CN110031879B - 模糊度域信息整合的高精度后处理定位方法及系统 - Google Patents
模糊度域信息整合的高精度后处理定位方法及系统 Download PDFInfo
- Publication number
- CN110031879B CN110031879B CN201910308254.2A CN201910308254A CN110031879B CN 110031879 B CN110031879 B CN 110031879B CN 201910308254 A CN201910308254 A CN 201910308254A CN 110031879 B CN110031879 B CN 110031879B
- Authority
- CN
- China
- Prior art keywords
- ambiguity
- domain
- satellite
- precision
- value
- 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 49
- 230000010354 integration Effects 0.000 title claims abstract description 45
- 238000012805 post-processing Methods 0.000 title claims abstract description 28
- 238000001914 filtration Methods 0.000 claims abstract description 43
- 238000004458 analytical method Methods 0.000 claims abstract description 10
- 230000008569 process Effects 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000012360 testing method Methods 0.000 claims description 10
- 238000007621 cluster analysis Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 7
- 230000007704 transition Effects 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 3
- 230000005484 gravity Effects 0.000 abstract description 2
- 238000013507 mapping Methods 0.000 abstract description 2
- 238000007667 floating Methods 0.000 description 19
- 239000000243 solution Substances 0.000 description 16
- 238000012937 correction Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000009499 grossing Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 230000002457 bidirectional effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000001934 delay Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 239000005433 ionosphere Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004804 winding Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000819 phase cycle Methods 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 101100110009 Caenorhabditis elegans asd-2 gene Proteins 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000010790 dilution Methods 0.000 description 1
- 239000012895 dilution Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000005295 random walk Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 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
- G01S19/38—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)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明提供一种模糊度域信息整合的高精度后处理定位方法及系统,包括构建基准统一,模糊度数值特征一致的多个模糊度域,结合首次前后向卡尔曼滤波的解算信息,逐个对每个模糊度域依次进行模糊度信息整合分析,获得正确的模糊度固定值后即可实现模糊度域内全时段固定,最后对坐标参数进行更新,从而实现后处理模式下的高精度定位。本发明可以明显提高GNSS高精度定位中的模糊度固定率和可靠性,进而获得厘米级定位精度,在移动测图和航空重力领域具有重要的实际应用价值。
Description
技术领域
本发明属于GNSS高精度定位领域,具体涉及一种模糊度域信息整合的高精度后处理定位方法及系统。
背景技术
GNSS(Global Navigation Satellite Systems)精密定位技术是指利用全球导航卫星系统,包括中国北斗系统,美国GPS系统,俄罗斯GLONASS系统和欧盟的Gailieo系统,国际全球导航卫星服务组织(International GNSS Service,IGS)提供的精密产品,综合考虑各项误差模型的精确改正,利用伪距和载波相位观测值实现单站精密绝对定位(PrecisePoint Positioning,PPP)和相对定位(Post Processing Kinamic,PPK)的方法。相位模糊度准确固定是高精度定位的前提和关键,然而在PPP和长基线单站PPK场景下,模糊度中耦合了残留大气延迟和各类误差,使得模糊度固定困难,固定率不及常规短基线相对定位,难以满足高精度动态场景的应用需求。
卡尔曼滤波器被广泛应用于动态定位领域中,其本身是一个递归滤波器,参数估计仅依赖当前和之前的数据信息,定位精度和参数收敛时间都受到限制。为了解决这一问题,学者们提出了后处理融合算法。传统的后处理方法主要包括双向滤波平滑和RTSS平滑。前者利用前、后向卡尔曼滤波分别解算,最后根据双向结果的方差协方差矩阵对结果进行加权融合;后者考虑到状态参数在相邻时间内的相互关系,对首次滤波结果进行逐个平滑。两种方案使用简便,已经被广泛应用于导航定位领域。但它们都仅在坐标域内进行结果融合和平滑,对于模糊度固定率的提升没有贡献。假设首次GNSS解算结果大多为浮点解,那么使用这两种方法得到的结果精度也只能是浮点解的精度水平。这极大地限制了GNSS在复杂城市环境或者长基线相对定位场景下的应用。
事实上,模糊度参数是接收机跟踪某颗卫星时,无法被准确确定的整数部分,这个参数在卫星被连续跟踪的情况下具有唯一整数特性。在这个背景下,本发明提出了一种模糊度域信息整合的高精度后处理定位方法,首先为每颗卫星构建合适的模糊度域,然后在模糊度域中寻找准确的整周模糊度,最终以得到的整周模糊度为观测约束,更新其他状态参数。利用这个方法可以显著改善模糊度固定效果,利用准确的相位观测值进而获得厘米级的定位精度。
发明内容
本发明提出了一种模糊度域信息整合的高精度后处理定位技术方案,具有广域内精密定位的能力以及抗复杂环境的优点。
为达到上述目的,本发明的技术方案提供一种模糊度域信息整合的高精度后处理定位方法,构建基准统一,模糊度数值特征一致的多个模糊度域,结合首次前后向卡尔曼滤波的解算信息,逐个对每个模糊度域依次进行模糊度信息整合分析,获得正确的模糊度固定值后即可实现模糊度域内全时段固定,最后对坐标参数进行更新,从而实现后处理模式下的高精度定位。
而且,所述构建基准统一,模糊度数值特征一致的多个模糊度域,实现方式如下,
选择一颗连续跟踪时长最长的卫星作为参考星,通过星间单差的状态转移矩阵将后续历元的星间单差固定值调整到统一的基准下;根据模糊度重新初始化信息,对每颗卫星进行弧段分割,保证每个弧段内有且仅有一个整周模糊度。
而且,所述模糊度信息整合分析,实现方式如下,
每个模糊度域单独进行模糊度的信息整合分析,包括对模糊度固定数值进行聚类分析和多维度检核策略,能够在整个模糊度域中筛选出少数准确、可靠的整周模糊度;利用模糊度在模糊度域内的唯一整数特性,使域中未固定和固定错误的历元全部重新固定,实现该模糊度域的全时段固定。
而且,针对模糊度域的多维度检核策略,实现如下,
由于模糊度域中存在固定错误的情况,为了筛选出正确的整周模糊度,使用多维度检核策略,包括以下处理,
模糊度固定解精度评价,包括利用模糊度精度衰减因子ADOP、BootStrapping成功率和Ratio值进行评价;
显著性检验,包括判断簇内成员数量以及与其他簇成员数量的比例;
前后向模糊度结果校准,包括当正、反向滤波位置收敛后,对同一历元正向和反向相位验后残差作差,将此结果作为检验量。
而且,所述坐标域参数更新,实现如下,
根据多维度检核策略的结果,自适应确定整合模糊度的精度,在正、反向滤波的结果中选择最为可靠的位置结果进行更新,加速后处理效率。
本发明提供一种模糊度域信息整合的高精度后处理定位系统,用于执行如上所述的模糊度域信息整合的高精度后处理定位方法。
本发明提出的模糊度域信息整合的高精度后处理定位技术方案具有以下技术效果:
1.充分发挥后处理场景特点,在模糊度域内进行信息整合和模糊度固定,最大化地利用了观测数据信息,提高了动态定位的可靠性和精度。
2.应用模糊度的整数特性,通过整套模糊度域信息整合方法,仅需要少部分的正确模糊度值,就可以在模糊度域内获得100%的模糊度固定率。本发明可以明显提高GNSS高精度定位中的模糊度固定率和可靠性,进而获得厘米级定位精度,在移动测图和航空重力领域具有重要的实际应用价值。
3.采用一套严密的指标体系进行模糊度整合、检核以及虚拟观测值精度确定,提高了模糊度域信息整合的高精度后处理定位方法在工程实用中的可靠性。
附图说明
图1为本发明实施例的总流程图;
图2为本发明实施例的模糊度域信息整合后处理原理示意图;
图3为本发明实施例的GNSS模糊度固定流程图;
图4为本发明实施例的模糊度域构建流程图;
图5为本发明实施例的模糊度域信息整合流程图;
图6为本发明实施例的虚拟观测值权值确定流程图;
图7为本发明实施例的附带约束的位置更新流程图。
具体实施方式
以下结合附图和实施例具体介绍本发明的技术方案。
本发明实施例提出的模糊度域信息整合的高精度后处理定位方法包括坐标域双向卡尔曼滤波解算,模糊度域构建、信息整合与质量控制、整合模糊度约束的参数更新。参见图2,本发明的核心是模糊度域信息整合:首次滤波结果中可能存在模糊度固定成功、固定失败和未固定三种情况,本发明旨在利用少部分固定正确的模糊度,纠正和覆盖固定错误和未固定的历元,从而实现模糊度域内的全弧段模糊度固定。模糊度信息整合后可以准确确定整周模糊度,之后可以使相位观测值具有毫米级绝对定位的能力。结合整合后的模糊度,对首次滤波结果进行融合优化,最后即可获得高可靠性、高精度结果。
参见图1,本发明实施例提出的模糊度域信息整合的高精度后处理定位方法包括构建基准统一,模糊度数值特征一致的多个模糊度域,结合首次前后向卡尔曼滤波的解算信息,逐个对每个模糊度域依次进行模糊度信息整合分析,获得正确的模糊度固定值后即可实现模糊度域内全时段固定,最后对坐标参数进行更新,从而实现后处理模式下的高精度定位。实施例设置的实现流程包括以下步骤:
步骤1,开辟两个独立的线程,以对GNSS数据进行预处理、正向和反向卡尔曼滤波估计,其中数据预处理包括粗差剔除和周跳探测,滤波估计之后逐历元记录得到的位置结果和模糊度固定信息;
具体实施时,一个线程进行预处理、正向卡尔曼滤波估计,另一个线程同时进行预处理、正向卡尔曼滤波估计。
步骤2,统一星间单差模糊度的基准,根据卫星的观测情况、失锁、周跳探测等因素逐个构建模糊度空间,即模糊度域。一个模糊度空间内,每颗卫星有且仅有一个正确的整周模糊度;
本发明进一步提出,为构建基准统一,模糊度数值特征一致的多个模糊度域,实现方式为:选择一颗连续跟踪时长最长的卫星作为参考星,通过星间单差的状态转移矩阵将后续历元的星间单差固定值调整到统一的基准下。接着,根据模糊度重新初始化信息,例如相位周跳,跟踪中断,相位残差检验不通过等,对每颗卫星进行弧段分割,保证每个弧段内有且仅有一个整周模糊度。
步骤3,在步骤2构建的模糊度域中,对步骤1中得到的正、反向所有历元模糊度固定结果进行分析、聚类和整合,由于存在模糊度错误固定的情况,可以得到若干个模糊度簇。
步骤4,依次对步骤3中得到的多个模糊度簇进行质量分析,筛选出该模糊度域内准确的整周模糊度。质量控制流程包含根据步骤1中得到模糊度解算精度信息进行筛选,再由步骤3中模糊度信息整合的相关指标进行模糊度簇显著性筛选,之后结合正、反向模糊度的筛选结果进行校准。最终利用模糊度在模糊度域内的唯一整数特性,将该整周模糊度赋值到整个模糊度域中。
本发明进一步提出,模糊度信息整合分析,实现方式如下,
每个模糊度域单独进行模糊度的信息整合分析,包括对模糊度固定数值进行聚类分析和多维度检核策略,能够在整个模糊度域中筛选出少数准确、可靠的整周模糊度;利用模糊度在模糊度域内的唯一整数特性,使域中未固定和固定错误的历元全部重新固定,实现该模糊度域的全时段固定。
由于模糊度域中存在固定错误的情况,因此对模糊度数值聚类分析后可能得到多个模糊度簇,为了筛选出正确的整周模糊度,本发明使用多维度检核策略。这其中包括模糊度固定解精度评价,即利用模糊度精度衰减因子ADOP、BootStrapping成功率,Ratio值等;显著性检验,即判断簇内成员数量以及与其他簇成员数量的比例;前后向模糊度结果校准等。
模糊度域前后向校准方法,是当正、反向滤波位置收敛后,对同一历元正向和反向相位验后残差作差,将此结果作为检验量。此时检验量仅与模糊度参数的前后向差值有关。当检验量趋近于0,表明此时的模糊度固定结果非常可靠。
步骤5,将整合得到的整周模糊度作为虚拟观测值约束位置参数,对步骤1中解得的位置结果进行更新即可得到最终解。其中虚拟观测值的精度由初次滤波的模糊度精度信息和模糊度域整合的结果共同决定。之后根据正、反向浮点解的精度以及滤波时间,选择浮点解精度高的位置结果进行更新。
本步骤为实现坐标域参数更新,根据多维度检核策略的结果,自适应确定整合模糊度的精度,在正、反向滤波的结果中选择最为可靠的位置结果进行更新,加速后处理效率。
具体实施时,以上技术方案可采用计算机软件技术实现自动运行流程,执行本发明方法的系统装置也应当在本发明的保护范围内。
为便于实施参考起见,接下来将对各个步骤的具体实现进行详细介绍。
一、基于卡尔曼滤波的GNSS高精度数据处理模型
步骤1中,本发明进一步提出了基于卡尔曼滤波的GNSS高精度数据处理模型。本发明针对大范围动态应用场景,首先介绍基于卡尔曼滤波的GNSS高精度数据处理方法。无电离层组合可以消除99%以上的电离层延迟,被广泛应用于PPP和长基线相对定位中。GNSS无电离层组合观测方程为:
其中,r代表接收机,s代表观测卫星,是接收机和卫星天线相位中心之间的距离,/>和/>是无电离层组合伪距和相位观测值,dtr和dts分别是接收机钟差和卫星钟差,Tr是天顶对流层湿延迟,c是光速,λIF和/>是无电离层组合波长和模糊度参数,br,IF、/>是接收机端和卫星端天线与信号相关器之间的码伪距硬件延迟,Br,IF、/>是接收机端和卫星端天线与信号相关器之间的相位距硬件延迟。/>和/>分别是伪距和相位观测噪声。
卡尔曼滤波基于一组观测序列及动力学状态模型信息求解状态的估值,其本质上是一个递归滤波器。标准卡尔曼滤波器由状态方程和观测方程组成。状态方程用于描述估计状态相邻时刻的变化规律,观测方程描述了观测向量与状态向量之间的数学关系。在GNSS高精度定位中,如果是单站定位模式,可以采用非差无电离层伪距和相位观测值作为卡尔曼滤波的观测方程,如果是相对定位模式,则在式(1)(2)的基础上进行星间单差和站间单差,其中钟差、伪距和相位硬件延迟误差可以通过差分消除。一般地,当基线长度大于10km时,对流层延迟就认为无法通过差分消除。观测值通常含有观测噪声,一般可利用高度角信息,采用形如式(3)的正弦函数模型进行相位观测值定权。
σ2=a2+b2/sin2E (3)
其中,σ是相位观测噪声的标准差,E是卫星高度角,a是相位噪声的固定项,b是相位噪声与高度角相关的项。之后相位观测值的权重可以表达为σ2的倒数。伪距观测噪声通过设置与相位观测噪声的比率获得,一般而言伪距观测值与相位观测值的权比设置为100:1。
动态应用中卡尔曼滤波的状态模型一般设置如下:动态位置参数、模糊度参数、天顶对流层湿延迟和多系统间钟差偏差利用随机游走模型估计,初始标准差分别设置为100m,100m,0.15m和100m,过程噪声分别设置为和位置参数初值由伪距单点定位获得,模糊度参数初值由无电离层伪距减去无电离层相位观测值得到。GPS系统接收机钟差当作白噪声进行估计,初始标准差设置为100m。相对定位中不再考虑钟差项的误差建模。
反向卡尔曼滤波器的构建与正向一致,区别在于起算时间点与解算方向不同。
二、GNSS模糊度固定
由步骤1的GNSS高精度解算模型可以得到浮点模糊度,之后开始进行模糊度固定。模糊度固定流程如图3所示。本发明将无电离层组合的浮点模糊度分解成宽巷和窄巷模糊度,依次固定由无几何模式求得的宽巷以及由模糊度分解求得的窄巷。
精密单点定位模型下,由于耦合了未模型化的误差和未检校的硬件延迟,浮点模糊度失去了整数特性而无法固定。因此,需要通过小数偏差产品改正浮点模糊度中的小数部分,恢复其整数特性,其中宽巷小数产品用于消除宽巷浮点模糊度中的耦合偏差,窄巷小数产品用于消除窄巷浮点模糊度中的耦合偏差。而在相对定位模型下,利用基准站和流动站之前的相关性,大部分未模型化误差可以通过星间差分和站间差分消除,此时的双差模糊度具有整数特性,不需要使用外部小数偏差产品修正。集合模糊度固定流程如图3,模糊度固定的具体实施步骤如下:
(1)使用MW(Melborne-Wubbena)组合固定宽巷
MW组合由Melbourne和Wubbena提出,用于固定宽巷模糊度。使用宽巷相位值减去窄巷伪距值/>可得到以周为单位的相位宽巷值/>
式中,λWL为宽巷波长,其值为86.19cm。当卫星弧度内不发生中断或者周跳,保持连续的情况下,对每个历元的宽巷值进行平滑:
式中,k表示平滑过的宽巷模糊度个数,表示第k个宽巷平滑值,/>表示第k+1个宽巷平滑值,/>表示第k+1个历元的宽巷度值,经过平滑后,伪距噪声被抑制,可以得到较高精度的宽巷值。事实上,由于吸收了非差模型中硬件延迟误差,宽巷模糊度包含了卫星端和接收机端各种硬件延迟的线性组合的小数部分:
式中是理论上得到的宽巷模糊度估计值,/>是真实的宽巷模糊度估计值,dr,WL和/>分别为宽巷模糊度的接收机端和卫星端的硬件延迟小数偏差。首先,接收机端的小数部分通过星间差分去掉。接着,卫星端的小数偏差部分在精密单点定位中可以通过宽巷小数产品改正,而相对定位中可以通过站间差分消除。接收机端和卫星端的宽巷小数偏差消除后,此时的宽巷模糊度具备整数特性。
由于宽巷模糊度波长很长,远超过平滑后伪距噪声的量级,因此可以使用四舍五入直接取整的方式进行宽巷固定,如式(7)所示,其中表示消除了接收机端和卫星端小数偏差后的宽巷模糊度平滑值,ROUND表示四舍五入取整操作,/>表示固定后的宽巷模糊度值。
(2)由无电离层模糊分解得到窄巷,使用LAMBDA方法进行固定
整数最小二乘模糊度降相关平差法(Least-square Ambiguity DecorrelationAdjustment,LAMBDA)被广泛用于窄巷模糊度固定中。步骤1的GNSS高精度解算中已解算得到无电离层模糊度该无电离层模糊度可通过下式分解为宽巷和窄巷:
式中,和/>分别是单位为周的窄巷和宽巷模糊度,λNL是窄巷模糊度的波长,λNL=c/(f1+f2),c是真空中的光速,f1和f2分别为第一信号频率以及第二信号频率。
宽巷整周模糊度数值已由步骤(1)得到,但是此时在精密单点定位中得到的宽巷模糊度为星间单差形式,而在相对定位中得到是站星双差形式,因此求解窄巷模糊度时,需要将式(8)转化为与宽巷模糊度相同的差分形式。将宽巷整周模糊度代入,可以得到窄巷浮点值:
式中,和/>表示无电离层组合浮点模糊度和窄巷浮点模糊度,此时两者都包含未消除的小数偏差。/>表示已经固定成功的宽巷模糊度。与宽巷模糊度类似,窄巷模糊度也受到了硬件延迟的影响,不具有整数特性。接着,星间单差可以消除窄巷模糊度接收机端的小数偏差,对于卫星端的窄巷小数偏差,单站情况下需要使用窄巷小数产品进行改正,相对定位下通过与基准站差分消除卫星端小数偏差,最后可以得到消除小数偏差后的窄巷浮点模糊度/>此外,由协方差传播定律得到/>的协方差:
式中,是窄巷模糊度的协方差矩阵,/>是无电离层组合模糊度/>的协方差矩阵,/>由GNSS解算后得到。由于宽巷模糊度非常容易固定,通常认为宽巷模糊度固定值不包含随机误差。得到去除了接收机端和卫星端小数偏差的窄巷浮点模糊度和对应的方差阵/>后,使用LAMBDA方法进行固定,最终可以得到固定后的窄巷模糊度/>
在初次正、反向卡尔曼滤波中,需要逐历元记录每颗卫星的宽巷、窄巷模糊度固定值,以及三项模糊度固定的常用指标:模糊度精度因子ADOP值(Ambiguity Dilution ofPrecision,ADOP)、BootStrapping成功率和LAMBDA固定的Ratio值信息,为后续算法提供数据保障。
ADOP值考虑了模糊度方差协方差阵的全部信息,是对模糊度平均精度信息的极高程度的近似描述,其计算公式如下:
其中,QN是模糊度估值的协方差阵,本发明实际使用时用代入,det表示取其行列式的值,n为模糊度的维数。
Bootstrapping成功率作为整数最小二乘估计成功率的下界,已经被证明是整数最小二乘成功率逼近程度极高的近似解,其计算公式如下:
式中,为整数变换后的模糊度标准差,/>Φ(x)表示标准正态分布概率密度函数的积分,e表示自然对数,t为积分变量,x是积分式的上界。
三、模糊度域构建方法
在步骤2中,构建模糊度域是实施模糊度域信息整合的前提。只有在模糊度域中,才能够最大化利用模糊度参数的唯一整数特性。GNSS接收机接收GNSS信息时会以整周计数的方式记录载波周数,载波的小数部分可以被跟踪环路准确识别。但是接收机本地生成的载波信号与GNSS原始观测信号存在未知的整周差值,这个差值就是模糊度参数。因此构建模糊度域的核心是保证模糊度参数在域中没有发生变化,数据处理中表现为卫星被连续跟踪,卫星没有发生失锁并且卫星的模糊度没有发生周跳。
参见图4,步骤2的模糊度域构建方法将对每个卫星依次进行以下流程建立模糊度域:
(1)统一模糊度的卫星间基准
假设相邻历元的模糊度固定的基准星不一样,任选一个连续跟踪的共视卫星作为基准,建立转移矩阵,之后调整星间单差模糊度的基准。
(Nq,n)→(Nq,m)=(Nq,n-Nm,n) (13)
其中N代表卫星q的星间单差模糊度,n和m分别表示两颗不同的基准星,则Nq,n表示卫星q的星间单差模糊度,此时基准星为n;则Nq,m表示卫星q的星间单差模糊度,此时基准星为m;则Nm,n表示卫星m的星间单差模糊度,此时基准星为n。式(13)表示卫星q的星间单差模糊度由基准星n转移到基准星m的过程。
例如,1,2,3,4号卫星从基准星6变换到基准星2,有如下操作:
N6,6代表基准星的星间单差模糊度,其数值为0。结果上述转换矩阵的操作后,所有卫星的单差模糊度从6号基准星转换到了2号。但是,不能排除存在前后卫星不存在任何共视卫星的情况,此时本发明需要开辟新的模糊度域,因为随着基准星的改变,星间单差模糊度也发生了变化。
(2)逐历元构建模糊度域
接着,如果该卫星在当前历元被接收机连续跟踪,且没有发生周跳和失锁,那么认为当前时刻仍然属于上一个模糊度域的范畴,于是将该历元这颗卫星的模糊度解算卫星填充到该模糊度域,并返回步骤(1)继续对后续历元进行操作。当某个模糊度由于相位周跳,相位残差检验不通过等发生重新初始化,或者卫星失锁,接收机没有接收到该卫星的观测值,则表明上个模糊度域已经形成,当前时刻该模糊度属于新的模糊度域。之后开辟新的模糊度域并继续进行后续历元构建操作,同时进入步骤(3)。
(3)模糊度域质量检核
此时表明新的模糊度域开始构建,上一个模糊度域已经形成。当模糊度域构建完成后,需要对其进行质量检核。首先保证这个域内存在固定的模糊度值,本发明要求模糊度固定历元数大于0,并要求模糊度域内储存的模糊度解的历元个数大于60。如果完成质量检核,表明该模糊度域被成功构建,否则,创建失败。之后继续回到步骤(1),直到所有卫星完全模糊度域构建。
四、模糊度域信息整合
步骤1已经得到了首次滤波解算的模糊度信息,通过步骤2已经对每颗卫星构建了模糊度域。接着,需要利用模糊度参数在模糊度域内的整数特性,选择正确的模糊度固定值。模糊度域信息整合流程如图5所示,正向和反向的卡尔曼滤波结果均需要进行模糊度域信息整合,两者的整合思路完全一致,以单向模糊度域信息整合为例,详细实施步骤如下:
(1)聚类模糊度固定值
单向卡尔曼滤波中会出现模糊度固定失败,模糊度固定错误以及模糊度固定正确三种情况。实施例仅考虑模糊度固定的历元,分别对宽巷和窄巷模糊度进行聚类分析,会得出多个模糊度簇,记为模糊度簇1、模糊度簇2、…模糊度簇n,每个簇内仅有一个模糊度固定值。接下来需要通过模糊度固定的属性和精度信息决定最终的模糊度固定值。
(2)搜索宽巷模糊度固定值
宽巷模糊度的波长约为86cm,一般MW组合观测值仅需要几个历元的平滑就可以通过取整直接获得宽巷模糊度。因此,宽巷模糊度的固定值一般只有一个,即使聚类分析后出现多个宽巷模糊度簇,只需要选择簇内成员数目最多的模糊度值,即可获得最终的固定值。
(3)搜索窄巷模糊度固定值
窄巷模糊度波长很短,容易受到各类误差的影响,单向滤波固定困难。通过聚类分析,窄巷模糊度会出现多个模糊度簇,对此实施例提出了多维度质量检核策略:
i.内符合检核
计算簇内平均ADOP值,平均Bootstrapping成功率和平均Ratio值。设计阈值对上述三个模糊度精度指标进行检验,如果检验失败则认为该簇不正确。本发明对三者的阈值设计为ADOP<0.3,Bootstrapping>0.8,Ratio>2。
ii.簇内检核
经过内符合检核后,分别统计每个簇内的元素个数,本发明要求簇内的元素个数大于20;接着统计簇内元素与整个模糊度域内元素的比值,本发明要求该比值大于0.3。对符合上述条件的簇按照簇内元素个数进行排序,选择元素个数数目最多的作为待选值。再统计待选簇内元素与次优簇内元素数目的比例,本发明要求该比例大于1.5。满足该要求则选定待选值为窄巷模糊度固定值,如果不满足则持选择次优簇为待选值,继续进行检核。若全部的簇都不满要求,则直接选择簇内元素最多的值为模糊度固定值,但标记该值未通过簇内检核。
iii.正反向滤波模糊度结果校准
通过上述检核后,可以得到所有卫星正向、反向所有历元的宽巷模糊度值和窄巷模糊度值。利用式(8),可以得到更新后的无电离层组合模糊度固定解。此时,利用正、反向滤波的特性可以进一步判断模糊度整合结果是否准确。对式(2)在同一个历元,正、反向滤波结果做差可得:
式中,δNIF,f,b是正反向滤波无电离层组合模糊度的差值,phwf,IF和phwb,IF分别指的是正向滤波和反向滤波中的天线相位缠绕改正数,和/>分别指的是正向滤波和反向滤波中的卫地距。式(2)中的其他误差均可以通过前后历元做差消除。需要说明的是,由步骤2固定得到的模糊度并不是非差模糊度,因此上式也需要根据GNSS所采用的模型进行相应的调整。天线相位缠绕是由接收机或者卫星端的天线旋转引起的载波观测值的偏差。考虑到天线相位缠绕在前后历元的相关性,修正时会额外增加或者减少一周,以保证天线相位缠绕改正量不会发生超过一个波长的突变。在正反向滤波中,由于数据解算的起始时间不同,因此同一时刻的天线相位缠绕可能会出现一周的差异。因此考虑到天线相位缠绕一周差异后,根据式(15),当此时正反向滤波的位置解算精度较高时,模糊度差值应该趋近于零,即同一历元正确的无电离层组合模糊度应该一致。
利用这个特性,本发明对正反向(前后向)模糊度整合结果进行比较。如果正反向宽巷、窄巷模糊度均一致,那么该历元模糊度整合结果被标记为准确。反之,则标记该时刻模糊度信息整和结果没有通过正反向校准检验。
五、整合模糊度的精度确定策略
步骤3得到模糊度域信息整合的宽巷和窄巷结果后,步骤4将整合结果作为虚拟观测值对位置参数进行约束,可以最终得到高精度位置。无论何种估计方法都需要确定整合后模糊度的精度信息。整合结果精度确定策略流程图如图6所示,具体实施方法如下:
(1)初始精度信息确定
本发明中,只有宽巷和窄巷都被整合成功的无电离层模糊度才被当做可用的虚拟观测值用于后续位置参数更新。整合后的模糊度初始标准差设置为0.1周。
(2)多维度精度确定策略
由于窄巷模糊度固定困难,且对于后续位置更新影响很大,因此实施例以窄巷模糊度信息整合的指标作为检核对象。首先根据模糊度精度信息进行模糊度精度检核,从ADOP值(本发明阈值为0.15),Bootstrapping成功率(本发明阈值为0.9)和Ratio值(本发明阈值为2)进行考量,三者全部满足则该模糊度精度提升至0.05周。接着,进行显著性检核,根据簇内元素与域内元素的比值,以及与次优簇内元素的比值(本发明阈值设置为0.5和3)进行考量,如果通过则模糊度精度提升至0.01周。最后,如果前后模糊度都整合成功,且通过一致性检验,数值一致,则给予最高精度0.0001周。这三个确定整合后模糊度精度的维度属于并列关系,需要逐一进行确认。
六、附带整合模糊度约束的位置更新方法
步骤3和步骤4分别得到了整合后的模糊度以及其精度信息,接下来步骤5将整合后的模糊度作为虚拟观测值更新首次滤波的位置参数,即可获得最终的高精度结果。
参见图7,步骤5的实现过程如下:
(1)选择待更新的位置结果
本发明在步骤1已经记录了首次正、反向滤波的位置结果以及其精度信息,为了提高后处理过程的效率,正、反向结果没有必要都进行更新。首先比较起算时间,由于存在参数收敛过程,处于收敛阶段的浮点结果精度较低。本发明优先选择当前历元距离起算时间超过1个小时的位置结果进行更新。当正、反向滤波时间都超过1小时时,本发明比较正、反向结果浮点解的解算精度,选择浮点解精度较高的位置结果进行更新。
(2)虚拟观测值约束的最小二乘更新
步骤3和步骤4完成了模糊度信息整合,获得了每个观测弧段每个卫星的整数模糊度值,步骤4确定了整合模糊度的精度,最后通过式(16)可以对位置参数进行更新。
上式代表广义最小二乘过程。第一个等式代表测量更新,其中b是模糊度参数,a是非模糊度参数,by是整合后的模糊度参数,ε是整合后模糊度的方差。第二个等式代表了先验信息约束,其中和/>分别是首次滤波的结果和方差协方差矩阵,这个过程指的是参数a和b的先验信息和随机噪声由首次滤波结果提供。
本文中所描述的具体实施案例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施案例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (2)
1.一种模糊度域信息整合的高精度后处理定位方法,其特征在于:构建基准统一,模糊度数值特征一致的多个模糊度域,结合首次正、反向卡尔曼滤波的解算信息,逐个对每个模糊度域依次进行模糊度信息整合分析,获得正确的模糊度固定值后即可实现模糊度域内全时段固定,最后对坐标参数进行更新,从而实现后处理模式下的高精度定位;
所述构建基准统一,模糊度数值特征一致的多个模糊度域,实现方式为对每个卫星依次进行以下流程建立模糊度域,
(1)统一模糊度的卫星间基准,包括选择一颗连续跟踪时长最长的卫星作为参考星,通过星间单差的状态转移矩阵将后续历元的星间单差固定值调整到统一的基准下;
所述星间单差的状态转移矩阵用于表示卫星q的星间单差模糊度由基准星n转移到基准星m的过程如下式,
(Nq,n)→(Nq,m)=(Nq,n-Nm,n)
其中N代表卫星q的星间单差模糊度,n和m分别表示两颗不同的基准星,则Nq,n表示卫星q的星间单差模糊度,此时基准星为n;Nq,m表示卫星q的星间单差模糊度,此时基准星为m;Nm,n表示卫星m的星间单差模糊度,此时基准星为n;
(2)逐历元构建模糊度域,包括如果该卫星在当前历元被接收机连续跟踪,且没有发生周跳和失锁,那么当前时刻仍然属于上一个模糊度域的范畴,将该历元这颗卫星的模糊度解算卫星填充到该模糊度域,并返回步骤(1)继续对后续历元进行操作;当某个模糊度由于相位周跳或相位残差检验不通过发生重新初始化,或者卫星失锁,接收机没有接收到该卫星的观测值,则表明上个模糊度域已经形成,当前时刻该模糊度属于新的模糊度域,开辟新的模糊度域并继续进行后续历元构建操作,同时进入步骤(3);
(3)此时新的模糊度域开始构建,上一个模糊度域已经形成,当模糊度域构建完成后,需要对其进行质量检核,首先保证这个域内存在固定的模糊度值,如果完成质量检核,表明该模糊度域被成功构建,否则,创建失败,之后继续回到步骤(1),直到所有卫星完成模糊度域构建;
所述模糊度信息整合分析,实现方式如下,
每个模糊度域单独进行模糊度的信息整合分析,包括对模糊度固定数值进行聚类分析和多维度检核策略,能够在整个模糊度域中筛选出少数准确、可靠的整周模糊度;模糊度参数是接收机跟踪某颗卫星时,无法被准确确定的整数部分,这个参数在卫星被连续跟踪的情况下具有唯一整数特性,利用模糊度在模糊度域内的唯一整数特性,使域中未固定和固定错误的历元全部重新固定,实现该模糊度域的全时段固定;
其中针对模糊度域的多维度检核策略,实现如下,
由于模糊度域中存在固定错误的情况,对模糊度数值聚类分析后可能得到多个模糊度簇,为了筛选出正确的整周模糊度,使用多维度检核策略,包括以下处理,
模糊度固定解精度评价,包括利用模糊度精度衰减因子ADOP、BootStrapping成功率和Ratio值进行评价;
显著性检验,包括判断簇内成员数量以及与其他簇成员数量的比例;
正、反向模糊度结果校准,包括当正、反向滤波位置收敛后,对同一历元正向和反向相位验后残差作差,将此结果作为检验量。
2.根据权利要求1所述模糊度域信息整合的高精度后处理定位方法,其特征在于:所述对坐标参数进行更新,实现如下,
根据多维度检核策略的结果,自适应确定整合后所得模糊度的精度,在正、反向滤波的结果中选择最为可靠的位置结果进行更新,加速后处理效率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910308254.2A CN110031879B (zh) | 2019-04-17 | 2019-04-17 | 模糊度域信息整合的高精度后处理定位方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910308254.2A CN110031879B (zh) | 2019-04-17 | 2019-04-17 | 模糊度域信息整合的高精度后处理定位方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110031879A CN110031879A (zh) | 2019-07-19 |
CN110031879B true CN110031879B (zh) | 2023-11-17 |
Family
ID=67238777
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910308254.2A Active CN110031879B (zh) | 2019-04-17 | 2019-04-17 | 模糊度域信息整合的高精度后处理定位方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110031879B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112556721B (zh) * | 2019-09-26 | 2022-10-28 | 中国科学院微电子研究所 | 导航装置滤波器的随机误差的标定方法及系统 |
CN111413719B (zh) * | 2020-03-21 | 2022-07-15 | 哈尔滨工程大学 | 一种基于神经网络的北斗实时精密时钟预测方法 |
CN112731490B (zh) * | 2020-12-18 | 2023-07-28 | 广州南方卫星导航仪器有限公司 | 一种rtk定位方法及装置 |
CN114114334B (zh) * | 2022-01-24 | 2022-04-19 | 长沙金维信息技术有限公司 | Glonass频间偏差标定方法及rtk方法 |
CN117031515B (zh) * | 2023-10-08 | 2024-01-02 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) | 适用于精密单点定位的最优载波相位模糊度固定方法 |
CN117289318B (zh) * | 2023-11-24 | 2024-02-20 | 北京北方联星科技有限公司 | 一种基于bds辅助的glonass频间偏差实时估计方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105372691A (zh) * | 2015-08-18 | 2016-03-02 | 中国人民解放军国防科学技术大学 | 一种模糊度固定的长基线卫星编队gnss相对定位方法 |
CN106093991A (zh) * | 2016-06-21 | 2016-11-09 | 武汉大学 | 一种用于gnss定位的模糊度快速恢复方法及系统 |
CN106597507A (zh) * | 2016-11-28 | 2017-04-26 | 武汉大学 | Gnss/sins紧组合滤波平滑的高精度快速算法 |
CN107422354A (zh) * | 2017-09-25 | 2017-12-01 | 武汉大学 | 一种模糊度固定的ppp/sins紧组合定位定姿方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7961143B2 (en) * | 2007-05-31 | 2011-06-14 | Navcom Technology, Inc. | Partial search carrier-phase integer ambiguity resolution |
US8830121B2 (en) * | 2008-08-19 | 2014-09-09 | Trimble Navigation Limited | GNSS signal processing methods and apparatus with ambiguity selection |
-
2019
- 2019-04-17 CN CN201910308254.2A patent/CN110031879B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105372691A (zh) * | 2015-08-18 | 2016-03-02 | 中国人民解放军国防科学技术大学 | 一种模糊度固定的长基线卫星编队gnss相对定位方法 |
CN106093991A (zh) * | 2016-06-21 | 2016-11-09 | 武汉大学 | 一种用于gnss定位的模糊度快速恢复方法及系统 |
CN106597507A (zh) * | 2016-11-28 | 2017-04-26 | 武汉大学 | Gnss/sins紧组合滤波平滑的高精度快速算法 |
CN107422354A (zh) * | 2017-09-25 | 2017-12-01 | 武汉大学 | 一种模糊度固定的ppp/sins紧组合定位定姿方法 |
Non-Patent Citations (1)
Title |
---|
论精密单点定位整周模糊度解算的不同策略;张宝成 等;《测绘学报》;20111215;第40卷(第6期);710-716 * |
Also Published As
Publication number | Publication date |
---|---|
CN110031879A (zh) | 2019-07-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110031879B (zh) | 模糊度域信息整合的高精度后处理定位方法及系统 | |
US11002860B2 (en) | GNSS-RTK-based positioning method | |
US6259398B1 (en) | Multi-valued variable ambiguity resolution for satellite navigation signal carrier wave path length determination | |
CN106646565B (zh) | 载波相位差分定位方法和装置及单频接收机 | |
Parkins | Increasing GNSS RTK availability with a new single-epoch batch partial ambiguity resolution algorithm | |
US6421003B1 (en) | Attitude determination using multiple baselines in a navigational positioning system | |
CN111578935B (zh) | 一种利用惯导位置增量辅助gnss模糊度固定的方法 | |
Dai et al. | Innovative algorithms to improve long range RTK reliability and availability | |
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 | |
CN114879222A (zh) | 一种基于自适应随机模型的全球电离层建模方法 | |
CN114417552A (zh) | 一种模糊度确认方法、存储介质以及电子设备 | |
WO2023236643A1 (zh) | 定位方法、装置、设备及存储介质 | |
Zeng et al. | GPS triple-frequency undifferenced and uncombined precise orbit determination with the consideration of receiver time-variant bias | |
Fangchao et al. | A STEP CYCLE SLIP DETECTION AND REPAIR METHOD BASED ON DOUBLECONSTRAINT OF EPHEMERIS AND SMOOTHED PSEUDORANGE. | |
US11474263B2 (en) | System and method for GNSS ambiguity resolution | |
Zhang et al. | Best Integer Equivariant Estimation With Quality Control in GNSS RTK for Canyon Environments | |
Jokinen et al. | Improving fixed-ambiguity Precise Point Positioning (PPP) convergence time and accuracy by using GLONASS | |
CN110426717A (zh) | 一种基于三维地图辅助gnss的协同定位方法及系统、定位设备、存储介质 | |
CN114355410B (zh) | 基于并行计算的卫星导航实时精密单点定位系统及方法 | |
CN113671551B (zh) | Rtk定位解算方法 | |
Verhagen et al. | Algorithms for design computations for integrated GPS-Galileo | |
Zhang et al. | Best Integer Equivariant Estimation based on Unsupervised Machine Learning for GNSS Precise Positioning and Navigation in Complex Environments | |
CN113917509B (zh) | 一种双差模糊度固定方法、设备以及可读存储介质 | |
Zhilinskiy | GLONASS Satellite Pseudorange Errors Mitigation Using Gradient Boosting Machine | |
Cheng | Quality analysis for satellite bias estimation and GNSS PPP ambiguity resolution |
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 |