CN102331583B - 利用模糊度固定的gnss大气估计 - Google Patents

Abstract

提出了用于从GNSS信号实时估计环境参数的方法和装置。一些实施例使用联合电离层滤波器估计浮动解。一些实施例固定模糊度用于改善的估计。

Description

利用模糊度固定的GNSS大气估计

相关申请的交叉引用

下列文件与本申请相关，并通过引用将它们整体并入到本文中：

2010年2月25日的国际专利公开WO2010/021656A2(TNLA-2526PCT)；2010年2月25日的国际专利公开WO2010/021658A2(TNLA-2525PCT)；2010年2月25日的国际专利公开WO2010/021659A2(TNLA-2524PCT)；2010年2月25日的国际专利公开WO2010/021657A2(TNLA-2523PCT)；2010年2月25日的国际专利公开WO2010/021660A2(TNLA-2339PCT)；2008年8月19日提交的美国临时专利申请No.61/189,382(TNLA-2339P)；2008年8月26日提交的美国专利申请12/224,451，美国专利申请公开US2009/0027625A1(TNLA-1789US)；2007年3月7日提交的国际专利申请PCT/US07/05874，国际公开No.WO2008/008099A2(TNLA-1789PCT)；美国专利申请公开US2009/0224969A1(TNLA-1743US)；国际公开No.WO2007/032947A1(TNLA-1743PCT)；2008年10月7日授权的美国专利No.7,432,853；(TNLA-1403US)；国际公开号WO2005/045463A1(TNLA-1403PCT)；国际公开号WO2011/034616A2(TNLA-2585PCT)；国际专利申请PCT/US2011/024733(TNLA-2633PCT)；2010年2月14日提交的美国专利临时申请61/337,980(TNLA-2633P)；以及2010年5月30日提交的美国专利临时申请61/396,676。

技术领域

本发明涉及全球导航卫星系统(GNSS)的领域。更具体地，本发明涉及用于处理GNSS数据以估计环境参数的方法和装置。

背景技术

过去二十年来，具有几千个接收器的大量的区域GNSS参考站网络已经被建立，并为连续实时厘米级定位(也称为实时动态定位或RTK定位)提供网络校正。网络RTK定位的原理是，在区域网络中对于对流层和电离层影响进行建模，并将其大体上去除用以RTK定位。对于GNSS定位，大气影响被考虑为要在定位过程中去除的系统误差。另一方面，在GNSS网络中估计的对流层和电离层延迟对于气象和空间天气应用是有价值的。

大量研究表明，可以使用GNSS观测来得到包含在中性大气中的综合可降水汽(IPWV)，其具有与水汽辐射计(WVR)相同的精度水平。使用GNSS网络的优点为，它提供了具有良好空间覆盖和高时间分辨率的连续IPWV估计。现今，几个研究组织通过GNSS参考站网络提供了近实时和/或后处理的IPWV估计，其具有30分钟到一天的典型延迟，以及1～2mm的精度。虽然精度非常好，但大的延迟意味着这样的信息仅仅反映了过去所发生的，因此对于像数值天气预报(NWP)之类的应用不是很有用。

空间天气是“地球空间(geospace)”的环境动力学研究，“地球空间”是在地球的低层大气之上的区域，包括电离层和磁层。太阳上的条件和太阳风、磁层以及电离层中的条件，通过它们对卫星、通信、导航以及电力系统的影响而影响我们的生活。科学家现在正通过宽范围的工具来研究空间天气以试图更多地了解发生在上层和更高的大气中的物理和化学过程。近年来，GNSS已经被认为是监视空间天气事件的主要遥感工具之一。来自GNSS卫星的信号在其路线上经过电离层而到达在地球表面上或邻近地球表面的接收器。在大气的该区域中的自由电子影响信号的传播，改变信号的速度和传播方向。通过处理来自双频GNSS接收器的数据，可以实际地估计信号沿其传播路径正好遇到了多少电子-总电子量(TEC)。TEC是具有以信号路径为中心的一平方米截面积的柱中的电子数目。如果使用陆基GNSS接收器的区域网络，那么可以构建在上述区域之上的TEC图。

用于从GNSS信号数据估计(虽然不是实时的)大气模型的公知软件，包括Bernese软件(来自伯尔尼大学，天文学院，2007年1月，版本5.0，第11和12章)和来自麻省理工学院，地球、大气和行星科学系的GAMIT/GLOBK软件(GAMITReferenceManualRelease10.3，2009年6月1日，第7章)。

PerterF.Kolb的美国专利公开2009/0224969描述了Kalman滤波法以实时地通过来自区域网络的载波相位数据(carrierphasedata)建模电离层效应。由于仅仅使用载波相位数据，TEC的绝对水平需要长时间来收敛。

需要用于实时从GNSS数据估计大气参数的改善的方法和装置。

发明内容

本发明的一些实施例使用联合滤波器方法中的伪范围和载波相位观测来加速实时估计的TEC的收敛。

本发明的一些实施例开发了使用载波相位模糊度的全精度的载波相位观测以实现实时的高精度TEC估计。

一些实施例提供了一种处理GNSS数据以估计环境参数值的方法，包括：从通过多个时间点从GNSS卫星接收的信号获得在分布在一区域上的多个站处收集的GNSS数据；获得每卫星的卫星差分码偏差(DCB)；使用联合电离层滤波器从所述GNSS数据和所述卫星差分码偏差估计每站的接收器差分码偏差和每站每卫星的总电子量(TEC)的值。

一些实施例还应用几何滤波器以从所述GNSS数据估计一组大气参数的值，该组大气参数包括以下中的至少一个：(i)每站的天顶总延迟，(ii)每站的天顶总延迟和每站的对流层梯度的组，以及(iii)每站每卫星的倾斜总延迟；获得在所述区域内的位置的气象数据；以及从该组大气参数的值以及所述气象数据确定所述区域上的以下中的至少一个的值：(1)综合可降水汽(IPWV)和(2)对流层倾斜湿延迟。

在一些实施例中，获得每卫星的卫星差分码偏差包括下列之一：(i)从外部源获取每卫星的卫星差分码偏差，以及(ii)从在参考站的网络处收集的GNSS数据计算每卫星的卫星差分码偏差。在一些实施例中，估计每站每卫星的总电子量的值包括：在所述联合电离层滤波器中估计电离层模型参数和每卫星每站的随机电离层延迟项的值，以及从所述电离层模型参数和随机电离层延迟项的估计的值确定所述每站每卫星的总电子量的值。

在一些实施例中，应用联合电离层滤波器包括：对于每个卫星，将电离层子滤波器应用于所述GNSS信号数据，以估计表示对于该卫星唯一的参数的局部状态的值和表示所有接收器共同的参数的共同状态的值，向主滤波器提供所述共同状态的值和相关的统计信息；以及当所述主滤波器提供所述共同状态的更新值时，准备所述局部状态的更新的估计；以及将主滤波器应用于所述共同状态的值和所述相关的统计信息以估计所述共同状态的更新值，并将所述更新值提供到所述电离层子滤波器。

在一些实施例中，对于所述卫星唯一的状态包括：表征跨所述区域的电离层的参数组、每站每卫星的随机电离层延迟项以及每站每卫星的整周模糊度。在一些实施例中，对所有卫星均共同的状态包括每站的接收器差分码偏差。一些实施例还包括在每个时间点处的任何观测更新之前，将所述主滤波器中的状态重设到零而具有无限方差，以及之后，将来自每个子滤波器的去关联的观测应用于所述主滤波器。在一些实施例中，每站每卫星的总电子量的值包括映射到竖直的值。在一些实施例中，获得气象数据包括获得所述区域内的位置的表面气象数据。在一些实施例中，获得气象数据包括获得所述区域内的位置的无线电探空温度数据。在一些实施例中，获得所述GNSS数据和确定所述区域上的总电子量和综合可降水汽与对流层倾斜湿延迟中的至少一个的值之间的消逝时间不大于约五秒。

一些实施例提供了一种用于处理GNSS数据以估计环境参数值的装置，包括：联合电离层滤波器，用于从卫星差分码偏差和GNSS信号数据估计每站的接收器差分码偏差和每站每卫星的总电子量(TEC)的值。

一些实施例还提供：几何滤波器，适于从所述GNSS数据估计一组大气参数的值，该组大气参数包括以下中的至少一个：(i)每站的天顶总延迟，(ii)每站的天定总延迟和每站的对流层梯度，以及(iii)每站每卫星的倾斜总延迟；大气监测模块，用于从大气参数的估计的值以及区域的气象数据确定所述区域上的综合可降水汽和对流层倾斜湿延迟的值。

一些实施例还包括通过下列之一获得每卫星的代码偏差的元件：从外部源获取每卫星的代码偏差，以及从在GNSS参考站的网络处收集的GNSS数据计算每卫星的代码偏差。一些实施例还包括：用于估计电离层模型参数和每卫星每站的随机电离层延迟项的值的模块，以及用于从所述电离层模型参数和所述随机电离层延迟项的估计的值确定所述每站每卫星的总电子量的值的模块。

在一些实施例中，所述联合电离层滤波器包括：用于每个卫星的电离层子滤波器，用以从所述GNSS信号数据和卫星差分码偏差，估计表示对于该卫星唯一的参数的局部状态的值和表示所有接收器共同的参数的共同状态的值，向主滤波器提供所述共同状态的值和相关的统计信息，并当所述主滤波器提供所述共同状态的更新值时准备所述局部状态的更新的估计；以及主滤波器，用以从所述共同状态的值和所述相关的统计信息估计所述共同状态的更新值，并将所述更新值提供到所述电离层子滤波器。

在一些实施例中，所述联合电离层滤波器被操作为在每个时间点处的观测更新之前，将所述主滤波器中的状态重设到零而具有无限方差，然后将来自每个子滤波器的去关联的观测应用于所述主滤波器。在一些实施例中，所述气象监测模块适合于使用所述区域内的位置的表面气象数据作为所述气象数据的至少一个子组。在一些实施例中，所述气象监测模块适合于使用无线电探空数据作为所述气象数据的至少一个子组。

一些实施例提供了一种处理GNSS信号数据以估计环境参数值的方法，包括：从通过多个时间点从GNSS卫星接收的信号获得在分布在一区域上的多个站处收集的GNSS数据；获得每卫星的卫星代码偏差；从所述GNSS数据和所述卫星代码偏差估计每站每卫星的浮动模糊度的组和大气参数的值，所述大气参数包括以下中的至少一个：(i)每站每卫星的总电子量，(ii)每站的天顶总延迟，(iii)每站的天顶总延迟和每站的对流层梯度组，以及(iv)每站每卫星的倾斜总延迟；固定所述模糊度；从所述GNSS数据和所固定的模糊度估计大气参数的校正的值。

一些实施例还包括，获得在所述区域内的位置的气象数据；以及从所述大气参数的校正的值和气象数据确定所述区域上的综合可降水汽和对流层倾斜湿延迟中的至少一个的值。

在一些实施例中，估计所述大气参数的值包括将至少一个迭代滤波器应用于所述GNSS数据和所述卫星代码偏差。在一些实施例中，估计所述大气参数的值包括将一组分解的滤波器应用于所述GNSS数据和所述卫星代码偏差。在一些实施例中，估计所述大气参数的值包括将联合电离层滤波器应用于所述GNSS数据和所述卫星代码偏差。在一些实施例中，所述每站每卫星的总电子量的值包括映射到竖直的值。在一些实施例中，获得气象数据包括获得所述区域内的位置的表面气象数据。在一些实施例中，获得气象数据包括获得所述区域内的位置的无线电探空温度数据。在一些实施例中，获得所述GNSS数据和确定所述区域上的大气参数的值之间的消逝时间不大于约五秒。

一些实施例提供了一种用于处理GNSS信号数据以估计环境参数值的装置，包括：至少一个递归滤波器，用以从卫星差分码偏差和从所述GNSS信号数据估计每站每卫星的浮动模糊度的组和一组大气参数的值，所述大气参数包括以下中的至少一个：(i)每站每卫星的总电子量，(ii)每站的天顶总延迟，(iii)每站的天顶总延迟和每站的对流层梯度组，(iv)每站每卫星的倾斜对流层总延迟，以及(v)每站每卫星的总电子量；模糊度固定模块，用以从所述浮动模糊度准备固定的模糊度；校正器模块，用以从所述GNSS数据和所述固定的模糊度准备所述大气参数的校正的值。

一些实施例还提供气象监测模块，用以从所述大气参数的校正的值确定综合可降水汽和对流层倾斜湿延迟中的至少一个的值。

在一些实施例中，所述至少一个递归滤波器包括Kalam滤波器。在一些实施例中，所述至少一个递归滤波器包括分解的滤波器组。在一些实施例中，所述至少一个递归滤波器包括联合电离层滤波器。在一些实施例中，每站每卫星的总电子量的值包括映射到竖直的值。在一些实施例中，所述气象监测模块被操作为，处理包括所述区域内的位置的表面气象数据的气象数据。在一些实施例中，所述气象监测模块被操作为，处理包括所述区域内的位置的无线电探空探测数据的气象数据。在一些实施例中，获得所述GNSS数据和确定所述区域上的综合可降水汽和对流层倾斜湿延迟的值之间的消逝时间不大于约五秒。

一些实施例提供了一种计算机程序产品，包括：具有在其中物理体现的计算机可读的指令的计算机可用的介质，所述计算机可读的指令当由处理器执行时使所述处理器执行本文描述的方法。一些实施例提供了一种计算机程序，包括计算机指令组，当其被加载并由处理器执行时，使所述处理器执行本文描述的方法。

附图说明

通过下面描述的实施例并参考附图，本发明的这些和其他方面以及特性将更容易理解，其中：

图1示意性示例了现有GNSS方案；

图2示意性示例了电离层和对流层对GNSS网络信号的影响；

图3示意性示例了GNSS信号从卫星通过对流层到达接收器的倾斜路径；

图4示意性示例了GNSS信号从卫星通过电离层到达接收器的倾斜路径；

图5示意性示例了电离层参数如何描述在相对于参考点的穿透点(piercepoint)处的电离层；

图6示意性示例了用于实施本发明的一些实施例的GNSS网络；

图7为根据本发明的一些实施例的用于使用联合电离层滤波法(federatedionosphericfilteringmethod)估计大气参数值的实时处理的流程图；

图8示意性示例了根据本发明的一些实施例的使用联合电离层滤波器的系统；

图9为根据本发明的一些实施例的联合电离层滤波器处理的流程图；

图10为根据本发明的一些实施例的联合电离层滤波器的示意图；

图11为根据本发明的一些实施例的联合电离层滤波器处理的流程图；

图12为根据本发明的一些实施例的联合电离层滤波器的示意图；

图13为根据本发明的一些实施例的大气监测(watch)处理的流程图；

图14为根据本发明的一些实施例的大气监测模块的示意图；

图15为根据本发明的一些实施例的使用固定模糊度(ambiguities)估计环境参数的处理1500的流程图；

图16为根据本发明的一些实施例的使用固定模糊度估计环境参数值的系统的示意图；

图17为根据本发明的一些实施例的使用固定模糊度估计环境参数的处理1700的流程图；

图18为根据本发明的一些实施例的使用固定模糊度估计环境参数值的系统的示意图；

图19为集成GNSS接收器系统的框图；以及

图20为计算机系统的示意图。

具体实施方式

部分1：介绍

图1示意性示例了现有GNSS方案100。接收器110从看到的任一数目m的卫星(诸如，在120、130以及140处)接收GNSS信号。信号经过地球的电离层150并通过地球的对流层160。每个信号具有多个载波频率，例如，频率L1和L2。接收器110从信号确定到卫星的各伪范围，PR1，PR2，...，PRM。由经过电离层150和对流层160的信号通路以及由多路径效应(如170所示意性示出的)导致的信号路径变化使伪范围确定失真。可以使用C/A码以约一米的误差确定伪范围。然而，可以以0.01-0.05周期的精度(对应于2mm到1cm的伪范围误差)测量L1和L2载波的相位。载波的相位测量受随时间变化的电离层的分散效应的影响。

图2示意性在200处示出了围绕地球的电离层壳205和对流层壳的一部分210，网络的陆基参考站215，220，225，...，230均接收来自GNSS卫星235，240，...，245的信号。对流层具有例如0到约11km的深度。对流层延迟以依赖于大气温度、参考站附近的压力和湿度以及卫星相对于参考站的仰角(elevation)的方式来影响每个参考站接收的信号。误差在地平面处为每米1mm，使得在对流模型中到参考站的信号路径的最后一米给出约1mm的误差。

公知用于建模信号的对流层路径延迟的各种技术。例如，参见，B.Hofmann-WellenhofetaL.，GlobalPositioningSystem：TheoryandPractice，2dEd.，1993，section6.3.3，pp.98-106。将大气参数结合为一个tropo标度参数的对流层标度(tropo-标度)可以通过至少三种方式实现。第一种方法为将表示相对于参考站的沿竖直方向的对流层延迟的天顶总延迟(ZTD)建模为表示范围误差的值δr，例如，2.58米。第二种方法为建模一加标度因子的和(1+S)，使得沿竖直方向的对流层延迟T’＝(1+S)T，其中T为常数，例如，1+S＝1.0238。另一方法为直接建模S，例如，S＝2.38％。通常，“对流层效应”是以相同方式(非分散)影响不同的信号频率的所有因素。

如图3所示，除了当卫星在参考站正上方时之外，信号射线从卫星以倾斜路径穿过对流层310到达接收器，例如，从卫星330到参考站340的路径320。从给定卫星到每个参考站的信号射线的倾斜路径以角度α穿透对流层，该角度对于在该站处观察的每个卫星是不同的。因此，在每个时间(epoch)点，对于每个卫星到参考站组合，对流层映射(mapping)函数是不同的。通过映射函数m(α)使几何依赖的天顶对流层延迟Tα与几何依赖的对流层延迟T₉₀°(竖直T)相关联：Tα＝m(α)T₉₀°，可以补偿不同倾斜角的影响。

如图4所示，信号射线相似地沿从卫星到接收器的路径(例如，从卫星430到参考站440的路径420)穿过电离层410。该倾斜路径明确地通过所谓的映射函数表示，该映射函数为：

f_mapping(ζ)＝1/cos(ζ)，(1)

其中ζ为信号射线与通过穿透点460的垂直于电离层球体(例如，线1410)的线450的角。从给定卫星到每个参考站的信号射线的倾斜路径以不同的角穿透电离层，并且对于每个参考站是不同的。由此，映射函数对于每个卫星到参考站组合是不同的。通过使几何依赖的总电子量(TEC)与几何依赖的VTEC(竖直TEC)相关使得

TEC/f_mapping(ζ)＝TECcos(ζ)＝VTEC(2)

可以补偿不同倾斜角的影响。在图4的实例中，沿倾斜路径460确定的TEC对应于沿穿透点460处的垂直于电离层球体410的线450的VTEC。

通过映射函数的概念，跨网络区的电离层前行(advance)可被表达为

(这里，上标i和j应被理解为指数而不是索引)。也就是，跨网络区域的电离层前行用其Taylor级数来表达(或，任何其他正交函数组，例如球Bessel函数)。对于大多数目的，并且如这里所示例的，展开式停止在第一阶，并引入术语项a_1，0＝a_λ和表达式a_0，0＝I₀是在参考点处的电离层前行，而a_λ和为相对坐标的电离层梯度。因此，在穿透点处的电离层被表达为

由此，对于考虑的每个卫星m，参数表征跨网络区的电离层。与载波相位整周模糊度和多路径状态一起，估计这些参数。通常，如果将公式(3)的展开实施到第k阶，引入的电离层的状态数目为(k+1)(k+2)/2。公式(3)的其他项由网络的几何和卫星m的位置给出。

图5示例了电离层参数如何相对于参考点520描述在穿透点510处的电离层。电离层在参考点处具有的TEC，斜率沿角方向λ，斜率沿角方向在图5的实例中，在穿透点510处的TEC530为等于的贡献540、基于斜率和沿λ方向的穿透点520与参考点520的角距离的贡献550、以及基于斜率和沿方向的穿透点510与参考点520的角距离的贡献560的总和。

虽然电离层的线性处理提供了杰出的实用性，但更加真实的模型考虑了电离层的厚度。如公知的(例如，D.Bilitza，InternationalReferenceIonosphere2000，RadioScience2(36)2001，261)，电离层的电子密度具有作为海拔h的函数的特定分布f(h)，该分布在陆地上300-400千米之间的高度处具有尖锐的峰。射线从卫星m到站n经历的电子量通过以下积分表达：

$I_n^m\∝\underset{(x^m,y^m,z^m)}{\overset{(x_n,y_n,z_n)}{\∫}}\mathrm{dsf}\left(h\right)---\left(5\right)$

其中s为沿站与卫星之间视线方向的量测。对于简单壳模型，f(h)＝Δ(h-h₀)(DiracDelta分布)，该表达式化简到之前的映射函数，因为

使用用于f(h)的适宜参数，可以数值计算在每个时间点所有站卫星对的积分。为了实际目的，关于箱分布(boxprofile)的近似是足够的，并获得对于壳模型的改善。假设电离层中的梯度不依赖于海拔。可通过为不同的海拔添加进一步的梯度状态来容易地放宽该假设。例如，如美国专利申请公开US2009/0224969A1的图8中所示，通过描绘低仰角卫星的射线的进入和离开点，可以了解电离层的有限厚度是该模型的重要特征。如果电离层壳的厚度为200千米，进入和离开点分离约1000千米。对于a_λ，a_φ～10^-3m/km的典型梯度，对电离层前行的计算的贡献从进入点到离开点极大地不同。

图6示意性示例了在实施本发明的一些实施例中有用的系统600。可选的全球(世界性)跟踪网络的参考站，诸如参考站605，610，...615，围绕地球分布，目标为具有基本上对大多数或所有GNSS卫星的连续观测能力。每个参考站的位置被极精确地了解，例如小于2cm的范围内。每个参考站配备有天线并跟踪在该站处看到的卫星(例如，GNSS卫星620，625，...630)发送的GNSS信号。GNSS信号具有在两个或更多的载波频率中的每个上调制的代码。全球网络的每个参考站获得GNSS数据，其代表每个时间点看到的每个卫星的至少两个载波的载波相位(载波)观测和在至少两个载波上调制的各代码的伪范围(代码)观测。参考站还从卫星信号获得卫星的具有历书(almanac)和星历(ephemerides)的广播导航消息。历书包含GNSS的所有卫星的大致位置，而所谓的广播星历提供了卫星位置的更精确的预测(ca.1m)和特定时间间隔的卫星时钟误差(ca.1.5m)。

在可选的全球网络的参考站处收集的GNSS数据被通过通信信道635传送到全球网络处理器640。全球网络处理器640使用来自全球网络的参考站的GNSS数据和其他信息以估计在区域网络处理中使用的参数，例如，卫星差分码偏差(DCB)。在2009年9月19日提交的美国临时专利申请No.61/277,184(TNLA-2585P)中描述了这样的全球系统。

仍参考图6，区域(局部)跟踪网络的参考站，例如，参考站645，650，...655，分布在地球的一区域上，以观测在该区域上方可见的GNSS卫星。精切了解每个参考站的位置，例如，在小于2cm范围内。每个参考站配备有天线并跟踪在该站处看到的卫星(例如，GNS卫星620，625，...630)发送的GNSS信号。区域网络的每个参考站获得GNSS数据，其代表每个时间点看到的每个卫星的至少两个载波的载波相位(载波)观测和在至少两个载波上调制的各代码的伪范围(代码)观测。区域参考站还典型地从卫星信号获得卫星的具有历书和星历的广播导航消息。

在区域网络的参考站处收集的GNSS数据被通过通信信道660传送到区域网络处理器665。区域网络处理器665使用来自区域网络的参考站的GNSS数据和其他信息以估计如下所述的大气参数的值。这些值可被显示和/或用于一个或多个天气预报处理器670。例如，如图6所示通过通信信道675、上行链路680、通信卫星685以及下行链路690传送该数据。可以使用任何适宜的传送介质，包括但不限于互联网、无线电广播或移动电话链路。

部分2：联合电离层滤波器

根据本发明的一些实施例使用联合电离层滤波器估计环境参数。

GPSL₁和L₂载波相位和伪范围观测可被表达为：

$P_1=\mathrm{\ρ}+T-I+c\·(t_r-t^s)+B_1^r-B_1^s+{\mathrm{\ϵ}}_1---\left(9\right)$

$P_2=\mathrm{\ρ}+T-\frac{{\mathrm{\λ}}_2^2}{{\mathrm{\λ}}_1^2}I+c\·(t_r-t^s)+B_2^r-B_2^s+{\mathrm{\ϵ}}_2---\left(10\right)$

其中：

L₁和L₂为以米表示的L₁和L₂载波相位观测，

和为以周期表示的L₁和L₂载波相位观测，

P₁和P₂为以米表示的L₁和L₂伪范围观测，

ρ为卫星与接收器天线相位中心之间的几何范围(geometricrange)，

T为以米表示的对流层延迟，

I为以米表示的L₁电离层延迟，

t_s和t_r为卫星和接收器时钟误差，

和为卫星L₁和L₂相位偏差(bias)，

和为接收器L₁和L₂相位偏差，

和为卫星L₁和L₂码偏差(bias)，

和为接收器L₁和L₂码偏差，

N₁和N₂为L₁和L₂整周模糊度，

v₁和v₂为L₁和L₂相位噪声加多路径，以及

ε₁和ε₂为L₁和L₂代码噪声加多路径。

映射到L1频率的电离层相位和伪范围观测被表达为

$L_I=I+\frac{{\mathrm{\λ}}_1^2}{{\mathrm{\λ}}_2^2-{\mathrm{\λ}}_1^2}(b_2^r-b_1^r)-\frac{{\mathrm{\λ}}_1^2}{{\mathrm{\λ}}_2^2-{\mathrm{\λ}}_1^2}(b_2^s-b_1^s)+N_I+v_I---\left(11\right)$

$P_I=-I+\frac{{\mathrm{\λ}}_1^2}{{\mathrm{\λ}}_2^2-{\mathrm{\λ}}_1^2}(B_2^r-B_1^r)-\frac{{\mathrm{\λ}}_1^2}{{\mathrm{\λ}}_2^2-{\mathrm{\λ}}_1^2}(B_2^s-B_1^s)+{\mathrm{\ϵ}}_I$

(12)

$=-I+\frac{{\mathrm{\λ}}_1^2}{{\mathrm{\λ}}_2^2-{\mathrm{\λ}}_1^2}({\mathrm{DCB}}^r-{\mathrm{DCB}}^s)+{\mathrm{\ϵ}}_I$

其中

$N_I=-\frac{{\mathrm{\λ}}_1^3}{{\mathrm{\λ}}_2^2-{\mathrm{\λ}}_1^2}{N}_1+\frac{{\mathrm{\λ}}_1^2{\mathrm{\λ}}_2}{{\mathrm{\λ}}_1-{\mathrm{\λ}}_2}{N}_2---\left(13\right)$

L1电离层延迟与总电子量之间的关系为：

$I=40.3\frac{\mathrm{TEC}}{f_1^2}---\left(14\right)$

其中1TEC单位等价于在GPSL1频率下的16.2m延迟。

电离层相位观测中的卫星偏差和和接收器偏差和不能与非差模糊度(undifferencedambiguitie)分离，并由此被吸收在非差电离层模糊度中。在下面的描述中将略去这些偏差。

公式(6)中的项和分别称为所谓的卫星差分码偏差和接收器差分码偏差(DCB)。用于GPS和GLONASS卫星的DCB值是稳定的，可以从国际GNSS服务(IGS)下载(例如，每月或每天)，或从接收器的全球网络计算，并被添加到电离层伪范围观测。在Bernese软件(伯尔尼大学，天文学院，Version5.0，January2007，Chapter13)，2010年2月14日提交的美国临时专利申请61/337,980(TNLA-2633P)，以及国际专利申请PCT/US2011/024733(TNLA-2633PCT)中给出了卫星DCB的进一步描述。接收器DCB需要在滤波器中估计。

美国专利申请公开US2009/0224969A1(TNLA-1743US)通过Taylor级数或其他正交函数组表达了跨网络区的电离层前行。

本发明的一些实施例使用相似的模型，但是加入了每站每卫星的随机电离层延迟项以解决用简单数学模式不能描述复杂电离层的问题。

$I(\mathrm{\Δ\λ},\mathrm{\Δ\φ})=m(\mathrm{\Δ\λ},\mathrm{\Δ\φ})\left(\underset{i,j=0}{\overset{\∞}{\mathrm{\Σ}}}{\mathrm{\α}}_{i,j}\mathrm{\Δ}{\mathrm{\λ}}^i{\mathrm{\Δ\φ}}^j\right)+\mathrm{\δ}---\left(15\right)$

其中

Δλ，Δφ为穿透点相对于参考点的坐标，

m(Δλ，Δφ)为所谓的映射函数以将电离层倾斜延迟映射到竖直，以及

δ为随机延迟项，它在Taylor模型之外对每个卫星-接收器信号路径的小的变化进行建模。

由于对大多数目的而言Taylor展开可以停止在第一阶，引入Taylor展开的项α_0，0＝α₀α_1，0＝α_λ和α_0，1＝α_φ。用于卫星i子滤波器的状态矢量为：

其中状态 δ¹，…，δⁿ，…， 对于每个卫星子滤波器和接收器DCB是唯一的，对于所有卫星子滤波器是共同的，使得可以使用联合滤波器方法。

对于在每一卫星子滤波器中的时间点k的观测更新，使用标准Kalman滤波器或分解UD形式的Kalman滤波器用于卫星i的估计的状态和对应协方差矩阵为：

${\hat{X}}_i^k={\left[\begin{array}{cc}{\hat{X}}_{i,u}^k& {\hat{X}}_{i,c}^k\end{array}\right]}^T---\left(17\right)$

$Q_i^k=\left[\begin{array}{cc}{Q}_{i,u}^k& Q_{i,\mathrm{uc}}^k\\ Q_{i,\mathrm{cu}}^k& Q_{i,c}^k\end{array}\right]=\left[\begin{array}{cc}{U}_{i,u}^k& U_{i,\mathrm{uc}}^k\\ 0& U_{i,c}^k\end{array}\right]\left[\begin{array}{cc}{D}_{i,u}^k& 0\\ 0& D_{i,c}^k\end{array}\right]{\left[\begin{array}{cc}{U}_{i,u}^k& U_{i,\mathrm{uc}}^k\\ 0& U_{i,c}^k\end{array}\right]}^T---\left(18\right)$

通过联合滤波器方法，接收器DCB(共同状态)和在每个滤波器中估计的对应协方差矩阵 i＝1，2，...m被供给到中心熔合主滤波器(centralfusionmasterfilter)。

如果分解UD形式Kalman滤波器被用作中心熔合主滤波器：

$Q_{i,c}^k=U_{i,c}^k{D}_{i,c}^k{U_{i,c}^k}^T---\left(19\right)$

来自单一卫星子滤波器的估计首先通过U矩阵的逆被转变为去关联矢量

$Z_{i,c}^k={U_{i,c}^k}^{-1}{\hat{X}}_{i,c}^k---\left(20\right)$

其对应方差(variance)为对角矩阵

在每个时间点处理处的任何观测更新之前，中心熔合主滤波器中的状态(其是接收器DCB)被重置到0值和无限方差；然后从所有单站滤波器，将来自每个卫星子滤波器的去关联的观测(公式14)逐一输入到UD滤波器。内部以UD形式存储协方差矩阵，该协方差矩阵由下式计算：

$Q_{c,k}^M=U_{c,k}^M{D}_{c,k}^M{U_{c,k}^M}^T---\left(21\right)$

中心熔合主滤波器提供对接收器DCB的全局优化的估计，该估计被反馈回每个卫星的电离层子滤波器，电离层子滤波器然后更新局部唯一状态。这确保了每个卫星的电离层子滤波器中的接收器DCB的估计和协方差与中心熔合主滤波器中的相同。

局部唯一状态由下式确定：

${{\hat{X}}_{i,u}^k}^M={\hat{X}}_{i,u}^K-U_{i,\mathrm{uc}}^k{U_{i,c}^k}^{-1}({\hat{X}}_{c,k}^M-{\hat{X}}_{i,u}^K)---\left(22\right)$

以及卫星子滤波器i的协方差矩阵为：

${Q_i^k}^M=\left[\begin{array}{cc}{Q_{i,u}^k}^M& {Q_{i,\mathrm{uc}}^k}^M\\ {Q_{i,\mathrm{cu}}^k}^M& Q_{c,k}^M\end{array}\right]=\left[\begin{array}{cc}{U}_{i,u}^k& {U_{i,\mathrm{uc}}^k}^M\\ 0& {U_{c,k}}^M\end{array}\right]\left[\begin{array}{cc}{D}_{i,u}^k& 0\\ 0& D_{c,k}^M\end{array}\right]{\left[\begin{array}{cc}{U}_{i,u}^k& {U_{i,\mathrm{uc}}^k}^M\\ 0& {U_{c,k}}^M\end{array}\right]}^T---\left(23\right)$

其中

${U_{i,\mathrm{uc}}^k}^M=U_{i,\mathrm{uc}}^k{U}_{i,c}^k{U}_{c,k}^M---\left(24\right)$

公式(22)-(24)给出了具有UD形式的对应协方差矩阵的局部状态的最终估计。从公式(23)得到，

$Q_{c,k}^M=U_{c,k}^M{D}_{i,c}^M{U_{c,k}^M}^T---\left(25\right)$

局部唯一状态的协方差为：

$Q_{i,u}^M=U_{i,u}^k{D}_{i,u}^k{U}_{i,u}^k+{U_{i,\mathrm{uc}}^k}^M{D}_{c,k}^M{U_{i,\mathrm{uc}}^k}^{M^T}---\left(26\right)$

以及局部唯一状态与共同状态之间的协方差为：

${Q_{i,\mathrm{cu}}^k}^M=U_{c,k}^M{D_{i,c}^k}^M{U_{i,\mathrm{uc}}^k}^{M^T}.---\left(27\right)$

部分3：从ZTD导出IPWV

根据本发明的一些实施例使用修改的Hopfield对流层模型和Niell(湿润和干燥)映射函数。可以使用本领域公知的其他对流层模型，例如，Saastamoinen模型或由Bohem等开发的使用全局映射函数的全局压力和温度模型。参见，例如，McCarthy等，IERSConventions(2003)，IERSTechnicalNote32，VerlagdesBundesamtsfürKartographieundFrankfurtamMain，2004，Boehm等，TropospheremappingfunctionsforGPSandverylongbaselineinterferometryfromEuropeanCentreforMedium-RangeWeatherForecastsoperationalanalysisdata，JournalofGeophysicalResearch111B02406DOI：10.1029/2005JB003629(2006)；Boehm等，TheGlobalMappingFunction(GMF)：Anewempiricalmappingfunctionbasedondatafromnumericalweathermodeldata，GeophysicalResearchLetters33L07304DOI：10.129/2005GL025546(2006)；Boehm等，Shortnote：Aglobalmodelofpressureandtemperatureforgeodeticapplications.JournalofGeodesy，Vol.81，No.10，pp.679-683(2007)；以及在IERSftpsiteftp://tai.bipm.org/iers/convupdt/chapter9/gpt.f上公开的“theGlobalPressureandTemperaturemodel”。

使用映射函数将在接收器处的天顶对流层延迟(ZTD)映射到特定的卫星仰角。对于干(静水力学)分量和湿分量使用不同的映射函数：

TD(z)＝f_h(z)·ZHD+f_w(z)·ZWD(28)

其中

TD为对流层总延迟，

ZHD为天顶静水力学延迟，

ZWD为天顶湿延迟，

z为天顶角，

f_h为静水力学映射函数，以及

f_w为湿映射函数。

天顶总对流层延迟ZTD表示总延迟，其包括静水力学(通常，称为“干”)和湿部分：

ZTD＝ZHD+ZWD(29)

其中ZHD为天顶静水力学延迟，以及

ZWD为天顶湿延迟。

如果已知表面压力可以精确计算(到mm级)天顶静水力学延迟ZHD

ZHD＝0.0022768P/(1-0.00266cos(2*lat)-0.00028H)(30)

参见，Mendes的博士论文，Modelingtheneutral-atmospherepropagationdelayinradiometricspacetechniques，DepartmentofGeomaticsEngineeringTechnicalReportNo.199，UniversityofNewBrunswick，Fredericton，NewBrunswick，Canada，353pp.(1999)，可在http:/gge.unb.ca/Pubs/TR199.pdf获得。可以使用Saastamoinen公式评价给定压力下的延迟。参见，McCarthy等，IERSConventions(2003)，IERSTechnicalNote32，VerlagdesBundesamtsfürKartographieundFrankfurtamMain，2004，Boehm等，TropospheremappingfunctionsforGPSandverylongbaselineinterferometryfromEuropeanCentreforMedium-RangeWeatherForecastsoperationalanalysisdata，JournalofGeophysicalResearch111B02406DOI：10.1029/2005JB003629(2006)；Saastamoinen，AtmosphericCorrectionfortheTroposphereandStratosphereinRadioRangingofSatellites，GeophysicalMonograph15，Henriksen(ed)，pp.247-251(1972)；以及Davis等，GeodesybyRadioInterferometry：EffectsofAtmosphericModellingErrorsonEstimatesofBaselineLength，RadioScience，20，No.6，pp.1593-1607(1985)。

对于离平均海平面不太远的位置，由于压力估计中的不确定性导致的ZHD的附加误差为约2mm/mbar，(H＝100m以及lat＝45deg导致0.0023m/mbar)。给定位置的压力值可通过各种源获得，例如，局部(附近)测量、来自附近位置的内插表面温度和/或数值天气模型。

如果可精确地得到ZTD，可通过GPS导出的ZTD获得天顶湿延迟ZWD：

ZWD＝ZTD-ZHD(31)

ZWD的值高度依赖于存在于大气中的水的量：

ZWD＝10e-6*Rw*(K2+K3/Tm)*IWV(32)

其中IWV为综合水汽量-从大气的表面延伸到顶部的1m²柱中的水汽的总质量。

综合可降水汽量(IPWV)与IWV紧密相关，其中：

$\mathrm{IPWV}=\mathrm{IWV}/{\mathrm{\ρ}}_{H_{2}O}---\left(33\right)$

这意味着1kg/m²的IWV表示约1mm的IPWV。可以从GNSS观测得到IPWV：

$\mathrm{IPWV}=(\mathrm{ZTD}-\mathrm{ZHD})/[10e-6*\mathrm{Rw}*(K2+K3/\mathrm{Tm})*{\mathrm{\ρ}}_{H_{2}O}]---\left(34\right)$

其中ZTD通过GNSS测量来估计，

ZHD通过表面压力来估计，

Rw，K2，K3和为常量，

e为水汽压力，以及

Tm为平均温度。

例如，通过沿大气柱的温度T和水汽e的分布来确定平均温度Tm，该分布可以来自无线电探空或数值天气模型。

如果可以得到温度T和水汽e随高度z的分布，Tm被确定为：

$T_m=\frac{\underset{r_s}{\overset{r_a}{\text{\∫}}}\frac{e}{T}{Z}_w^{-1}\mathrm{dz}}{\underset{r_s}{\overset{r_a}{\∫}}\frac{e}{T^2}{Z}_w^{-1}\mathrm{dz}}---\left(35\right)$

如果不可以得到温度T和水汽压力e的分布，可以基于表面温度Ts估计(较不精确)平均温度Tm：

Tm＝Ts*[1-bR/(l-1)/g_m(36)

其中R为用于干燥气体的气体常量(287.054J/Kg/K)，

g_m为给定高度和纬度的计算的重力加速度，以及

b和l为使用模型(例如，UMB3m)计算的感兴趣的位置的减速率(lapse-rate)参数。

一旦知道Tm，IPWV可被计算为

$\mathrm{IPWV}=(\mathrm{ZTD}-\mathrm{ZHD})/[10e-6*\mathrm{Rw}*(K2+K3/\mathrm{Tm})*{\mathrm{\ρ}}_{H_{2}O}]---\left(37\right)$

$\mathrm{IPWV}=\mathrm{ZWD}/[10e-6*\mathrm{Rw}*(K2+K3/\mathrm{Tm})*{\mathrm{\ρ}}_{H_{2}O}]---\left(38\right)$

从ZWD到IPWV的转换因子非常依赖于一年中的某日(thedayofyear)和纬度。通过使用1Hz实时数据流的处理器可以实时，例如每隔15秒，估计近似数(approximatenumber)，所有估计和测量的参数存储在数据库中。可以根据需要从数据库找回IPWV信息、局部表面气象数据和ZWD信息。在实时数据传送有问题的情况下，数据可经由FTP下载从问题参考站自动或手动找回、进行后处理，并将结果存储在数据库中。气象数据源的实例包括：

部分4：从固定模糊度得出TEC/VTEC

来自联合电离层滤波器的估计的无几何(geometry-free)模糊度和对应的协方差以及从几何滤波器(可以是联合几何滤波器，如美国专利申请公开US2009/0027625A1(TNLA-1789US)所描述的)得到的无电离层(ionospheric-free)模糊度以及从代码-载波滤波器得到的宽巷(widelane)模糊度可以被组合以判定网络的双差(doubledifferenced)宽巷/窄巷(narrowlane)模糊度。

利用固定模糊度，可以达成从载波相位观测的全精度估计，即，依赖于仰角的从mm级到cm级精度。因此，固定模糊度可以改善TEC/VTEC和ZTD/对流层倾斜延迟的估计。

虽然模糊度可被表达为非差(un-differenced)、单差(single-differenced)以及双差形式，但仅仅双差模糊度是唯一的。这意味着，对于非差模糊度，加入每卫星偏差和每接收器偏差，结果双差模糊度是不改变的。

使用本文描述的联合电离层滤波器方法可以相对良好地估计电离层延迟的绝对水平(VTEC)。对于卫星i和接收器j，对每个时间点，可以获得来自电离层滤波器的估计的浮动值电离层延迟估计以及对应协方差矩阵Q_I。然后，从卫星i到接收器j的电离层倾斜延迟被计算为：

${\tilde{I}}^{i,j}=\{m(\mathrm{\Δ\λ},\mathrm{\Δ\φ}),m(\mathrm{\Δ\λ},\mathrm{\Δ\φ})\·\mathrm{\Δ\λ},m(\mathrm{\Δ\λ},\mathrm{\Δ\φ})\·\mathrm{\Δ\φ},1\}\·\left[\begin{array}{c}{\tilde{I}}_0^i\\ {\tilde{a}}_{\mathrm{\λ}}^i\\ {\tilde{a}}_{\mathrm{\φ}}^i\\ {\widetilde{\mathrm{\δ}}}_j^i\end{array}\right]=A\·{\tilde{I}}_v^{i,j}---\left(39\right)$

其中m(Δλ，Δφ)，m(Δλ，Δφ)·Δλ，和m(Δλ，Δφ)·Δφ，1为用于经度和纬度梯度的Taylor展开映射函数。那么，电离层倾斜延迟的协方差为

${{\mathrm{\σ}}_I^{i,j}}^2=A\·Q_I\·A^T---\left(40\right).$

利用对于卫星i和接收器j的(非差)网络模糊度

${\tilde{L}}_I^{i,j}=L_I^{i,j}-{\hat{N}}_I^{i,j}-{\tilde{I}}^{i,j}={{\mathrm{\Δ}}^j}_I-{{\mathrm{\Δ}}^j}_I+v_I^{i,j},---\left(41\right)$

其中为模糊度减小的电离层相位观测减去从联合电离层浮动(float)滤波器导出的电离层倾斜延迟，并作为到固定模糊度电离层滤波器的输入。项和分别表示非差电离层载波相位模糊度中的接收器偏差和卫星偏差；如果观测是双差的，这些可取消。

对于m个卫星和n个站，未知量的数目为m个卫星偏差+n个接收器偏差。可以通过最小二乘平差或通过Kalman滤波器来求解它们。由于系统为亏秩(rankdeficient)的，一个卫星或一个接收器偏差需要被约束；这可以通过引入伪观测来进行，例如，通过添加具有极小方差的观测以限定参考卫星偏差。在估计卫星偏差和站偏差之后，用于卫星i和接收器j的来自固定模糊度滤波器的电离层倾斜延迟的改善(校正)值为：

${\hat{I}}^{i,j}=L_I^{i,j}-{\hat{N}}_I^{i,j}-{{\widehat{\mathrm{\Δ}}}^j}_r+{{\widehat{\mathrm{\Δ}}}^i}_s---\left(42\right)$

于是以TEC单位将TEC和VTEC的值确定为

${\mathrm{TEC}}^{i,j}={\hat{I}}^{i,j}/0.162---\left(43\right)$

和

VTEC^i，j＝m(Δλ，Δφ)·TEC^i，j(44)。

部分5：从固定模糊度得到ZTD/对流层梯度/对流层倾斜湿延迟无电离层载波相位观测和代码观测被表达为：

L_c＝ρ+c·(t_r-t^s)+ZTD·f(z)+N_c+v_c

P_c＝ρ+c·(t_r-t^s)+ZTD·f(z)+ε_c(45)

其中t_r和t^s分别为接收器时钟误差和卫星时钟误差，

ZTD为天顶总延迟，

f(z)为依赖仰角(天顶角z)的映射函数(在实践中，采用在部分3中描述的湿映射函数f_w)，

N_c为无电离层模糊度，以及

v_c和ε_c为无电离层载波相位的噪声和代码噪声。

在对流层梯度需要被估计的情况下，公式(45)变为：

$L_c=\mathrm{\ρ}+c\·(t_r-t^s)+\mathrm{ZTD}\·f\left(z\right)+\frac{\∂f}{\∂z}\cos \left(A\right)\·x_N+\frac{\∂f}{\∂z}\sin \left(A\right)\·x_E+N_c+v_c$

(46)

$P_c=\mathrm{\ρ}+c\·(t_r-t^s)+\mathrm{ZTD}\·f\left(z\right)+\frac{\∂f}{\∂z}\cos \left(A\right)\·x_N+\frac{\∂f}{\∂z}\sin \left(A\right)\·x_E+{\mathrm{\ϵ}}_c$

其中为映射函数关于天顶角的偏导数，

A为站-卫星的方向的方位角，

x_N和x_E分别为北方和东方方向的对流层梯度。

对于m个站和n个卫星，几何滤波器的状态矢量为

$X={[Z{\mathrm{TD}}_1,{\mathrm{ZTD}}_2,...{\mathrm{ZTD}}_m,t_{r1},t_{r2},...t_{\mathrm{rm}},t^{s1},t^{s2},...t^{\mathrm{sn}},N_{c1}^1,N_{c2}^1,...N_{\mathrm{cm}}^n]}^T---\left(47\right)$

如果还估计对流层梯度，状态矢量为

$X={[Z{\mathrm{TD}}_1,{\mathrm{ZTD}}_2,...{\mathrm{ZTD}}_m,x_{N1},x_{N2},...x_{\mathrm{Nm}},x_{E1},x_{E2},...x_{\mathrm{Em}},t_{r1},t_{r2},...{t_{\mathrm{rm}},t}^{s1},.t^{s2},...t^{\mathrm{sn}},N_{c1}^1,N_{c2}^1,...N_{\mathrm{cm}}^n]}^T---\left(48\right)$

对于最优几何滤波器或联合几何滤波器，可以估计ZTD和对流层梯度。

采用与从固定模糊度导出TEC/VTEC相似的方法，使用网络固定模糊度，可以改善ZTD和倾斜总延迟估计的精确度。

对于网络固定模糊度其中和分别为无电离层非差模糊度中的依赖接收器和依赖卫星的偏差，该模糊度减小的无电离层载波相位观测变为：

通过新卫星和接收器时钟错误项和吸收项和对于m个卫星和n个接收器，未知量的数目为m+2n，其包括m个卫星时钟误差值加n个接收器时钟误差值和n个ZTD值。与从固定模糊度导出TEC/VTEC相似，该系统同样是亏秩的，由此需要约束一个卫星时钟误差或一个接收器时钟误差。可以通过最小二乘平差或通过Kalman滤波器估计每个站的改善的(校正)ZTD值。可选地，从几何滤波器得到的ZTD值可被用作伪观测。

在需要估计对流层梯度的情况下，公式(49)变为：

对于m个卫星和n个接收器，未知量的数目为m+4n，包括m卫星时钟误差值加n接收器时钟误差值、nZTD值以及2n对流层梯度。

除了改善的ZTD/对流层梯度估计之外，可以导出倾斜对流层总延迟：

其中和是和的估计。

利用表面气象数据，可以导出倾斜湿延迟：

$S\hat{W}D=S\hat{T}D-f_h\left(z\right)\·\mathrm{ZHD}\_---\left(52\right)$

然后可使用如部分3所描述的估计的ZTD和无线电探空数据或表面气象传感器数据确定实时综合可降水汽量(IPWV)。

部分6：示例性实例

图7为使用根据本发明的一些实施例的联合电离层滤波方法的用于估计大气参数值的实时处理700的流程图。数据705，710，...715表示由在一区域上分布的参考站网络的接收器收集的来自GNSS卫星的信号测量，这些数据可选地在720处被准备(例如，通过时间点同步)并作为用于通过时间点的处理的GNSS数据组725。获得卫星DCB组730(每个卫星一个)，例如，从国际GNSS服务(IGS)下载或从接收器的全球网络的观测计算，例如图600所示，并加入到电离层伪范围观测。

联合电离层浮动滤波器处理735被应用于卫星DCB730所调整的电离层GNSS数据组合725，以估计接收器DCB组740(每个站一个)和总电子量(TEC)值组745(每个卫星每个站一个)。处理735还估计电离滤波器模糊度750的浮动值。

几何滤波器处理755被应用于GNSS数据以估计对流层参数的值，其包括以下中的至少一个：(i)天顶总延迟(ZTD)的一组值760(每个站一个)；(ii)天顶总延迟(ZTD)的一组值760(每个站一个)和沿两个正交方向中的每一个方向(例如，东方和北方或经度和纬度)的用于每个站的对流层梯度的一组值765(每个站一个)，以及(iii)倾斜总延迟的一组值770(每个站每个卫星一个)。处理755还估计几何滤波器模糊度775的浮动值。

从外部源获得该区域内的位置的气象数据780(例如，来自测量和/或模型以及可选地来自无线电探空探测的气象数据)。大气监测处理785确定该网络区域上环境参数的值790。通过对流层参数的估计值和气象数据780确定(i)每个站的综合可降水汽量(IPWV)792和(ii)对流层倾斜湿延迟794中的至少一个。大气监测处理或另一处理可选地通过每个站每个卫星的总电子量(TEC)值745来确定竖直总电子量(VTEC)的一组值796(每个站一个)。

图8示意性地示例了根据本发明的一些实施例的使用联合电离层滤波器的架构。联合电离层浮动滤波器835被应用于卫星DCB730所调整的电离层GNSS数据组合725以估计接收器DCB组740(每个站一个)和总电子量(TEC)值组745(每个卫星每个站一个)。联合滤波器835还估计电离层滤波器模糊度750的浮动值。

几何滤波器855被应用于GNSS数据以估计对流层参数的值，其包括以下中的至少一个：(i)天顶总延迟(ZTD)的一组值760(每个站一个)；(ii)天顶总延迟(ZTD)的一组值760(每个站一个)和沿两个正交方向中的每一个方向(例如，东方和北方或经度和纬度)的每个站的对流层梯度的一组值765(每个站一个)，以及(iii)倾斜总延迟的一组值770(每个站每个卫星一个)。滤波器855还估计几何滤波器模糊度775的浮动值。

大气监测模块885确定该网络区域上环境参数的值790。通过所述对流层参数的估计值和气象数据，模块885确定(1)综合可降水汽量(IPWV)792和(2)对流层倾斜湿延迟794中的至少一个的值。可选地，大气监测模块或另一模块通过每个站每个卫星的总电子量(TEC)值745来确定竖直总电子量(VTEC)的一组值796(每个站一个)。

图9为根据本发明一些实施例的联合电离层滤波器处理735的流程图。在处理905中使用卫星DCB730和GNSS数据组725，该处理905估计电离层模型的参数的值910和每个卫星每个站随机电离层延迟项的值915。在处理920中使用估计的值910和915以确定每个站每个卫星的总电子量(TEC)的值745。

图10为根据本发明的一些实施例的联合电离层滤波器835的实施例的示意图。在估计器1005中使用卫星DCB730和GNSS数据组725，估计器1005确定电离层模型的参数的值910和每个卫星每个站的随机电离层延迟项的值915。估计的值910和915被传递到模块1020，该模块1020确定每个站每个卫星的总电子量(TEC)的值745。

图11为根据本发发明的一些实施例的联合电离层滤波器处理735的流程图。该处理开始于在1005处的时间点。在1110处将GNSS数据组725和卫星DCB730应用于每个卫星的电离层子滤波器处理1110。每个子滤波器1110估计对于其分派的卫星是唯一的“局部”状态的值1115和所有电离层子滤波器共同的状态的值1120。如公式(16)所示，“局部”状态值1115包括表征跨区域的电离层的参数每个卫星每个站的随机电离层延迟项(δ¹，…，δⁿ)以及每个卫星每个站的浮动值模糊度包括每个站的接收器DCB的共同状态值1120被逐个提供到中心主熔合滤波器处理1135，处理1135估计共同状态的更新值1145。电离层子滤波器处理1150(例如，使用相同子滤波器处理1110)使用更新的共同状态值1145以估计用于“局部”状态的更新值1155。将更新的共同状态值1145反馈到子滤波器处理局部状态与共同状态之间的互相关联。

图12为根据本发明的一些实施例的联合电离层滤波器835的示意图。电离层子滤波器1210，每个卫星一个，估计对于每个子滤波器的分派的卫星是唯一的“局部”状态的值1115和所有电离层子滤波器共同的状态的值1120。如公式(16)所示，“局部”状态值1115包括表征跨区域的电离层的参数每个卫星每个站的随机电离层延迟项(δ¹，…，δⁿ)以及每个卫星每个站的浮动值模糊度包括每个站的接收器DCB的共同状态值1120被逐个提供到中心主熔合滤波器1235，滤波器1235估计共同状态的更新值1145。电离层子滤波器1210使用更新的共同状态值1145以估计用于“局部”状态的更新值1155。将更新的共同状态值1145反馈到子滤波器处理局部状态与共同状态之间的互相关联。

图13为根据本发明的一些实施例的大气监测处理785的流程图。在1305处从气象数据1310，例如，从表示邻近该站的表面气象条件的数据，计算每个站的天顶干延迟(ZHD)，如公式(30)。在1315处，从天顶干延迟(ZHD)1315，天顶总延迟(ZTD)760，倾斜总延迟770和静水力学(干)映射函数1325，计算每站的天顶湿延迟(ZWD)1330和每站每卫星的对流层倾斜湿延迟794，如公式(28)。静水力学映射函数是无量纲因子，描述了静水力学路径延迟的仰角依赖性，并将视线延迟与天顶延迟相关。在1335处，从无线电探空数据1340和表面气象数据1310(和/或来自数值天气模型的数据)计算平均温度1345，如公式(35)或(36)。可选地，在1350处，从平均温度1345和天顶湿延迟(ZWD)1330计算综合可降水汽量(IPWV)的值792，如公式(34)。可选地，在1355处从每站每卫星的总电子量(TEC)的值745计算每站的竖直总电子量的值796。如上所述，几何依赖TEC和不依赖几何的VTEC之间的关系由下式给出：

VTEC＝TEC/m_mapping(ζ)＝TEC·cos(ζ)(53)

其中m_mapping(ζ)＝1/cos(ζ)为倾斜路径映射函数，以及

ζ为从卫星到接收器的信号射线与在信号线通过电离层球的穿透点处竖直于电离层球的线之间的角。环境参数估计790(每站的VTEC796，IPWV792以及每站每卫星的倾斜湿延迟794中的至少一个)被存储在存储器1365中，通过存储器，它们可被提供到一个或多个计算机系统(例如计算机系统1370)，以用于显示和/或进一步处理，例如天气预报。

图14为根据本发明的一些实施例的大气监测模块885的示意图。天顶干延迟模块1405从气象数据1310计算天顶干延迟(ZHD)。天顶湿延迟&倾斜湿延迟模块1420计算每站的天顶湿延迟(ZWD)1330和每卫星每站的对流层倾斜湿延迟794。平均温度模块1435计算平均温度1345。可选地，IPWV模块1450计算综合可降水汽量(IPWV)的值792。可选地，VTEC模块1455计算每站的竖直总电子量的值796。数据处理器&延迟硬件包括存储器1365以存储环境参数估计790，通过存储器，它们可被提供到一个或多个计算机系统(例如计算机系统1370)，以用于显示和/或进一步处理，例如天气预报。

图15为根据本发明的一些实施例的使用固定模糊度估计环境参数的处理1500的流程图。数据1505，1510，...1515表示由在一区域上分布的参考站网络的接收器收集的来自GNSS卫星的信号测量，这些数据可选地在1520处被准备(例如，通过时间点同步)并作为用于时间点下的处理的GNSS数据组1525。获得卫星DCB组1530(每个卫星一个)，例如，从国际GNSS服务(IGS)下载或从接收器的全球网络的观测计算，例如图600所示，并加入到伪范围观测。

在1535处，递归滤波处理(使用，例如，最小二乘适应滤波器或Kalman滤波器)被应用于卫星DCB1530所调整的GNSS数据1525，以估计状态变量组1540在每个时间点处的值。状态变量1540包括以下中的至少一个：(i)每站每卫星的总电子计数(TEC)，(ii)每站的天顶总延迟(ZTD)，(iii)每站的天顶总延迟(ZTD)和每站的对流层梯度的组，以及(iv)每站每卫星的倾斜总延迟。该处理还估计模糊度的浮动值和相关的统计信息(方差/协方差值)。

在1545处，浮动值模糊度估计是“固定的”以形成一组“固定的”网络模糊度1550。在1555处，使用该“固定的”网络模糊度1550来估计用于状态变量的校正值1560。可选地，“固定的”网络模糊度1550可被反馈回到递归滤波器1635。大气参数((i)每站每卫星的校正的总电子计数(TEC)1565，(ii)每站的校正的天顶总延迟(ZTD)1570，(iii)每站的校正的天顶总延迟(ZTD)和每站的校正的对流层梯度1575，以及(iv)每站每卫星的校正的倾斜总延迟1580中的至少一个)的结果值和来自外部源的气象数据1585被提供到大气监测处理，例如，图7中的785。大气监测处理确定用于(1)综合可降水汽量(IPWV)1592和(2)对流层倾斜湿延迟1594中的至少一个的该区域上的环境参数值1590。在该区域内的位置的气象数据1585包括例如来自测量和/或模型以及可选地来自无线电探空探测的气象数据。大气监测处理或另一处理通过每个站每个卫星的总电子量(TEC)值1565来确定每站的竖直总电子量(VTEC)的值1596。

图16为根据本发明的一些实施例的使用固定的模糊度估计环境参数值的系统的示意图。可选的数据准备模块1620准备(例如，同步)数据1505，1510，...1515并使该准备的数据作为用于时间点进行的处理的GNSS数据组1525，数据1505，1510，...1515表示由在一区域上分布的参考站网络的接收器收集的来自GNSS卫星的信号测量。递归滤波器1635(例如，最小二乘适应滤波器或Kalman滤波器)被应用于卫星DCB1530所调整的GNSS数据1525以估计状态变量组1540在每个时间点处的值。状态变量1540包括以下中的至少一个：(i)每站每卫星的总电子计数(TEC)，(ii)每站的天顶总延迟(ZTD)，(iii)每站的天顶总延迟(ZTD)和每站的对流层梯度，以及(iv)每站每卫星的倾斜总延迟。滤波器1635还估计模糊度的浮动值和相关的统计信息(方差/协方差值)。

模糊度“固定”模块1645“固定”浮动值模糊度估计，以形成一组“固定的”网络模糊度1550。状态变量估计校正器1655使用该“固定的”网络模糊度1550来估计用于状态变量的校正值1560。可选地，大气监测模块885使用状态变量(以下中的至少一个：(i)每站每卫星的校正的总电子计数(TEC)1565，(ii)每站的校正的天顶总延迟(ZTD)1570，(iii)每站的校正的天顶总延迟(ZTD)和每站的校正的对流层梯度1575，以及(iv)每站每卫星的校正的倾斜总延迟1580)的结果校正值和来自外部源的气象数据1585，以确定用于(1)综合可降水汽量(IPWV)1592和(2)对流层倾斜湿延迟1594中的至少一个的该区域上的环境参数值1590。在该区域内的位置的气象数据1585包括例如来自测量和/或模型以及可选地来自无线电探空探测的气象数据。可选地，大气监测处理或另一处理通过每个站每个卫星的总电子量(TEC)值1565来确定每站的竖直总电子量(VTEC)的值1596。

图17为根据本发明的一些实施例的使用固定模糊度估计环境参数的处理1700的流程图。数据1705，1710，...1715表示由在一区域上分布的参考站网络的接收器收集的来自GNSS卫星的信号测量，这些数据可选地在1720处被准备(例如，通过时间点同步)并作为用于时间点下的处理的GNSS数据组1725。获得卫星DCB组1730(每个卫星一个)，例如，从国际GNSS服务(IGS)下载或从接收器的全球网络的观测计算，例如图600所示，并加入到伪范围观测。

在1735处，使用应用于GNSS数据1725的分解的滤波器处理进行递归滤波，以估计在每个时间点处的状态变量组的值。电离层处理1740使用由卫星DCB1730调整的电离层(无几何)观测组合以估计每站的接收器差分码偏差(DCB)的值1742、可选地每站每卫星的总电子计数的值1744以及电离层-组合模糊度的浮动值1746以及相关的统计信息。几何滤波器处理1750使用无电离层(几何)观测组合以估计大气参数的值(包括每站的天顶总延迟(ZTD)1752，每站的天顶总延迟(ZTD)和每站的对流层梯度的值1754，每站的倾斜总延迟的值1756中的至少一个)，和几何组合模糊度的浮动值1750，以及相关的统计信息。代码/载波滤波器处理1760使用代码/载波观测组合以估计代码/载波参数的值1762和代码/载波组合模糊度的浮动值1764，以及相关的统计信息。在1765处，组合各估计和相关的统计信息以形成估计与相关的统计信息(例如，方差和协方差矩阵)的组合组1770。

可进行美国专利7,432,853(TNLA-1403US)描述的分解的滤波，但是在本文中通过卫星DCB来调整应用于电离层滤波器处理的GNSS数据。在一些实施例中，用上述联合电离层滤波处理来代替美国专利7,432,853的电离层滤波。在一些实施例中，用美国专利申请公开US2009/0027625A1(TNLA-1789US)的联合几何滤波器处理来代替美国专利7,432,853的几何滤波处理。

在1775处使用用于所有载波相位观测的模糊度估计和相关的统计信息的组合阵列1770以“固定”模糊度值。在1780处使用产生的“固定的”网络模糊度1776以估计环境状态变量的校正的值。环境状态变量((i)每站每卫星的校正的总电子计数(TEC)1782，(ii)每站的天顶总延迟(ZTD)的校正值1784，(iii)每站的天顶总延迟(ZTD)的校正值1784和每站的一组对流层梯度的校正值1786以及(iv)每站每卫星的倾斜总延迟的校正值1788中的至少一个)的产生的校正值和来自外部源的气象数据1785被可选地提供到大气监测处理，例如，图7中的785。可选地，处理785使用校正的值来确定(1)综合可降水汽量(IPWV)的值1792，(2)对流层倾斜湿延迟的值1794以及(3)竖直总电子计数(VTEC)的值1796中的至少一个。气象数据1785包括例如来自该区域内的位置处的测量和/或模型以及可选地来自无线电探空探测的气象数据。

图18为根据本发明的一些实施例的使用固定的模糊度估计环境参数的系统的示意图。数据准备模块1820准备(例如，同步)数据1705，1710，...1715并使该准备的数据作为用于时间点进行的处理的GNSS数据组1725，数据1705，1710，...1715表示由在一区域上分布的参考站网络的接收器收集的来自GNSS卫星的信号测量。分解的滤波器1835使用GNSS数据1725以估计在每个时间点处的状态变量组的值。分解的滤波器1835包括一个或多个电离层滤波器1840，其使用由卫星DCB1730调整的电离层(无几何)观测组合以估计每个站的接收器差分码偏差(DCB)的值1742、可选地每站每卫星的总电子计数的值1744以及电离层-组合模糊度的浮动值1746以及相关的统计信息。分解的滤波器1835包括几何滤波器1850，其使用无电离层(几何)观测组合以估计大气参数的估计值(包括以下中的至少一个：(i)每站的天顶总延迟(ZTD)的值1752，(ii)每站的天顶总延迟(ZTD)的值1752和每站的对流层梯度的值1754，(iii)每站的倾斜总延迟的值1756)，以及几何-组合模糊度的浮动值1750和相关的统计信息。分解的滤波器1835包括代码/载波滤波器1860，其使用代码/载波观测组合以估计代码/载波参数的值1762和代码/载波-组合模糊度的浮动值1764，以及相关的统计信息。组合器1865将该估计与相关的统计信息组合为估计与相关的统计信息(例如，方差和协方差矩阵)的组合组1770。

分解的滤波器1835可按照美国专利No.7,432,853(TNLA-1403US)描述的进行实施，但是在本文中通过卫星DCB来调整应用于电离层滤波器1840的GNSS数据(电离层组合)。在一些实施例中，用上述联合电离层滤波来代替美国专利No.7,432,853的电离层滤波器1840。在一些实施例中，用美国专利申请公开US2009/0027625A1(TNLA-1789US)的联合几何滤波器来代替美国专利No.7,432,853的几何滤波器。

模糊度“固定”模块1875“固定”组合阵列1770的模糊度。校正器1880使用“固定的”网络模糊度1776以估计环境状态变量的校正的值。可选地，大气监测模块885使用环境状态的校正值(以下中的至少一个：(i)每站每卫星的总电子计数(TEC)的校正值1782，(ii)每站的天顶总延迟(ZTD)的校正值1784，(iii)每站的天顶总延迟(ZTD)的校正值1784和每站的对流层梯度的校正值1786，以及(iv)每站每卫星的倾斜总延迟的校正值1788)和来自外部源的气象数据1785，来确定环境参数估计1790。可选的估计1790包括(1)综合可降水汽量(IPWV)1792，(2)对流层倾斜湿延迟1794以及(3)竖直总电子计数(VTEC)1796中至少一个的值。气象数据1785包括例如来自该区域内的位置处的测量和/或模型以及可选地来自无线电探空探测的气象数据。

本文使用的术语“固定”、“固定的”包括使用诸如舍入(rounding)、自举(bootstrapping)和Lambda搜索将模糊度固定到整数值，并还包括形成整数候选的加权平均而不需要将它们固定到整数值。在国际专利申请公开WO2010/021656A2，WO2010/021658A2，WO2010/021659A2，WO2010/021657A2，和WO2010/021660A2中详细描述了该加权平均方法，通过引用将上述公开并入到本文中。一些实施例使用本领域公知的任何适宜技术来“固定”模糊度，例如，简单舍入，自举，基于Lambda方法的整数最小二乘或最佳整数等变(BestIntegerEquivariant)。参见，Teunissen，P.J.G，S.Verhagen(2009)；GNSSCarrierPhaseAmbiguityResolution：ChallengesandOpenProblems，inM.G.Sideris(ed.)；ObservingourChangingEarth，InternationalAssociationofGeodesySymposia133，SpringerVerlagBerlin-Heidelberg2009；和Verhagen，Sandra(2005)：TheGNSSintegerambiguities：estimationandvalidation，PublicationsonGeodesy58，Delft，2005，194pages，ISBN-13：9789061322900.ISBN-10：9061322901。

N₁和N₂为L₁和L₂整数模糊度，

v₁和v₂为L₁和L₂相位噪声加多路径，以及

ε₁和ε₂为L₁和L₂代码噪声加多路径。

公式(7)和(8)的载波相位观测分别将L1和L2模糊度示出为N₁和N₂。公式(7)示出了N₁和N₂之间的映射。对于观测m个卫星的n个站的网络，可以以各种方式表达例如L1和L2的载波频率中的每个的m×n模糊度。观测的线性组合导致对应的模糊度组合，从该模糊度组合可得出未组合的模糊度。例如，与图16的实例一样的单个大递归滤波器可以被配置为直接估计未组合的模糊度。在图18的使用分解的滤波器的实例中，每个分解的滤波器估计模糊度的不同线性组合，例如宽巷，窄巷以及代码/载波组合。备选地，模糊度可以被表达为基线-基线组合，其中每个基线对应于各对网络接收器。本发明旨在包括等价于跨网络固定未组合的模糊度的任何模糊度组合的估计。例如，在来自伯尔尼大学，天文学院Version5.0，2007年1月的Bernese软件的第二章中能够找到对线性组合的一些讨论。

部分7：接收器和处理装置

图19为具有GNSS天线1905和通信天线1910的典型的集成GNSS接收器系统1900的框图。TrimbleR8GNSS系统为这样的系统的实例。接收器系统1900可以作为网络参考站。接收器系统1900包括GNSS接收器1915、计算机系统1920以及一个或多个通信链接1925。计算机系统1920包括一个或多个处理器1930、一个或多个数据存储元件1935、具有用于控制处理器1930的指令的程序代码1940以及用户输入/输出设备1945，该设备1945包括诸如显示器或扬声器或打印机的一个或多个输出设备1950以及诸如键盘或触摸板或鼠标或麦克风的用于接收用户输入的一个或多个设备1955。

图20为根据本发明的一些实施例的计算机系统2020的示意图。计算机系统2020包括一个或多个处理器2030、一个或多个数据存储元件2035，具有用于控制处理器2030的指令的程序代码2040以及用户输入/输出设备2045，该设备2045包括诸如显示器或扬声器或打印机的一个或多个输出设备2050以及诸如键盘或触摸板或鼠标或麦克风的用于接收用户输入的一个或多个设备2055。计算机系统2020还具有一个或多个通信链路以与其他系统交换数据，例如，通过互联网和/或其他信道。

部分8：一般评述

可以在用于实时操作(不大于5秒)的各种处理和设备中采用本发明的概念。使用联合滤波器方法和分解的UD滤波器，极大减小了大GNSS网络的计算负载，并适宜于采用并行计算技术(即，通过使用OpenMP库)的现代多核计算机运行。较短的时间延迟对于性命攸关的应用(如机场附近的洪水和天气预报)是非常关键的。现在将描述一些示例性实施例。应该理解，这些旨在示例而不是限制本发明的范围。

本领域的技术人员将认识到本发明的实施例的详细描述仅仅是示例性的，而不旨在任何形式的限制。本发明的其他实施例对于从本公开获益的技术人员是显然的。例如，当在一些实施例中采用无电离相位组合时，本领域的技术人员将认识到，多个相位组合是可能的，并且不是无电离相位组合的组合也可以产生可接受的结果(如果不如最优结果)；因此，不应将权利要求限制到无电离相位组合，除非专门声明。详细参考本发明的实施方式，如附图所示。对于附图和下列详细描述，使用相同的参考标记来提及相同或相似的部分。

为了清楚，未示出和描述本文件中描述的实施方式的所有常规特征。应理解，在任何这样的实际实施方式的开发中，必须做出多个专用于实施方式的判断，以实现开发者特定的目标，例如，符合应用限制和与商业有关的限制，并且从一个实施方式到另一实施方式或从一个开发者到另一开发者，这些特定的目标将会变化、此外，应该理解，这样的开发努力是复杂和费时的，然而对于从本公开获益的本领的技术人员而言，这仍是常规工程事业。

全球导航卫星系统(GNSS)包括全球定位系统(GPS)、Glonass系统，提出的Galileo系统，提出的指南针系统等等。每个GPS卫星使用L带的分别为1575.41MHz和1227.60MHz的两个无线电频率(称为L1和L2)连续地发送。一些GPS卫星还在L带的处于1176.45MHz的第三频率(称为L5)上发送。每个GNSS同样具有在多个载波频率上发送多个信号的卫星。本发明的实施例不限于任何特定的GNSS或L1和L2频率。例如，本发明可以使用其他频率组合，例如GPSL1和L5的组合或Glonass频率的组合，Gallileo频率的组合或任何其他GNSS的频率组合。

根据本发明的实施例，可使用各种操作系统(OS)、计算机平台、固件、计算机程序、计算机语言和/或通用机器来实施部件、处理步骤和/或数据结构。方法可以作为在处理电路上运行的编程处理来运行。处理电路可以采用处理器和操作系统或独立终端机的多种组合的形式。可以将处理实施为通过硬件、仅通过硬件或通过其任何组合执行的指令。软件可被存储在可由机器读取的程序存储装置中。诸如滤波器或滤波器集合体(bank)的计算元件可以容易地使用面向对象编程语言实现，使得根据需要实例化每个所需的滤波器。

本领域的技术人员将认识到，在不背离本文公开的发明概念的范围和精神的情况下，还可以使用较不通用的装置，例如硬布线(hardwired)器件、包括现场可编程门阵列(FPGA)和复杂可编程逻辑器件的现场可编程逻辑器件(FPLD)、专用集成电路(ASIC)等等。

根据本发明的实施例，所述方法可在数据处理计算机上实现，例如，运行诸如可从华盛顿州雷蒙德的MicrosoftCorporation得到的XPand2000和可从美国加利福尼亚州圣克拉拉市的SunMicrosystems，Inc得到的的OS或可从多个销售商得到的诸如Linux的各种版本的Unix操作系统的个人计算机、工作站计算机、大型计算机或高性能服务器。该方法还可以在多核处理器系统上实现，或在包括诸如输入装置、输出装置、显示器、指点装置、存储器、存储装置、用于将数据传送到处理器而从处理器接收数据的介质接口等等的各种周边设备的计算环境中实现。这样的计算机系统或计算环境可以是局部联网的，或是通过互联网联网的。

任何的上述方法及其实施例中可通过计算机程序来实施。该计算机程序被加载在上述的装置、流动站(rover)、参考接收器或网络站上。因此，本发明还涉及计算机程序，当在上述的装置、流动站、参考接收器或网络站上实施时，可以实现上述方法及其实施例中的任何一个。

本发明还涉及包括上述计算机程序的计算机可读的介质或计算机程序产品。计算机可读的介质或计算机程序产品例如为磁道、光存储盘、磁盘、磁光盘、CDROM、DVD、CD、闪速存储器单元等等，其中计算机程序被永久或临时存储。本发明还涉及具有用于实施本发明的任一方法的计算机可执行的指令的计算机可读的介质(或计算机程序产品)。

本发明还涉及作为计算机程序产品的将被安装在已位于现场的接收器的更新的固件，即，被传递到现场的计算机程序。

GNSS接收器包括被配置为接收处于卫星广播的频率的信号的天线、处理器单元、一个或多个精确的时钟(例如，晶体振荡器)、一个或多个计算机处理单元(CPU)、一个或多个存储单元(RAM、ROM、闪速存储器等等)以及用于向用户显示位置信息的显示器。

其中本文将术语“接收器”、“过滤器”和“处理元件”作为装置的单元，对于单元构成部分的分布没有限制。也就是，单元的构成部件可以分布在用于实现期望功能的不同的软件或硬件部件或装置中。此外，可以通过组合的单个单元的方式将各单元集中到一起以执行其功能。例如，可以组合接收器、滤波器和处理元件以形成单一单元，从而执行各单元的组合的功能性。上述单元可通过硬件、软件、硬件和软件的组合、预先编程的ASIC(专用集成电路)等来实施。单元包括计算机处理单元(CPU)、存储单元、输入/输出(I/O)单元、网络连接单元等等。

虽然已经基于详细的实例描述了本发明，但该详细的实例仅仅用于向本领域的技术人员提供详细的了解，而不旨在限制本发明的范围。通过所附权利要求限制本发明的范围。

Claims (18)

1.一种处理GNSS信号数据以估计环境参数值的方法，包括：

通过在多个时间点从GNSS卫星接收的信号获得在一区域上分布的多个站处收集的GNSS信号数据，

获得每卫星的卫星代码偏差，

从所述GNSS信号数据和所述卫星代码偏差估计每站每卫星的浮动模糊度的组和大气参数的值，所述大气参数包括以下中的至少一个：(i)每站每卫星的总电子量，(ii)每站的天顶总延迟，(iii)每站的天顶总延迟和每站的对流层梯度组，以及(iv)每站每卫星的倾斜总延迟，

固定所述模糊度，

从所述GNSS信号数据和固定的模糊度估计所述大气参数的校正的值，

其中获得所述GNSS信号数据和估计所述大气参数的校正的值之间的消逝时间不大于五秒。

2.根据权利要求1的方法，还包括：

获得在所述区域内的位置的气象数据，以及

从所述大气参数的校正的值和所述气象数据确定所述区域上的综合可降水汽和对流层倾斜湿延迟中的至少一个的值。

3.根据权利要求1的方法，其中估计浮动模糊度的组和大气参数的值包括，将至少一个迭代滤波器应用于所述GNSS信号数据和所述卫星代码偏差。

4.根据权利要求1的方法，其中估计浮动模糊度的组和大气参数的值包括，将一组分解的滤波器应用于所述GNSS信号数据和所述卫星代码偏差。

5.根据权利要求1的方法，其中估计浮动模糊度的组和大气参数的值包括，将联合电离层滤波器应用于所述GNSS信号数据和所述卫星代码偏差。

6.根据权利要求1的方法，其中所述每站每卫星的总电子量的值包括映射到竖直方向的值。

7.根据权利要求2的方法，其中获得气象数据包括，获得所述区域内的位置的表面气象数据。

8.根据权利要求2的方法，其中获得气象数据包括，获得所述区域内的位置的无线电探空温度数据。

9.根据权利要求2的方法，其中获得所述GNSS信号数据和确定所述区域上的综合可降水汽和对流层倾斜湿延迟中的至少一个的值之间的消逝时间不大于五秒。

10.一种用于处理GNSS信号数据以估计环境参数值的装置，包括：

至少一个递归滤波器，从卫星差分码偏差和从所述GNSS信号数据估计每站每卫星的浮动模糊度的组和大气参数的值，所述大气参数包括以下中的至少一个：(i)每站每卫星的总电子量，(ii)每站的天顶总延迟，(iii)每站的天顶总延迟和每站的对流层梯度组，以及(iv)每站每卫星的倾斜总延迟，

模糊度固定模块，从所述浮动模糊度准备固定的模糊度，

校正器模块，从所述GNSS信号数据和所述固定的模糊度估计所述大气参数的校正的值，

其中获得所述GNSS信号数据和估计区域上的大气参数的校正的值之间的消逝时间不大于五秒。

11.根据权利要求10的装置，还包括：

气象监测模块，从所述大气参数的校正的值和气象数据确定综合可降水汽和对流层倾斜湿延迟中的至少一个的值。

12.根据权利要求10的装置，其中所述至少一个递归滤波器包括Kalman滤波器。

13.根据权利要求10的装置，其中所述至少一个递归滤波器包括分解的滤波器组。

14.根据权利要求10的装置，其中所述至少一个递归滤波器包括联合电离层滤波器。

15.根据权利要求10的装置，其中每站每卫星的总电子量的值包括映射到竖直方向的值。

16.根据权利要求11的装置，其中所述气象监测模块被操作为处理包括区域内的位置的表面气象数据的气象数据。

17.根据权利要求11的装置，其中所述气象监测模块被操作为处理包括区域内的位置的无线电探空探测数据的气象数据。

18.根据权利要求11的装置，其中获得所述GNSS信号数据和确定所述区域上的综合可降水汽和对流层倾斜湿延迟中的至少一个的值之间的消逝时间不大于五秒。