CN104407366B - 一种对伪距进行平滑处理的方法 - Google Patents
一种对伪距进行平滑处理的方法 Download PDFInfo
- Publication number
- CN104407366B CN104407366B CN201410564482.3A CN201410564482A CN104407366B CN 104407366 B CN104407366 B CN 104407366B CN 201410564482 A CN201410564482 A CN 201410564482A CN 104407366 B CN104407366 B CN 104407366B
- Authority
- CN
- China
- Prior art keywords
- smoothing
- processing
- parameter
- parameter value
- noise variance
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000012545 processing Methods 0.000 claims abstract description 131
- 238000009499 grossing Methods 0.000 claims abstract description 127
- 238000005259 measurement Methods 0.000 claims description 29
- 230000008569 process Effects 0.000 claims description 27
- 230000026676 system process Effects 0.000 claims description 21
- 238000001914 filtration Methods 0.000 claims description 14
- 230000003068 static effect Effects 0.000 claims description 10
- 230000008859 change Effects 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 239000005433 ionosphere Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000000691 measurement method Methods 0.000 description 3
- 238000007476 Maximum Likelihood Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 241001643392 Cyclea Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 239000012050 conventional carrier Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012812 general test Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- 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
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
- G01S19/35—Constructional details or hardware or software details of the signal processing chain
- G01S19/37—Hardware or software details of the signal processing chain
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种对伪距进行平滑处理的方法,所述方法包含以下步骤:步骤一,定义平滑处理参数;步骤二,基于所述平滑处理参数根据卡尔曼滤波模型构造平滑伪距方程;步骤三,基于所述平滑伪距方程对待测目标的伪距进行平滑处理,从而得到最终的平滑处理结果。与现有技术相比,本发明的平滑处理伪距的方法不仅有效地解决了现有技术中单频伪距平滑值发散的情况,而且综合考虑了目标的不同运动状态,从而使得获得的平滑处理结果更加精确,更符合实际情况。
Description
技术领域
本发明涉及分析及测量控制技术领域,具体说涉及一种对伪距进行平滑处理的方法。
背景技术
从全球定位系统(Global Positioning System简称GPS)接收机的基带信号中可以获得载波相位观测量与伪距观测量。由于待测目标到卫星之间的伪距变换量可以精确的反映在高精度的载波相位变化量中,因此利用该载波相位的变化量就可以对伪距观测量进行平滑处理,进而提高伪距的观测精度。
然而基于现有平滑处理方法得到的平滑处理结果并不能很好地适应灵活多变的应用需求。其存在如下问题:
一.在基于现有方法进行平滑处理的过程中,当处理周期数较多时,当前伪距观测值对平滑处理的结果的影响很小,如果此时处于动态场景下,平滑处理的结果就不能很好的反映待测目标的伪距变化;
二.在基于现有方法进行平滑处理的过程中,理论上随着观测数的增加和平滑过程的推进,平滑后的伪距精度逐渐接近载波相位的精度,但是由于电离层对伪距和载波相位的影响是反向的,当平滑处理的处理周期数逐渐增大或电离层发生抖动时,会发生单频伪距平滑值发散的情况。
因此,针对现有的平滑处理方法并不能很好地适应灵活多变的应用需求的问题,需要一种新的平滑处理伪距的方法以达到更优的平滑处理结果。
发明内容
针对现有的平滑处理方法并不能很好地适应灵活多变的应用需求的问题,本发明提供了一种对伪距进行平滑处理的方法,所述方法包含以下步骤:
步骤一,定义平滑处理参数;
步骤二,基于所述平滑处理参数根据卡尔曼滤波模型构造平滑伪距方程;
步骤三,基于所述平滑伪距方程对待测目标的伪距进行平滑处理,从而得到最终的平滑处理结果。
在一实施例中,在所述步骤三中,对所述伪距进行多个处理周期的所述平滑处理,在所述处理周期中,基于上一处理周期的平滑处理结果进行当前处理周期的平滑处理,从而得到所述当前处理周期的平滑处理结果。
在一实施例中,所述步骤三包含以下步骤:
确定所述平滑处理的处理周期总数;
当所述当前处理周期的平滑处理完成时对比已完成的处理周期数与所述处理周期总数是否一致;
当所述已完成的处理周期数与所述处理周期总数一致时,所述步骤三完成,所述当前处理周期的平滑处理结果为所述最终的平滑处理结果;
当所述已完成的处理周期数与所述处理周期总数不一致时,继续执行下一个处理周期的平滑处理。
在一实施例中,所述当前处理周期的平滑处理包含以下步骤:
参数值获取步骤,获取所述平滑处理参数对应于所述当前处理周期的参数值;
平滑处理步骤,基于所述参数值进行所述当前处理周期的平滑处理。
在一实施例中,所述平滑处理参数包含固定参数和迭代参数,在所述参数值获取步骤中:
所述固定参数对应于所述当前处理周期的参数值与所述固定参数的初始值保持一致;
基于所述迭代参数对应于所述上一处理周期的参数值获取所述迭代参数对应于所述当前处理周期的参数值。
在一实施例中,所述步骤三还包含运动状态判断步骤,判断所述待测目标的运动状态,所述运动状态包括静态、低动态和高动态。
在一实施例中,在所述参数值获取步骤中,根据所述待测目标的运动状态确定所述平滑处理参数的参数值获取方式。
在一实施例中,所述平滑处理参数包含系统过程噪声方差以及系统量测噪声方差。
在一实施例中,当所述待测目标的运动状态为所述高动态时,在所述参数值获取步骤中:
以所述固定参数的获取方式获取所述系统过程噪声方差的参数值;
以所述迭代参数的获取方式获取所述系统量测噪声方差的参数值。
在一实施例中,当所述待测目标的运动状态为所述静态或低动态时,在所述参数值获取步骤中:
以所述迭代参数的获取方式获取所述系统过程噪声方差的参数值;
以所述固定参数的获取方式获取所述系统量测噪声方差的参数值。
与现有技术相比,本发明的平滑处理伪距的方法不仅有效地解决了现有技术中单频伪距平滑值发散的情况,而且综合考虑了目标的不同运动状态,从而使得获得的平滑处理结果更加精确,更符合实际情况。
本发明的其它特征或优点将在随后的说明书中阐述。并且,本发明的部分特征或优点将通过说明书而变得显而易见,或者通过实施本发明而被了解。本发明的目的和部分优点可通过在说明书、权利要求书以及附图中所特别指出的步骤来实现或获得。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例共同用于解释本发明,并不构成对本发明的限制。在附图中:
图1是根据本发明一实施例的实施流程图;
图2是根据本发明一实施例的部分实施流程图;
图3是根据本发明一实施例的部分实施流程图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式,借此本发明的实施人员可以充分理解本发明如何应用技术手段来解决技术问题,并达成技术效果的实现过程并依据上述实现过程具体实施本发明。需要说明的是,只要不构成冲突,本发明中的各个实施例以及各实施例中的各个特征可以相互结合,所形成的技术方案均在本发明的保护范围之内。
GPS接收机的基带信号中可以获得载波相位观测量与伪距观测量。因为伪距所包含的噪声远大于载波相位,受多径影响的程度也比载波相位观测量严重,所以伪距的观测精度低。但由于伪距不具有模糊度的问题,因此其准确度较高。载波相位虽然具有很好的观测精度,但利用单频观测量结算整周模糊度准确度低,且解算时间较长。因此可利用载波相位变化量对伪距观测量进行修正,提高伪距的观测精度。传统的载波相位平滑伪距算法可表示如下:
式中:
为对k次处理周期的伪距估计值;
ρk为k次处理周期的伪距测量值
为k次处理周期载波相位测量值
nk表示平滑权值;
k为处理周期标记,如果针对当前处理周期某参数的标记为k,那么标记为k-1的该参数的参数值就为该参数对应上一处理周期的参数值。
在现有技术中,理论上随着观测数的增加和平滑过程的推进,平滑后的伪距精度逐渐接近载波相位的精度,但是由于电离层对伪距和载波相位的影响是反向的,当平滑处理周期数逐渐增大或电离层发生抖动时,会发生单频伪距平滑值发散的情况。为解决上述问题,本实施例基于卡尔曼滤波模型构造平滑伪距方程,从而有效地解决了现有技术中单频伪距平滑值发散的情况。
接下来结合图1的流程图详细说明本发明一实施例的处理方法的执行过程。附图的流程图中示出的步骤可以在包含诸如一组计算机可执行指令的计算机系统中执行。虽然在流程图中示出了各步骤的逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
如图1所示,执行本发明的平滑伪距的方法首先要构造平滑伪距方程(S110)。在构造平滑伪距方程之前需要执行步骤S100,定义用于构造平滑伪距方程的平滑处理参数。根据卡尔曼滤波模型的构造定义,步骤S100中定义的平滑处理参数包括系统过程噪声方差和系统量测噪声方差。
传统载波相位平滑伪距算法采用固定的平滑时间常数,往往无法及时反映出当前各种观测信息的变化。本发明通过采用卡尔曼滤波可以通过分析观测量中的误差以及平滑伪距误差的影响,确定在中平滑误差达到均方误差最小的条件下的最优平滑因子。
式(1)重组可得:
又有基本卡尔曼滤波式
式中:为第k个处理周期的估算值;
为第k-1个处理周期到第k个处理周期的估算值过程量;
Kk为卡尔曼滤波器增益;
Zk为系统第k周期的测量值;
Hk为测量矩阵。
结合式(2)和式(3)进行卡尔曼滤波改造得:
式中:
Zk=ρk; (7)
Hk=1; (8)
式(4)就是本发明方法中构建的平滑伪距方程。
接下来就可以基于式(4)进行步骤S130,对待测目标的伪距进行平滑处理。
为提高平滑处理结果的精度,本实施例的平滑处理包含多个处理周期,在每个处理周期中,基于上一处理周期的平滑处理结果进行当前处理周期的平滑处理,从而得到当前处理周期的平滑处理结果。
不难理解,在执行第一个处理周期的平滑处理时,是基于各平滑处理的初始值进行的。因此,在执行步骤S130之前需要执行步骤S120,获取所述平滑处理参数的初始值,平滑处理参数的初始值包括将初始伪距平滑值在本实施例中,将初始伪距平滑值初始化为GPS接收机输出的初始伪距观测值ρ0。
在进行步骤S130之前,还要进行步骤S132,确定平滑处理的处理周期总数。在实际运行中,由于平滑处理的处理周期数达到特定值时,滤波器处于稳定状态,此时的平滑处理结果就是可靠的平滑处理结果。因此本发明的方法根据实际的滤波器情况,确定平滑处理周期的总数。本实施例中,当当前处理周期的平滑处理完成后执行步骤S133,计算已完成的处理周期数并判断已完成的处理周期数是否与处理周期总数一致。
当已完成的处理周期数达到处理周期总数时,平滑处理完成,当前处理周期的平滑处理结果为最终的平滑处理结果。此时执行步骤S140,输出平滑处理结果。
当已完成的处理周期数小于处理周期总数时,跳转到步骤S130,继续进行下一个处理周期的平滑处理。
接下来详细说明步骤S130的具体执行过程。本发明的方法对待测目标的伪距进行多个处理周期的平滑处理。由于在每个处理周期中,需要基于平滑处理参数对应于当前处理周期的参数值对上一处理周期的平滑处理结果进行平滑处理。因此在步骤S130中,如图1虚线框中所示,首先要执行步骤S134,参数值获取步骤,获取平滑处理参数对应于当前处理周期的参数值。在本实施例中,基于滑处理参数的获取方法的不同,将平滑处理参数包含固定参数和迭代参数。其中:
固定参数对应于当前处理周期的参数值与固定参数的初始值保持一致,即在整个平滑处理过程中固定参数的参数值始终保持不变。
基于迭代参数对应于上一处理周期的参数值获取迭代参数对应于当前处理周期的参数值,即每次进行当前处理周期的平滑处理时需要对迭代参数进行更新。
本实施例中主要利用式(4)进行平滑处理。在步骤S100中定义了平滑处理参数,平滑处理参数包括卡尔曼滤波器增益Kk、系统过程噪声方差Q和系统量测噪声方差R。式(4)中卡尔曼滤波器增益Kk可以利用系统过程噪声方差Q和系统量测噪声方差R计算得到。接下来详细说明系统过程噪声方差Q和系统量测噪声方差R的获取过程。
定义由最新观测值带来的原来系统所没有的信息为新息v,第i个处理周期的信息vi为:
其中表示i-1周期到i周期测量值变化量的预测值。由于新息来自真实测量值,经常被用来评估卡尔曼滤波的性能。
在卡尔曼滤波模型中:
Xk=Φk,k-1Xk-1+Wk (11)
且Zk=Hk+Vk (12)
其中:Xk为第k个处理周期的处理结果;
Φk,k-1为在周期k-1到周期k的状态转移矩阵,且
Wk为周期k的系统过程噪声;
Vk为周期k的系统量测噪声。
在实际的应用场合中,系统过程噪声方差Q和系统量测噪声方差R作为系统的主要先验信息,反映系统噪声特性的变化。系统过程噪声方差Q和量测噪声方差R可以由经验值来初始化(根据目前GPS系统的伪距测量方法以及目前通用测试手段,一般设置初始值Q=3m,R=2m)。
由于大多数基于新息的滤波算法都是以最小量测值与估计值之差为目标函数,这种估计准则只能得到最小的新息,而不能使系统过程噪声方差Q和系统量测噪声方差R正确的反映系统真实的统计特性。
因此本发明的方法利用极大似然准则,通过新息方差对系统过程噪声方差Q和系统量测噪声方差R实时估计和调整,这样不仅考虑了新息方差的变化,而且考虑了实际估计误差的变化,从而使滤波算法能够更好地适应噪声统计特性的变化,同时还可确保滤波器的收敛性。
极大似然准则下的目标函数J(a)可表示为:
系统第k周期的新息方差Ck可表示如下
其中:N为滤波器选择的平滑窗口大小。
在卡尔曼滤波计算中:
其中:Pk为第k个周期的误差协方差矩阵。
状态估计误差△Xk可计算为:
则基于式(6)、(15)、(16)以及(17)可以得到系统过程噪声方差Q的估计值为:
其中:为系统过程噪声方差Q在第k个周期的估计值。
当滤波达到稳定状态时,式(19)的可简化为:
在卡尔曼滤波计算中:
则基于式(6)、(8)、(15)、(17)以及(21)可以得到系统量测噪声方差R的估计值为:
其中:Pk,k-1为误差协方差矩阵P在第k-1个周期到k个周期的过程量;
为系统测量误差方差R在第k个周期的估计值。
由于在卡尔曼滤波计算中:KkHkPk,k-1=Pk-Pk,k-1 (25)
因此:Pk-1=(1+Kk-1)×Pk-1,k-2 (26);
并且在卡尔曼滤波计算中:
利用式(13)以及式(27)可以得到
在卡尔曼滤波计算中卡尔曼滤波增益:
利用Pk,k-1以及即可计算卡尔曼滤波增益Kk。并最终利用卡尔曼滤波增益Kk基于式(4)对伪距进行平滑处理。
当卡尔曼滤波器应用于载波相位平滑时,由于很难区分状态估计误差是由过程噪声引起还是由测量噪声引起,导致同时对R和Q进行调整的滤波稳定性较差,所以应该避免同时对二者进行调整。另外,由于在现有技术中,平滑因子中k(处理周期标记)值随着处理周期数的增加而增加,当处理周期数较多时,当前伪距观测值对平滑结果的贡献很小,如果此时处于动态场景下,该算法就对动态场景的伪距变化响应不够灵敏。
为了解决上述问题,在本实施例中,在执行步骤S130之前需要执行步骤S131,运动状态判断步骤,判断所述待测目标的运动状态。然后在步骤S134中,根据待测目标的运动状态确定平滑处理参数的参数值获取方式。在本实施中,基于待测目标的不同运动状态来选择R和Q的不同获取方式。
待测目标的运动状态包括静态、低动态和高动态。
待测目标处于所述静态或低动态状态下时,以迭代参数的获取方式获取系统过程噪声方差的参数值,系统过程噪声方差Q为迭代参数(利用式23计算)。以所述固定参数的获取方式获取所述系统量测噪声方差的参数值,系统量测噪声方差R为固定参数(本实施例中,取R=2m)。
当待测目标处于高动态状态下时,以固定参数的获取方式获取系统过程噪声方差的参数值,系统过程噪声方差Q为固定参数,其值为初始值(本实施例中,取Q=3m)。以迭代参数的获取方式获取系统量测噪声方差的参数值,系统量测噪声方差R为迭代参数(利用式27计算)。
基于上述平滑处理参数获取方法执行步骤S134后,就可以执行步骤S135,基于参数值进行当前处理周期的平滑处理。
接下来分别针对不同的运动状态来详细说明本实施例进行平滑处理的过程。
(1)针对高动态场景,如图2所示:
首先如图1所示,执行步骤S120,获取平滑处理参数的初始值。在本实施例中,此步骤首先将将初始伪距平滑值初始化为GPS接收机输出的初始伪距观测值ρ0。即,令:然后设置系统量测噪声方差初始值基于目前GPS系统的伪距测量方法以及目前通用测试手段
然后在步骤S131中判断当前目标的运动状态为高动态。则接下来执行的平滑处理步骤(S130)为高动态场景下的平滑处理。以一个平滑处理周期的处理过程为例,如图2所示依次执行以下步骤:
步骤S220,基于式(20)获取系统过程噪声方差
步骤S230,基于式(26)获取误差协方差矩阵Pk-1;
步骤S240,利用Pk-1以及基于式(28)获取均方误差矩阵Pk,k-1;
步骤S250,利用Pk,k-1以及基于式(29)获取卡尔曼滤波增益Kk:
步骤S260,利用Kk基于式(4)卡尔曼滤波获取当前处理周期伪距平滑值从而完成高动态场景下的一个处理周期的平滑处理。
(2)针对静态或低动态:
类似高动态状态下,首先如图1所示,执行步骤S120,获取平滑处理参数的初始值。在本实施例中,此步骤首先将将初始伪距平滑值初始化为GPS接收机输出的初始伪距观测值ρ0。即,令:然后设置系统过程噪声方差初始值基于目前GPS系统的伪距测量方法以及目前通用测试手段
然后在步骤S131中判断当前目标的运动状态为静态或低动态。则接下来执行的平滑处理步骤(S130)为静态或低动态场景下的平滑处理。以一个平滑处理周期的处理过程为例,如图3所示:
步骤S320,基于式(26)获取误差协方差矩阵Pk-1;
步骤S330,利用Pk-1以及基于式(28)获取均方误差矩阵Pk,k-1;
步骤S340,基于式(24)获取系统量测误差方差估计值
步骤S350,利用Pk,k-1以及基于式(29)获取卡尔曼滤波增益Kk;
步骤S360,利用Kk基于式(4)卡尔曼滤波获取当前处理周期伪距平滑值从而完成一个静态或低动态场景下的处理周期的平滑处理。
综上所述,本发明的平滑处理伪距的方法综合考虑了目标的不同运动情况,得到的平滑处理结果更加精确,更符合实际情况。
虽然本发明所公开的实施方式如上,但所述的内容只是为了便于理解本发明而采用的实施方式,并非用以限定本发明。本发明所述的方法还可有其他多种实施例。在不背离本发明实质的情况下,熟悉本领域的技术人员当可根据本发明作出各种相应的改变或变形,但这些相应的改变或变形都应属于本发明的权利要求的保护范围。
Claims (3)
1.一种对伪距进行平滑处理的方法,其特征在于,所述方法包含以下步骤:
步骤一,定义平滑处理参数;
步骤二,基于所述平滑处理参数根据卡尔曼滤波模型构造平滑伪距方程;
步骤三,基于所述平滑伪距方程对待测目标的伪距进行平滑处理,从而得到最终的平滑处理结果;
在所述步骤三中,对所述伪距进行多个处理周期的所述平滑处理,在所述处理周期中,基于上一处理周期的平滑处理结果进行当前处理周期的平滑处理,从而得到所述当前处理周期的平滑处理结果;
所述当前处理周期的平滑处理包含以下步骤:
参数值获取步骤,获取所述平滑处理参数对应于所述当前处理周期的参数值;
平滑处理步骤,基于所述参数值进行所述当前处理周期的平滑处理;
所述步骤三还包含运动状态判断步骤,判断所述待测目标的运动状态,所述运动状态包括静态、低动态和高动态;
在所述参数值获取步骤中,根据所述待测目标的运动状态确定所述平滑处理参数的参数值获取方式;所述平滑处理参数包含系统过程噪声方差以及系统量测噪声方差,所述平滑处理参数的参数值获取方式包括固定参数的获取方式与迭代参数的获取方式;根据所述待测目标的运动状态确定所述系统过程噪声方差以及系统量测噪声方差与所述固定参数的获取方式与迭代参数的获取方式之间的对应关系;其中,
当所述待测目标的运动状态为所述高动态时,以所述固定参数的获取方式获取所述系统过程噪声方差的参数值;以所述迭代参数的获取方式获取所述系统量测噪声方差的参数值;
当所述待测目标的运动状态为所述静态或低动态时,以所述迭代参数的获取方式获取所述系统过程噪声方差的参数值;以所述固定参数的获取方式获取所述系统量测噪声方差的参数值。
2.如权利要求1所述的方法,其特征在于,所述步骤三包含以下步骤:
确定所述平滑处理的处理周期总数;
当所述当前处理周期的平滑处理完成时对比已完成的处理周期数与所述处理周期总数是否一致;
当所述已完成的处理周期数与所述处理周期总数一致时,所述步骤三完成,所述当前处理周期的平滑处理结果为所述最终的平滑处理结果;
当所述已完成的处理周期数与所述处理周期总数不一致时,继续执行下一个处理周期的平滑处理。
3.如权利要求1所述的方法,其特征在于,
所述固定参数的获取方式对应于所述当前处理周期的参数值与所述固定参数的初始值保持一致;
所述迭代参数的获取方式对应于所述上一处理周期的参数值获取所述迭代参数对应于所述当前处理周期的参数值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410564482.3A CN104407366B (zh) | 2014-10-21 | 2014-10-21 | 一种对伪距进行平滑处理的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410564482.3A CN104407366B (zh) | 2014-10-21 | 2014-10-21 | 一种对伪距进行平滑处理的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104407366A CN104407366A (zh) | 2015-03-11 |
CN104407366B true CN104407366B (zh) | 2018-05-29 |
Family
ID=52645010
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410564482.3A Active CN104407366B (zh) | 2014-10-21 | 2014-10-21 | 一种对伪距进行平滑处理的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104407366B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108226976B (zh) * | 2017-11-17 | 2021-10-19 | 北京自动化控制设备研究所 | 一种RTK用自适应渐消Kalman滤波算法 |
CN111399018B (zh) * | 2020-03-02 | 2022-04-01 | 和芯星通科技(北京)有限公司 | Gnss中载波相位的平滑处理方法和装置 |
CN113835109B (zh) * | 2021-11-26 | 2022-03-29 | 腾讯科技(深圳)有限公司 | 终端的定位方法、装置、电子设备、存储介质及程序产品 |
CN115079225A (zh) * | 2022-07-07 | 2022-09-20 | 深圳市海伊石油技术有限公司 | 一种海上接收机的导航定位方法与装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102426372A (zh) * | 2011-10-31 | 2012-04-25 | 北京中微星通电子有限公司 | 一种载波平滑伪距的方法及装置 |
-
2014
- 2014-10-21 CN CN201410564482.3A patent/CN104407366B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102426372A (zh) * | 2011-10-31 | 2012-04-25 | 北京中微星通电子有限公司 | 一种载波平滑伪距的方法及装置 |
Non-Patent Citations (4)
Title |
---|
基于模糊自适应卡尔曼滤波的平滑伪距算法;康德功等;《计算机仿真》;20140531;第31卷(第5期);全文 * |
基于补充卡尔曼滤波的载波相位平滑伪距算法;杨春燕等;《空军工程大学学报(自然科学版)》;20081031;第9卷(第5期);全文 * |
基于载波相位平滑伪距的卡尔曼滤波定位方法;李朋等;《全球定位系统》;20130831;第38卷(第4期);全文 * |
自适应卡尔曼滤波在载波相位平滑伪距中的应用;赵琳等;《哈尔滨工程大学学报》;20101231;第31卷(第12期);正文第1-4部分及图1-3 * |
Also Published As
Publication number | Publication date |
---|---|
CN104407366A (zh) | 2015-03-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7344389B2 (ja) | 協調測位方法、装置、機器及び記憶媒体 | |
CN107561503B (zh) | 一种基于多重渐消因子的自适应目标跟踪滤波方法 | |
US9804255B2 (en) | Kalman filter for indoor positioning | |
CN106599368B (zh) | 基于改进粒子提议分布和自适应粒子重采样的FastSLAM方法 | |
CN104407366B (zh) | 一种对伪距进行平滑处理的方法 | |
WO2020043019A1 (zh) | 定位数据的处理方法及处理装置、计算设备和存储介质 | |
CN111044050B (zh) | 一种基于粒子滤波和卡尔曼滤波的蓝牙定位方法 | |
CN107132504B (zh) | 基于粒子滤波的定位追踪装置、方法及电子设备 | |
CN104504728A (zh) | 多机动目标跟踪方法、系统及其广义联合概率数据关联器 | |
CN110850450A (zh) | 一种卫星钟差参数的自适应估计方法 | |
CN108120452B (zh) | Mems陀螺仪动态数据的滤波方法 | |
US9645219B2 (en) | Systems and methods for off-line and on-line sensor calibration | |
CN115494450A (zh) | 一种高精度的超宽带室内定位跟踪与控制方法及装置 | |
CN112986977B (zh) | 一种克服雷达扩展卡尔曼航迹滤波发散的方法 | |
CN106855626A (zh) | 矢量跟踪方法及滤波器 | |
CN114440880A (zh) | 基于自适应迭代ekf的施工现场控制点定位方法及系统 | |
CN104331087B (zh) | 一种鲁棒的水下传感器网络目标跟踪方法 | |
CN110726937A (zh) | 用于确定状态噪声协方差矩阵的方法和相应设备 | |
CN106871905B (zh) | 一种非理想条件下高斯滤波替代框架组合导航方法 | |
CN105783909B (zh) | 一种基于ukf和pso-svm的hov混合水下导航定位方法 | |
CN110716219A (zh) | 一种提高定位解算精度的方法 | |
CN113959447B (zh) | 相对导航高噪声量测量识别方法、装置、设备和存储介质 | |
CN111123323B (zh) | 一种提高便携设备定位精度的方法 | |
CN113376672A (zh) | 基于模糊卡尔曼滤波的北斗伪距定位算法 | |
CN109725188A (zh) | 一种电流测量方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |