精度定位方法在精密形变监测领域适用性不好的问题，目前采用两种解决方式：1、采 用载波相位差分动态模式加平滑算法，该处理方式可提高定位精度，但是精度很难达到毫米级，难以 满足沉降监测的要求，由于采用平滑算法，也会降低算法灵敏度；2、采用周期性静态解算方法，该方 法采用周期性事后静态处理，可有效保证精度和灵敏度，但是需要人工周期性操作，导致监测系统的 自动化水平大打折扣。基于以上情况，在充分研究载波相位差分方法的同时提出将动态模式和静态模 式进行融合的方法，不仅能保证GNSS智能形变监测系统的自动化程度，更能保证定位的精度和灵敏度 的要求。
发明内容
鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于载波相位差分动静态融合的形变 监测定位方法及装置，本发明利用动态模式灵敏度高、静态模式精度高等特点，通过改进扩展卡尔曼 滤波在历元间的迭代策略，将静态模式解算思想和动态模式解算思想进行充分的融合，在折中保证灵 敏度的同时，提高定位的精度，能完全满足在滑坡、沉降等精密监测领域中的应用。
为实现上述目的及其他相关目的，本发明提供一种基于载波相位差分动静态融合的形变监测定位 方法，该方法包括以下步骤：
S1同时接收监测站和基准站的GNSS观测数据；利用监测站观测数据进行单点定位，得到的监测 站单点定位位置(xp,r yp,r zp,r)作为后续扩展卡尔曼时间更新过程初始化的值；
S2选择基准站和监测站能共视的卫星，对载波相位作站星间双差得到双差观测方程组；
S3基于最小二乘思想，采用扩展卡尔曼滤波迭代算法对双差观测方程组进行解算，得到监测站位 置浮点解；
S4对浮点状态矩阵及其协方差矩阵中的载波相位单差部分进行转双差处理，根据整形最小二乘思 想，并基于LAMBDA/MLAMBDA算法搜索得到模糊度的最优值
S5用RATIO算法检测步骤S4得到的模糊度是否正确；若正确，则输出定位固定解否则输出 浮点解rr；
S6解算监测站位置得到固定解，并保存定位浮点状态矩阵及其协方差矩阵，回到步骤一进行下一 历元解算。
优选地，所述步骤S3具体包括以下子步骤：
S31线性化解算方程组：采用泰勒展开式方法将双差观测方程组进行线性化；
S32扩展卡尔曼的时间更新过程：根据上一历元的浮点状态矩阵及其浮点状态协方差矩阵，预测 当前的浮点状态矩阵及浮点状态协方差矩阵；
S33扩展卡尔曼的状态更新过程：根据时间更新过程的浮点状态预测值及观测值，得到浮点状态 的估计值及其浮点状态的估计值的协方差矩阵。
优选地，所述步骤S32具体包括：若当前历元为首历元，则根据监测站单点定位位置(xp,r yp,r zp,r) 及载波相位单差初始值(N1N2...NN)初始化浮点状态矩阵及浮点状态协方差矩阵；
优选地，所述步骤S32具体还包括：若当前历元为非首历元且历元累加值等于定位周期值，则根 据监测站单点定位位置(xp,r yp,r zp,r)及上一历元浮点状态矩阵，初始化当前历元浮点状态矩阵及浮点 状态协方差矩阵；
优选地，所述步骤S32具体还包括：若当前历元为非首历元且历元累加值小于或等于定位周期值， 则根据上一历元的浮点状态矩阵及浮点状态协方差矩阵来更新当前历元的浮点状态矩阵及浮点状 态协方差矩阵。
优选地，所述步骤S5中，用RATIO算法检测步骤S4得到的模糊度的整数值是否正确，其中RATIO 算法对模糊度解的检验公式为：
其中,N表示基于最小二乘思想经过扩展卡尔曼滤波的模糊度浮点解,QN表示N所对应的协方差矩 阵,Rthres表示RATIO算法的判断限值，模糊度的最优值,次优值表示模糊度的次优值。
优选地，所述步骤S2具体包括以下子步骤：
S21对卫星i作站间单差
S22对卫星j作站间单差
S23再根据卫星i、卫星j作站星间双差，得到双差观测方程组。
为实现上述目的及其他相关目的，本发明提供还一种基于载波相位差分动静态融合的形变监测定 位装置，该装置包括：
数据接收模块，用于同时接收监测站和基准站的GNSS观测数据；
单点定位装置，利用监测站观测数据进行单点定位；
双差观测方程组获取模块，选择基准站和监测站能共视的卫星，基于观测载波相位作站星间双差 得到双差观测方程组；
监测站位置浮点解获取模块，基于最小二乘思想，采用扩展卡尔曼滤波迭代算法对双差观测方程 组进行解算，得到监测站位置浮点解；
最优模糊度获取模块，对浮点状态矩阵及其协方差矩阵中的载波相位单差部分进行转双差处理， 根据整形最小二乘思想，并基于LAMBDA/MLAMBDA算法搜索得到模糊度的最优值检测模块，用RATIO 算法检测模糊度是否正确；若正确，则输出定位固定解否则输出浮点解rr；
解算模块，用于解算监测站位置得到固定解。
如上所述，本发明的一种基于载波相位差分动静态融合的形变监测高精度定位方法及装置，具有 以下有益效果：
(1)本发明提出载波相位差分动静态融合的高精度定位方法，该方法通过周期性的对状态矩阵位置 信息初始化，保证了方法在精密形变监测中的灵敏度，同时在每一周期历元内通过卡尔曼对位置信息的不 断迭代，又能保证方法定位的精度。能有效的解决精密形变监测中，尤其在沉降监测等对高程精度要求较 高的领域内，实时监测精度不高的问题。
(2)本发明提出载波相位差分动静态融合的高精度定位方法，与传统载波相位差分动静态高精度方 法相比，在精密形变监测领域应用中能有效保证监测系统的自动化、智能化优势，无需工程人员事后处理 数据来得到mm级精度的监测结果。
附图说明
为了进一步阐述本发明所描述的内容，下面结合附图对本发明的具体实施方式作进一步详细的说 明。应当理解，这些附图仅作为典型示例，而不应看作是对本发明的范围的限定。
图1为载波相位差分动静态融合定位方法整体流程框图；
图2为载波相位差分动静态融合定位方法结构图；
图3为监测站单点定位示意图；
图4为载波相位双差模型；
图5为载波相位差分动静态融合方法实时解算结果。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻 易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本 说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。 需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显 示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的 型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
如图1所示，本发明提出一种基于载波相位差分动静态融合的形变监测定位方法，该方法基于灵 敏度和高精度的要求，将载波相位差分方法中的扩展卡尔曼历元间迭代滤波策略进行调整，使得动态 模式的灵敏度优势和静态模式的高精度优势充分结合。
具体实施方案如下：
步骤S1：同时接收监测站和基准站的GNSS观测数据；利用监测站观测数据进行单点定位，得到 的监测站单点定位位置(xp,r yp,r zp,r)作为后续扩展卡尔曼时间更新过程初始化的值。
具体地，得到监测站单点定位的数学表达式如下：
式中：为监测站观测到编号为n卫星的伪距值；为监测站与编号为n的卫星的几何距离， 其中编号为n的卫星的位置(x(n)、y(n)、z(n))是已知的，可以通过广播星历计算得到，接收机位置 (xp,r、yp,r、zp,r)是待求量；δtr为接收机的钟差，为待求量；δt(n)为卫星的钟差，可通过星 历参数求到；分别为电离层误差延迟和对流层误差延迟，可通过建模得到；为伪距测量 的随机性噪声误差。
由于存在4个未知参数(xp,r、yp,r、zp,r、δtr)，因此监测站接收机至少要同时观测到4颗 卫星组成4维方程组，才能避免方程组秩亏。对得到的观测方程组采用最小二乘方法即可以得到单点 定位结果。如图3所示给出了单点定位的示意图。
步骤S2：选择基准站和监测站能共视的卫星i(i＝1,2,3...)，对卫星接收数据中的载波相位作站星 间双差得到双差观测方程组。双差观测方程组中包含两种解算未知数，一种是位置浮点未知数，一种 是整形模糊度未知数。
监测站接收机r和基准站接收机b对共视卫星i的载波相位观测值和分别为：
式中：分别表示监测站和基准站对共视卫星i的载波相位观测值；λ为波长；f为载波频率； 和分别为监测站和基准站的星地几何距离，其中中包含监测站的位置未知量(xr、yr、zr)， 中的基准站位置(xb、yb、zb)是精确已知的；δtr和δtb分别表示监测站接收机和基准站接收机的 钟差；和分别表示监测站和基准站对卫星i观测载波的整周模糊度；和表示观测载波的噪 声误差。
对卫星i作站间单差，卫星钟差δt(i)在单差后将会被彻底的消除，站间单差等式为：
将等式(3)、(4)代入到(7)得到：
同理，针对卫星j作站间单差，得到站间单差等式为：
再根据卫星i(假设其卫星仰角最高，作为参考卫星)，卫星j(j＝1,2,...)作站星间双差，如图4 所示。可得到双差观测方程组：
双差可以进一步消掉测量值中的接收机钟差，与距离相关的电离层、对流层误差，以及部分随机 性误差。
载波双差观测方程组中，包含有监测站的位置未知量，为整周模糊度未知量。
步骤S3：基于最小二乘思想，采用扩展卡尔曼滤波迭代算法对载波双差观测方程组进行解算，得到监 测站位置浮点解(模糊度双差值理论上应为整数，而此时为实数值，因此得到的位置解称为浮点解)。
具体地，由于式(13)不是线性方程组，扩展卡尔曼首先需要对方程组进行线性化，假设等式(13) 中的卫星i＝1，卫星j＝2,3…，且共视卫星为N颗，可以得到线性化的方程组为：
其中，表示监测站接收机与卫星i的星地距离单位矢量。等式(17)可继续转化为：
式中：D矩阵为单差转双差矩阵，式(20)可以将所有的未知量全部放到一个矢量中，便于后续 的卡尔曼滤波。
扩展卡尔曼的时间更新过程：根据上一历元的状态矩阵及其协方差矩阵，预测当前的状态矩阵及 协方差矩阵，第k历元的状态矩阵xk为：
状态矩阵对应的协方差矩阵为Pk。
根据上一历元的状态矩阵及其协方差矩阵，预测当前的状态矩阵及协方差矩阵包括三种情况。
情况1、若历元k为首历元，则根据监测站单点定位位置(xp,r yp,r zp,r)及载波相位单差初始值 (N1N2...Ni...NN)初始化浮点状态矩阵及浮点状态协方差矩阵；则解算浮点状态矩阵及其协方差矩
阵经过卡尔曼时间更新为：
xk＝[xp,r yp,r zp,rN1N2...Ni...NN]T (23)
其中，xp,r、yp,r、zp,r为监测站单点定位的位置，Ni表示卫星i对应的模糊度单差初始化值， 卫星i对应的模糊度单差初始化协方差值。
情况2、若历元k为非首历元，且历元累加值小于周期值(周期值为静态模式下解算结果收敛的 经验值)，则根据上一历元的浮点状态矩阵及浮点状态协方差矩阵来更新当前历元。则解算状态矩阵及 其协方差矩阵经过卡尔曼时间更新为：
xk＝[xk-1,r yk-1,r zk-1,r Nk-1,1Nk-1,2...Nk-1,N]T (25)
Pk＝Pk-1 (26)
其中，xk-1,r yk-1,r zk-1,r为k-1历元的状态估计值，Pk-1表示k-1历元对应的状态的协方差矩阵， Nk-1,i i＝1,2,...,N表示k-1历元第i颗共视卫星对应的模糊度的单差值。Nk-1,N表示k-1历元第N颗共 视卫星所对应的模糊度单差值。
情况3、若历元k为非首历元，且历元累加值等于周期值，则根据监测站单点定位位置 (xp,r yp,r zp,r)及上一历元浮点状态矩阵，初始化当前历元浮点状态矩阵及浮点状态协方差矩阵；则解 算状态矩阵及其协方差矩阵经过卡尔曼时间更新为：
xk＝[xp,r yp,r zp,r Nk-1,1Nk-1,2...Nk-1,N]T (27)
其中，表示第k-1历元卫星i对用的模糊度单差对应的协方差值，此时将历元累加参数置 0。
扩展卡尔曼滤波的状态更新过程：根据时间更新过程的浮点状态预测值及观测值，得到浮点状态
的估计值及其协方差矩阵。预测值为时间更新过程中预测出的当前浮点状态矩阵及其协方差矩阵；观
测值为当前历元得到的载波相位双差值组成的矩阵。
Kk＝pkHT(HpkHT+R)-1 (29)
其中，R表示观测误差协方差矩阵，此时可以得到浮点解。
步骤S4：通过LAMBDA/MLAMBDA算法搜索得到模糊度的最优值和次优值次优值的作用是 为了在步骤S5进行检验最优值的准确性。
为了在换参考星的时候不用造成模糊度的重新解算，在步骤S4中得到的浮点解状态矩阵中模糊度 为站间单差形式。但是在进行模糊度的搜索时需要对状态矩阵进行单差转双差转换，得到模糊度的双 差值，进而解算出最终的位置解。浮点状态矩阵的单差转双差公式为：
表示浮点状态矩阵的估计值；为对浮点状态矩阵中的模糊度单差值转双差后得到的矩阵。I3×3表示3 维的单位矩阵。为对应的协方差矩阵；为对应的协方差矩阵；QR为中位置解对应的方差矩 阵；QN为中的模糊度双差值对应的方差矩阵；QNR，QRN均表示中位置解和模糊度双差值对应的协 方差矩阵，且两者互为转置。
整形模糊度矢量的获得是通过基于整形最小二乘思想，通过等式(36)解算得到的：
根据等式(36)，采用LAMBDA/MLAMBDA算法进行搜索得到模糊度最优解和次优解。
步骤S5：用RATIO算法检测步骤S4得到的模糊度整数值是否正确。如果检测通过则最终得到定 位固定解，否则该历元输出浮点解。若是浮点解，则抛弃该解，并保存定位浮点状态矩阵及其协方差 矩阵，回到下一历元。RATIO算法对模糊度解的检验公式为：
其中，N表示基于最小二乘思想经过扩展卡尔曼滤波的模糊度浮点解；QN表示N所对应的协方差矩阵； Rthres表示RATIO算法的判断限值，一般取经验值3.0，表示：中模糊度双差值组成的矩阵。
步骤S6：解算监测站位置固定解，并保存定位浮点状态矩阵及其协方差矩阵，回到步骤S1进行 下一历元解算。
通过RATIO算法验证通过后，就可以的到监测站位置“固定解”
rr＝[xr yr zr]T (40)
本发明基于动态和静态两种模式的扩展卡尔曼迭代策略，通过周期性的对状态矩阵及其协方差矩 阵位置信息的初始化，保证了方法在精密形变监测中的灵敏度，同时在每一周期历元内通过卡尔曼滤 波对位置信息的不断迭代，又能保证方法定位的精度。
为了验证提出方法的有效性，采用UBLOX接收机于2018年3月17至2018年3月24日连续采集一周的卫星观测数据，其中在20日至21日使用滑坡模拟形变设备在南北方向模拟缓 慢形变5mm。分别采用载波相位差分动态模式、静态模式、本发明提出的动静模式融合方法 (周期经验值选择120s)进行处理，采用动静融合方法处理的结果如表1所示。
表1：载波相位差分动静态融合定位方法精度误差统计
表1基于统计学原理对动静融合方法的定位精度进行统计分析，实验结果表明载波相位差分动态 模式的定位精度最差，水平定位精度小于2.5厘米，高程定位精度小于3.5厘米；载波相位差分静态 模式方法的定位精度最高，水平定位精度小于2毫米，高程定位精度小于3毫米；提出的载波相位差 分动静态融合方法的水平定位精度小于3.5毫米，高程定位精度小于5毫米。分析实验结果曲线图可 以看出，动态模式方法由于定位精度很低，曲线无法反应出模拟的南北方向形变趋势，而静态模式的 灵敏度很差，连续长时间观测后才能反应出部分形变。分析图5可以看出，提出的动静模式融合方法 能明显反映出南北方向发生了5mm的形变。综合分析，发明的动静模式融合方法在精密形变监测领域 具有很大的应用优势。
本实施例还提供一种基于载波相位差分动静态融合的形变监测定位装置，该装置包括：
数据接收模块，用于同时接收监测站和基准站的GNSS观测数据；
单点定位装置，利用监测站观测数据进行单点定位；
双差观测方程组获取模块，选择基准站和监测站能共视的卫星，基于观测载波相位作站星间双差 得到双差观测方程组；
监测站位置浮点解获取模块，基于最小二乘思想，采用扩展卡尔曼滤波迭代算法对双差观测方程 组进行解算，得到监测站位置浮点解；
最优模糊度获取模块，对浮点状态矩阵及其协方差矩阵中的载波相位单差部分进行转双差处理， 根据整形最小二乘思想，并基于LAMBDA/MLAMBDA算法搜索得到模糊度的最优值
检测模块，用RATIO算法检测模糊度是否正确；若正确，则输出定位固定解否则输出浮点解rr；
解算模块，用于解算监测站位置得到固定解。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可 在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知 识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求 所涵盖。

Claims (8)

1.基于载波相位差分动静态融合的形变监测定位方法，其特征在于，该方法包括以下步骤：
S1同时接收监测站和基准站的GNSS观测数据；利用监测站观测数据进行单点定位，得到的监测站单点定位位置(xp,r yp,r zp,r)作为后续扩展卡尔曼时间更新过程初始化的值；
S2选择基准站和监测站能共视的卫星，对载波相位作站星间双差得到双差观测方程组；
S3基于最小二乘思想，采用扩展卡尔曼滤波迭代算法对双差观测方程组进行解算，得到监测站位置浮点解；
S4对浮点状态矩阵及其协方差矩阵中的载波相位单差部分进行转双差处理，根据整形最小二乘思想，并基于LAMBDA/MLAMBDA算法搜索得到模糊度的最优值
S5用RATIO算法检测步骤S4得到的模糊度是否正确；若正确，则输出定位固定解否则输出浮点解rr；
S6解算监测站位置得到固定解，并保存定位浮点状态矩阵及其协方差矩阵，回到步骤一进行下一历元解算。
2.根据权利要求1所述的基于载波相位差分动静态融合的形变监测定位方法，其特征在于，所述步骤S3具体包括以下子步骤：
S31线性化解算方程组：采用泰勒展开式方法将双差观测方程组进行线性化；
S32扩展卡尔曼的时间更新过程：根据上一历元的浮点状态矩阵及其浮点状态协方差矩阵，预测当前的浮点状态矩阵及浮点状态协方差矩阵；
S33扩展卡尔曼的状态更新过程：根据时间更新过程的浮点状态预测值及观测值，得到浮点状态的估计值及其浮点状态的估计值的协方差矩阵。
3.根据权利要求2所述的基于载波相位差分动静态融合的形变监测定位方法，其特征在于，所述步骤S32具体包括：若当前历元为首历元，则根据监测站单点定位位置(xp,r yp,rzp,r)及载波相位单差初始值(N1 N2 ... NN)初始化浮点状态矩阵及浮点状态协方差矩阵。
4.根据权利要求2所述的基于载波相位差分动静态融合的形变监测定位方法，其特征在于，所述步骤S32具体还包括：若当前历元为非首历元且历元累加值等于定位周期值，则根据监测站单点定位位置(xp,r yp,r zp,r)及上一历元浮点状态矩阵，初始化当前历元浮点状态矩阵及浮点状态协方差矩阵。
5.根据权利要求2所述的基于载波相位差分动静态融合的形变监测定位方法，其特征在于，所述步骤S32具体还包括：若当前历元为非首历元且历元累加值小于或等于定位周期值，则根据上一历元的浮点状态矩阵及浮点状态协方差矩阵来更新当前历元的浮点状态矩阵及浮点状态协方差矩阵。
6.根据权利要求1所述的基于载波相位差分动静态融合的形变监测定位方法，其特征在于，所述步骤S5中，用RATIO算法检测步骤S4得到的模糊度的整数值是否正确，其中RATIO算法对模糊度解的检验公式为：
其中,N表示基于最小二乘思想经过扩展卡尔曼滤波的模糊度浮点解,QN表示N所对应的协方差矩阵,Rthres表示RATIO算法的判断限值，模糊度的最优值,次优值表示模糊度的次优值。
7.根据权利要求1所述的基于载波相位差分动静态融合的形变监测定位方法，其特征在于，所述步骤S2具体包括以下子步骤：
S21对卫星i作站间单差
S22对卫星j作站间单差
S23再根据卫星i、卫星j作站星间双差，得到双差观测方程组。
8.基于载波相位差分动静态融合的形变监测定位装置，其特征在于，该装置包括：
数据接收模块，用于同时接收监测站和基准站的GNSS观测数据；
单点定位装置，利用监测站观测数据进行单点定位；
双差观测方程组获取模块，选择基准站和监测站能共视的卫星，基于观测载波相位作站星间双差得到双差观测方程组；
监测站位置浮点解获取模块，基于最小二乘思想，采用扩展卡尔曼滤波迭代算法对双差观测方程组进行解算，得到监测站位置浮点解；
最优模糊度获取模块，对浮点状态矩阵及其协方差矩阵中的载波相位单差部分进行转双差处理，根据整形最小二乘思想，并基于LAMBDA/MLAMBDA算法搜索得到模糊度的最优值检测模块，用RATIO算法检测模糊度是否正确；若正确，则输出定位固定解否则输出浮点解rr；
解算模块，用于解算监测站位置得到固定解。
CN201810425942.2A 2018-05-07 2018-05-07 基于载波相位差分动静态融合的形变监测定位方法及装置 Active CN108871179B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810425942.2A CN108871179B (zh) 2018-05-07 2018-05-07 基于载波相位差分动静态融合的形变监测定位方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810425942.2A CN108871179B (zh) 2018-05-07 2018-05-07 基于载波相位差分动静态融合的形变监测定位方法及装置

Publications (2)

Publication Number Publication Date
CN108871179A true CN108871179A (zh) 2018-11-23
CN108871179B CN108871179B (zh) 2020-06-16

Family

ID=64327422

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810425942.2A Active CN108871179B (zh) 2018-05-07 2018-05-07 基于载波相位差分动静态融合的形变监测定位方法及装置

Country Status (1)

Country Link
CN (1) CN108871179B (zh)

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109613585A (zh) * 2018-12-14 2019-04-12 中国科学院国家授时中心 一种对基站天线超短基线gnss双天线实时测向的方法
CN109737956A (zh) * 2018-12-17 2019-05-10 东南大学 一种基于双应答器的sins/usbl相位差紧组合导航定位方法
CN110068849A (zh) * 2019-05-06 2019-07-30 国网山东省电力公司东营供电公司 基于差分定位的输电线路多维形变实时监测方法及系统
CN110082797A (zh) * 2019-05-07 2019-08-02 长江空间信息技术工程有限公司(武汉) 多系统gnss数据静态后处理高维模糊度固定方法
CN110133702A (zh) * 2019-05-13 2019-08-16 桂林电子科技大学 一种基于正交变换的姿态测量方法和设备
CN110531394A (zh) * 2019-08-16 2019-12-03 桂林电子科技大学 一种基于格理论和最小二乘法的模糊度快速解算方法及装置
CN111610308A (zh) * 2020-04-27 2020-09-01 杭州电子科技大学 一种基于rtk技术的双层滑坡监测系统及方法
CN111947562A (zh) * 2020-06-30 2020-11-17 深圳大学 一种堆石坝内、外变形一体化监测方法
CN111965676A (zh) * 2020-07-16 2020-11-20 北京航空航天大学 一种加快卡尔曼滤波rtk浮点解收敛速度的方法
CN112444187A (zh) * 2019-08-28 2021-03-05 千寻位置网络有限公司 形变监测方法及装置
US11002860B2 (en) * 2018-06-01 2021-05-11 Zhejiang Yat Electrical Appliance Co., Ltd GNSS-RTK-based positioning method
CN112987048A (zh) * 2019-12-12 2021-06-18 菲曼(北京)科技有限公司 一种适用于Andriod智能终端的高精度定位方法、智能终端以及存储介质
CN113484887A (zh) * 2021-08-30 2021-10-08 国网河南省电力公司濮阳供电公司 输电线路北斗高精度位置感知与地面增强网链路互助方法
CN113805212A (zh) * 2021-09-26 2021-12-17 南宁桂电电子科技研究院有限公司 一种自适应的gnss载波相位差分滑坡监测方法
CN114674212A (zh) * 2022-03-18 2022-06-28 浙江星地互联技术有限公司 一种高精度基坑位移监测方法及监测系统
CN115373007A (zh) * 2022-10-21 2022-11-22 武汉大学 基于手机gnss模糊度相对变化估计的里程计定位方法
CN115421172A (zh) * 2022-11-04 2022-12-02 南京市计量监督检测院 一种基于实时与准实时结合的北斗变形监测方法
CN111965676B (zh) * 2020-07-16 2024-05-28 北京航空航天大学 一种加快卡尔曼滤波rtk浮点解收敛速度的方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102721398A (zh) * 2012-02-29 2012-10-10 武汉苍穹数码仪器有限公司 一种多模gnss高精度实时形变监测系统
CN103454646A (zh) * 2013-09-18 2013-12-18 柳州天运寰通科技有限公司 用于处理基于北斗的高精度位移形变监测数据的方法
CN104597471A (zh) * 2015-01-13 2015-05-06 华东师范大学 面向时钟同步多天线gnss接收机的定向测姿方法
US20150285916A1 (en) * 2014-04-07 2015-10-08 Honeywell International Inc. Systems and methods for a code carrier divergence high-pass filter monitor
CN107990821A (zh) * 2017-11-17 2018-05-04 深圳大学 一种桥梁形变监测方法、存储介质及桥梁形变监测接收机

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102721398A (zh) * 2012-02-29 2012-10-10 武汉苍穹数码仪器有限公司 一种多模gnss高精度实时形变监测系统
CN103454646A (zh) * 2013-09-18 2013-12-18 柳州天运寰通科技有限公司 用于处理基于北斗的高精度位移形变监测数据的方法
US20150285916A1 (en) * 2014-04-07 2015-10-08 Honeywell International Inc. Systems and methods for a code carrier divergence high-pass filter monitor
CN104597471A (zh) * 2015-01-13 2015-05-06 华东师范大学 面向时钟同步多天线gnss接收机的定向测姿方法
CN107990821A (zh) * 2017-11-17 2018-05-04 深圳大学 一种桥梁形变监测方法、存储介质及桥梁形变监测接收机

Cited By (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11002860B2 (en) * 2018-06-01 2021-05-11 Zhejiang Yat Electrical Appliance Co., Ltd GNSS-RTK-based positioning method
CN109613585A (zh) * 2018-12-14 2019-04-12 中国科学院国家授时中心 一种对基站天线超短基线gnss双天线实时测向的方法
CN109737956A (zh) * 2018-12-17 2019-05-10 东南大学 一种基于双应答器的sins/usbl相位差紧组合导航定位方法
CN110068849A (zh) * 2019-05-06 2019-07-30 国网山东省电力公司东营供电公司 基于差分定位的输电线路多维形变实时监测方法及系统
CN110082797A (zh) * 2019-05-07 2019-08-02 长江空间信息技术工程有限公司(武汉) 多系统gnss数据静态后处理高维模糊度固定方法
CN110082797B (zh) * 2019-05-07 2021-08-13 长江空间信息技术工程有限公司(武汉) 多系统gnss数据静态后处理高维模糊度固定方法
CN110133702A (zh) * 2019-05-13 2019-08-16 桂林电子科技大学 一种基于正交变换的姿态测量方法和设备
CN110133702B (zh) * 2019-05-13 2022-12-27 桂林电子科技大学 一种基于正交变换的姿态测量方法和设备
CN110531394A (zh) * 2019-08-16 2019-12-03 桂林电子科技大学 一种基于格理论和最小二乘法的模糊度快速解算方法及装置
CN112444187A (zh) * 2019-08-28 2021-03-05 千寻位置网络有限公司 形变监测方法及装置
CN112987048A (zh) * 2019-12-12 2021-06-18 菲曼(北京)科技有限公司 一种适用于Andriod智能终端的高精度定位方法、智能终端以及存储介质
CN111610308A (zh) * 2020-04-27 2020-09-01 杭州电子科技大学 一种基于rtk技术的双层滑坡监测系统及方法
CN111947562B (zh) * 2020-06-30 2021-05-04 深圳大学 一种堆石坝内、外变形一体化监测方法
WO2022001104A1 (zh) * 2020-06-30 2022-01-06 深圳大学 一种堆石坝内、外变形一体化监测方法
CN111947562A (zh) * 2020-06-30 2020-11-17 深圳大学 一种堆石坝内、外变形一体化监测方法
CN111965676A (zh) * 2020-07-16 2020-11-20 北京航空航天大学 一种加快卡尔曼滤波rtk浮点解收敛速度的方法
CN111965676B (zh) * 2020-07-16 2024-05-28 北京航空航天大学 一种加快卡尔曼滤波rtk浮点解收敛速度的方法
CN113484887A (zh) * 2021-08-30 2021-10-08 国网河南省电力公司濮阳供电公司 输电线路北斗高精度位置感知与地面增强网链路互助方法
CN113805212A (zh) * 2021-09-26 2021-12-17 南宁桂电电子科技研究院有限公司 一种自适应的gnss载波相位差分滑坡监测方法
CN113805212B (zh) * 2021-09-26 2023-11-07 南宁桂电电子科技研究院有限公司 一种自适应的gnss载波相位差分滑坡监测方法
CN114674212A (zh) * 2022-03-18 2022-06-28 浙江星地互联技术有限公司 一种高精度基坑位移监测方法及监测系统
CN114674212B (zh) * 2022-03-18 2023-11-21 建研地基基础工程有限责任公司 一种高精度基坑位移监测方法及监测系统
CN115373007A (zh) * 2022-10-21 2022-11-22 武汉大学 基于手机gnss模糊度相对变化估计的里程计定位方法
CN115421172A (zh) * 2022-11-04 2022-12-02 南京市计量监督检测院 一种基于实时与准实时结合的北斗变形监测方法

Also Published As

Publication number Publication date
CN108871179B (zh) 2020-06-16

Similar Documents

Publication Publication Date Title
CN108871179A (zh) 基于载波相位差分动静态融合的形变监测定位方法及装置
CN108363084A (zh) 利用卫星定位的方法和装置、卫星导航接收机、存储介质
CN109581452B (zh) 一种gnss参考站载波相位整周模糊度解算方法
CN105158783B (zh) 一种实时动态差分定位方法及其设备
Marty et al. Gins: The cnes/grgs gnss scientific software
CN106168672B (zh) 一种gnss多模单频rtk周跳探测方法及装置
CN108919321B (zh) 一种基于尝试法的gnss定位粗差探测方法
CN105629279B (zh) 一种网络基准站间的宽巷模糊度固定方法
CN104714244A (zh) 一种基于抗差自适应Kalman滤波的多系统动态PPP解算方法
CN106569242A (zh) 固定参考星的gnss单差处理方法
CN109116394A (zh) 一种适用于不同长度基线的实时动态定位方法
CN108061908B (zh) 基于低轨卫星星载gnss技术的slr台站三维坐标几何解算方法
CN113253314B (zh) 一种低轨卫星间时间同步方法及系统
CN106547002B (zh) 一种提高rtk定位精度的选星方法
CN110058282A (zh) 一种基于双频gnss智能手机的ppp高精度定位方法
CN102269819A (zh) 一种用于精密单点定位方法的估计方法
CN105738926A (zh) 一种glonass系统接收机间相位频间偏差标定方法
CN108061911A (zh) 一种glonass载波单差残差估计方法
CN108613621A (zh) Gnss接收机阵列及基于gnss接收机阵列的高精度变形监测方法
CN116299615B (zh) 一种实现单北斗实时ppp模糊固定的相位偏差估计方法
CN115343742B (zh) 一种双星八频的gnss-rtk高维度模糊度快速解算方法
CN107402395A (zh) 一种用于单系统和多系统卫星组合导航的选星方法
CN107607969A (zh) 一种基于dcb改正的四系统伪距定位方法
CN105549050A (zh) 一种基于模糊置信度滤波的北斗变形监测定位方法
CN116774264A (zh) 基于低轨卫星机会信号多普勒的运动目标定位方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant