CN108363079A - 一种面向便携式智能设备的gnss伪距双差定位方法及系统 - Google Patents

Abstract

一种面向便携式智能设备的GNSS伪距双差定位方法,包括步骤：获取智能设备的原始GNSS观测值，利用连续失周的载波相位观测值对伪距观测值进行平滑处理，获得可见卫星的伪距平滑值；获取并解析基准站的RTCM数据，且对RTCM数据解析后获取基准站位置、基准站伪距观测值和星历；根据伪距平滑值和基准站伪距观测值生成可见卫星的伪距双差观测值；根据星历计算可见卫星的位置；根据伪距双差观测值和可见卫星的位置通过基线矢量解算算法获得智能设备相对于基准站的相对位置；将相对位置转换成本地坐标。有效地降低了伪距观测值的热噪声误差，实现了在智能设备上的实时差分定位；并针对不同运动模型提出相应的滤波器参数设计，大大地提高了定位精度。

Description

一种面向便携式智能设备的GNSS伪距双差定位方法及系统

技术领域

本发明涉及卫星导航技术领域，具体涉及一种面向便携式智能设备的GNSS伪距双差定位方法及系统。

背景技术

现有的便携式智能设备(如智能手机、平板电脑等)已经普遍集成了全球导航卫星系统(GNSS)模块，因此，对于使用者而言便可以随时在室外基于卫星信号进行定位与导航。在目前的手机等便携式智能设备中，GNSS定位过程中无论是采用基于GNSS芯片的硬解算还是采用基于应用处理器AP的软解算，都是单点定位的原理，但由于手机内部诸如天线、低噪放、晶振等硬件性能较差，导致手机观测值的热噪声、多路径误差等都较大，因此，目前的定位精度大约在10m左右，这难以满足未来的需求。

为了提高定位精度，一种常见方法是在安卓底层开发或者APP开发时对输出定位结果增加滤波平滑模块，但这只能减小随机噪声的影响，而且降低了输出更新速率，对运动中手机的效果更差。

另一种方法是采用A-GNSS，利用蜂窝基站提供辅助信息给手机，增强手机对弱信号的捕获和跟踪能力，从而提高定位精度，但这种技术需要GNSS芯片增加额外的接收辅助信息的模块，而且由于本质上没有减少观测值误差，因此，精度提升有限。

上述几种方法就是目前便携式智能设备GNSS定位的方式，但依然可见，其定位精度仍然较差。Android系统在7.0版本以后增加了对手机GNSS原始观测值输出的支持，另外，伴随着CORS网络的进一步发展，智能手机可以随时通过连接CORS服务器获取虚拟基准站信息，这些因素共同意味着，可以在手机AP上实现实时的基于差分等方法的高精度定位方案，然而，由于现行API尚不支持星历输出，手机观测值的噪声难以消除及duty cyc l e模式下载波相位观测值存在连续失周等原因，导致传统的载波相位平滑伪距的方法以及直接使用载波相位观测值的位置解算方法都不再适用，因此，需要开发一种基于安卓系统的便携式智能设备的伪距观测值的实时高精度定位的方案。

发明内容

本申请提供一种面向便携式智能设备的GNSS伪距双差定位方法及系统。

根据第一方面，一种实施例中提供一种面向便携式智能设备的GNSS伪距双差定位方法，包括步骤：

获取智能设备的原始GNSS观测值，将原始GNSS观测值转换成所有可见卫星的伪距观测值、载波相位观测值和多普勒观测值；

利用连续失周的载波相位观测值对伪距观测值进行平滑处理，获得可见卫星的伪距平滑值；

获取并解析基准站的RTCM数据，且对RTCM数据解析后获取基准站位置、基准站伪距观测值和星历；

根据伪距平滑值和基准站伪距观测值生成可见卫星的伪距双差观测值；

根据星历计算可见卫星的位置；

根据伪距双差观测值和可见卫星的位置通过基线矢量解算算法获得智能设备相对于基准站的相对位置；

将相对位置转换成本地坐标。

一种实施例中，连续失周的载波相位观测值的伪距平滑迭代计算公式为：

其中，ρ_k和ρ_s,k是k历元时的伪距观测值和伪距平滑值，φ_k是k历元时的载波相位观测值，λ是载波波长，M是平滑时间常数，N是载波相位观测值需要补偿的相位差。上述迭代公式的初始条件为：ρ_s,1＝ρ₁。

一种实施例中，载波相位观测值需要补偿的相位差N的确定包括步骤：

设N的默认值为0，利用所述伪距观测值减去所述伪距平滑值，获取平滑误差值；

对P个平滑误差值进行平均获得平均值，P的选取为M的1/3～1/2；

对所述平均值进行历史求和后再求平均获得历史平均值e；

对所述历史平均值做差分，然后再求绝对值，获得差分绝对值；

当所述差分绝对值小于阈值1时，则将当前的历史平均值e代入下式计算获取N，并对N进行锁定，直至下一次迭代计算中差分绝对值大于阈值1时，重新计算N；

一种实施例中，获得可见卫星的伪距平滑值之后，还包括对伪距平滑值设置收敛标志位的步骤。

一种实施例中，根据伪距平滑值和基准站伪距观测值生成伪距双差观测值，具体为：

计算智能设备与基准站的共视卫星的单差观测值；

在共视卫星中选取高度角最高且伪距平滑值收敛的卫星作为基准卫星；

根据基准卫星的单差观测值计算采用共视卫星中剩余卫星的伪距双差观测值。

一种实施例中，基线矢量解算之前，还包括对伪距双差观测值的有效标志位置1或0的步骤：

判别收敛的伪距双差观测值的个数是否大于待解未知数的个数，若是，将有效标志位置1，否则，将有效标志位置0。

一种实施例中，基线矢量解算算法具体为：

判断所述有效标志位是否为1，若是，采用最小二乘法获取当前历元的基线矢量的最小二乘解，且所述最小二乘解作为卡尔曼滤波器的初始值进行迭代计算；

若判断到所述有效标志位是否为0，且尚未求得当前历元的基线矢量的最小二乘解，则继续等待直至所述有效标志位为1；若已求得当前历元的基线矢量的最小二乘解，则继续进行卡尔曼滤波器的迭代计算。

一种实施例中，卡尔曼滤波器的迭代计算过程中，还包括步骤：

根据多普勒观测值获取当前智能设备的速度估计值，并对速度估计值进行滤波，当速度估计值小于阈值时，选择静态模型的卡尔曼滤波器求解基线矢量，当速度估计值大于阈值时，选择动态模型的卡尔曼滤波器求解基线矢量。

一种实施例中，静态模型为：卡尔曼滤波器的状态转移矩阵为单位矩阵，动态模型为：根据多普勒观测值求得的智能设备的速度信息动态调整卡尔曼滤波器的状态转移矩阵。

根据第二方面，一种实施例中提供一种面向便携式智能设备的GNSS伪距双差定位系统，包括：原始观测值生成单元、RTCM数据解析单元、伪距双差解算单元和输出显示单元；

原始观测值生成单元执行以下操作：

通过调用Android API获取智能设备的原始GNSS观测值；

将原始GNSS观测值转换成所有可见卫星的伪距观测值、载波相位观测值和多普勒观测值；

利用连续失周的所述载波相位观测值对伪距观测值进行平滑处理，获得可见卫星的伪距平滑值；

RTCM数据解析单元执行以下操作：

与CORS服务器建立TCP连接，当智能设备向所述CORS服务器回传当前位置信息后，所述RTCM数据解析单元通过CORS服务器获取基准站的RTCM数据，且对所述RTCM数据解析后获取基准站位置、基准站伪距观测值和星历；

伪距双差解算单元执行以下操作：

根据伪距平滑值和基准站伪距观测值生成可见卫星的伪距双差观测值；

根据星历计算可见卫星的位置；

根据伪距双差观测值和可见卫星的位置通过基线矢量解算算法获得智能设备相对于基准站的相对位置；

输出显示单元执行以下操作：

将所述相对位置转换成本地坐标。

依据上述实施例的GNSS伪距双差定位方法，由于利用连续失周的载波相位观测值平滑伪距，有效地降低了智能设备伪距观测值的热噪声误差，并结合RTCM数据与星历实现了在智能设备上的实时差分定位；进一步，并针对不同运动模型提出相应的滤波器参数设计，大大地提高了定位精度。

附图说明

图1为GNSS伪距双差定位方法流程图；

图2为GNSS伪距双差定位系统原理图；

图3为原始观测值生成单元原理图；

图4为RTCM数据解析单元原理图；

图5为伪距双差解算单元原理图；

图6为输出显示单元原理图。

具体实施方式

下面通过具体实施方式结合附图对本发明作进一步详细说明。

在本发明实施例中，针对传统载波相位平滑伪距技术不适用于智能设备的高精度定位的问题，本申请利用存在连续失周的载波相位观测值平滑伪距方法打破传统载波相位平滑伪距技术在智能设备无法应用的局限，并针对智能设备本地无法提供星历的问题，设计了一种接收RTCM数据的方案，最后，通过设计卡尔曼滤波器参数以应对智能设备的不同运动模式。本发明中的智能设备采用的是安卓系统，其可以是智能手机、平板电脑等便携式智能设备。

实施例一：

本例提供一种面向便携式智能设备的GNSS伪距双差定位方法，其流程图如图1所示，具体包括如下步骤。

S1：获取智能设备的原始GNSS观测值，将原始GNSS观测值转换成所有可见卫星的伪距观测值、载波相位观测值和多普勒观测值。

本步骤中，是通过调用Android API获得智能设备的原始GNSS观测值，再组装成伪距观测值、载波相位观测值和多普勒观测值，具体组装方式为：

伪距观测值：(tRxSeconds-tTxSeconds)*SPEED_OF_LIGHT；

载波相位观测值：AccumulatedDeltaRangeMeters/GPS_L1_WAVELENGTH；

多普勒观测值：-PseudorangeRateMetersPerSecond/GPS_L1_WAVELENGTH。

S2：利用连续失周的载波相位观测值对伪距观测值进行平滑处理，获得可见卫星的伪距平滑值。

不同于传统的载波相位观测值平滑伪距的方法，本例采用的是存在连续失周的载波相位观测值平滑伪距的方法，因此，需要对载波相位观测值的相位差进行补偿，本例的连续失周的载波相位平滑伪距迭代公式如下：

其中，ρ_k和ρ_s,k是k历元时的伪距观测值和伪距平滑值，φ_k是k历元时的载波相位观测值，λ是载波波长，M是平滑时间常数，M一般取值为20～100，N是载波相位观测值需要补偿的相位差。上述迭代公式的初始条件为：ρ_s,1＝ρ₁。

本例中，载波相位观测值需要补偿的相位差N的确定包括以下步骤：

1)迭代开始时，设N的默认值为0，利用所述伪距观测值减去所述伪距平滑值，获取平滑误差值；

2)对P个平滑误差值进行平均获得平均值，降低数据处理的更新速率，P的选取为M的1/3～1/2；

3)在每个更新周期，对平均值进行历史求和后再求平均获得历史平均值e；

4)对历史平均值做差分，然后再求绝对值，获得差分绝对值，即，后一时刻减去前一时刻，并且起始时刻不做差分；

5)当差分绝对值小于阈值1时，则将当前的历史平均值e代入下式计算获取N，并对N进行锁定，直至下一次迭代计算中差分绝对值大于阈值1时，重新计算N；

另外，因为载波相位观测值平滑伪距的方法有一个收敛过程，因此，对于每一次的平滑结果还需要设置一个收敛标志位，以说明当前的平滑结果是否可用。

S3：获取并解析基准站的RTCM数据，且对所述RTCM数据解析后获取基准站位置、基准站伪距观测值和星历。

首先，通过在智能设备上输入CORS网络服务器的I P地址与端口号，使智能设备与CORS服务器建立TCP连接，然后，获取源列表信息。之后，当该智能设备的用户名和密码验证通过后，该智能设备将自身当前位置GGA信息回传给NtripCaster，并选择挂载点。这样，就能实时接收来自虚拟基准站(VRS)的RTCM数据，所需要的RTCM数据包含3类：1秒输出一次的观测值数据，30秒输出一次的星历数据及60秒输出一次的基准站坐标信息，对于接收到的不同类型的RTCM数据进行解析，最终获得基准站位置、基准站伪距观测值和星历这三类信息。

S4：根据伪距平滑值和基准站伪距观测值生成可见卫星的伪距双差观测值。

具体的，针对智能设备与基准站的共视卫星，采用对应的伪距平滑值减去基准站伪距观测值便得到了该共视卫星的单差观测值，且依然扣留原来的收敛标志，并在共视卫星中选取高度角最高且伪距平滑值收敛的卫星作为基准卫星，然后，再用共视卫星中的各剩余卫星的单差观测值减去基准卫星的单差观测值，由此得到对应卫星的伪距双差观测值，且依然保留收敛标志位的状态。

S5：根据星历计算可见卫星的位置。

S6：根据伪距双差观测值和可见卫星的位置通过基线矢量解算算法获得智能设备相对于基准站的相对位置。

本步骤中，在基线矢量解算之前，还包括对伪距双差观测值的有效标志位置1或0的步骤：判别收敛的伪距双差观测值的个数是否大于待解未知数的个数，若是，将有效标志位置1，否则，将有效标志位置0。

本步骤中的基线矢量解算算法的基本思路为：

判断所述有效标志位是否为1，若是，采用最小二乘法获取当前历元的基线矢量的最小二乘解，且最小二乘解作为卡尔曼滤波器的初始值进行迭代计算；

若判断到有效标志位为0，且尚未求得当前历元的基线矢量的最小二乘解，则继续等待直至所述有效标志位为1；若已求得当前历元的基线矢量的最小二乘解，则继续进行卡尔曼滤波器的迭代计算，并无视该有效标志位的影响，但如果该定位结果被判别为异常点，则会屏蔽该异常点的输出。

基于上述思路，使用最小二乘法计算当前历元的基线矢量估计算法的具体方法是：

其中，等号左边的向量是M-1颗卫星的双差观测值，b_ur是基线矢量，ε_ur是观测误差，是基准站坐标指向卫星k的归一化矢量，如下所示：

其中，x^k是卫星k的ECEF XYZ坐标，而x是基准站的ECEF XYZ坐标，由此，可以求得基线矢量的最小二乘解，在线性方程的求解或是数据曲线拟合中，利用最小二乘法求得的解则被称为最小二乘解，将该最小二乘解作为后续卡尔曼滤波器的初始值输入。

为了应对智能设备的不同运动模式，卡尔曼滤波器的迭代计算过程中，还包括步骤：

根据多普勒观测值获取当前智能设备的速度估计值，并对所述速度估计值进行滤波，当速度估计值小于阈值时，选择静态模型的卡尔曼滤波器求解基线矢量，当速度估计值大于阈值时，选择动态模型的卡尔曼滤波器求解基线矢量。其中，静态模型为：卡尔曼滤波器的状态转移矩阵为单位矩阵，动态模型为：根据多普勒观测值求得的智能设备的速度信息动态调整卡尔曼滤波器的状态转移矩阵。

对于静态模型，卡尔曼滤波器的状态是基线矢量，且过程噪声协方差阵Q、测量噪声协方差阵R和初始的后验估计均方误差阵P可以设为如下值：

其中，d一般选取2～3，σ²一般为25～100。

由于求得的智能设备的速度信息包含了噪声，因此，需要对其进行滤波，待当前历元时刻的位置估计完毕后，则更新下一个历元时刻的位置估计。

S7：将相对位置转换成本地坐标。

具体的，将相对位置、基准站坐标及参考位置经过矢量加法和ECEF XYZ到ENU坐标转换，得到最终的位置结果，并根据精度状态值决定是否将其在地图上显示。

本例的连续失周的载波相位观测值平滑伪距的方法有效地降低了智能设备伪距观测值的热噪声误差，并结合来自CORS网络的RTCM数据与星历实现了在智能设备上的实时差分定位，并针对不同运动模型提出相应的卡尔曼滤波器参数设计，大大地提高了定位精度。

实施例二：

基于实施例一提供的GNSS伪距双差定位方法，本例提供一种与其对应的GNSS伪距双差定位系统，其原理图如图2所示，包括：原始观测值生成单元、RTCM数据解析单元、伪距双差解算单元和输出显示单元。

其中，原始观测值生成单元用于生成智能设备的原始GNSS观测值，原始观测值生成单元的原理图如图3所示，包括原始观测值组装模块和连续失周的载波平滑伪距模块，原始观测值组装模块调用Android API获取智能设备的原始GNSS观测值，再将该原始GNSS观测值组装成所有可见卫星的伪距观测值、载波相位观测值和多普勒观测值，连续失周的载波平滑伪距模块是利用载波相位观测值ADR对伪距观测值进行平滑，不同于传统的平滑方法，本例需要对载波相位观测值进行补偿，而补偿方法是确定周跳N的大小，由于该平滑过程有一个收敛过程，因此，还需要对每一次的平滑值设置一个收敛标志位，以说明当前的平滑值是否可用。周跳N的确定方式请参考实施例一，本例不作赘述。原始观测值生成单元的最终输出是：每个历元时刻的各颗卫星的平滑伪距值、对应的收敛标志位及多普勒观测值。

RTCM数据解析单元的原理图如图4所示，包括接收模块和数据解析模块，接收模块首先通过输入IP地址与端口号和CORS服务器建立TCP连接，然后获取源列表信息，之后在用户名和密码验证通过后，将自身当前位置GGA信息回传给NtripCaster，并选择挂载点，开始接收实时的来自虚拟基准站的RTCM数据，需要的RTCM数据包括三类：1秒输出一次的观测值数据、30秒输出一次的星历数据以及60秒输出一次的基准站坐标信息。数据解析模块对接收到的不同类型的RTCM数据进行解析，最终输出基准站位置、基准站伪距观测值和星历这三类信息。

伪距双差解算单元的原理图如图5所示，包括伪距双差观测值生成模块、卫星位置解算模块、基线矢量解算模块、有效标志位设置模块、速度求解器、速度滤波器和运动模型判别模块，具体地，伪距双差观测值生成模块的输入值包括来自原始观测值生成单元的伪距平滑值及收敛标志位，以及来自RTCM数据解析单元的基准站伪距观测值，在该模块中，对于智能设备与基准站的共视卫星采用对应的伪距平滑值减去基准站伪距观测值，便得到了单差观测值，且依然保留原来的收敛标志；选取高度角最高且伪距平滑值收敛的那颗卫星作为基准卫星，用其他卫星的单差观测值减去该基准卫星的单差观测值，由此得到双差观测值。

有效标志位设置模块对伪距双差观测值生成模块的输出进行有效标志位置1或置0，具体地，有效标志位设置模块判别收敛的双差观测值的个数是否大于待解未知数的个数3，若是，则将有效标志位置1，否则，将有效标志位置0，同时，该有效标志位连同收敛的双差观测值被一并送入基线矢量解算模块，同时，RTCM数据解析单元的基准站坐标也被输入至基线矢量解算模块中。

卫星位置解算模块根据星历计算可见卫星的位置，同时该位置输入至基线矢量解算模块中。

在基线矢量解算模块中，首先判断有效标志位是否为1，若是，则使用最小二乘法求得当前历元的基线矢量估计值，将该最小二乘解作为卡尔曼滤波器的初始值输入，进行卡尔曼滤波器的迭代过程，卡尔曼滤波器的状态转移矩阵会根据智能设备使用者的状态进行判断，将来自于原始观测值生成单元的多普勒观测值输入速度求解器中，得到智能设备使用者的速度，因为速度估计值包含了噪声，因此，将其送入速度滤波器中进行滤波；运动模型判别模块根据滤波后的速度与阈值进行比较后判别其为静态模型还是动态模型，如，当速度小于阈值时则判别为静态模型，此时，卡尔曼滤波器中的状态转移矩阵为单位矩阵，当速度大于阈值时则判别为动态模型，此时，卡尔曼滤波器的状态转移矩阵会动态调整。

本例的伪距双差解算单元的最终输出结果是智能设备相对于基准站的相对位置、及精度状态值，该精度状态值用于判断当前输出是否为异常点。

输出显示单元的原理图如图6所示，将伪距双差解算单元输出的相对位置、基准站坐标及参考位置一并作为输出显示单元的输入，经过矢量加法和ECEF XYZ到ENU坐标转换，得到最终的位置结果，并根据精度状态值决定是否在地图上将该位置结果进行显示。

以上应用了具体个例对本发明进行阐述，只是用于帮助理解本发明，并不用以限制本发明。对于本发明所属技术领域的技术人员，依据本发明的思想，还可以做出若干简单推演、变形或替换。

Claims (10)

1.一种面向便携式智能设备的GNSS伪距双差定位方法,其特征在于，包括步骤：

获取智能设备的原始GNSS观测值，将所述原始GNSS观测值转换成所有可见卫星的伪距观测值、载波相位观测值和多普勒观测值；

利用连续失周的所述载波相位观测值对所述伪距观测值进行平滑处理，获得可见卫星的伪距平滑值；

获取并解析基准站的RTCM数据，且对所述RTCM数据解析后获取基准站位置、基准站伪距观测值和星历；

根据所述伪距平滑值和基准站伪距观测值生成可见卫星的伪距双差观测值；

根据所述星历计算可见卫星的位置；

根据所述伪距双差观测值和可见卫星的位置通过基线矢量解算算法获得智能设备相对于基准站的相对位置；

将所述相对位置转换成本地坐标。

2.如权利要求1所述的GNSS伪距双差定位方法，其特征在于，所述连续失周的载波相位观测值的伪距平滑迭代公式为：

其中，ρ_k和ρ_s,k是k历元时的伪距观测值和伪距平滑值，φ_k是k历元时的载波相位观测值，λ是载波波长，M是平滑时间常数，N是载波相位观测值需要补偿的相位差，所述迭代公式的初始条件为ρ_s,1＝ρ₁。

3.如权利要求2所述的GNSS伪距双差定位方法，其特征在于，所述载波相位观测值需要补偿的相位差N的确定包括步骤：

设N的默认值为0，利用所述伪距观测值减去所述伪距平滑值，获取平滑误差值；

对P个平滑误差值进行平均获得平均值，P的选取为M的1/3～1/2；

对所述平均值进行历史求和后再求平均获得历史平均值e；

对所述历史平均值做差分，然后再求绝对值，获得差分绝对值；

当所述差分绝对值小于阈值1时，则将当前的历史平均值e代入下式计算获取N，并对N进行锁定，直至下一次迭代计算中差分绝对值大于阈值1时，重新计算N；

4.如权利要求1所述的GNSS伪距双差定位方法，其特征在于，获得可见卫星的伪距平滑值之后，还包括对所述伪距平滑值设置收敛标志位的步骤。

5.如权利要求4所述的GNSS伪距双差定位方法，其特征在于，根据所述伪距平滑值和基准站伪距观测值生成伪距双差观测值，具体为：

计算智能设备与基准站的共视卫星的单差观测值；

在所述共视卫星中选取高度角最高且伪距平滑值收敛的卫星作为基准卫星；

根据所述基准卫星的单差观测值计算采用所述共视卫星中剩余卫星的伪距双差观测值。

6.如权利要求1所述的GNSS伪距双差定位方法，其特征在于，所述基线矢量解算之前，还包括对所述伪距双差观测值的有效标志位置1或0的步骤：

判别收敛的伪距双差观测值的个数是否大于待解未知数的个数，若是，将有效标志位置1，否则，将有效标志位置0。

7.如权利要求6所述的GNSS伪距双差定位方法，其特征在于，所述基线矢量解算算法具体为：

判断所述有效标志位是否为1，若是，采用最小二乘法获取当前历元的基线矢量的最小二乘解，且所述最小二乘解作为卡尔曼滤波器的初始值进行迭代计算；

若判断到所述有效标志位为0，且尚未求得当前历元的基线矢量的最小二乘解，则继续等待直至所述有效标志位为1；若已求得当前历元的基线矢量的最小二乘解，则继续进行卡尔曼滤波器的迭代计算。

8.如权利要求7所述的GNSS伪距双差定位方法，其特征在于，所述卡尔曼滤波器的迭代计算过程中，还包括步骤：

根据多普勒观测值获取当前智能设备的速度估计值，并对所述速度估计值进行滤波，当所述速度估计值小于阈值时，选择静态模型的卡尔曼滤波器求解基线矢量，当所述速度估计值大于阈值时，选择动态模型的卡尔曼滤波器求解基线矢量。

9.如权利要求8所述的GNSS伪距双差定位方法，其特征在于，所述静态模型为：所述卡尔曼滤波器的状态转移矩阵为单位矩阵，所述动态模型为：根据多普勒观测值求得的智能设备的速度信息动态调整卡尔曼滤波器的状态转移矩阵。

10.一种面向便携式智能设备的GNSS伪距双差定位系统，其特征在于，包括：原始观测值生成单元、RTCM数据解析单元、伪距双差解算单元和输出显示单元；

所述原始观测值生成单元执行以下操作：

通过调用Android API获取智能设备的原始GNSS观测值；

将所述原始GNSS观测值转换成所有可见卫星的伪距观测值、载波相位观测值和多普勒观测值；

利用连续失周的所述载波相位观测值对所述伪距观测值进行平滑处理，获得可见卫星的伪距平滑值；

所述RTCM数据解析单元执行以下操作：

与CORS服务器建立TCP连接，当智能设备向所述CORS服务器回传当前位置信息后，所述RTCM数据解析单元通过CORS服务器获取基准站的RTCM数据，且对所述RTCM数据解析后获取基准站位置、基准站伪距观测值和星历；

所述伪距双差解算单元执行以下操作：

根据所述伪距平滑值和基准站伪距观测值生成可见卫星的伪距双差观测值；

根据所述星历计算可见卫星的位置；

根据所述伪距双差观测值和可见卫星的位置通过基线矢量解算算法获得智能设备相对于基准站的相对位置；

所述输出显示单元执行以下操作：

将所述相对位置转换成本地坐标。