CN110398758A - 实时钟差估计中的粗差探测方法、装置、设备及存储介质 - Google Patents

实时钟差估计中的粗差探测方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN110398758A
CN110398758A CN201910673527.3A CN201910673527A CN110398758A CN 110398758 A CN110398758 A CN 110398758A CN 201910673527 A CN201910673527 A CN 201910673527A CN 110398758 A CN110398758 A CN 110398758A
Authority
CN
China
Prior art keywords
observed quantity
rough error
survey station
real
error
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.)
Pending
Application number
CN201910673527.3A
Other languages
English (en)
Inventor
戴志强
葛茂荣
鲍志雄
李成钢
史小雨
左翔
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.)
HI-TARGET SURVEYING INSTRUMENT Co Ltd
Original Assignee
HI-TARGET SURVEYING INSTRUMENT Co Ltd
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 HI-TARGET SURVEYING INSTRUMENT Co Ltd filed Critical HI-TARGET SURVEYING INSTRUMENT Co Ltd
Priority to CN201910673527.3A priority Critical patent/CN110398758A/zh
Publication of CN110398758A publication Critical patent/CN110398758A/zh
Pending legal-status Critical Current

Links

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
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/13—Receivers
    • G01S19/35—Constructional details or hardware or software details of the signal processing chain
    • G01S19/37—Hardware or software details of the signal processing chain

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (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

本申请公开了一种实时钟差估计中的粗差探测方法、装置、设备及存储介质，涉及卫星导航技术领域，用于目标测站中，该方法包括：获取与所述目标测站相关联的卫星在当前历元的观测量；对获取到的所述观测量中的粗差进行探测，得到观测量粗差；根据所述观测量粗差对获取到的所述观测量进行处理，得到处理后的观测量；将所述处理后的观测量发送至GNSS实时数据处理服务器，以供所述GNSS实时数据处理服务器根据所述处理后的观测量对卫星的实时钟差进行估计。本申请技术方案相比于现有技术中的GNSS实时数据处理服务器对各个测站对应的观测量以及未知参数进行粗差探测，降低了数据运算量，提高了运算速度，因此能够满足实时性要求，可以适用于实时钟差估计中。

Description

实时钟差估计中的粗差探测方法、装置、设备及存储介质
技术领域
本申请涉及卫星导航技术领域，特别是涉及一种实时钟差估计中的粗差探测方法、装置、设备及存储介质。
背景技术
粗差是指明显超出正常情况下预期的误差，观测量中含有粗差会使得导航定位数据处理得到错误的结果，或者无法进行解算。因此，粗差严重影响GNSS(英文：GlobalNavigation Satellite System；简写：全球导航卫星系统)实时数据处理服务器进行实时钟差估计得到的卫星钟差的精度。
相关技术提出一种验前粗差探测方法，该方法是利用每颗卫星的双频伪距与相位观测量的HMW组合和电离层组合进行粗差探测和标记，但HMW组合由于伪距噪声的影响误差较大、电离层组合在底高度角或电离层活跃时易受残余电离层延迟影响，因此该方法不能有效探测较小的粗差，局限性较大。另一相关技术提出一种验后粗差探测的方法，该方法是GNSS实时数据处理服务器基于实时精密钟差估计得到的验后残差和参数的方差-协方差阵进行假设检验，判断是观测量中是否含有粗差，当发现粗差后，逐一地对观测量进行检验以确定存在粗差的观测量，并对存在粗差的观测量进行修正以及对未知参数进行更新，这一过程一般需要循环迭代运算。由于实时精密钟差估计需处理大量基准站网的观测量和未知参数，GNSS实时数据处理服务器需要逐一地对多个测站、多颗卫星的观测量进行粗差探测，并且需要逐一地对每一个观测量进行循环迭代从而确定粗差，更新未知参数，因此粗差探测过程耗时长，实时性差。而GNSS实时数据处理服务器进行实时钟差估计对观测量的实时性要求较高，因此现有的粗差探测方法不能适用于实时钟差估计。
发明内容
基于此，有必要针对上述存在的无法探测较小粗差，粗差探测过程耗时长，不能满足实时性要求，不能适用于实时钟差估计中问题，提供一种实时钟差估计中的粗差探测方法、装置、设备及存储介质。
第一方面，本申请实施例提供了一种实时钟差估计中的粗差探测方法，用于目标测站中，该方法包括：
获取与目标测站相关联的卫星在当前历元的观测量；
对获取到的观测量中的粗差进行探测，得到观测量粗差；
根据观测量粗差对获取到的观测量进行处理，得到处理后的观测量；
将处理后的观测量发送至GNSS实时数据处理服务器，以供GNSS实时数据处理服务器根据处理后的观测量对卫星的实时钟差进行估计。
在本申请的一个实施例中，观测量包括与目标测站相关联的卫星的无电离层组合伪距观测量以及与目标测站相关联的卫星的无电离层组合相位观测量，观测量粗差包括伪距粗差和相位粗差，对获取到的观测量中的粗差进行探测，得到观测量粗差，包括：
获取未知参数，未知参数包括与目标测站相关联的卫星的模糊度参数和目标测站的接收机钟差；
根据获取到的观测量和未知参数计算伪距粗差和相位粗差。
在本申请的一个实施例中，根据观测量粗差对获取到的观测量进行处理，得到处理后的观测量，包括：
根据伪距粗差对获取到的观测量中的无电离层组合伪距观测量进行修正，得到修正后的无电离层组合伪距观测量。
在本申请的一个实施例中，该方法还包括：
根据相位粗差获取与目标测站相关联的卫星的修正模糊度参数；
将修正模糊度参数发送至GNSS实时数据处理服务器，以供GNSS实时数据处理服务器根据修正模糊度参数对卫星的实时钟差进行估计
在本申请的一个实施例中，根据获取到的观测量和未知参数计算伪距粗差和相位粗差，包括：
根据获取到的观测量和未知参数建立原假设和备选假设；
对原假设进行平差，得到原假设验后残差；
对备选假设进行平差，得到备选假设验后残差；
根据原假设验后残差和备选假设验后残差计算统计检验量；
根据统计检验量计算伪距粗差和相位粗差。
在本申请的一个实施例中，根据统计检验量计算伪距粗差和相位粗差，包括：
对于获取到的观测量中的每一个数据，当统计检验量大于目标卡方分布时，建立粗差系数向量，根据粗差系数向量建立局部备选假设，并根据局部备选假设计算局部检验量，目标卡方分布是自由度为q，显著水平为α的卡方分布；
从多个局部检验量中确定大于检验常数的局部检验量；
根据大于检验常数的局部检验量对应的粗差系数向量生成粗差定位矩阵；
根据粗差定位矩阵计算伪距粗差和相位粗差。
在本申请的一个实施例中，从多个局部检验量中确定大于检验常数的局部检验量，包括：
对多个局部检验量执行至少一次最大检验量剔除过程，在执行至少一次最大检验量剔除过程之后，得到大于检验常数的局部检验量；
最大检验量剔除步骤包括：
根据多个局部检验量确定剩余局部检验量集合；
从剩余局部检验量集合中选择绝对值最大的检验量；
当绝对值最大的检验量大于检验常数时，从剩余局部检验量集合中剔除绝对值最大的检验量，得到新的剩余局部检验量集合，并记录绝对值最大的检验量对应的粗差系数向量。
第二方面，本申请实施例提供了一种实时钟差估计中的粗差探测装置，该装置包括：
观测量获取模块，用于获取与目标测站相关联的卫星在当前历元的观测量；
粗差获取模块，用于对获取到的观测量中的粗差进行探测，得到观测量粗差；
处理模块，用于根据观测量粗差对获取到的观测量进行处理，得到处理后的观测量；
发送模块，用于将处理后的观测量发送至GNSS实时数据处理服务器，以供GNSS实时数据处理服务器根据处理后的观测量对卫星的实时钟差进行估计。
第三方面，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该计算机程序被该处理器执行时实现上述第一方面的方法的步骤。
第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述第一方面的方法的步骤。
本申请实施例提供的技术方案带来的有益效果至少包括：
测站获取与该测站相关联的卫星在当前历元的观测量，并对获取到的观测量进行粗差探测，得到观测量粗差，根据观测量粗差对获取的观测量进行处理，得到处理后的观测量。测站将处理后的观测量发送给GNSS实时数据处理服务器，GNSS实时数据处理服务器可以根据处理后的观测量对卫星的实时钟差进行估计，由此可知，本申请实施例中，GNSS系统中的多个目标测站可以各自独立的进行粗差探测，并将修正的观测量发送给GNSS实时数据处理服务器进行实时钟差估计。各个目标测站仅需要对与自身相关联的卫星的观测量进行粗差探测得到观测量粗差，而不需要对其他目标测站对应的观测量进行处理，因此数据处理量小，运算速度快，实时性好，可以满足实时钟差估计对观测量的实时性要求，可以适用于实时钟差估计算法。
附图说明
图1为本申请实施例提供的一种实时钟差估计中的粗差探测方法的流程图；
图2为本申请实施例提供的另一种实时钟差估计中的粗差探测方法的流程图；
图3为本申请实施例提供的另一种实时钟差估计中的粗差探测方法的流程图；
图4为本申请实施例提供的另一种实时钟差估计中的粗差探测方法的流程图；
图5为本申请实施例提供的另一种实时钟差估计中的粗差探测方法的流程图；
图6为本申请实施例提供的一种实时钟差估计中的粗差探测的框图；
图7为本申请实施例提供的一种测站接收机的框图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
目前的GNSS实时数据处理理论都是建立在测量误差服从正态分布这一假设前提之上，而观测量中含有粗差有可能破坏这一前提条件，从而使GNSS实时数据处理过程中的导航解算得到错误的结果，或者无法进行导航解算。相位观测量中未探明或修复的周跳类似于粗差，且对GNSS实时数据处理的数据处理精度的影响更严重。因此，GNSS实时数据处理需要对观测量进行质量控制，探测并定位伪距与相位观测量中的粗差和周跳。
钟跳、多路径与外部信号干扰、信号被遮挡或失锁等都可能造成伪距观测量与相位观测量上出现粗差或周跳。粗差和周跳是GNSS实时数据处理中必须面对的问题。传统双差精密数据处理中粗差或周跳的探测与修复需要在至少两个或多个测站和卫星之间做差，形成双差观测量，从而使处理算法变得复杂，同时也限制这类方法的应用范围。相比之下，各个测站独立地进行观测量周跳探测与修复的算法更有优势，尤其是在PPP(英文：PrecisePoint Positioning；中文：单点精密定位)定位模式中，这种优势显得更为突出。现有技术中提出在平差解算前对原始双频(或多频)观测量进行线性组合，形成HMW(英文：Hatch-Melbourne-Wübbena，简称：HMW)组合和电离层组合，基于组合观测量进行周跳探测。由于参与计算的HMW组合含有一定噪声、电离层组合很容易受到电离层变化的影响，因此该方法在低高度角、伪距噪声较大、电离层变化活跃或采样间隔较大的情况下容易失效，存在较高的错误探测概率。
GNSS实时数据处理过程中，数学模型的有效性决定了参数估计的精度和正确性。观测量中的粗差会使平差模型偏离预先假设的数学模型，造成参数估计精度的下降，或是得到错误的平差结果。平差模型的有效性可以通过系统的验后残差进行检验，定位观测量中的粗差并加以消除。因此，GNSS实时数据处理在进程最小二乘平差或滤波器测量更新后一般都需进行质量控制，检验平差模型的有效性，探测并修正粗差或周跳。大地测量领域早期的数据粗差检验是基于单个一维模型误差的探测法，随后进一步扩展成能处理单个多维模型误差的探测法。在此基础上Teunissen(人名：图尼森)提出了适用于实时/动态数据处理的DIA(英文：Detection-Identification-Adaptation,简称：DIA)方法，并广泛应用于GNSS实时数据处理中的平差质量控制。DIA方法基于平差后未知参数的方差-协方差阵和观测量的验后残差对平差模型进行假设检验，探测并确定伪距观测量与相位观测量中可能存在的粗差和周跳。该方法在PPP技术中得到了很好的应用，能有效发现观测量中的粗差或周跳，对提升PPP技术的稳定性和重收敛能力具有重要意义。
现有技术中，GNSS实时数据处理中的实时钟差估计运算一般只对基准站网的观测量进行预处理，在平差前探测观测量中的粗差或周跳，针对实时钟差估计的验后质量控制的研究工作较少。理论上，DIA方法可用于实时钟差估计的验后质量控制，但是该方法中GNSS实时数据处理服务器需要对各个测站对应的观测量以及未知参数进行粗差探测，当发现粗差后，还需要逐个对观测量进行检验，以确定粗差所在的观测量，根据粗差所在的观测量进一步计算粗差大小，并对未知参数进行更新。这一过程一般需要循环迭代运算。而且GNSS实时数据处理服务器常常需要处理几十个甚至上百个基准站的大量观测量数据，粗差探测的迭代适应过程相当耗时，随着观测量与未知参数的增加，GNSS实时数据处理服务器进行粗差探测的时间会急剧增加，因此该方法的数据处理效率较低，不能满足实时性要求，不能适用于实时钟差估计中。
本申请实施例提供一种实时钟差估计中的粗差探测方法，该方法应用于测站中，其中，测站获取与该测站相关联的卫星在当前历元的观测量，并对获取到的观测量进行粗差探测，得到观测量粗差，根据观测量粗差对获取的观测量进行处理，得到处理后的观测量。测站将处理后的观测量发送给GNSS实时数据处理服务器，GNSS实时数据处理服务器可以根据处理后的观测量对卫星的实时钟差进行估计，由此可知，本申请实施例中，GNSS系统中的多个目标测站可以各自独立的进行粗差探测，并将修正的观测量发送给GNSS实时数据处理服务器进行实时钟差估计。各个目标测站仅需要对与自身相关联的卫星的观测量进行粗差探测得到观测量粗差，而不需要对其他目标测站对应的观测量进行处理，因此数据处理量小，运算速度快，实时性好，可以满足实时钟差估计对观测量的实时性要求，可以适用于实时钟差估计算法。
请参考图1，其示出了本申请实施例提供的一种实时钟差估计中的粗差探测方法的流程图，该实时钟差估计中的粗差探测方法可以应用于目标测站中，如图1所示，本实时钟差估计中的粗差探测方法可以包括以下步骤：
步骤101、目标测站获取与目标测站相关联的卫星在当前历元的观测量。
其中，GNSS系统包括多个测站和多个卫星，其中目标测站表示根据本申请实施例提供的粗差探测方法进行粗差探测的测站。与目标测站相关联的卫星，表示在当前历元，该目标测站可以监测到的多个卫星。观测量包括与目标测站相关联的卫星的无电离层组合伪距观测量以及与目标测站相关联的卫星的无电离层组合相位观测量。
本申请实施例提供的实时钟差估计中的粗差探测方法，通过目标测站的接收机执行相应的步骤，目标测站的接收机以下简称目标测站。
以当前历元为第K个历元为例进行说明，本申请实施例中，目标测站获取与目标测站相关联的卫星在当前历元的初始观测量，初始观测量包括在第K个历元目标测站r对卫星s的无电离层组合伪距初始观测量为Pr s与无电离层组合相位初始观测量为其中r表示测站编号，s表示卫星编号。目标测站还可以获得目标测站的测站坐标(xr,yr,zr)，预报钟差卫星s的卫星坐标(xs,ys,zs)以及第k-1历元的天顶对流层延迟为Tr,k-1。
目标测站根据初始观测量建立PPP模型，PPP模型如公式(1)所示：
其中，是伪距初始观测量，是相位初始观测量，是目标测站r的接收机钟差，c是真空中的光速，是窄巷波长，是目标测站r对卫星s的无电离层组合模糊度，εP是无电离层组合伪距观测量的测量误差，εL是无电离层组合相位观测量的测量误差，是由卫星s与目标测站r的已知坐标计算的卫地距，该卫地距包含所有已知的模型误差，是相位缠绕误差。
卫地距可以通过公式(2)计算得出：
其中，(xr,yr,zr)是目标测站的测站坐标，(xs,ys,zs)是卫星s的卫星坐标，是目标测站r与卫星s之间的对流层延迟投影函数。
根据公式(1)可以计算出与目标测站相关联的卫星的无电离层组合伪距观测量以及与目标测站相关联的卫星的无电离层组合相位观测量与目标测站相关联的卫星有多个，在此基础上分别获得每一个卫星对应的无电离层组合伪距观测量和无电离层组合相位观测量，将多个无电离层组合伪距观测量和无电离层组合相位观测量确定为与目标测站相关联的卫星在当前历元的观测量。
本申请实施例中，目标测站对应多个卫星，针对每个卫星可以得到无电离层组合伪距观测量以及无电离层组合相位观测量将多个无电离层组合伪距观测量以及多个无电离层组合相位观测量放在一起，可以得到目标测站获得的所有观测量y。
步骤102、目标测站对获取到的观测量中的粗差进行探测，得到观测量粗差。
其中，观测量粗差包括伪距粗差和相位粗差。其中，相位粗差可以是相位周跳，伪距粗差对应于观测量中的伪距观测量，本申请实施例中，可以将伪距观测量对应的粗差以及相位观测量对应的周跳统一称为粗差。因此，本申请实施例提供的实时钟差估计中的粗差探测方法可以是实时钟差估计中的粗差与周跳探测方法。
步骤103、目标测站根据观测量粗差对获取到的观测量进行处理，得到处理后的观测量。
根据伪距粗差对伪距观测量进行处理，得到处理后的伪距观测量。根据相位粗差得到周跳标记信息和周跳大小，处理后的观测量包括处理后的伪距观测量、周跳标记信息和周跳大小。
步骤104、测站将处理后的观测量发送至GNSS实时数据处理服务器，以供GNSS实时数据处理服务器根据处理后的观测量对卫星的实时钟差进行估计。
将处理后的观测量发送给GNSS实时数据处理服务器，可选的，将处理后的伪距观测量、周跳标记信息和周跳大小发送给GNSS实时数据处理服务器。GNSS实时数据处理服务器可以根据处理后的伪距观测量、周跳标记信息和周跳大小对卫星的实时钟差进行估计。
可选的，本申请实时方案中，GNSS系统包括多个测站和多个卫星，多个测站的观测量经过粗差探测及处理之后，将处理后的观测量发送给GNSS实时数据处理服务器，因此GNSS实时数据处理服务器可以接收到多个测站发送的处理后的观测量，并根据接收到的多个测站发送的处理后的观测量进行实时钟差估计。
本申请实施例提供一种实时钟差估计中的粗差探测方法，该方法应用于测站中，其中，测站获取与该测站相关联的卫星在当前历元的观测量，并对获取到的观测量进行粗差探测，得到观测量粗差，根据观测量粗差对获取的观测量进行处理，得到处理后的观测量。测站将处理后的观测量发送给GNSS实时数据处理服务器，GNSS实时数据处理服务器可以根据处理后的观测量对卫星的实时钟差进行估计，由此可知，本申请实施例中，GNSS系统中的多个目标测站可以各自独立的进行粗差探测，并将修正的观测量发送给GNSS实时数据处理服务器进行实时钟差估计。各个目标测站仅需要对与自身相关联的卫星的观测量进行粗差探测得到观测量粗差，而不需要对其他目标测站对应的观测量进行处理，因此数据处理量小，运算速度快，实时性好，可以满足实时钟差估计对观测量的实时性要求，可以适用于实时钟差估计算法。
请参考图2，其示出了本申请实施例提供的另一种实时钟差估计中的粗差探测方法的流程图，如图2所示，该粗差探测方法可以包括以下步骤：
步骤201、目标测站获取未知参数。
其中，未知参数包括与目标测站相关联的卫星的模糊度参数和目标测站的接收机钟差，本申请实施例中，未知参数可以为
步骤202、目标测站根据获取到的观测量和未知参数计算伪距粗差和相位粗差。
其中，可以根据未知参数x和步骤101中得到目标测站获得的所有观测量y组成目标测站的观测量的观测方差，通过解算观测方差可以获得伪距粗差和相位粗差。
具体的，在一种可能的实现方式中，如图3所示，计算伪距粗差和相位粗差的过程包括以下步骤：
步骤301、目标测站根据获取到的观测量和未知参数建立原假设和备选假设。
其中，原假设和备选假设可以如公式(3)所示：
H0:y～N(Ax,Qy)；E{y}＝Ax；D{y}＝Qy
H1:y～N(Ax+BΔ,Qy)；E{y}＝Ax+BΔ；D{y}＝Qy 公式(3)
其中，H0是原假设，H1是备选假设，y表示目标测站获得的所有观测量，
x表示未知参数，与原假设H0相比，备选假设H1中在平差模型存在误差的前提下，针对可能存在含粗差观测量的情况，在其函数模型中引入q个粗差参数Δ来反映这一误差，其中A为已知的m×n设计矩阵，B为对应粗差的m×q设计矩阵，m和n分别为观测量的个数和以及未知参数的个数，且满足
1≤q≤m-n，Qy是观测向量的方差-协方差阵。
步骤302、目标测站对原假设进行平差得到原假设验后残差，对备选假设进行平差得到备选假设验后残差。
其中，原假设验后残差对应的原假设验后残差序列为
备选假设验后残差对应的备选假设验后残差序列为
步骤303、目标测站根据原假设验后残差和备选假设验后残差计算统计检验量。
根据原假设验后残差和备选假设验后残差构造统计检验量计算公式(4)。
其中，Tq是统计检验量，Tq服从自由度为q的χ2分布。是原假设验后残差对应的残差序列，是备选假设验后残差对应的验后残差序列。
步骤304、目标测站根据统计检验量计算伪距粗差和相位粗差，并将伪距粗差和相位粗差确定为观测量粗差。
在一种可选的实现方式中，如图4所示，计算伪距粗差和相位粗差的过程可以包括以下步骤：
步骤401、对于获取到的观测量中的每一个数据，当统计检验量大于目标卡方分布时，目标测站建立粗差系数向量，根据粗差系数向量建立局部备选假设，并根据局部备选假设计算局部检验量。
其中，目标卡方分布是自由度为q，显著水平为α的χ2分布；其中，显著水平α是给定的，目标卡方分布可以表示为
可选的，当时接受原假设H0，拒绝备选假设H1，此时的平差模型没有误差，即观测量中不存在粗差。
可选的，当时拒绝原假设H0，接受备选假设H1，此时的函数模型存在误差，即观测量中含有粗差。对于该种情况，一般采用令q＝1的局部检验量逐一对可能含有粗差的观测量进行检验。
可选的，可以针对观测量中的每一个数据建立粗差系数向量bi＝(0,…,0,1,0,…,0)T，bi表示第i个元素为1，其他都为0。
可以针对观测量中的每一个数据对应的粗差系数向量建立观测量中的每一个数据对应的局部备选假设如公式(5)所示：
其中，Δi表示第i个观测量存在的粗差，i大于0小于观测量中的数据个数。
可以参考步骤301至步骤303所公开的内容计算统计检验量Tq，在q＝1的情况下统计检验量Tq可以表示为T1。建立公式(6)可以计算局部检验量ωi，ωi表示第i个观测量对应的局部检验量。
其中，是在局部备选假设下平差得到的验后残差对应的局部备选假设验后残差序列。
对于互不相关的观测量，公式(6)可以简化为第i个观测量的验后残差与对应的标准差之比，即如下公式(7)。
根据公式(7)可以计算出观测量中每一个数据对应的局部检验量ωi，得到多个局部检验量ωi。
步骤402、目标测站从多个局部检验量中确定大于检验常数的局部检验量。
在GNSS实时数据处理理论中，ωi服从标准正态分布，而当观测量中存在粗差时ωi服从标准正态分布的这一条件被打破。基于这一基本原理，根据步骤401中的目标卡方分布中给定的显著水平α确定检验常数。可选的检验常数可以表示为uα/2(0,1)。
局部检验量大于检验常数，表示局部检验量打破了服从标准正态分布这一条件，因此确定该局部检验量对应的观测量中存在粗差。局部检验量不大于检验常数，表示局部检验量服从标准正态分布这一条件，因此可以认为该局部检验量对应的观测量中不存在粗差。
步骤403、目标测站根据大于检验常数的局部检验量对应的粗差系数向量生成粗差定位矩阵。
从多个局部检验量中选择出大于检验常数的局部检验量，就表示选择出了存在粗差的观测量。相应的，获取存在粗差的观测量对应的粗差系数向量，将多个粗差系数向量组成粗差定位矩阵B′，B′＝(b1,b2,…,bq)。
需要说明的是，本申请实施例提供的粗差定位矩阵B与公式(3)中B为对应粗差的m×q设计矩阵。
步骤404、目标测站根据粗差定位矩阵计算伪距粗差和相位粗差。
可选的，可以通过公式(8)估计观测量中的粗差。
其中，表示观测量粗差，包括伪距粗差和相位粗差。表示对应观测量粗差的方差。
可以从观测量粗差中提取任一个被确定为存在粗差的观测量对应的伪距粗差和相位粗差。可以从对应观测量粗差的方差中提取任一个被确定为存在粗差的观测量对应的方差。
在一种可能的实现方式中，从多个局部检验量中确定大于检验常数的局部检验量的过程可以是：
目标测站对多个局部检验量执行至少一次最大检验量剔除过程，在执行至少一次最大检验量剔除过程之后，得到大于检验常数的局部检验量。
最大检验量剔除步骤包括：
根据多个局部检验量确定剩余局部检验量集合；从剩余局部检验量集合中选择绝对值最大的检验量，当绝对值最大的检验量大于检验常数时，从剩余局部检验量集合中剔除绝对值最大的检验量，得到新的剩余局部检验量集合，并记录绝对值最大的检验量对应的粗差系数向量。
可选的，将多个局部检验量组成剩余局部检验量集合，剩余局部检验量集合中包括观测量中的每一个数据对应的局部检验量。
对多个局部检验量取绝对值，并从多个局部检验量绝对值中选取最大的绝对值，其中j表示被选出的绝对值最大的局部检验量的编号|ωj|＝max|ωi|，当绝对值最大的局部检验量大于检验常数时，即|ωj|>uα/2(0,1)时，说明第j个观测量上可存在粗差。剔除该观测量，并记录该观测量对应的粗差系数向量。其余的多个局部检验量形成新的剩余局部检验量集合。从新的剩余局部检验量集合中再次查找绝对值最大的局部检验量。当绝对值最大的局部检验量不大于检验常数时，说明剩余的局部检验量均服从标准正态分布这一条件，因此可以认为该些局部检验量对应的观测量中不存在粗差。
在一种可选的实施方式中，本申请实施例提供的另一种实时钟差估计中的粗差探测方法还可以包括以下步骤：
目标测站根据伪距粗差对获取到的观测量中的无电离层组合伪距观测量进行修正，得到修正后的无电离层组合伪距观测量。
可选的，从公式(8)的观测量粗差中可以获得某一观测量对应的伪距粗差可选的，可以根据公式(9)对伪距观测量进行修正。
其中，是修正后的无电离层组合伪距观测量，Pr s是伪距初始观测量，其中，伪距初始观测量可以通过无电离层组合伪距观测量和卫地距的差值计算得到。
可选的，本申请实施例中，目标测站还可以计算得到对应观测量粗差的方差，如公式(10)所示。
其中，是对应粗差估值的方差，γ是大于或等于1的尺度因子。是修正之后的方差。
在一种可能的实现方式中，如图5所示，本申请实施例提供的另一种实时钟差估计中的粗差探测方法还可以包括以下步骤：
步骤501、目标测站根据相位粗差获取与目标测站相关联的卫星的修正模糊度参数。
其中，从公式(8)的观测量粗差中可以获得某一观测量对应的相位粗差根据相位粗差可以获取目标测站r以及与目标测站相关联的卫星s对应的相位观测量对应的周跳标记信息和周跳大小，其中，修正模糊度参数与周跳大小相对应，可以根据周跳大小确定修正模糊度参数
可选的，可以将步骤201中的未知参数中目标测站r以及与目标测站相关联的卫星s对应的模糊度参数删除，并替换为修正模糊度参数
步骤502、将修正模糊度参数发送至GNSS实时数据处理服务器，以供GNSS实时数据处理服务器根据修正模糊度参数对卫星的实时钟差进行估计。
本申请实施例中，将修正模糊度参数以及周跳标记信息发送至GNSS实时数据处理服务器，GNSS实时数据处理服务器可以根据修正模糊度参数和周跳标记信息对卫星的实时钟差进行估计。
本申请实施例提供的粗差探测方法，能够充分利用卫星钟差的短时稳定度极高，在实时钟差估计的数据处理间隔(一般为5s)内可以进行精确预报这一特点，在当前历元的卫星钟差尚未生成的情况下，提出利用已知的卫星轨道和上一历元卫星钟差的预报钟差，使各个测站对当前历元各个测站的观测量进行独立的PPP解算和验后质量控制，从而快速地探测观测量中的粗差，其处理时间相对于实时钟差估计耗时可以忽略不计，因此本发明能有效地应用于实时钟差估计。
由于卫星轨道、卫星钟差和接收机坐标都精确已知，本发明的PPP函数模型简单。同时，天顶对流层延迟变化极为缓慢，当前历元的PPP解算直接利用上一历元天顶对流层延迟的估计值进行改正，进一步减少的未知参数个数。因此，本发明的PPP函数模型只包含接收机钟差和相位观测量的模糊度参数，与其他测站无关，观测量冗余度高，能更有效地进行平差后的统计检验与质量控制。
请参考图6，其示出了本申请实施例提供的实时钟差估计中的粗差探测装置的框图，该实时钟差估计中的粗差探测装置包括观测量获取模块601、粗差获取模602、处理模块603以及发送模块604。
观测量获取模块601，用于获取与目标测站相关联的卫星在当前历元的观测量；
粗差获取模块602，用于对获取到的观测量中的粗差进行探测，得到观测量粗差；
处理模块603，用于根据观测量粗差对获取到的观测量进行处理，得到处理后的观测量；
发送模块604，用于将处理后的观测量发送至GNSS实时数据处理服务器，以供GNSS实时数据处理服务器根据处理后的观测量对卫星的实时钟差进行估计。
在本申请的一个实施例中，观测量包括与目标测站相关联的卫星的无电离层组合伪距观测量以及与目标测站相关联的卫星的无电离层组合相位观测量，观测量粗差包括伪距粗差和相位粗差，粗差获取模块602还用于获取未知参数，未知参数包括与目标测站相关联的卫星的模糊度参数和目标测站的接收机钟差；根据获取到的观测量和未知参数计算伪距粗差和相位粗差。
在本申请的一个实施例中，处理模块603还用于根据伪距粗差对获取到的观测量中的无电离层组合伪距观测量进行修正，得到修正后的无电离层组合伪距观测量。
在本申请的一个实施例中，处理模块603还用于根据相位粗差获取与目标测站相关联的卫星的修正模糊度参数；发送模块604还用于将修正模糊度参数发送至GNSS实时数据处理服务器，以供GNSS实时数据处理服务器根据修正模糊度参数对卫星的实时钟差进行估计。
在本申请的一个实施例中，粗差获取模块602，还用于根据获取到的观测量和未知参数建立原假设和备选假设；对原假设进行平差，得到原假设验后残差；对备选假设进行平差，得到备选假设验后残差；根据原假设验后残差和备选假设验后残差计算统计检验量；根据统计检验量计算伪距粗差和相位粗差。
在本申请的一个实施例中，粗差获取模块602，还用于对于获取到的观测量中的每一个数据，当统计检验量大于目标卡方分布时，建立粗差系数向量，根据粗差系数向量建立局部备选假设，并根据局部备选假设计算局部检验量，目标卡方分布是自由度为q，显著水平为α的卡方分布；从多个局部检验量中确定大于检验常数的局部检验量；根据大于检验常数的局部检验量对应的粗差系数向量生成粗差定位矩阵；根据粗差定位矩阵计算伪距粗差和相位粗差。
在本申请的一个实施例中，粗差获取模块602，还用于对多个局部检验量执行至少一次最大检验量剔除过程，在执行至少一次最大检验量剔除过程之后，得到大于检验常数的局部检验量；最大检验量剔除步骤包括：根据多个局部检验量确定剩余局部检验量集合；从剩余局部检验量集合中选择绝对值最大的检验量，当绝对值最大的检验量大于检验常数时，从剩余局部检验量集合中剔除绝对值最大的检验量，得到新的剩余局部检验量集合，并记录绝对值最大的检验量对应的粗差系数向量。
在本申请的一个实施例中，提供了一种接收机，其内部结构图可以如图7所示。该接收机包括通过系统总线连接的处理器、存储器和网络接口。其中，该接收机的处理器用于提供计算和控制能力。该接收机的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机程序被处理器执行时以实现一种模糊度固定方法。
本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在本申请的一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：
获取与目标测站相关联的卫星在当前历元的观测量；
对获取到的观测量中的粗差进行探测，得到观测量粗差；
根据观测量粗差对获取到的观测量进行处理，得到处理后的观测量；
将处理后的观测量发送至GNSS实时数据处理服务器，以供GNSS实时数据处理服务器根据处理后的观测量对卫星的实时钟差进行估计。
在本申请的一个实施例中，处理器执行计算机程序时还实现以下步骤：观测量包括与目标测站相关联的卫星的无电离层组合伪距观测量以及与目标测站相关联的卫星的无电离层组合相位观测量，观测量粗差包括伪距粗差和相位粗差，对获取到的观测量中的粗差进行探测，得到观测量粗差，包括：
获取未知参数，未知参数包括与目标测站相关联的卫星的模糊度参数和目标测站的接收机钟差；
根据获取到的观测量和未知参数计算伪距粗差和相位粗差。
在本申请的一个实施例中，处理器执行计算机程序时还实现以下步骤：根据伪距粗差对获取到的观测量中的无电离层组合伪距观测量进行修正，得到修正后的无电离层组合伪距观测量。
在本申请的一个实施例中，处理器执行计算机程序时还实现以下步骤：根据相位粗差获取与目标测站相关联的卫星的修正模糊度参数；
将修正模糊度参数发送至GNSS实时数据处理服务器，以供GNSS实时数据处理服务器根据修正模糊度参数对卫星的实时钟差进行估计。
在本申请的一个实施例中，处理器执行计算机程序时还实现以下步骤：根据获取到的观测量和未知参数建立原假设和备选假设；
对原假设进行平差，得到原假设验后残差；
对备选假设进行平差，得到备选假设验后残差；
根据原假设验后残差和备选假设验后残差计算统计检验量；
根据统计检验量计算伪距粗差和相位粗差。
在本申请的一个实施例中，处理器执行计算机程序时还实现以下步骤：对于获取到的观测量中的每一个数据，当统计检验量大于目标卡方分布时，建立粗差系数向量，根据粗差系数向量建立局部备选假设，并根据局部备选假设计算局部检验量，目标卡方分布是自由度为q，显著水平为α的卡方分布；
从多个局部检验量中确定大于检验常数的局部检验量；
根据大于检验常数的局部检验量对应的粗差系数向量生成粗差定位矩阵；
根据粗差定位矩阵计算伪距粗差和相位粗差。
在本申请的一个实施例中，处理器执行计算机程序时还实现以下步骤：对多个局部检验量执行至少一次最大检验量剔除过程，在执行至少一次最大检验量剔除过程之后，得到大于检验常数的局部检验量；
最大检验量剔除步骤包括：
根据多个局部检验量确定剩余局部检验量集合；
从剩余局部检验量集合中选择绝对值最大的检验量；
当绝对值最大的检验量大于检验常数时，从剩余局部检验量集合中剔除绝对值最大的检验量，得到新的剩余局部检验量集合，并记录绝对值最大的检验量对应的粗差系数向量。
本申请实施例提供的计算机设备，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
在本申请的一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取与目标测站相关联的卫星在当前历元的观测量；
对获取到的观测量中的粗差进行探测，得到观测量粗差；
根据观测量粗差对获取到的观测量进行处理，得到处理后的观测量；
将处理后的观测量发送至GNSS实时数据处理服务器，以供GNSS实时数据处理服务器根据处理后的观测量对卫星的实时钟差进行估计。
在本申请的一个实施例中，计算机程序被处理器执行时还可以实现以下步骤：观测量包括与目标测站相关联的卫星的无电离层组合伪距观测量以及与目标测站相关联的卫星的无电离层组合相位观测量，观测量粗差包括伪距粗差和相位粗差，对获取到的观测量中的粗差进行探测，得到观测量粗差，包括：
获取未知参数，未知参数包括与目标测站相关联的卫星的模糊度参数和目标测站的接收机钟差；
根据获取到的观测量和未知参数计算伪距粗差和相位粗差。
在本申请的一个实施例中，计算机程序被处理器执行时还可以实现以下步骤：根据伪距粗差对获取到的观测量中的无电离层组合伪距观测量进行修正，得到修正后的无电离层组合伪距观测量。
在本申请的一个实施例中，计算机程序被处理器执行时还可以实现以下步骤：根据相位粗差获取与目标测站相关联的卫星的修正模糊度参数；
将修正模糊度参数发送至GNSS实时数据处理服务器，以供GNSS实时数据处理服务器根据修正模糊度参数对卫星的实时钟差进行估计。
在本申请的一个实施例中，计算机程序被处理器执行时还可以实现以下步骤：根据获取到的观测量和未知参数建立原假设和备选假设；
对原假设进行平差，得到原假设验后残差；
对备选假设进行平差，得到备选假设验后残差；
根据原假设验后残差和备选假设验后残差计算统计检验量；
根据统计检验量计算伪距粗差和相位粗差。
在本申请的一个实施例中，计算机程序被处理器执行时还可以实现以下步骤：对于获取到的观测量中的每一个数据，当统计检验量大于目标卡方分布时，建立粗差系数向量，根据粗差系数向量建立局部备选假设，并根据局部备选假设计算局部检验量，目标卡方分布是自由度为q，显著水平为α的卡方分布；
从多个局部检验量中确定大于检验常数的局部检验量；
根据大于检验常数的局部检验量对应的粗差系数向量生成粗差定位矩阵；
根据粗差定位矩阵计算伪距粗差和相位粗差。
在本申请的一个实施例中，计算机程序被处理器执行时还可以实现以下步骤：对多个局部检验量执行至少一次最大检验量剔除过程，在执行至少一次最大检验量剔除过程之后，得到大于检验常数的局部检验量；
最大检验量剔除步骤包括：
根据多个局部检验量确定剩余局部检验量集合；
从剩余局部检验量集合中选择绝对值最大的检验量；
当绝对值最大的检验量大于检验常数时，从剩余局部检验量集合中剔除绝对值最大的检验量，得到新的剩余局部检验量集合，并记录绝对值最大的检验量对应的粗差系数向量。
本申请实施例提供的计算机可读存储介质，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种实时钟差估计中的粗差探测方法，其特征在于，用于目标测站中，所述方法包括：
获取与所述目标测站相关联的卫星在当前历元的观测量；
对获取到的所述观测量中的粗差进行探测，得到观测量粗差；
根据所述观测量粗差对获取到的所述观测量进行处理，得到处理后的观测量；
将所述处理后的观测量发送至GNSS实时数据处理服务器，以供所述GNSS实时数据处理服务器根据所述处理后的观测量对卫星的实时钟差进行估计。
2.根据权利要求1所述的方法，其特征在于，所述观测量包括与所述目标测站相关联的卫星的无电离层组合伪距观测量以及与所述目标测站相关联的卫星的无电离层组合相位观测量，所述观测量粗差包括伪距粗差和相位粗差，所述对获取到的所述观测量中的粗差进行探测，得到观测量粗差，包括：
获取未知参数，所述未知参数包括与所述目标测站相关联的卫星的模糊度参数和所述目标测站的接收机钟差；
根据获取到的所述观测量和所述未知参数计算所述伪距粗差和所述相位粗差。
3.根据权利要求2所述的方法，其特征在于，所述根据所述观测量粗差对获取到的所述观测量进行处理，得到处理后的观测量，包括：
根据所述伪距粗差对获取到的所述观测量中的无电离层组合伪距观测量进行修正，得到修正后的无电离层组合伪距观测量。
4.根据权利要求2所述的方法，其特征在于，所述方法还包括：
根据所述相位粗差获取与所述目标测站相关联的卫星的修正模糊度参数；
将所述修正模糊度参数发送至GNSS实时数据处理服务器，以供所述GNSS实时数据处理服务器根据所述修正模糊度参数对卫星的实时钟差进行估计。
5.根据权利要求2所述的方法，其特征在于，所述根据获取到的所述观测量和所述未知参数计算所述伪距粗差和所述相位粗差，包括：
根据获取到的所述观测量和所述未知参数建立原假设和备选假设；
对所述原假设进行平差，得到原假设验后残差；
对所述备选假设进行平差，得到备选假设验后残差；
根据所述原假设验后残差和所述备选假设验后残差计算统计检验量；
根据所述统计检验量计算所述伪距粗差和所述相位粗差。
6.根据权利要求5所述的方法，其特征在于，所述根据所述统计检验量计算所述伪距粗差和所述相位粗差，包括：
对于获取到的所述观测量中的每一个数据，当所述统计检验量大于目标卡方分布时，建立粗差系数向量，根据所述粗差系数向量建立局部备选假设，并根据所述局部备选假设计算局部检验量，所述目标卡方分布是自由度为q，显著水平为α的卡方分布；
从多个所述局部检验量中确定大于检验常数的局部检验量；
根据大于所述检验常数的局部检验量对应的粗差系数向量生成粗差定位矩阵；
根据所述粗差定位矩阵计算所述伪距粗差和所述相位粗差。
7.根据权利要求6所述的方法，其特征在于，所述从多个所述局部检验量中确定大于检验常数的局部检验量，包括：
对多个所述局部检验量执行至少一次最大检验量剔除过程，在执行至少一次所述最大检验量剔除过程之后，得到大于检验常数的局部检验量；
所述最大检验量剔除步骤包括：
根据多个所述局部检验量确定剩余局部检验量集合；
从所述剩余局部检验量集合中选择绝对值最大的检验量；
当所述绝对值最大的检验量大于所述检验常数时，从所述剩余局部检验量集合中剔除所述绝对值最大的检验量，得到新的剩余局部检验量集合，并记录所述绝对值最大的检验量对应的粗差系数向量。
8.一种实时钟差估计中的粗差探测装置，其特征在于，用于目标测站中，所述装置包括：
观测量获取模块，用于获取与所述目标测站相关联的卫星在当前历元的观测量；
粗差获取模块，用于对获取到的所述观测量中的粗差进行探测，得到观测量粗差；
处理模块，用于根据所述观测量粗差对获取到的所述观测量进行处理，得到处理后的观测量；
发送模块，用于将所述处理后的观测量发送至GNSS实时数据处理服务器，以供所述GNSS实时数据处理服务器根据所述处理后的观测量对卫星的实时钟差进行估计。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
CN201910673527.3A 2019-07-24 2019-07-24 实时钟差估计中的粗差探测方法、装置、设备及存储介质 Pending CN110398758A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910673527.3A CN110398758A (zh) 2019-07-24 2019-07-24 实时钟差估计中的粗差探测方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910673527.3A CN110398758A (zh) 2019-07-24 2019-07-24 实时钟差估计中的粗差探测方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN110398758A true CN110398758A (zh) 2019-11-01

Family

ID=68325834

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910673527.3A Pending CN110398758A (zh) 2019-07-24 2019-07-24 实时钟差估计中的粗差探测方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN110398758A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111352135A (zh) * 2020-03-24 2020-06-30 广东星舆科技有限公司 伪距粗差的探测方法、装置及可读存储介质
CN112799106A (zh) * 2021-03-30 2021-05-14 腾讯科技（深圳）有限公司 卫星观测信息处理方法、移动终端及存储介质
CN113093237A (zh) * 2020-01-09 2021-07-09 中移(上海)信息通信科技有限公司 Ssr轨钟改正数质量因子实时评估方法、装置、设备及介质
CN114167456A (zh) * 2021-10-21 2022-03-11 国网新源控股有限公司 一种接收机钟跳探测修复方法、系统及终端
CN116881088A (zh) * 2023-09-06 2023-10-13 长沙金维信息技术有限公司 一种系统监控方法、装置、存储介质及电子装置

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102998681A (zh) * 2012-12-13 2013-03-27 中国航天科工信息技术研究院 一种卫星导航系统的高频钟差估计方法
CN103576175A (zh) * 2013-11-06 2014-02-12 西南交通大学 一种双频多星座gnss整周模糊度otf解算方法
CN105911567A (zh) * 2016-05-14 2016-08-31 四川中卫北斗科技有限公司 一种gnss系统完好性评估方法和装置
CN106324629A (zh) * 2016-11-07 2017-01-11 中国电子科技集团公司第二十研究所 一种bds_gps_glonass融合精密单点定位方法
CN106842236A (zh) * 2015-12-04 2017-06-13 航天恒星科技有限公司 Gnss接收机周跳探测与修复处理方法及装置
CN107422342A (zh) * 2017-08-03 2017-12-01 千寻位置网络有限公司 Gnss卫星钟差实时估计质量控制方法
CN107748372A (zh) * 2017-09-15 2018-03-02 千寻位置网络有限公司 基于gnss高精度系统的卫星钟差实时估计系统及方法
CN108196281A (zh) * 2017-11-22 2018-06-22 同济大学 一种基于位置域曲线约束的单频动态周跳探测与修复方法
CN108254773A (zh) * 2017-11-24 2018-07-06 中国测绘科学研究院 一种多gnss的实时钟差解算方法
CN108919321A (zh) * 2018-05-18 2018-11-30 长安大学 一种基于尝试法的gnss定位粗差探测方法
CN109143298A (zh) * 2018-08-16 2019-01-04 中国地质大学（武汉） 北斗和gps观测值周跳探测与修复方法、设备及存储设备
CN109765589A (zh) * 2019-02-21 2019-05-17 哈尔滨工程大学 一种基于无电离层组合的三频gnss实时周跳固定技术
CN109782313A (zh) * 2019-01-17 2019-05-21 上海卫星工程研究所 地面精密单点定位数据处理方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102998681A (zh) * 2012-12-13 2013-03-27 中国航天科工信息技术研究院 一种卫星导航系统的高频钟差估计方法
CN103576175A (zh) * 2013-11-06 2014-02-12 西南交通大学 一种双频多星座gnss整周模糊度otf解算方法
CN106842236A (zh) * 2015-12-04 2017-06-13 航天恒星科技有限公司 Gnss接收机周跳探测与修复处理方法及装置
CN105911567A (zh) * 2016-05-14 2016-08-31 四川中卫北斗科技有限公司 一种gnss系统完好性评估方法和装置
CN106324629A (zh) * 2016-11-07 2017-01-11 中国电子科技集团公司第二十研究所 一种bds_gps_glonass融合精密单点定位方法
CN107422342A (zh) * 2017-08-03 2017-12-01 千寻位置网络有限公司 Gnss卫星钟差实时估计质量控制方法
CN107748372A (zh) * 2017-09-15 2018-03-02 千寻位置网络有限公司 基于gnss高精度系统的卫星钟差实时估计系统及方法
CN108196281A (zh) * 2017-11-22 2018-06-22 同济大学 一种基于位置域曲线约束的单频动态周跳探测与修复方法
CN108254773A (zh) * 2017-11-24 2018-07-06 中国测绘科学研究院 一种多gnss的实时钟差解算方法
CN108919321A (zh) * 2018-05-18 2018-11-30 长安大学 一种基于尝试法的gnss定位粗差探测方法
CN109143298A (zh) * 2018-08-16 2019-01-04 中国地质大学（武汉） 北斗和gps观测值周跳探测与修复方法、设备及存储设备
CN109782313A (zh) * 2019-01-17 2019-05-21 上海卫星工程研究所 地面精密单点定位数据处理方法
CN109765589A (zh) * 2019-02-21 2019-05-17 哈尔滨工程大学 一种基于无电离层组合的三频gnss实时周跳固定技术

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
X. LI ET AL.: "High-Rate GPS Seismology Using Real-Time Precise Point Positioning With Ambiguity Resolution", 《 IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》 *
戴志强: "GNSS实时精密定位服务系统若干关键技术研究", 《中国博士学位论文全文数据库 基础科学辑》 *
方荣新; 施闯; 魏娜; 赵齐乐: "GPS数据质量控制中实时周跳探测研究", 《武汉大学学报(信息科学版)》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113093237A (zh) * 2020-01-09 2021-07-09 中移(上海)信息通信科技有限公司 Ssr轨钟改正数质量因子实时评估方法、装置、设备及介质
CN113093237B (zh) * 2020-01-09 2024-06-07 中移(上海)信息通信科技有限公司 Ssr轨钟改正数质量因子实时评估方法、装置、设备及介质
CN111352135A (zh) * 2020-03-24 2020-06-30 广东星舆科技有限公司 伪距粗差的探测方法、装置及可读存储介质
CN112799106A (zh) * 2021-03-30 2021-05-14 腾讯科技（深圳）有限公司 卫星观测信息处理方法、移动终端及存储介质
CN112799106B (zh) * 2021-03-30 2021-06-29 腾讯科技（深圳）有限公司 卫星观测信息处理方法、移动终端及存储介质
CN114167456A (zh) * 2021-10-21 2022-03-11 国网新源控股有限公司 一种接收机钟跳探测修复方法、系统及终端
CN116881088A (zh) * 2023-09-06 2023-10-13 长沙金维信息技术有限公司 一种系统监控方法、装置、存储介质及电子装置
CN116881088B (zh) * 2023-09-06 2023-11-28 长沙金维信息技术有限公司 一种系统监控方法、装置、存储介质及电子装置

Similar Documents

Publication Publication Date Title
CN110398758A (zh) 实时钟差估计中的粗差探测方法、装置、设备及存储介质
CN106646565B (zh) 载波相位差分定位方法和装置及单频接收机
Li et al. GNSS ambiguity resolution with controllable failure rate for long baseline network RTK
CN107132558B (zh) 惯性辅助的多频多模gnss周跳修复方法及系统
Wielgosz et al. Analysis of long-range network RTK during a severe ionospheric storm
Zhang et al. Benefits of the third frequency signal on cycle slip correction
CN106168672B (zh) 一种gnss多模单频rtk周跳探测方法及装置
CN109932735A (zh) 北斗短基线单频单历元解算的定位方法
CN108169774A (zh) 支持rtppp和rtk的多模gnss单频周跳探测与修复方法
CN109521443A (zh) 一种探测星历异常的方法
CN109738917A (zh) 一种北斗变形监测中的多路径误差削弱方法及装置
CN104459722B (zh) 一种基于多余观测分量的整周模糊度可靠性检验方法
BR112013017730B1 (pt) Método para resolver ambiguidades integrais em medições de alcance ou fase dos sinais recebidos de satélite, e, sistema de computador
CN110646820B (zh) Rtk定位数据的质检方法、装置、设备和存储介质
CN106468774A (zh) 一种应用于星基增强系统的星历星钟改正参数及空间信号完好性参数方法
CN102116867A (zh) 一种在动态环境下探测并修复gps载波相位周跳的方法
CN108196281A (zh) 一种基于位置域曲线约束的单频动态周跳探测与修复方法
CN108254773A (zh) 一种多gnss的实时钟差解算方法
CN106842236B (zh) Gnss接收机周跳探测与修复处理装置
CN109031356B (zh) 特征斜率加权的最小二乘残差接收机自主完好性监测方法
CN109143298A (zh) 北斗和gps观测值周跳探测与修复方法、设备及存储设备
CN107219537A (zh) 一种融合选星与完好性检测的多系统兼容定位方法
CN107422342A (zh) Gnss卫星钟差实时估计质量控制方法
CN109633703B (zh) 一种应对遮挡场景的北斗导航无源定位方法
CN106772483A (zh) 一种基于cors系统的数据后处理方法及装置

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20191101