CN109116392A - 复杂环境条件下多星座gnss融合高精度动态定位方法 - Google Patents

Abstract

本发明公开了复杂环境条件下多星座GNSS融合高精度动态定位方法，包括以下步骤：步骤1：获取浮点模糊度解集合及其方差‑协方差阵对和进行分解得到整周模糊度值，若整周模糊度值满足设定要求则转入步骤4，否则转入步骤2；步骤2：从中剔除第i颗卫星的模糊度，然后进行模糊度分解，得到Ratio值ratio_i和浮点模糊度与最优整周模糊度间的距离sn_i；步骤3：将ratio_i和sn_i根据设定阈值分组后确定最优模糊度子集，根据最优模糊度子集进行整周模糊度解算得到整周模糊度值；步骤4：根据整周模糊度值进行GNSS固定解的解算，得到GNSS动态定位结果；本发明能有效避免偏差较大的浮点模糊度对模糊度分解造成的影响，实现模糊度的快速固定，确保GNSS定位结果的正确性和可靠性。

Description

复杂环境条件下多星座GNSS融合高精度动态定位方法

技术领域

本发明涉及高精度全球卫星导航定位技术领域，具体涉及一种适用于复杂环境条件下的多星座GNSS融合高精度动态定位方法。

背景技术

实现GNSS快速高精度动态定位的先决条件是模糊度快速、正确分解。随着多星座(包括：北斗、GPS、GLONASS、Galileo等)卫星导航系统的发展，可视卫星数越来越多，多星座GNSS融合定位成为重要发展方向。多系统融合在提高定位结果精度和可靠性的同时，也改善了模糊度分解的条件，有利于提高模糊度分解的成功率。由于GNSS信号遮挡是影响GNSS定位的至关重要因素，尤其是在复杂环境下(高楼、桥梁、深山峡谷等强信号反射环境)，极易造成卫星信号被遮挡或多源反射，多路径误差更为严重，从而严重影响模糊度的快速正确分解，影响GNSS进行快速高精度动态定位。在复杂环境条件下利用GNSS进行定位时，由于受到来自观测值中噪声及各种未改正偏差的影响，浮点模糊度解中会含有偏差。而少数含有较大偏差的模糊度会严重影响模糊度的分解，甚至造成模糊度分解失败。与采用常规的全模糊度分解方法相比，部分模糊度分解方法通过选择最优模糊度子集进行分解。该模糊度子集中剔除了含偏差较大的模数度，具有较高的精度和可靠性，有利于提高模糊度分解成功的概率，实现GNSS快速高精度动态定位。因此，如何构建选择模糊度子集的准则，将直接影响到所选择模糊度子集的可靠性，也直接影响到模糊度分解的成功与否。

在选择模糊度子集的过程中，根据构建的准则剔除或保留某颗卫星的模糊度。当选择的模糊度子集满足模糊度分解成功的各项条件时，则该模糊度子集将被用于卫星导航定位固定解的解算。在部分模糊度分解方法中，常用的选择模糊度子集的准则有卫星高度角、浮点模糊度方法、模糊度分解成功率等。将卫星高度角作为选择模糊度子集的准则是剔除高度角最小的卫星，并对剩余卫星的模糊度进行分解。其原理是建立在卫星高度角越低，观测值精度也越低的假设之上。但是，在实际情况下，由于受到观测条件的影响，使得观测值精度并不一定与卫星高度角一致。这是由于卫星高度角仅仅是从理论的角度表征观测值精度的，而未考虑实际观测条件的影响。根据浮点模糊度方差的大小选择模糊度子集，该方法只考虑了单个模糊度的精度，而忽略了该模糊度与其它模糊度之间的相关关系。以模糊度分解的成功率作为准则选择模糊度子集，虽然考虑了模糊度之间的相关关系，但是却没有考虑浮点模糊度的因素。因此，在复杂的城市观测环境下进行GNSS快速高精度动态定位时，采用卫星高度角、浮点模糊度解的方差大小、模糊度分解成功率作为模糊度子集的选择准则并不能确保快速地选择一组可靠的模糊度子集。

发明内容

本发明提供一种有效避免偏差较大的浮点模糊度对模糊度分解造成的影响，实现模糊度的快速固定，确保GNSS快速高精度动态定位结果的正确性和可靠性的适用于复杂环境条件下的多星座GNSS融合高精度动态定位方法。

本发明采用的技术方案是：复杂环境条件下多星座GNSS融合高精度动态定位方法，包括以下步骤：

步骤1：获取浮点模糊度解集合及其方差-协方差阵对和进行分解得到整周模糊度值，若整周模糊度值满足设定要求则转入步骤4，否则转入步骤2；

步骤2：从中剔除第i颗卫星的模糊度，然后进行模糊度分解，得到Ratio值ratio_i和浮点模糊度与最优整周模糊度间的Mahalanobis距离sn_i；

步骤3：将步骤2得到的ratio_i和sn_i根据设定阈值分组后确定最优模糊度子集，根据最优模糊度子集进行整周模糊度解算得到整周模糊度值；

步骤4：根据整周模糊度值进行GNSS固定解的解算，得到GNSS动态定位结果。

进一步的，所述步骤3中确定最优模糊度子集的过程如下：

将ratio_i大于设定阈值的模糊度子集作为候选模糊度子集；

若候选模糊度子集个数不为零，则选择sn_i值最小的候选模糊度子集作为最优模糊度子集；

若候选模糊度子集个数为零，则将ratio_i中最大值对应的浮点模糊度子集取代重复步骤2～3；直至剩余卫星个数小于设定值为止。

进一步的，所述步骤2中ratio_i的计算过程如下：

式中：为剔除第i颗卫星的模糊度后剩余卫星的浮点模糊度解集合；为剔除第i颗卫星的模糊度后剩余卫星的方差-协方差阵，为的逆矩阵，为模糊度分解后获得的整周模糊度最优值，为分解后获得的整周模糊度次优值，q为卫星数。

进一步的，所述步骤2中sn_i的计算过程如下：

式中：为剔除第i颗卫星的模糊度后剩余卫星的浮点模糊度解集合；为剔除第i颗卫星的模糊度后剩余卫星的方差-协方差阵，为的逆矩阵，为模糊度分解后获得的整周模糊度最优值，q为卫星数。

进一步的，所述步骤1中通过卡尔曼滤波方法对观测数据进行处理得到浮点模糊度解集合及其方差-协方差阵

进一步的，所述步骤4中通过将整周模糊度值代入观测方程，利用卡尔曼滤波方法进行GNSS固定解的解算。

本发明的有益效果是：

(1)本发明在顾及模糊度残差及模糊度间协方差的基础上，以模糊度分解的Ratio值及浮点模糊度与最优整周模糊度间的Mahalanobis距离为指标构建模糊度子集，确保快速地选择一组可靠的模糊度子集；

(2)本发明不仅能够提高模糊度正确固定率，而且可以降低被剔除卫星的个数，快速实现GNSS高精度动态定位；

(3)本发明能够有效避免偏差较大的浮点模糊度对模糊度分解造成的影响，实现模糊度的快速固定，确保GNSS快速高精度动态定位结果的正确性和可靠性。

附图说明

图1为观测数据I本发明方法和传统方法模糊度正确固定率对比图。

图2为观测数据II本发明方法和传统方法模糊度正确固定率对比图。

图3为观测数据I和观测数据II采用本发明和传统方法剔除卫星个数的统计信息对比图。

图4为观测数据I本发明动态定位结果图。

图5为观测数据II本发明动态定位结果图。

具体实施方式

下面结合附图和具体实施例对本发明进一步说明。

复杂环境条件下多星座GNSS融合高精度动态定位方法，包括以下步骤：

步骤1：获取浮点模糊度解集合及其方差-协方差阵对和进行分解得到整周模糊度值，若整周模糊度值满足设定要求则转入步骤4，否则转入步骤2；

通过扩展卡尔曼滤波方法对观测数据进行处理得到浮点模糊度解集合及其方差-协方差阵并对其进行分解。若模糊度分解结果满足要求，则转入步骤4；若模糊度分解结果不能满足要求，则转入步骤2。

步骤2：从中剔除第i颗卫星的模糊度，然后对剩余卫星的模糊度进行分解，得到Ratio值ratio_i和浮点模糊度与最优整周模糊度间的Mahalanobis距离sn_i；

ratio_i的计算过程如下：

sn_i的计算过程如下：

式中：为剔除第i颗卫星的模糊度后剩余卫星的浮点模糊度解集合；为剔除第i颗卫星的模糊度后剩余卫星的方差-协方差阵，为的逆矩阵，为模糊度分解后获得的整周模糊度最优值，为分解后获得的整周模糊度次优值，q为卫星数。

步骤3：将步骤2得到的ratio_i和sn_i根据设定阈值分组后确定最优模糊度子集，根据最优模糊度子集进行整周模糊度解算得到整周模糊度值；

确定最优模糊度子集的过程如下：

将ratio_i大于设定阈值的模糊度子集作为候选模糊度子集；

根据设置的Ratio值阈值ratio_threshold，将ratio_i分为两组，并将Ratio值大于阈值ratio_threshold的模糊度子集作为候选模糊度子集；

ratio′＝{ratio_k|ratio_k≥ratio_threshold,k＝1,…,q}

ratio″＝{ratio_k|ratio_k＜ratio_threshold,k＝1,…,q}

对应的，sn_i也分为两组：

sn′＝{sn_k|ratio_k≥ratio_threshold,k＝1,…,q}

sn″＝{sn_k|ratio_k＜ratio_threshold,k＝1,…,q}

若候选模糊度子集个数不为零，则选择sn′中最小的Mahalanobis距离对应的候选模糊度子集作为最优模糊度子集，使用该模糊度子集进行整周模糊度的解算；

若候选模糊度子集个数为零，则将ratio″中最大的Ratio值对应的浮点模糊度子集取代重复步骤2～3，直至剩余卫星个数小于设定值为止。当剩余卫星个数不足以计算固定解时，该循环结束，此时所有模糊度均无法固定，只能得到基线浮点定位结果。

步骤4：根据整周模糊度值进行GNSS固定解的解算，得到GNSS动态定位结果；

在采用全模糊度(步骤1)或部分模糊度(步骤2～3)分解方式分解模糊度成功后，将固定的整周模糊度值代入观测方程，利用卡尔曼滤波方法进行GNSS固定解的解算，得到GNSS动态定位结果。

为了验证本发明的有效性，对七天的观测数据I和观测数据II进行处理，并与根据卫星高度角大小选择模糊度子集的方法进行了对比，结果如图1和图2所示。

图1和图2分别是观测数据I和观测数据II采用本发明方法和根据卫星高度角选择模糊度子集方法的模糊度正确固定率对比结果图。由图1和图2可知，与根据卫星高度角选择模糊度子集的方法相比，采用本发明时，观测数据I和观测数据II模糊度正确固定率分别提高了13.3％和6.8％。说明采用本发明方法能更加可靠地选择一组模糊度子集，快速进行模糊度的正确分解，从而在城市环境下，实现利用GNSS进行快速高精度定位。

图3是观测数据I和观测数据II采用本发明方法和根据卫星高度角方法在选择模糊度子集的过程中剔除的卫星个数统计信息。从图中可以看出，本发明方法剔除1～2颗卫星的历元约占历元总数的95.9％，优于根据卫星高度角选择模糊度子集方法的86.6％。说明本发明方法能更加有效地剔除低精度的模糊度，避免其对模糊度分解造成的影响。

图4和图5分别是观测数据I和观测数据II采用本发明时第一天观测数据的动态定位结果。从图中可以看出，观测数据I和观测数据II在North和East方向动态定位结果达到0.04m内，在Up方向的定位结果在0.1m内。基线定位结果达到了厘米级的定位精度，满足GNSS高精度动态定位的精度要求。

本发明综合考虑了模糊度残差及模糊度间协方差的影响，以模糊度分解的Ratio值及浮点模糊度与最优整周模糊度间的Mahalanobis距离作为选择模糊度子集的准则。由于综合考虑了各个因素的影响，该准则能快速地选择一组可靠的模糊度子集，有效避免偏差较大的浮点模糊度对模糊度分解造成的影响，实现模糊度的快速固定，确保GNSS快速高精度动态定位结果的正确性和可靠性。

Claims (6)

1.一种复杂环境条件下多星座GNSS融合高精度动态定位方法，其特征在于，包括以下步骤：

步骤1：获取浮点模糊度解集合及其方差-协方差阵对和进行分解得到整周模糊度值，若整周模糊度值满足设定要求则转入步骤4，否则转入步骤2；

步骤2：从中剔除第i颗卫星的模糊度，然后进行模糊度分解，得到Ratio值ratio_i和浮点模糊度与最优整周模糊度间的距离sn_i；

步骤3：将步骤2得到的ratio_i和sn_i根据设定阈值分组后确定最优模糊度子集，根据最优模糊度子集进行整周模糊度解算得到整周模糊度值；

步骤4：根据整周模糊度值进行GNSS固定解的解算，得到GNSS动态定位结果。

2.根据权利要求1所述的一种复杂环境条件下多星座GNSS融合高精度动态定位方法，其特征在于，所述步骤3中确定最优模糊度子集的过程如下：

将ratio_i大于设定阈值的模糊度子集作为候选模糊度子集；

若候选模糊度子集个数不为零，则选择sn_i值最小的候选模糊度子集作为最优模糊度子集；

若候选模糊度子集个数为零，则将ratio_i中最大值对应的浮点模糊度子集取代重复步骤2～3；直至剩余卫星个数小于设定值为止。

3.根据权利要求1所述的一种复杂环境条件下多星座GNSS融合高精度动态定位方法，其特征在于，所述步骤2中ratio_i的计算过程如下：

式中：为剔除第i颗卫星的模糊度后剩余卫星的浮点模糊度解集合；为剔除第i颗卫星的模糊度后剩余卫星的方差-协方差阵，为的逆矩阵，为模糊度分解后获得的整周模糊度最优值，为分解后获得的整周模糊度次优值，q为卫星数。

4.根据权利要求1所述的一种复杂环境条件下多星座GNSS融合高精度动态定位方法，其特征在于，所述步骤2中sn_i的计算过程如下：

式中：为剔除第i颗卫星的模糊度后剩余卫星的浮点模糊度解集合；为剔除第i颗卫星的模糊度后剩余卫星的方差-协方差阵，为的逆矩阵，为模糊度分解后获得的整周模糊度最优值，q为卫星数。

5.根据权利要求1所述的一种复杂环境条件下多星座GNSS融合高精度动态定位方法，其特征在于，所述步骤1中通过卡尔曼滤波方法对观测数据进行处理得到浮点模糊度解集合及其方差-协方差阵

6.根据权利要求1所述的一种复杂环境条件下多星座GNSS融合高精度动态定位方法，其特征在于，所述步骤4中通过将固定整周模糊度值代入观测方程，利用卡尔曼滤波方法进行GNSS固定解的解算。