CN107490800B - 一种卫星导航快速定位方法、装置和卫星导航接收机 - Google Patents

Abstract

本发明适用于卫星导航领域，提供了一种卫星导航快速定位方法、装置和卫星导航接收机。所述方法包括：判断观测方程是否病态；当观测方程病态时，利用自适应加权的差分进化算法结合正则化求解快速定位时的病态观测方程，得到病态观测方程中待求向量的实数解模糊度分量；将观测方程中待求向量的实数解模糊度分量作为输入值，搜索得到观测方程中待求向量的模糊度整数解；将模糊度整数解回代到观测方程中，重新求解得到更新模糊度后的基线参数，基线参数与准确的基准站卫星导航接收机坐标相加，得到目标卫星导航接收机的准确坐标。本发明更容易得到全局最优解，提高解算精度和速度，且能减轻病态性，抑制噪声和观测误差带来的粗差影响，提高稳健性。

Description

一种卫星导航快速定位方法、装置和卫星导航接收机

技术领域

本发明属于卫星导航领域，尤其涉及一种卫星导航快速定位方法、装置和卫星导航接收机。

背景技术

病态问题广泛存在于卫星导航快速定位等工程测量中。短时间内只能观测到几个历元，使得观测信息不足，导致观测方程病态。通过传统的最小二乘法得到的模糊度实数解与真值相差很大，严重影响定位精度。解决观测方程的病态性是提高快速定位精度的关键。

目前，针对病态问题的解算方法主要分为两类：一类以降低法矩阵的条件数为目标，通过修改法矩阵的奇异值，降低其在求逆过程中对微小扰动的敏感性，从而得到更接近真值的结果。代表性的方法有岭估计、截断奇异值法(TSVD)和Tikhonov正则化法等；另一类是以遗传算法为代表的智能优化算法，这类方法不试图改善法方程的病态性，而是通过最优化方法得到适应度函数的近似全局最优解，并将其作为病态方程的解。两类方法均存在不同程度的缺陷，前者中的TSVD方法直接舍弃了小奇异值，在得到近似解的同时，损害了解估计的分辨率，影响解算效果，而岭估计和Tikhonov正则化方法对正则化参数和正则化矩阵选取困难，且带有主观性；后者中的遗传算法近乎遍历的搜索使优化速度过慢，且参数设置多，不利于实际工程应用。

同时，观测值会存在粗差，已有的抗差泛岭估计、抗差主成分估计等方法，基于抗差有偏估计的思想，有效地抑制了观测值中的粗差，但解算精度不高。

发明内容

本发明的目的在于提供一种卫星导航快速定位方法、装置和卫星导航接收机，旨在解决快速定位过程中的病态问题以及抑制观测值中粗差的影响，得到精确的载波相位模糊度实数解，从而实现快速定位的问题。

第一方面，本发明提供了一种卫星导航快速定位方法，所述方法包括：

在卫星导航快速定位过程中，判断观测方程是否病态；

当观测方程病态时，利用自适应加权的差分进化算法结合正则化求解快速定位时的病态观测方程，得到病态观测方程中待求向量的实数解模糊度分量；

将观测方程中待求向量的实数解模糊度分量作为输入值，搜索得到观测方程中待求向量的模糊度整数解；

将模糊度整数解回代到观测方程中，重新求解得到更新模糊度后的基线参数，基线参数与准确的基准站卫星导航接收机坐标相加，得到目标卫星导航接收机的准确坐标。

第二方面，本发明提供了一种卫星导航快速定位装置，所述装置包括：

判断模块，用于在卫星导航快速定位过程中，判断观测方程是否病态；

求解模块，用于当观测方程病态时，利用自适应加权的差分进化算法结合正则化求解快速定位时的病态观测方程，得到病态观测方程中待求向量的实数解模糊度分量；

搜索模块，用于将观测方程中待求向量的实数解模糊度分量作为输入值，搜索得到观测方程中待求向量的模糊度整数解；

准确坐标计算模块，用于将模糊度整数解回代到观测方程中，重新求解得到更新模糊度后的基线参数，基线参数与准确的基准站卫星导航接收机坐标相加，得到目标卫星导航接收机的准确坐标。

第三方面，本发明提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述的卫星导航快速定位方法的步骤。

第四方面，本发明提供了一种卫星导航接收机，包括：

一个或多个处理器；

存储器；以及

一个或多个计算机程序，其中所述一个或多个计算机程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述处理器执行所述计算机程序时实现如上述的卫星导航快速定位方法的步骤。

在本发明中，由于在卫星导航快速定位过程中，当观测方程病态时，利用自适应加权的差分进化算法结合正则化求解快速定位时的病态观测方程。从而自适应地调节寻优速度与搜索范围之间的关系，使算法的前期有更广的搜索范围，后期有更快的收敛速度，更容易得到全局最优解，提高解算精度和速度。且能减轻病态性，抑制噪声和观测误差带来的粗差影响，提高稳健性，当快速定位中的测量值包含粗差时，本发明得到的解算结果依然接近真值，这保证了在一些信号接收不良的条件下，本方法仍然适用。

附图说明

图1是本发明实施例一提供的卫星导航快速定位方法流程图。

图2是用L-曲线法求得的正则化参数的示意图。

图3是不同算法的迭代优化过程示意图。

图4是本发明实施例二提供的卫星导航快速定位装置示意图。

图5是本发明实施例四提供的卫星导航接收机的具体结构框图。

具体实施方式

为了使本发明的目的、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。

实施例一：

请参阅图1，是本发明实施例一提供的卫星导航快速定位方法，需注意的是，若有实质上相同的结果，本发明的卫星导航快速定位方法并不以图1所示的流程顺序为限。所述方法包括以下步骤：

S101、在卫星导航快速定位过程中，判断观测方程是否病态。

在本发明实施例一中，S101具体可以包括以下步骤：

S1011、按历元接收卫星信号和基准站卫星导航接收机的差分数据，对卫星信号和差分数据解码，分别得到每个历元下目标卫星导航接收机和基准站卫星导航接收机相对各卫星的观测数据；

S1012、提取目标卫星导航接收机和基准站卫星导航接收机的观测数据中的载波相位值，计算得到观测方程AX＝L+Δ中的系数矩阵A和测量值L，X是待求向量，待求向量X的前三个分量x1，x2和x3为基线参数，其余分量为载波相位模糊度参数；

S1013、由系数矩阵A可得观测方程的法矩阵N＝A^TA，法矩阵N的条件数为：cond(N)＝||A||·||A^-1||，判断条件数是否超过阈值Ω，若超过阈值，则观测方程病态，否则观测方程正常。

在本发明实施例一中，S101之后，所述方法还包括以下步骤：

当观测方程正常时，用最小二乘法得到观测方程中待求向量X的实数解模糊度分量X_LS＝(A^TA)^-1A^TL。

S102、当观测方程病态时，利用自适应加权的差分进化算法结合正则化求解快速定位时的病态观测方程，得到病态观测方程中待求向量X的实数解模糊度分量。

在本发明实施例一中，S102具体可以包括以下步骤：

S1021、根据观测方程的误差方程形式Δ＝AX-L，确定目标函数H(X)＝(AX-L)^T(AX-L)+αX^TX，目标函数包含(AX-L)^T(AX-L)和αX^TX两部分，(AX-L)^T(AX-L)是通过常规方法构造的，αX^TX是正则化项，α是正则化参数，α可以用L-曲线法或岭迹法等确定。

其中L-曲线法确定正则化参数α具体为：

以为横坐标，为纵坐标，和都是正则化参数α的函数，得到一系列点经曲线拟合，得到一条类似“L”形状的曲线。定位L曲线法上曲率最大的点，其对应的α值即为所求的正则化参数。

岭迹法确定正则化参数α具体为：

正则化解X是正则化参数α的函数，α在[0，∞)内变化，当α变化而解X稳定没有明显变化时，此时的α就是要选取的正则化参数。

S1022、根据目标卫星导航接收机先验概略坐标，在预设误差范围内(例如1米)初始化待求向量X前三个基线参数的搜索范围，并将其带入观测方程，求得待求向量X的载波相位模糊度参数的搜索范围；

S1023、根据目标函数和待求向量X的载波相位模糊度参数的搜索范围，用自适应加权的差分进化算法搜索得到待求向量X的实数解模糊度分量。

S1023具体可以包括以下步骤：

S10231、设置种群大小NP、最大迭代次数MaxIter、初始加权因子F_i,0、A_i,0和交叉概率CR等参数，在可行解空间内对初始种群进行随机初始化，得到NP个个体向量，X₁，X₂，X₃，......X_Np，对初始种群中每个个体的每一维都进行随机初始化，随机初始化公式如下：X_i,0＝rand(1,D).*(Xmax-Xmin)+Xmin，其中，X_i,0是个体向量，i从1到NP，0表示第0代种群，即初始种群，rand()是生成随机数的函数，D是个体维数，Xmax是种群上界，Xmin是种群下界。

种群大小NP通常选择为5×Dim至10×Dim之间，Dim是个体向量的维数；最大迭代次数MaxIter根据具体问题来确定，本发明实施例一中确定最大迭代次数MaxIter的值为500；加权因子一般在[0,2]之间选择，根据不同问题可以得到使问题最优的不同F_i,0和A_i,0的值，本发明实例中选择F_i,0＝0.1，A_i,0＝0.1；交叉概率CR一般介于0到1之间，本发明实施例一选择0.9。

S10232、种群内个体的差分向量经过加权，与种群内加权的相异个体相加产生当前代的变异个体其中，X_r1,g、X_r2,g、X_r3,g分别表示第g代种群第r1、r2、r3个个体向量，r2和r3是NP个中除r1外随机选择的两个，r1是上一代继承过来的，产生当前代变异个体的当前个体的加权因子为：

式中，X_i,g、X_i,g－1分别表示第g代种群第i个个体向量和第g－1代种群第i个个体向量，H(·)是适应度函数，n_i是第i个体未更新的次数，max是个体可容许的最大未更新次数，minH(X_i,g)是第g代种群中个体的最小适应度值。

而产生当前代变异个体的差分向量的加权因子为：

F_i,g＝0.5×(1.5-p_i,g)。

S10233、变异个体和非变异个体进行交互，产生试验向量j表示个体向量中的第j个分量，U_i,j,g至少包含变异个体V_i,g的一个分量，rand(0,1)是产生0到1之间随机数的函数。

交叉操作是为了增加种群多样性，试验向量U_i,j,g中的Dim个分量至少包含变异向量的一个分量，以保证产生异于原有个体的新个体，即增加种群多样性。对个体向量的每一分量，在[0,1]区间产生一个随机数，如果其不大于交叉概率，那么就选择变异向量的对应分量作为试验向量U_i,j,g的对应分量，否则，选择目标向量的对应分量。

S10234、采用贪婪选择策略，根据目标向量X_i,g和试验向量U_i,g的适应度值H(X)＝(AX-L)^T(AX-L)+αX^TX来确定最优个体，抛弃次优个体，其中，X_i,g+1表示第g+1代种群第i个个体向量。

S10235、将种群中保留下来的最优个体作为下一代的初始种群，进入循环迭代过程，返回S10232，直到满足最大迭代次数。

在本发明实施例一中，由于第一，变异过程中自适应地改变加权因子，即自适应地改变当前个体在下一代新个体中所占的权重，从而在优化的不同时期调节搜索范围与寻优速度之间的关系，提高病态方程解算精度和速度。第二，结合正则化方法，将正则化项加入目标函数中，以减轻病态性，抑制噪声和观测误差带来的粗差影响，提高算法的稳健性。仿真实例表明：与遗传算法(Genetic Algorithm，GA)、基本差分进化算法等智能优化算法相比，本发明方法具有最少的迭代次数；且比传统的截断奇异值法、Tikhonov正则化法、遗传算法和基本差分进化算法精度分别高约5倍、2倍、1.5倍和1倍；加入粗差后，本发明方法的解算精度基本不变，即具有较好的稳健性。

S103、将观测方程中待求向量X的实数解模糊度分量作为输入值，搜索得到观测方程中待求向量X的模糊度整数解。

在本发明实施例一中，可以用LAMBDA算法、FARA算法(fast ambiguityresolution approach，快速模糊度解算法)或者MLAMBDA算法(修饰的LAMBDA算法)搜索得到观测方程中待求向量X的模糊度整数解。

LAMBDA算法是一种基于最小二乘估计调整的搜索算法。

S104、将模糊度整数解回代到观测方程中，重新求解得到更新模糊度后的基线参数，基线参数与准确的基准站卫星导航接收机坐标相加，得到目标卫星导航接收机的准确坐标。

下面对本发明实施例一提供的卫星导航快速定位方法举例说明如下：

采用此类问题的经典算例，观测方程的系数矩阵A为：

法矩阵N＝A^TA的条件数为1.2892×10⁵，方程严重病态，待求向量有5个未知量，真值为X_true＝[1,1,1,1,1]^T，观测噪声Δ～N(0,σ²I),σ＝1，根据观测噪声、系数阵A和真值X_true，随机数发生器可产生观测向量：

L＝[-9.844,10.486,2.249,12.934,14.779,0.648,21.943,1.892,9.665,12.171]^T。

设置种群大小NP＝20，最大迭代次数MaxIter＝500，初始加权因子A_i,_g＝F_i,g＝0.5，交叉概率CR＝0.9。待求参数搜索区间设为前三个未知量真值±1，后两个未知量真值±5，基于误差方程构建新方法的适应度函数。

用L-曲线法得到的正则化参数α如图2所示。曲线上点(0.3587,0.1917)处的曲率最大，此点对应的α值为0.3，根据L-曲线法原理，所求的正则化参数α＝0.3。

本发明实施例一提供的卫星导航快速定位方法与其他算法的解算精度对比如表1所示。由于智能优化算法都是随机搜索算法，不能保证每次搜索结果都相同，因此取100次优化结果的平均值作为新算法的最终结果：

X_mDE＝[1.3322,0.8235,1.0587,0.5574,1.1242]^T，

同样利用遗传算法对上述算例进行优化，得到100次优化的均值为：

X_ga＝[1.2843,0.5470,0.9793,0.5869,1.2358]^T，

采用最小二乘法(LS)、截断奇异值法(TSVD)、TIKHONOV正则化法和岭估计分别解算本文算例，将欧式2范数||ΔX||＝sqrt((X-X_true)^T(X-X_true))作为解算精度的评价标准，记录解算结果。

根据表1可知，新算法得到的病态方程解的精度最优，与基本DE算法、GA算法、Tikhonov正则化法和截断奇异值法相比，其解算精度分别高约1倍、1.5倍、2倍和5倍，最小二乘法求解精度最差，严重偏离真实值。

GA算法、基本DE算法和本发明算法的迭代优化过程如图3所示。统计三个算法收敛到目标函数最优值时的迭代次数，基本DE算法约为76次，GA算法约为300次，而本发明算法的迭代次数约为17次。可见，本发明实施例一提供的卫星导航快速定位方法的迭代次数为基本DE算法的22.37％、GA算法的5.67％。以迭代次数衡量算法的收敛速度，本发明实施例一提供的卫星导航快速定位方法收敛速度最快，即寻优速度最快。

存在粗差时，本发明实施例一提供的卫星导航快速定位方法与其他方法解算结果对比如表2。在观测向量的第4和第9个观测值上附加百分之二十的粗差，使观测向量变为：

L₁＝[-9.844,10.486,2.249,15.514,14.779,0.648,21.943,1.892,11.599,12.171]^T

分别用不同的方案进行解算，对比分析表2中的解算结果。最小二乘法和截断奇异值法的解算精度均明显降低，本发明实施例一提供的卫星导航快速定位方法的解算精度几乎不变，仍保持最高，即本发明实施例一提供的卫星导航快速定位方法具有强稳健性。

表1未加入粗差时不同方案解算结果对比

表2加入粗差后不同方案解算结果对比

实施例二：

请参阅图4，本发明提供了一种卫星导航快速定位装置，所述装置包括：

判断模块11，用于在卫星导航快速定位过程中，判断观测方程是否病态；

求解模块12，用于当观测方程病态时，利用自适应加权的差分进化算法结合正则化求解快速定位时的病态观测方程，得到病态观测方程中待求向量的实数解模糊度分量；

搜索模块13，用于将观测方程中待求向量的实数解模糊度分量作为输入值，搜索得到观测方程中待求向量的模糊度整数解；

准确坐标计算模块14，用于将模糊度整数解回代到观测方程中，重新求解得到更新模糊度后的基线参数，基线参数与准确的基准站卫星导航接收机坐标相加，得到目标卫星导航接收机的准确坐标。

实施例三：

本发明实施例三还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如本发明实施例一提供的卫星导航快速定位方法的步骤。

实施例四：

图5示出了本发明实施例四提供的卫星导航接收机的具体结构框图，一种卫星导航接收机，包括：

一个或多个处理器101；

存储器102；以及

一个或多个计算机程序，其中所述一个或多个计算机程序被存储在所述存储器102中，并且被配置成由所述一个或多个处理器101执行，所述处理器101执行所述计算机程序时实现如本发明实施例一提供的卫星导航快速定位方法的步骤。

在本发明中，由于在卫星导航快速定位过程中，当观测方程病态时，利用自适应加权的差分进化算法结合正则化求解快速定位时的病态观测方程。从而自适应地调节寻优速度与搜索范围之间的关系，使算法的前期有更广的搜索范围，后期有更快的收敛速度，更容易得到全局最优解，提高解算精度和速度。且能减轻病态性，抑制噪声和观测误差带来的粗差影响，提高稳健性，当快速定位中的测量值包含粗差时，本发明得到的解算结果依然接近真值，这保证了在一些信号接收不良的条件下，本方法仍然适用。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种卫星导航快速定位方法，其特征在于，所述方法包括：

在卫星导航快速定位过程中，判断观测方程是否病态；

当观测方程病态时，利用自适应加权的差分进化算法结合正则化求解快速定位时的病态观测方程，得到病态观测方程中待求向量的实数解模糊度分量；

将观测方程中待求向量的实数解模糊度分量作为输入值，搜索得到观测方程中待求向量的模糊度整数解；

将模糊度整数解回代到观测方程中，重新求解得到更新模糊度后的基线参数，基线参数与准确的基准站卫星导航接收机坐标相加，得到目标卫星导航接收机的准确坐标。

2.如权利要求1所述的方法，其特征在于，所述在卫星导航快速定位过程中，判断观测方程是否病态之后，所述方法还包括：

当观测方程正常时，用最小二乘法得到观测方程中待求向量的实数解模糊度分量。

3.如权利要求1所述的方法，其特征在于，所述在卫星导航快速定位过程中，判断观测方程是否病态具体包括：

按历元接收卫星信号和基准站卫星导航接收机的差分数据，对卫星信号和差分数据解码，分别得到每个历元下目标卫星导航接收机和基准站卫星导航接收机相对各卫星的观测数据；

提取目标卫星导航接收机和基准站卫星导航接收机的观测数据中的载波相位值，计算得到观测方程AX＝L+Δ中的系数矩阵A和测量值L，X是待求向量，Δ是误差，待求向量X的前三个分量x1，x2和x3为基线参数，其余分量为载波相位模糊度参数；

由系数矩阵A可得观测方程的法矩阵N＝A^TA，法矩阵N的条件数为：cond(N)＝||A||·||A^-1||，判断条件数是否超过阈值，若超过阈值，则观测方程病态，否则观测方程正常。

4.如权利要求3所述的方法，其特征在于，所述当观测方程病态时，利用自适应加权的差分进化算法结合正则化求解快速定位时的病态观测方程，得到病态观测方程中待求向量的实数解模糊度分量具体包括：

根据观测方程的误差方程形式Δ＝AX-L，确定目标函数H(X)＝(AX-L)^T(AX-L)+αX^TX，目标函数包含(AX-L)^T(AX-L)和αX^TX两部分，(AX-L)^T(AX-L)是通过常规方法构造的，αX^TX是正则化项，α是正则化参数；

根据目标卫星导航接收机先验概略坐标，在预设误差范围内初始化待求向量X前三个基线参数的搜索范围，并将其带入观测方程，求得待求向量X的载波相位模糊度参数的搜索范围；

根据目标函数和待求向量X的载波相位模糊度参数的搜索范围，用自适应加权的差分进化算法搜索得到待求向量X的实数解模糊度分量。

5.如权利要求4所述的方法，其特征在于，所述正则化参数α用L-曲线法或岭迹法确定；

其中，L-曲线法确定正则化参数α具体为：

以为横坐标，为纵坐标，和都是正则化参数α的函数，得到一系列点经曲线拟合，得到一条类似“L”形状的曲线，定位L曲线法上曲率最大的点，其对应的α值即为所求的正则化参数；

岭迹法确定正则化参数α具体为：

正则化解X是正则化参数α的函数，α在[0，∞)内变化，当α变化而解X稳定没有明显变化时，此时的α就是要选取的正则化参数。

6.如权利要求4所述的方法，其特征在于，所述根据目标函数和待求向量X的载波相位模糊度参数的搜索范围，用自适应加权的差分进化算法搜索得到待求向量X的实数解模糊度分量具体包括：

设置种群大小NP、最大迭代次数MaxIter、初始加权因子F_i,0、A_i,0和交叉概率CR，在可行解空间内对初始种群进行随机初始化，得到NP个个体向量，X₁，X₂，X₃，......X_Np，对初始种群中每个个体的每一维都进行随机初始化，随机初始化公式如下：X_i,0＝rand(1,D).*(Xmax-Xmin)+Xmin，其中，X_i,0是个体向量，i从1到NP，0表示第0代种群，即初始种群，rand()是生成随机数的函数，D是个体维数，Xmax是种群上界，Xmin是种群下界；

种群内个体的差分向量经过加权，与种群内加权的相异个体相加产生当前代的变异个体V_i,g＝A_i,g×X_r1,g+F_i,g×(X_r2,g-X_r3,g)，其中，X_r1,g、X_r2,g、X_r3,g分别表示第g代种群第r1、r2、r3个个体向量，r2和r3是NP个中除r1外随机选择的两个，r1是上一代继承过来的，产生当前代变异个体的当前个体的加权因子为：

式中，X_i,g、X_i,g－1分别表示第g代种群第i个个体向量和第g－1代种群第i个个体向量，H(·)是适应度函数，n_i是第i个体未更新的次数，max是个体可容许的最大未更新次数，minH(X_i,g)是第g代种群中个体的最小适应度值；而产生当前代变异个体的差分向量X_r2,g-X_r3,g的加权因子为：F_i,g＝0.5×(1.5-p_i,g)；

变异个体和非变异个体进行交互，产生试验向量j表示个体向量中的第j个分量，U_i,j,g至少包含变异个体V_i,g的一个分量，rand(0,1)是产生0到1之间随机数的函数；

采用贪婪选择策略，根据目标向量X_i,g和试验向量U_i,g的适应度值H(X)＝(AX-L)^T(AX-L)+αX^TX来确定最优个体，抛弃次优个体，其中，X_i,g+1表示第g+1代种群第i个个体向量；

将种群中保留下来的最优个体作为下一代的初始种群，进入循环迭代过程，返回所述种群内个体的差分向量经过加权，与种群内加权的相异个体相加产生当前代的变异个体V_i,g＝A_i,g×X_r1,g+F_i,g×(X_r2,g-X_r3,g)的步骤，直到满足最大迭代次数。

7.如权利要求1所述的方法，其特征在于，所述将观测方程中待求向量的实数解模糊度分量作为输入值，搜索得到观测方程中待求向量的模糊度整数解具体为：

将观测方程中待求向量的实数解模糊度分量作为输入值，用LAMBDA算法、FARA算法或者MLAMBDA算法搜索得到观测方程中待求向量的模糊度整数解。

8.一种卫星导航快速定位装置，其特征在于，所述装置包括：

判断模块，用于在卫星导航快速定位过程中，判断观测方程是否病态；

求解模块，用于当观测方程病态时，利用自适应加权的差分进化算法结合正则化求解快速定位时的病态观测方程，得到病态观测方程中待求向量的实数解模糊度分量；

搜索模块，用于将观测方程中待求向量的实数解模糊度分量作为输入值，搜索得到观测方程中待求向量的模糊度整数解；

准确坐标计算模块，用于将模糊度整数解回代到观测方程中，重新求解得到更新模糊度后的基线参数，基线参数与准确的基准站卫星导航接收机坐标相加，得到目标卫星导航接收机的准确坐标。

9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的卫星导航快速定位方法的步骤。

10.一种卫星导航接收机，包括：

一个或多个处理器；

存储器；以及

一个或多个计算机程序，其中所述一个或多个计算机程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的卫星导航快速定位方法的步骤。