CN108871179B - 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
CN108871179B
CN108871179B CN201810425942.2A CN201810425942A CN108871179B CN 108871179 B CN108871179 B CN 108871179B CN 201810425942 A CN201810425942 A CN 201810425942A CN 108871179 B CN108871179 B CN 108871179B
Authority
CN
China
Prior art keywords
floating point
station
difference
monitoring
solution
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
Application number
CN201810425942.2A
Other languages
English (en)
Other versions
CN108871179A (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

Images

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
Figure GDA0002483841400000021
S5用RATIO算法检测步骤S4得到的模糊度是否正确；若正确，则输出固定解
Figure GDA0002483841400000022
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(N1 N2 ... 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：
Figure GDA0002483841400000031
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，
Figure GDA0002483841400000032
模糊度的最优值,次优值
Figure GDA0002483841400000033
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
Figure GDA0002483841400000034
S22对卫星j作站间单差
Figure GDA0002483841400000035
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
Figure GDA0002483841400000036
检测模块，用RATIO算法检测模糊度是否正确；若正确，则输出固定解
Figure GDA0002483841400000037
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：
Figure GDA0002483841400000051
Figure GDA0002483841400000052
式中：
Figure GDA0002483841400000053
为监测站观测到编号为n卫星的伪距值；
Figure GDA0002483841400000054
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；
Figure GDA0002483841400000055
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；
Figure GDA0002483841400000056
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
Figure GDA0002483841400000057
和
Figure GDA0002483841400000058
分别为：
Figure GDA0002483841400000059
Figure GDA00024838414000000510
Figure GDA00024838414000000511
Figure GDA00024838414000000512
式中：
Figure GDA00024838414000000513
Figure GDA00024838414000000514
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；
Figure GDA0002483841400000061
和
Figure GDA0002483841400000062
分别为监测站和基准站的星地几何距离，其中
Figure GDA0002483841400000063
中包含监测站的位置未知量(xr、yr、zr)，
Figure GDA0002483841400000064
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；
Figure GDA0002483841400000065
和
Figure GDA0002483841400000066
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；
Figure GDA0002483841400000067
和
Figure GDA0002483841400000068
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
Figure GDA0002483841400000069
等式为：
Figure GDA00024838414000000610
将等式(3)、(4)代入到(7)得到：
Figure GDA00024838414000000611
Figure GDA00024838414000000612
Figure GDA00024838414000000613
Figure GDA00024838414000000614
同理，针对卫星j作站间单差，得到站间单差
Figure GDA00024838414000000615
等式为：
Figure GDA00024838414000000616
Figure GDA00024838414000000617
Figure GDA00024838414000000618
Figure GDA00024838414000000619
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：
Figure GDA00024838414000000620
Figure GDA00024838414000000621
Figure GDA00024838414000000622
Figure GDA00024838414000000623
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，
Figure GDA00024838414000000624
包含有监测站的位置未知量，
Figure GDA00024838414000000625
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：
Figure GDA0002483841400000071
Figure GDA0002483841400000072
Figure GDA0002483841400000073
其中，
Figure GDA0002483841400000074
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：
Figure GDA0002483841400000075
Figure GDA0002483841400000076
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：
Figure GDA0002483841400000077
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(N1 N2 ... 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,r N1 N2 ... Ni ...NN]T (23)
Figure GDA0002483841400000081
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，
Figure GDA0002483841400000082
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-1,1 Nk-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-1,1 Nk-1,2 ...Nk-1,N]T (27)
Figure GDA0002483841400000091
其中，
Figure GDA0002483841400000092
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)
Figure GDA0002483841400000093
Figure GDA0002483841400000094
Figure GDA0002483841400000095
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
Figure GDA0002483841400000096
和次优值
Figure GDA0002483841400000097
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：
Figure GDA0002483841400000098
Figure GDA0002483841400000099
Figure GDA00024838414000000910
Figure GDA00024838414000000911
表示浮点状态矩阵的估计值；
Figure GDA00024838414000000912
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。
Figure GDA00024838414000000913
为
Figure GDA00024838414000000914
对应的协方差矩阵；
Figure GDA00024838414000000915
为
Figure GDA00024838414000000916
对应的协方差矩阵；QR为
Figure GDA00024838414000000917
中位置解对应的方差矩阵；QN为
Figure GDA0002483841400000101
中的模糊度双差值对应的方差矩阵；QNR，QRN均表示
Figure GDA0002483841400000102
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：
Figure GDA0002483841400000103
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：
Figure GDA0002483841400000104
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，
Figure GDA0002483841400000105
表示：
Figure GDA0002483841400000106
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”
Figure GDA0002483841400000107
Figure GDA0002483841400000108
Figure GDA0002483841400000109
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。
表1：载波相位差分动静态融合定位方法精度误差统计
Figure GDA00024838414000001010
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
Figure GDA0002483841400000111
检测模块，用RATIO算法检测模糊度是否正确；若正确，则输出固定解
Figure GDA0002483841400000112
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
Figure FDA0002411056340000011
S5用RATIO算法检测步骤S4得到的模糊度是否正确；若正确，则输出固定解
Figure FDA0002411056340000012
否则输出浮点解rr；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，回到步骤S1进行下一历元解算；
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：
Figure FDA0002411056340000021
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，
Figure FDA0002411056340000022
模糊度的最优值,次优值
Figure FDA0002411056340000023
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
Figure FDA0002411056340000024
S22对卫星j作站间单差
Figure FDA0002411056340000025
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
Figure FDA0002411056340000026
检测模块，用RATIO算法检测模糊度是否正确；若正确，则输出固定解
Figure FDA0002411056340000027
否则输出浮点解rr；
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，回到步骤S1进行下一历元解算；
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 CN108871179A (zh) 2018-11-23
CN108871179B true 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)

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108845340A (zh) * 2018-06-01 2018-11-20 浙江亚特电器有限公司 基于gnss-rtk的定位方法
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
CN109737956B (zh) * 2018-12-17 2022-06-21 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
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
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
CN112444187B (zh) * 2019-08-28 2022-09-06 千寻位置网络有限公司 形变监测方法及装置
CN112987048B (zh) * 2019-12-12 2023-05-02 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
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
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
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
CN115373007B (zh) * 2022-10-21 2023-03-31 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
CN115421172B (zh) * 2022-11-04 2023-03-24 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

Family Cites Families (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
CN103454646B (zh) * 2013-09-18 2015-08-19 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
US10215862B2 (en) * 2014-04-07 2019-02-26 Honeywell International Inc. Systems and methods for a code carrier divergence high-pass filter monitor
CN104597471B (zh) * 2015-01-13 2017-04-19 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
CN107990821B (zh) * 2017-11-17 2019-12-17 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

Also Published As

Publication number Publication date
CN108871179A (zh) 2018-11-23

Similar Documents

Publication Publication Date Title
CN108871179B (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
CN114518586B (zh) 一种基于球谐展开的gnss精密单点定位方法
CN108317949B (zh) 一种rtk高精度差分定位形变监测系统及方法
CN109196381B (zh) 通过辅助数据对精确位置的快速确定
RU2479855C2 (ru) Зависящее от расстояния уменьшение ошибки при определении местоположения в режиме кинематики реального времени
CN104502935B (zh) 一种基于非差非组合模型的网络rtk模糊度解算方法
CN101770033B (zh) 连续运行参考站系统站间整周模糊度网络固定方法
CN109219732B (zh) 具有改进的模糊度解算的卫星导航接收器
CN108802782B (zh) 一种惯导辅助的北斗三频载波相位整周模糊度求解方法
CN103176188B (zh) 一种区域地基增强ppp-rtk模糊度单历元固定方法
CN106842268A (zh) 双gnss接收机载波相位双差整周模糊度浮点解向量估计方法
CN109613585A (zh) 一种对基站天线超短基线gnss双天线实时测向的方法
CN101825717A (zh) 一种基于载波平滑码伪距技术的动态定姿方法
CN117055078A (zh) 具有改进的模糊度解算的卫星导航接收器
CN101710179A (zh) 一种gnss三频动对动定位方法
CN106324622B (zh) 一种局域增强系统完好性监测及实时定位增强方法
CN103543454B (zh) 一种嵌入在移动通讯网中的卫星定轨系统
CN111983650B (zh) 一种基于gnss的高精度时间传递方法
CN112444832A (zh) 一种一机多天线接收机的周跳修复方法
CN110346816B (zh) 短到长基线场景下电离层建模约束的实时差分定位方法
CN105929430A (zh) 一种gnss零基线参考站间模糊度快速固定方法
CN116009042A (zh) 一种单站载波历元间差分实时探测相对形变的方法及系统
Tolman et al. Absolute precise kinematic positioning with GPS and GLONASS
CN114460615A (zh) 一种附加虚拟观测值的北斗三新频点定位方法及系统
CN113671551B (zh) Rtk定位解算方法

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