CN110646820B - Rtk定位数据的质检方法、装置、设备和存储介质 - Google Patents
Rtk定位数据的质检方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN110646820B CN110646820B CN201910893190.7A CN201910893190A CN110646820B CN 110646820 B CN110646820 B CN 110646820B CN 201910893190 A CN201910893190 A CN 201910893190A CN 110646820 B CN110646820 B CN 110646820B
- Authority
- CN
- China
- Prior art keywords
- ambiguity
- data
- solution
- quality inspection
- observation
- 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
Images
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
- G01S19/40—Correcting position, velocity or attitude
- G01S19/41—Differential correction, e.g. DGPS [differential GPS]
-
- 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
Abstract
本申请涉及一种RTK定位数据的质检方法、装置、设备和存储介质。其中,RTK定位数据的质检方法包括接收基站传输的差分数据、移动站传输的原始观测数据;原始观测数据包括观测值、高度角、信噪比和基线长信息;根据差分数据和原始观测数据,生成双差观测模型;获取双差观测模型的前向模糊度固定解;前向模糊度固定解为基于采用联合加权模型对双差观测模型进行前向滤波解算的输出结果得到;联合加权模型为根据观测值的方差、高度角、信噪比和基线长信息得到;对前向模糊度固定解进行反算处理,输出质检定位数据。而本申请联合加权模型根据观测值的方差、所述高度角、所述信噪比和所述基线长信息获得,保证稳定性的同时,也降低了收敛时间,提升了精度。
Description
技术领域
本申请涉及卫星导航定位技术领域,特别是涉及一种RTK定位数据的质检方法、装置、设备和存储介质。
背景技术
在卫星导航领域中,RTK(Real Time Kinematic,实时动态载波相位差分技术)基于相对定位原理,确定移动站与基准站的相对位置矢量,通过基准站的精确坐标即可获得移动站的位置信息。可让用户实时获得厘米级的定位精度,极大的提高了作业效率。RTK技术在控制测量、施工放样、变形监测、精密农业以及国防等领域都得到了广泛应用。进行RTK测量时,位于基准站上的接收机通过数据通信链实时地把载波相位观测值以及已知的基准站坐标信息实时播发给附近工作的移动站用户。用户根据基准站的数据流及自己所采集的载波相位观测值进行RTK解算,进而实时求得自己相对于基准站的三维坐标。
在实现过程中,发明人发现传统技术中至少存在如下问题:传统方法在遮挡环境下存在精度低、可靠性差的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高遮挡环境中定位精度的RTK定位数据的质检方法、装置、设备和存储介质。
为了实现上述目的,本发明实施例提供了一种RTK定位数据的质检方法,包括步骤:
接收基站传输的差分数据、移动站传输的原始观测数据;原始观测数据包括观测值、高度角、信噪比和基线长信息;
根据差分数据和原始观测数据,生成双差观测模型;
获取双差观测模型的前向模糊度固定解;前向模糊度固定解为基于采用联合加权模型对双差观测模型进行前向滤波解算的输出结果得到;联合加权模型为根据观测值的方差、高度角、信噪比和基线长信息得到;
对前向模糊度固定解进行反算处理,输出质检定位数据。
在其中一个实施例中,前向滤波解算包括前向卡尔曼滤波解算;输出结果包括前向卡尔曼滤波解算对应的模糊度浮点解及前向卡尔曼滤波解算对应模糊度方差协方差矩阵;
前向模糊度固定解为基于采用联合加权模型对双差观测模型进行前向滤波解算的输出结果得到的步骤包括:
前向模糊度固定解为基于采用联合加权模型对双差观测模型进行前向卡尔曼滤波解算,并根据前向卡尔曼滤波解算对应的模糊度浮点解及前向卡尔曼滤波解算对应模糊度方差协方差矩阵得到。
在其中一个实施例中,还包括步骤:
接收RTK主机传输的RTK定位数据;
将质检定位数据或RTK定位数据,确认为目标位置数据并将目标位置数据输出。
在其中一个实施例中,根据差分数据和原始观测数据,生成双差观测模型的步骤,包括:
获取原始观测数据中的周跳值,并对周跳值进行修复,得到当前观测数据;
处理当前观测数据和差分数据,生成双差观测模型。
在其中一个实施例中,获取原始观测数据中的周跳值,并对周跳值进行修复,得到当前观测数据的步骤,包括:
采用自适应模型和TurboEdit模型对原始观测数据进行周跳探测,得到原始观测数据中的周跳值;
对周跳值进行模糊度参数重置,得到当前观测数据。
在其中一个实施例中,在采用自适应模型和TurboEdit模型对原始观测数据进行周跳探测,得到原始观测数据中的周跳值的步骤中,基于以下公式,得到周跳值:
在其中一个实施例中,根据前向卡尔曼滤波解算对应的模糊度浮点解及前向卡尔曼滤波解算对应模糊度方差协方差矩阵得到前向模糊度固定解的步骤,包括:
根据高度角、信噪比和卫星连续跟踪历元数,对原始观测数据进行异常值剔除处理,得到第一观测数据;
对第一观测数据进行模糊度搜索,得到模糊度浮点解对应的第一固定解;
对第一固定解进行Ratio阈值判定处理;
若Ratio阈值判定的结果为失败,则根据模糊度方差协方差矩阵,得到模糊度精度衰减因子;
根据模糊度精度衰减因子,对第一观测数据进行剔除处理,得到第二观测数据;
采用模糊度搜索方法对第二观测数据进行处理,获取模糊度浮点解对应的第二固定解,并将第二固定解作为前向模糊度固定解。
在其中一个实施例中,还包括步骤:
若Ratio阈值判定的结果为成功,则将第一固定解作为前向模糊度固定解;
在其中一个实施例中,获取双差观测模型的前向模糊度固定解的步骤之后,还包括:
采用联合加权模型对双差观测模型进行后向卡尔曼滤波解算,得到后向卡尔曼滤波解算对应的模糊度浮点解、及后向卡尔曼滤波解算对应的模糊度方差协方差矩阵;
基于后向卡尔曼滤波解算对应的模糊度浮点解及后向卡尔曼滤波解算对应的模糊度方差协方差矩阵,获取后向模糊度固定解;
根据后向模糊度固定解,得到后向位置数据;
其中,根据前向位置数据,得到质检定位数据的步骤包括:
比对后向位置数据与前向位置数据,得到质检定位数据。
在其中一个实施例中,前向位置数据包括前向位置的坐标信息和精度信息;后向位置数据包括后向位置的坐标信息和精度信息;
比对后向位置数据与前向位置数据,得到质检定位数据的步骤,包括:
对前向模糊度固定解和后向模糊度固定解进行Ratio阈值判定处理;
若前向模糊度固定解和后向模糊度固定解均判定成功,则对前向模糊度固定解和后向模糊度固定解进行平滑处理,得到质检定位数据;
若前向模糊度固定解和后向模糊度固定解均判定失败,则根据前向位置的精度信息和后向位置的精度信息,将前向模糊度固定解或后向模糊度固定解确定为目标模糊度固定解;根据目标模糊度固定解,得到质检定位数据;
若前向模糊度固定解判定成功或后向模糊度固定解判定成功,则根据判定成功的模糊度固定解,得到质检定位数据。
在其中一个实施例中,在前向模糊度固定解为基于采用联合加权模型对双差观测模型进行前向滤波解算的输出结果得到的步骤中,基于以下公式,得到输出结果:
σ2=a2+s2·b2/sin2 el+c2;
其中,σ2为所述观测值的方差,el为所述高度角,a,b为经验值系数,s为信噪比加权系数,c为与所述基线长信息相关的方差补偿值,snr为所述信噪比,bl为所述基线长信息;
在其中一个实施例中,质检定位数据包括质检坐标和质检精度;RTK定位数据包括RTK定位坐标和RTK定位精度;
将质检定位数据或RTK定位数据,确认为目标位置数据的步骤包括:
判断RTK定位数据是否存在固定解,
若判断的结果为否,则将质检定位数据确认为目标位置数据;
若判断的结果为是,则判定质检坐标与RTK定位坐标是否大于阈值;若判定的结果为否,则将质检定位数据确认为目标位置数据;若判定的结果为否,则根据质检精度和RTK定位精度,将质检定位数据或RTK定位数据,确认为目标位置数据。
本发明实施例还提供了一种RTK定位数据的质检装置,包括:
数据获取模块,用于接收基站传输的差分数据、移动站传输的原始观测数据;
双差观测模型建立模块,根据差分数据和原始观测数据,生成双差观测模型;
解算模块,用于获取双差观测模型的前向模糊度固定解;前向模糊度固定解为基于采用联合加权模型对双差观测模型进行前向滤波解算的输出结果得到;联合加权模型为根据观测值的方差、高度角、信噪比和基线长信息得到;
质检定位数据获取模块,用于对前向模糊度固定解进行反算处理,得到质检定位数据并将质检定位数据输出。
本发明实施例还提供了一种RTK定位数据的质检设备,包括存储器和处理器,存储器存储有计算机程序,其特征在于,处理器执行计算机程序时实现上述方法的步骤。
本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现任意一项上述方法的步骤。
上述技术方案中的一个技术方案具有如下优点和有益效果:
本申请提供的RTK定位数据的质检方法,接收基站传输的差分数据、移动站传输的原始观测数据;根据差分数据和原始观测数据,生成双差观测模型;获取双差观测模型的前向模糊度固定解;前向模糊度固定解为基于采用联合加权模型对双差观测模型进行前向滤波解算的输出结果得到;在采用卡尔曼滤波或最小二乘求取浮点解时,由于观测值较多,且来自于不同的系统、不同的卫星、不同的频点,故其精度水平差异较大,传统随机模型在遮挡环境下也会受到严重影响,容易影响整体滤波器的稳定性,降低浮点解的精度。而本申请联合加权模型根据观测值的方差、所述高度角、所述信噪比和所述基线长信息获得,保证了稳定性的同时,也降低了收敛时间,提升浮点解的精度。通过对浮点解的模糊度搜索处理,可以得到前向模糊度固定解。通过对固定解进行反算,最终输出的质检定位数据,精度和可靠性更高。
附图说明
通过附图中所示的本申请的优选实施例的更具体说明,本申请的上述及其它目的、特征和优势将变得更加清晰。在全部附图中相同的附图标记指示相同的部分,且并未刻意按实际尺寸等比例缩放绘制附图,重点在于示出本申请的主旨。
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1为一个实施例中RTK定位数据的质检方法的应用环境图;
图2为一个实施例中RTK定位数据的质检方法的第一示意性流程示意图;
图3为一个实施例中RTK定位数据的质检方法的第二示意性流程示意图;
图4为一个实施例中根据差分数据和原始观测数据,生成双差观测模型的步骤的流程示意图;
图5为获取原始观测数据中的周跳值,并对周跳值进行修复,得到当前观测数据的步骤的流程示意图;
图6为根据前向卡尔曼滤波解算对应的模糊度浮点解及前向卡尔曼滤波解算对应模糊度方差协方差矩阵得到前向模糊度固定解的步骤流程示意图;
图7为一个实施例中RTK定位数据的质检方法的第三示意性流程示意图;
图8为比对后向位置数据与前向位置数据,得到质检定位数据的步骤的流程示意图;
图9将质检定位数据或RTK定位数据,确认为目标位置数据的步骤的流程示意图;
图10为一个实施例中RTK定位数据的质检装置的结构框图;
图11为一个实施例中RTK定位数据的质检设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的数据测量方法可以应用于如图1所示的定位系统中。该定位系统包括:基站10、移动站20、终端设备30、卫星40。其中,基站40和移动站20通过网络进行交互,均接收卫星40发送的卫星信号,终端设备30连接移动站20,或者终端设备30也可以嵌入到移动站20中,以实现对基站10接收到的卫星信号和移动站20接收到的卫星信号进行实时处理。在一个具体示例中,移动站可以是GNSS(Global Navigation Satellite System,全球导航卫星系统)接收机。
在一个实施例中,如图2所示,提供了一种RTK定位数据的质检方法,包括步骤:
S210,接收基站传输的差分数据、移动站传输的原始观测数据;原始观测数据包括观测值、高度角、信噪比和基线长信息;
其中,基站和移动站为上述定位系统中的设备。
具体地,可以通过本领域任意手段接收差分数据以及原始观测数据,在一个具体示例中,通过通信连接的手段进行获取上述数据。
S220,根据差分数据和原始观测数据,生成双差观测模型;
需要说明的是,为了消除误差,一般均采用双差观测模型进行滤波解算,可以消除掉各类误差,例如:卫星轨道误差、卫星钟差、电离层误差、对流层误差和接收机钟差等。双差观测模型如下所示:
P,φ分别表示伪距和载波,pq上标表示不同卫星,km下标表示不同移动站,为:地面站k到卫星p的距离与地面站m到卫星q的差;ρ为卫星到移动站的距离,tr表示接收机钟差,T,I分别表示对流程和电离层的延迟,λ,N表示载波波长和模糊度参数,ε,ξ分别为残余误差及噪声。
S230,获取双差观测模型的前向模糊度固定解;前向模糊度固定解为基于采用联合加权模型对双差观测模型进行前向滤波解算的输出结果得到;联合加权模型为根据观测值的方差、高度角、信噪比和基线长信息得到;
其中,前向模糊度固定解为对双差观测模型进行前向滤波解算的输出结果得到;前向滤波解算指针对于获取的原始观测数据、差分数据,按照时间顺序从前往后进行滤波解算。输出结果包括前向卡尔曼滤波解算对应的模糊度浮点解以及前向卡尔曼滤波解算对应的模糊度方差协方差矩阵;
在本实施例中,可以对双差观测模型采用本领域任意一种滤波处理的方法,包括卡尔曼滤波解算和抗差滤波解算等。在进行滤波解算时,采用联合加权模型作为随机模型对双差观测模型进行滤波解算。考虑到遮挡环境下,观测值精度水平差异较大,无法通过常规方法采用较为稳定的高度角或信噪比进行加权。需对所有可用信息进行综合考虑,建立与基线长度、高度角、信噪比等信息相关的联合加权模型,从而更为有效的利用所有可用观测值,降低收敛时间,提升浮点解精度。
联合加权模型包括:
σ2=a2+s2·b2/sin2 el+c2;
其中,σ2为所述观测值的方差,el为所述高度角,a,b为经验值系数,s为信噪比加权系数,c为与所述基线长信息相关的方差补偿值,snr为所述信噪比,bl为所述基线长信息;在获得输出结果后,常采用模糊度搜索对输出结果进行处理得到前向模糊度固定解,可以使用任意一种模糊度搜索方式,在此不做限定。在一个具体示例中,常采用LAMBDA(Least-squares Ambiguity Decorrelation Adjustment,最小二乘模糊度降相关平差法)进行模糊度固定,得到前向模糊度固定解。
模糊度快速搜索的过程,实际上就是搜索最优整数向量的过程,其按照最小二乘准则进行选取,具体目标函数如下:
式中,y为所有的观测值组成的矩阵,a为未知的模糊度参数阵,b为位置坐标参数,A,B为对应的系数阵。Qy为观测值y的协因数阵。
S240,对前向模糊度固定解进行反算处理,输出质检定位数据。
其中,质检定位数据为根据前向模糊度固定解得到的坐标信息和精度信息。
上述的RTK定位数据的质检方法,接收基站传输的差分数据、移动站传输的原始观测数据;根据差分数据和原始观测数据,生成双差观测模型;获取双差观测模型的前向模糊度固定解;前向模糊度固定解为基于采用联合加权模型对双差观测模型进行前向滤波解算的输出结果得到;在采用卡尔曼滤波或最小二乘求取浮点解时,由于观测值较多,且来自于不同的系统、不同的卫星、不同的频点,故其精度水平差异较大,传统随机模型在遮挡环境下也会受到严重影响,容易影响整体滤波器的稳定性,降低浮点解的精度。而本申请联合加权模型根据观测值的方差、所述高度角、所述信噪比和所述基线长信息获得,保证了稳定性的同时,也降低了收敛时间,提升浮点解的精度。通过对浮点解的模糊度搜索处理,可以得到前向模糊度固定解。通过对固定解进行反算,最终输出的质检定位数据,精度和可靠性更高。
在其中一个实施例中,前向滤波解算包括前向卡尔曼滤波解算;输出结果包括前向卡尔曼滤波解算对应的模糊度浮点解及前向卡尔曼滤波解算对应模糊度方差协方差矩阵;
前向模糊度固定解为基于采用联合加权模型对双差观测模型进行前向滤波解算的输出结果得到的步骤,包括:
前向模糊度固定解为基于采用联合加权模型对双差观测模型进行前向卡尔曼滤波解算,并根据前向卡尔曼滤波解算对应的模糊度浮点解及前向卡尔曼滤波解算对应模糊度方差协方差矩阵得到。
具体而言,在对双差观测模型进行前向卡尔曼滤波解算的过程中,采用联合加权模型作为随机模型,解算得到的输出结果包括前向卡尔曼滤波解算对应的模糊度浮点解及前向卡尔曼滤波解算对应模糊度方差协方差矩阵。对该浮点解进行模糊度搜索处理,得到前向模糊度固定解。
在一个实施例中,提高了一种RTK定位数据的质检方法,如图3所示,包括步骤:
S310,接收基站传输的差分数据、移动站传输的原始观测数据;原始观测数据包括观测值、高度角、信噪比和基线长信息;
S320,根据差分数据和原始观测数据,生成双差观测模型;
S330,获取双差观测模型的前向模糊度固定解;前向模糊度固定解为基于采用联合加权模型对双差观测模型进行前向滤波解算的输出结果得到;联合加权模型为根据观测值的方差、高度角、信噪比和基线长信息得到;
S340,对前向模糊度固定解进行反算处理,输出质检定位数据;
还包括步骤:
S350,接收RTK主机传输的RTK定位数据;
其中,RTK定位数据为RTK主机实时解算得到的定位数据,包括定位坐标和定位精度。
具体地,可以通过本领域任意一种手段接收RTK定位数据。在一个具体示例中,通过电连接的方式与RTK主机连接,电连接包括通信连接,RTK主机通过通信方式将RTK定位数据进行传输。
S360,将质检定位数据或RTK定位数据,确认为目标位置数据并输出。
需要说明的是,在得到质检定位数据和RTK定位数据后,对质检定位数据或RTK定位数据进行对比,可以将质检定位数据或RTK定位数据确认为目标位置数据。在一个具体示例中,若在某一个历元中,RTK定位数据中不包含固定解,则采用质检定位数据对该历元进行补充。若在同一历元中,在RTK定位数和质检定位数据中均存在固定解,则判断固定解之间的差距是否大于预设阈值,若大于预设阈值,则根据定位精度,取定位精度较高的定位坐标作为目标位置数据进行输出,若差距小于或等于预设阈值,则将质检定位数据作为目标位置数据进行输出。
本实施例的RTK定位数据的质检方法,通过将RTK定位数据与质检定位数据进行比对,从而将RTK定位数据或质检定位数据确认为目标位置数据,使得输出的目标位置数据更加精确。
在其中一个实施例中,如图4所示,根据差分数据和原始观测数据,生成双差观测模型的步骤,包括:
S410,获取原始观测数据中的周跳值,并对周跳值进行修复,得到当前观测数据;
需要说明的是,为了保证滤波的可靠性,需要对原始观测数据进行预处理,一般而言,常对原始观测数据进行周跳探测。在本实施例中,可以采用本领域任意一种手段获取对原始观测数据进行周跳探测,并获取原始观测数据中的周跳值。周跳修复可以采用本领域任意一种方式进行修复,在此不做具体限定。
S420,处理当前观测数据和差分数据,生成双差观测模型。
将周跳修复后得到的当前观测数据和差分数据,生成双差观测模型。双差观测模型可以参见第一个实施例中所述的内容。
本实施例通过对原始观测数据进行周跳探测,保证了进行滤波解算的可靠性,进而进一步提高了质检定位数据的精度。
在其中一个实施例中,如图5所示,获取原始观测数据中的周跳值,并对周跳值进行修复,得到当前观测数据的步骤,包括:
S510,采用自适应模型和TurboEdit模型对原始观测数据进行周跳探测,得到原始观测数据中的周跳值;
其中,TurboEdit模型为周跳探测中较为经典的处理方法,其采用载波相位观测值及伪距观测值构造的MW(Melbourne—Wubbena)组合和GF(Geometry—Free)组合进行联合周跳探测。
MW组合和GF组合的探测方程分别为:
自适应模型为:
其中,x为观测值方均根。
MW组合进行周跳探测时的关键条件就是宽项模糊度变化量与均方根的比值,其周跳判定阈值常根据经验选为4,而实际在动态环境下,采用固定阈值进行判定并不合理,当均方根较小时,宽项模糊度变化量较为敏感,如意出现误判,而当均方根较大时,则宽项模糊度变化量敏感度弱化,容易出现漏判,故为解决该问题,本发明对阈值根据均方根大小建立自适应模型,从而提升周跳探测的可靠性。
GF组合中其探测值仅与历元间电离层变化量及载波相位观测值噪声有关,一般情况下两个相邻历元间计算出的电离层残差非常小,当发生周跳时,该值会显著增大,从而说明在一个或两个频率的相位观测值上发生了周跳。阈值根据经验常采用5cm,而实际在遮挡环境下,周边环境较差,多路径效应及观测噪声将严重影响该方法的探测效果,而除电离层外的残余误差的量级大小可根据信噪比的值进行判定,故本实施例中建立信噪比与阈值的线性自适应模型,从而提升遮挡环境下GF法的探测效果。
S520,对周跳值进行模糊度参数重置,得到当前观测数据。
本实施例中,采用自适应模型与传统的TurboEdit模型对原始观测数据进行周跳探测,避免了漏判的情况,提高了在遮挡环境下的探测效果。
在其中一个实施例中,如图6所示,根据前向卡尔曼滤波解算对应的模糊度浮点解及前向卡尔曼滤波解算对应模糊度方差协方差矩阵得到前向模糊度固定解的步骤,包括:
S610,根据高度角、信噪比和卫星连续跟踪历元数,对原始观测数据进行异常值剔除处理,得到第一观测数据;
具体而言,需要对原始观测数据进行初步筛选,在遮挡环境下,容易出现与其他观测值出现明显异常的情况,例如出现高度角高连续跟踪的观测值,由于多路径和噪声等因素,导致信噪比较低、精度较差,采用任何一种单一方案,或者联合加权因子方案都不可靠。可以对异常值进行剔除。例如:通过计算所有观测值的平均值,然后对阈值进行预设,若观测值与平均值的差值大于预设的阈值,则将该观测值进行剔除。又如:若可用观测值n>20个,则依次剔除高度角最低的两个观测值、信噪比最低的两个观测值、连续跟踪历元数最低的两个观测值(只剔除连续跟踪<50的观测值);若可用观测值10<n<20时,则依次剔除信噪比最低的两个观测值、连续跟踪历元数最低的1个观测值(只剔除连续跟踪<10的观测值)。
S620,对第一观测数据进行模糊度搜索,得到模糊度浮点解对应的第一固定解;
S630,对第一固定解进行Ratio阈值判定处理;
S640,若Ratio阈值判定的结果为失败,则根据模糊度方差协方差矩阵,得到模糊度精度衰减因子;
其中,通过Ratio阈值判定处理去判断固定解是否可靠。Ratio阈值判定法在此不做具体说明。
若Ratio阈值判定的结果为失败,则根据模糊度方差协方差矩阵,得到模糊度精度衰减因子。模糊度精度衰减因子的具体公式如下所示:
S650,根据模糊度精度衰减因子,对第一观测数据进行剔除处理,得到第二观测数据;
具体地,以ADOP值作为参考指标,逐次剔除卫星,并保证每次剔除卫星时使ADOP值最小,并得到第二观测数据。
S660,对第二观测数据采用模糊度搜索处理,获取模糊度浮点解对应的第二固定解,并将第二固定解作为前向模糊度固定解。
传统的模糊度固定的过程,常采用高度角、信噪比、原始方差阵、bootstraping成功率等方法对模糊度一次排序,剔除后进行模糊度固定,其在实时遮挡环境下排序并不可靠且无法多次迭代。本实施例考虑到遮挡环境下的特殊性,将模糊度固定分为两步进行递进式部分模糊度搜索,首先根据具有普遍意义的高度角、信噪比及连续锁定历元数对较为明显的较差观测值进行剔除并进行模糊度初步固定;之后采用更为精细化的ADOP值排序法进行精细化剔除进一步固定。由于已预存数据到内存,无需实时解算,故该过程可多次双向进行,从而提升模糊度固定成功率及可靠性,解决模糊度固定错误引起的跳点问题。
在其中一个实施例中,还包括步骤:
若Ratio阈值判定的结果为成功,则将第一固定解作为前向模糊度固定解;
具体地,若进行初步异常值剔除便可固定成功,则将第一固定解作为前向模糊度固定解。
在其中一个实施例中,如图7所示,获取双差观测模型的前向模糊度固定解的步骤之后,还包括:
S710,采用联合加权模型对双差观测模型进行后向卡尔曼滤波解算,得到后向卡尔曼滤波解算对应的模糊度浮点解、及后向卡尔曼滤波解算对应的模糊度方差协方差矩阵;
其中,后向卡尔曼滤波解算是指对于获取的原始观测数据、差分数据,按照时间顺序从后往前进行滤波解算。
S720,基于后向卡尔曼滤波解算对应的模糊度浮点解及后向卡尔曼滤波解算对应的模糊度方差协方差矩阵,获取后向模糊度固定解;
S730,根据后向模糊度固定解,得到后向位置数据;
具体地,可以通过后向模糊度固定解,得到后向位置数据。后向位置数据包括后向卡尔曼滤波解算得到的坐标信息和精度信息。
其中,根据前向位置数据,得到质检定位数据的步骤包括:
比对后向位置数据与前向位置数据,得到质检定位数据。
需要说明的是,可以根据后向位置数据与前向位置数据得到质检定位数据。
本实施例采用双向滤波解算,通过对双向滤波解算得到的结果进行比对,可以提高质检定位数据的准确性。
在其中一个实施例中,前向位置数据包括前向位置的坐标信息和精度信息;后向位置数据包括后向位置的坐标信息和精度信息;
如图8所示,比对后向位置数据与前向位置数据,得到质检定位数据的步骤,包括:
S810,对前向模糊度固定解和后向模糊度固定解进行Ratio阈值判定处理;
其中,通过Ratio阈值判定处理去判断固定解是否可靠。
S820,若前向模糊度固定解和后向模糊度固定解均判定成功,则对前向模糊度固定解和后向模糊度固定解进行平滑处理,得到质检定位数据;
其中,平滑处理是指根据精度信息进行加权平均计算。
S830,若前向模糊度固定解和后向模糊度固定解均判定失败,则根据前向位置的精度信息和后向位置的精度信息,将前向模糊度固定解或后向模糊度固定解确定为目标模糊度固定解;根据目标模糊度固定解,得到质检定位数据;
具体地,若前向模糊度固定解和后向模糊度固定解均判定失败,即认为两者均不可靠,则根据精度信息确认目标模糊度固定解。在一个具体示例中,将精度高的固定解作为目标模糊度固定解。
根据目标模糊度固定解,可以反算得到质检定位数据。
S840,若前向模糊度固定解判定成功或后向模糊度固定解判定成功,则根据判定成功的模糊度固定解,得到质检定位数据。
具体地,若前向模糊度固定解和后向模糊度固定解仅有一个判定成功,则将判定成功的模糊度固定解,确认为目标模糊度固定解,并根据目标模糊度固定解,反算得到质检定位数据。
在本实施例中,通过Ratio阈值判定法对前向模糊度固定解和后向模糊度进行判定,并根据可靠性更高、精确更高的固定解反算得到质检定位数据,从而保证了质检定位数据的精确度。
在其中一个实施例中,质检定位数据包括质检坐标和质检精度;RTK定位数据包括RTK定位坐标和RTK定位精度;
如图9所示,将质检定位数据或RTK定位数据,确认为目标位置数据的步骤包括:
S910,判断RTK定位数据是否存在固定解,
S920,若判断的结果为否,则将质检定位数据确认为目标位置数据;
S930,若判断的结果为是,则判定质检坐标与RTK定位坐标是否大于阈值;若判定的结果为否,则将质检定位数据确认为目标位置数据;若判定的结果为否,则根据质检精度和RTK定位精度,将质检定位数据或RTK定位数据,确认为目标位置数据。
具体地,根据质检定位数据和RTK定位数据进行综合得出目标位置数据,采用固定解对未固定解进行历元补充,当同一历元同时固定,如出现固定解差异较大(例如大于10cm),则对比其精度信息,取精度较高的结果作为最终结果,否则选用质检定位数据,最终得到固定率提升、可靠性提升的目标位置数据。
应该理解的是,虽然图1-9的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1-9中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图10所示,提供了一种RTK定位数据的质检装置,包括:
数据获取模块101,用于接收基站传输的差分数据、移动站传输的原始观测数据;
双差观测模型建立模块103,根据差分数据和原始观测数据,生成双差观测模型;
解算模块105,用于获取双差观测模型的前向模糊度固定解;前向模糊度固定解为基于采用联合加权模型对双差观测模型进行前向滤波解算的输出结果得到;联合加权模型为根据观测值的方差、高度角、信噪比和基线长信息得到;
质检定位数据获取模块107,用于对前向模糊度固定解进行反算处理,得到质检定位数据并将质检定位数据输出。
关于RTK定位数据的质检装置的具体限定可以参见上文中对于RTK定位数据的质检方法的限定,在此不再赘述。上述RTK定位数据的质检装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种RTK定位数据的质检设备,该计算机设备可以是终端,其内部结构图可以如图11所示。该RTK定位数据的质检设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备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RTK定位数据的质检设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种RTK定位数据的质检方法。
本领域技术人员可以理解,图11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RTK定位数据的质检设备的限定,具体的RTK定位数据的质检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。
在一个实施例中,提供了一种RTK定位数据的质检设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
接收基站传输的差分数据、移动站传输的原始观测数据;原始观测数据包括观测值、高度角、信噪比和基线长信息;
根据差分数据和原始观测数据,生成双差观测模型;
获取双差观测模型的前向模糊度固定解;前向模糊度固定解为基于采用联合加权模型对双差观测模型进行前向滤波解算的输出结果得到;联合加权模型为根据观测值的方差、高度角、信噪比和基线长信息得到;
对前向模糊度固定解进行反算处理,输出质检定位数据。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
前向模糊度固定解为基于采用联合加权模型对双差观测模型进行前向卡尔曼滤波解算,并根据前向卡尔曼滤波解算对应的模糊度浮点解及前向卡尔曼滤波解算对应模糊度方差协方差矩阵得到。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
接收RTK主机传输的RTK定位数据;
将质检定位数据或RTK定位数据,确认为目标位置数据并将目标位置数据输出。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
获取原始观测数据中的周跳值,并对周跳值进行修复,得到当前观测数据;
处理当前观测数据和差分数据,生成双差观测模型。
在一个实施例中,处理器执行获取原始观测数据中的周跳值,并对周跳值进行修复,得到当前观测数据的步骤时包括以下步骤:
采用自适应模型和TurboEdit模型对原始观测数据进行周跳探测,得到原始观测数据中的周跳值;
对周跳值进行模糊度参数重置,得到当前观测数据。
在一个实施例中,处理器执行根据前向卡尔曼滤波解算对应的模糊度浮点解及前向卡尔曼滤波解算对应模糊度方差协方差矩阵得到前向模糊度固定解的步骤时,包括以下步骤:
根据高度角、信噪比和卫星连续跟踪历元数,对原始观测数据进行异常值剔除处理,得到第一观测数据;
对第一观测数据进行模糊度搜索,得到模糊度浮点解对应的第一固定解;
对第一固定解进行Ratio阈值判定处理;
若Ratio阈值判定的结果为失败,则根据模糊度方差协方差矩阵,得到模糊度精度衰减因子;
根据模糊度精度衰减因子,对第一观测数据进行剔除处理,得到第二观测数据;
采用模糊度搜索方法对第二观测数据进行处理,获取模糊度浮点解对应的第二固定解,并将第二固定解作为前向模糊度固定解。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
若Ratio阈值判定的结果为成功,则将第一固定解作为前向模糊度固定解;
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
采用联合加权模型对双差观测模型进行后向卡尔曼滤波解算,得到后向卡尔曼滤波解算对应的模糊度浮点解、及后向卡尔曼滤波解算对应的模糊度方差协方差矩阵;
基于后向卡尔曼滤波解算对应的模糊度浮点解及后向卡尔曼滤波解算对应的模糊度方差协方差矩阵,获取后向模糊度固定解;
根据后向模糊度固定解,得到后向位置数据;
其中,根据前向位置数据,得到质检定位数据的步骤包括:
比对后向位置数据与前向位置数据,得到质检定位数据。
在一个实施例中,处理器执行比对后向位置数据与前向位置数据,得到质检定位数据的步骤时包括:
对前向模糊度固定解和后向模糊度固定解进行Ratio阈值判定处理;
若前向模糊度固定解和后向模糊度固定解均判定成功,则对前向模糊度固定解和后向模糊度固定解进行平滑处理,得到质检定位数据;
若前向模糊度固定解和后向模糊度固定解均判定失败,则根据前向位置的精度信息和后向位置的精度信息,将前向模糊度固定解或后向模糊度固定解确定为目标模糊度固定解;根据目标模糊度固定解,得到质检定位数据;
若前向模糊度固定解判定成功或后向模糊度固定解判定成功,则根据判定成功的模糊度固定解,得到质检定位数据。
在一个实施例中,处理器执行将质检定位数据或RTK定位数据,确认为目标位置数据的步骤时,包括:
判断RTK定位数据是否存在固定解,
若判断的结果为否,则将质检定位数据确认为目标位置数据;
若判断的结果为是,则判定质检坐标与RTK定位坐标是否大于阈值;若判定的结果为否,则将质检定位数据确认为目标位置数据;若判定的结果为否,则根据质检精度和RTK定位精度,将质检定位数据或RTK定位数据,确认为目标位置数据。
在一个实施例中,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:
接收基站传输的差分数据、移动站传输的原始观测数据;原始观测数据包括观测值、高度角、信噪比和基线长信息;
根据差分数据和原始观测数据,生成双差观测模型;
获取双差观测模型的前向模糊度固定解;前向模糊度固定解为基于采用联合加权模型对双差观测模型进行前向滤波解算的输出结果得到;联合加权模型为根据观测值的方差、高度角、信噪比和基线长信息得到;
对前向模糊度固定解进行反算处理,输出质检定位数据。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
前向模糊度固定解为基于采用联合加权模型对双差观测模型进行前向卡尔曼滤波解算,并根据前向卡尔曼滤波解算对应的模糊度浮点解及前向卡尔曼滤波解算对应模糊度方差协方差矩阵得到。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
接收RTK主机传输的RTK定位数据;
将质检定位数据或RTK定位数据,确认为目标位置数据并将目标位置数据输出。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取原始观测数据中的周跳值,并对周跳值进行修复,得到当前观测数据;
处理当前观测数据和差分数据,生成双差观测模型。
在一个实施例中,获取原始观测数据中的周跳值,并对周跳值进行修复,得到当前观测数据的步骤被处理器执行时包括以下步骤:
采用自适应模型和TurboEdit模型对原始观测数据进行周跳探测,得到原始观测数据中的周跳值;
对周跳值进行模糊度参数重置,得到当前观测数据。
在一个实施例中,根据前向卡尔曼滤波解算对应的模糊度浮点解及前向卡尔曼滤波解算对应模糊度方差协方差矩阵得到前向模糊度固定解的步骤被处理器执行时,包括以下步骤:
根据高度角、信噪比和卫星连续跟踪历元数,对原始观测数据进行异常值剔除处理,得到第一观测数据;
对第一观测数据进行模糊度搜索,得到模糊度浮点解对应的第一固定解;
对第一固定解进行Ratio阈值判定处理;
若Ratio阈值判定的结果为失败,则根据模糊度方差协方差矩阵,得到模糊度精度衰减因子;
根据模糊度精度衰减因子,对第一观测数据进行剔除处理,得到第二观测数据;
采用模糊度搜索方法对第二观测数据进行处理,获取模糊度浮点解对应的第二固定解,并将第二固定解作为前向模糊度固定解。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
若Ratio阈值判定的结果为成功,则将第一固定解作为前向模糊度固定解;
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
采用联合加权模型对双差观测模型进行后向卡尔曼滤波解算,得到后向卡尔曼滤波解算对应的模糊度浮点解、及后向卡尔曼滤波解算对应的模糊度方差协方差矩阵;
基于后向卡尔曼滤波解算对应的模糊度浮点解及后向卡尔曼滤波解算对应的模糊度方差协方差矩阵,获取后向模糊度固定解;
根据后向模糊度固定解,得到后向位置数据;
其中,根据前向位置数据,得到质检定位数据的步骤包括:
比对后向位置数据与前向位置数据,得到质检定位数据。
在一个实施例中,比对后向位置数据与前向位置数据,得到质检定位数据的步骤被处理器执行时包括:
对前向模糊度固定解和后向模糊度固定解进行Ratio阈值判定处理;
若前向模糊度固定解和后向模糊度固定解均判定成功,则对前向模糊度固定解和后向模糊度固定解进行平滑处理,得到质检定位数据;
若前向模糊度固定解和后向模糊度固定解均判定失败,则根据前向位置的精度信息和后向位置的精度信息,将前向模糊度固定解或后向模糊度固定解确定为目标模糊度固定解;根据目标模糊度固定解,得到质检定位数据;
若前向模糊度固定解判定成功或后向模糊度固定解判定成功,则根据判定成功的模糊度固定解,得到质检定位数据。
在一个实施例中,将质检定位数据或RTK定位数据,确认为目标位置数据的步骤被处理器执行时,包括:
判断RTK定位数据是否存在固定解,
若判断的结果为否,则将质检定位数据确认为目标位置数据;
若判断的结果为是,则判定质检坐标与RTK定位坐标是否大于阈值;若判定的结果为否,则将质检定位数据确认为目标位置数据;若判定的结果为否,则根据质检精度和RTK定位精度,将质检定位数据或RTK定位数据,确认为目标位置数据。
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发明专利范围的限制。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,本发明专利的保护范围应以所附权利要求为准。
Claims (13)
1.一种RTK定位数据的质检方法,其特征在于,包括步骤:
接收基站传输的差分数据、移动站传输的原始观测数据;所述原始观测数据包括观测值、高度角、信噪比和基线长信息;
根据所述差分数据和所述原始观测数据,生成双差观测模型;
获取所述双差观测模型的前向模糊度固定解;所述前向模糊度固定解为基于采用联合加权模型对所述双差观测模型进行前向滤波解算的输出结果得到;所述联合加权模型为根据所述观测值的方差、所述高度角、所述信噪比和所述基线长信息得到;
其中,在所述前向模糊度固定解为基于采用联合加权模型对所述双差观测模型进行前向滤波解算的输出结果得到的步骤中,基于以下公式,得到所述输出结果:
σ2=a2+s2·b2/sin2el+c2;
其中,σ2为所述观测值的方差,el为所述高度角,a,b为经验值系数,s为信噪比加权系数,c为与所述基线长信息相关的方差补偿值,snr为所述信噪比,bl为所述基线长信息;对所述前向模糊度固定解进行反算处理,输出质检定位数据;
还包括步骤:
接收RTK主机传输的RTK定位数据;
将所述质检定位数据或所述RTK定位数据,确认为目标位置数据并输出。
2.根据权利要求1所述的RTK定位数据的质检方法,其特征在于,所述前向滤波解算包括前向卡尔曼滤波解算;所述输出结果包括所述前向卡尔曼滤波解算对应的模糊度浮点解及所述前向卡尔曼滤波解算对应模糊度方差协方差矩阵;
所述前向模糊度固定解为基于采用联合加权模型对所述双差观测模型进行前向滤波解算的输出结果得到的步骤包括:
所述前向模糊度固定解为基于采用联合加权模型对所述双差观测模型进行前向卡尔曼滤波解算,并根据所述前向卡尔曼滤波解算对应的模糊度浮点解及所述前向卡尔曼滤波解算对应模糊度方差协方差矩阵得到。
3.根据权利要求1或2所述的RTK定位数据的质检方法,其特征在于,根据所述差分数据和所述原始观测数据,生成双差观测模型的步骤,包括:
获取所述原始观测数据中的周跳值,并对所述周跳值进行修复,得到当前观测数据;
处理所述当前观测数据和所述差分数据,生成所述双差观测模型。
4.根据权利要求3所述的RTK定位数据的质检方法,其特征在于,获取所述原始观测数据中的周跳值,并对所述周跳值进行修复,得到当前观测数据的步骤,包括:
采用自适应模型和TurboEdit模型对所述原始观测数据进行周跳探测,得到所述原始观测数据中的周跳值;
对所述周跳值进行模糊度参数重置,得到所述当前观测数据。
6.根据权利要求2所述的RTK定位数据的质检方法,其特征在于,
根据前向卡尔曼滤波解算对应的模糊度浮点解及前向卡尔曼滤波解算对应模糊度方差协方差矩阵得到所述前向模糊度固定解的步骤,包括:
根据所述高度角、所述信噪比和卫星连续跟踪历元数,对原始观测数据进行异常值剔除处理,得到第一观测数据;
对所述第一观测数据进行模糊度搜索,得到模糊度浮点解对应的第一固定解;
对所述第一固定解进行Ratio阈值判定处理;
若所述Ratio阈值判定的结果为失败,则根据所述模糊度方差协方差矩阵,得到模糊度精度衰减因子;
根据所述模糊度精度衰减因子,对所述第一观测数据进行剔除处理,得到第二观测数据;
对所述第二观测数据采用模糊度搜索处理,获取模糊度浮点解对应的第二固定解,并将所述第二固定解作为所述前向模糊度固定解。
7.根据权利要求6所述的RTK定位数据的质检方法,其特征在于,还包括步骤:
若所述Ratio阈值判定的结果为成功,则将所述第一固定解作为所述前向模糊度固定解。
8.根据权利要求1所述的RTK定位数据的质检方法,其特征在于,获取所述双差观测模型的前向模糊度固定解的步骤之后,还包括:
采用所述联合加权模型对所述双差观测模型进行后向卡尔曼滤波解算,得到后向卡尔曼滤波解算对应的模糊度浮点解、及所述后向卡尔曼滤波解算对应的模糊度方差协方差矩阵;
基于所述后向卡尔曼滤波解算对应的模糊度浮点解及所述后向卡尔曼滤波解算对应的模糊度方差协方差矩阵,获取后向模糊度固定解;
根据所述后向模糊度固定解,得到后向位置数据;
其中,根据所述前向位置数据,得到质检定位数据的步骤包括:
比对所述后向位置数据与所述前向位置数据,得到所述质检定位数据。
9.根据权利要求8所述的RTK定位数据的质检方法,其特征在于,所述前向位置数据包括前向位置的坐标信息和精度信息;所述后向位置数据包括后向位置的坐标信息和精度信息;
比对所述后向位置数据与所述前向位置数据,得到所述质检定位数据的步骤,包括:
对所述前向模糊度固定解和所述后向模糊度固定解进行Ratio阈值判定处理;
若所述前向模糊度固定解和后向模糊度固定解均判定成功,则对所述前向模糊度固定解和所述后向模糊度固定解进行平滑处理,得到所述质检定位数据;
若所述前向模糊度固定解和所述后向模糊度固定解均判定失败,则根据所述前向位置的精度信息和所述后向位置的精度信息,将所述前向模糊度固定解或后向模糊度固定解确定为目标模糊度固定解;根据所述目标模糊度固定解,得到所述质检定位数据;
若所述前向模糊度固定解判定成功或后向模糊度固定解判定成功,则根据判定成功的模糊度固定解,得到所述质检定位数据。
10.根据权利要求1所述的RTK定位数据的质检方法,其特征在于,
所述质检定位数据包括质检坐标和质检精度;所述RTK定位数据包括RTK定位坐标和RTK定位精度;
将所述质检定位数据或所述RTK定位数据,确认为目标位置数据的步骤包括:
判断所述RTK定位数据是否存在固定解,
若所述判断的结果为否,则将所述质检定位数据确认为目标位置数据;
若所述判断的结果为是,则判定所述质检坐标与所述RTK定位坐标是否大于阈值;若所述判定的结果为否,则将所述质检定位数据确认为目标位置数据;若所述判定的结果为否,则根据所述质检精度和所述RTK定位精度,将所述质检定位数据或所述RTK定位数据,确认为目标位置数据。
11.一种RTK定位数据的质检装置,其特征在于,包括:
数据获取模块,用于接收基站传输的差分数据、移动站传输的原始观测数据;所述原始观测数据包括观测值、高度角、信噪比和基线长信息;
双差观测模型建立模块,根据所述差分数据和所述原始观测数据,生成双差观测模型;
解算模块,用于获取所述双差观测模型的前向模糊度固定解;所述前向模糊度固定解为基于采用联合加权模型对所述双差观测模型进行前向滤波解算的输出结果得到;所述联合加权模型为根据所述观测值的方差、所述高度角、所述信噪比和所述基线长信息得到;还用于基于以下公式,得到所述输出结果:
σ2=a2+s2·b2/sin2el+c2;
其中,σ2为所述观测值的方差,el为所述高度角,a,b为经验值系数,s为信噪比加权系数,c为与所述基线长信息相关的方差补偿值,snr为所述信噪比,bl为所述基线长信息;
质检定位数据获取模块,用于对所述前向模糊度固定解进行反算处理,得到质检定位数据并将所述质检定位数据输出。
12.一种RTK定位数据的质检设备,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10中任一项所述方法的步骤。
13.一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10中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910893190.7A CN110646820B (zh) | 2019-09-20 | 2019-09-20 | Rtk定位数据的质检方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910893190.7A CN110646820B (zh) | 2019-09-20 | 2019-09-20 | Rtk定位数据的质检方法、装置、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110646820A CN110646820A (zh) | 2020-01-03 |
CN110646820B true CN110646820B (zh) | 2021-11-30 |
Family
ID=68992261
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910893190.7A Active CN110646820B (zh) | 2019-09-20 | 2019-09-20 | Rtk定位数据的质检方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110646820B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113138402B (zh) * | 2020-01-19 | 2022-11-08 | 千寻位置网络有限公司 | 基于rtk的模糊度固定方法及装置、存储介质 |
CN112146557A (zh) * | 2020-08-17 | 2020-12-29 | 武汉苍穹电子仪器有限公司 | 一种基于gnss的实时桥梁变形监测系统及方法 |
CN113050135B (zh) * | 2021-03-26 | 2022-09-13 | 同济大学 | 一种低成本gnss终端数据异常处理的方法 |
CN113156477B (zh) * | 2021-04-15 | 2022-08-26 | 中国科学院精密测量科学与技术创新研究院 | 一种基于Android智能手机的高精度RTK定位方法 |
CN114325777B (zh) * | 2021-11-11 | 2023-10-13 | 中航机载系统共性技术有限公司 | 一种周跳探测和修复方法、装置及设备 |
CN114488238B (zh) * | 2021-11-15 | 2022-11-18 | 北京凯芯微科技有限公司 | Rtk定位方法及相关设备 |
CN115639583A (zh) * | 2022-12-21 | 2023-01-24 | 深圳华大北斗科技股份有限公司 | 基于Android系统的高精度定位装置 |
CN116106952B (zh) * | 2023-02-24 | 2023-06-09 | 广州导远电子科技有限公司 | 模糊度固定的检测方法、终端设备及存储介质 |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5935194A (en) * | 1994-02-18 | 1999-08-10 | Trimble Navigation Limited | Method for using external constraints to improve the speed and reliability of phase ambiguity resolution in real-time kinematic initialization |
US7586440B2 (en) * | 2004-08-25 | 2009-09-08 | The Ritsumeikan Trust | Independent positioning device and independent positioning method |
CN102298151A (zh) * | 2011-07-20 | 2011-12-28 | 东南大学 | 一种gnss网络差分定位系统中的误差改正方法 |
CN104536027A (zh) * | 2015-01-28 | 2015-04-22 | 中国人民解放军国防科学技术大学 | 一种实时北斗精密相对定位的方法 |
CN105158783A (zh) * | 2015-08-21 | 2015-12-16 | 上海海积信息科技股份有限公司 | 一种实时动态差分定位方法及其设备 |
US9405015B2 (en) * | 2012-12-18 | 2016-08-02 | Subcarrier Systems Corporation | Method and apparatus for modeling of GNSS pseudorange measurements for interpolation, extrapolation, reduction of measurement errors, and data compression |
EP3124998A1 (en) * | 2014-03-28 | 2017-02-01 | Mitsubishi Electric Corporation | Positioning device |
CN107229061A (zh) * | 2017-07-18 | 2017-10-03 | 武汉大学 | 一种基于低轨卫星的星地差分实时精密定位方法 |
CN107607973A (zh) * | 2017-09-12 | 2018-01-19 | 武汉大学 | Gnss网络rtk参考站间模糊度快速固定方法及系统 |
CN107765275A (zh) * | 2017-09-04 | 2018-03-06 | 深圳市时空导航科技有限公司 | 广域差分定位方法、装置、终端及计算机可读存储介质 |
CN108205150A (zh) * | 2016-12-19 | 2018-06-26 | 千寻位置网络有限公司 | 差分定位方法及系统 |
CN108680937A (zh) * | 2018-05-17 | 2018-10-19 | 安徽理工大学 | 一种新型的多系统gnss基线网的选星方法 |
CN108802781A (zh) * | 2018-05-03 | 2018-11-13 | 广州市中海达测绘仪器有限公司 | 整周模糊度的获取方法 |
CN108802770A (zh) * | 2018-06-01 | 2018-11-13 | 东南大学 | 一种ins增强gnss的高精度动态定位检定基准 |
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 |
CN109116394A (zh) * | 2018-09-10 | 2019-01-01 | 中国科学院国家授时中心 | 一种适用于不同长度基线的实时动态定位方法 |
KR20190044417A (ko) * | 2017-10-20 | 2019-04-30 | 국방과학연구소 | 위상비교 방식을 이용한 2차원 방향탐지 오차 추정 시스템 및 그 방법 |
CN109901204A (zh) * | 2019-03-27 | 2019-06-18 | 北京航空航天大学 | 一种基于伪距误差分布模型的gbas完好性性能评估方法 |
CN109932735A (zh) * | 2019-03-25 | 2019-06-25 | 中国铁路设计集团有限公司 | 北斗短基线单频单历元解算的定位方法 |
-
2019
- 2019-09-20 CN CN201910893190.7A patent/CN110646820B/zh active Active
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5935194A (en) * | 1994-02-18 | 1999-08-10 | Trimble Navigation Limited | Method for using external constraints to improve the speed and reliability of phase ambiguity resolution in real-time kinematic initialization |
US7586440B2 (en) * | 2004-08-25 | 2009-09-08 | The Ritsumeikan Trust | Independent positioning device and independent positioning method |
CN102298151A (zh) * | 2011-07-20 | 2011-12-28 | 东南大学 | 一种gnss网络差分定位系统中的误差改正方法 |
US9405015B2 (en) * | 2012-12-18 | 2016-08-02 | Subcarrier Systems Corporation | Method and apparatus for modeling of GNSS pseudorange measurements for interpolation, extrapolation, reduction of measurement errors, and data compression |
EP3124998A1 (en) * | 2014-03-28 | 2017-02-01 | Mitsubishi Electric Corporation | Positioning device |
CN104536027A (zh) * | 2015-01-28 | 2015-04-22 | 中国人民解放军国防科学技术大学 | 一种实时北斗精密相对定位的方法 |
CN105158783A (zh) * | 2015-08-21 | 2015-12-16 | 上海海积信息科技股份有限公司 | 一种实时动态差分定位方法及其设备 |
CN108205150A (zh) * | 2016-12-19 | 2018-06-26 | 千寻位置网络有限公司 | 差分定位方法及系统 |
CN107229061A (zh) * | 2017-07-18 | 2017-10-03 | 武汉大学 | 一种基于低轨卫星的星地差分实时精密定位方法 |
CN107765275A (zh) * | 2017-09-04 | 2018-03-06 | 深圳市时空导航科技有限公司 | 广域差分定位方法、装置、终端及计算机可读存储介质 |
CN107607973A (zh) * | 2017-09-12 | 2018-01-19 | 武汉大学 | Gnss网络rtk参考站间模糊度快速固定方法及系统 |
KR20190044417A (ko) * | 2017-10-20 | 2019-04-30 | 국방과학연구소 | 위상비교 방식을 이용한 2차원 방향탐지 오차 추정 시스템 및 그 방법 |
CN108802781A (zh) * | 2018-05-03 | 2018-11-13 | 广州市中海达测绘仪器有限公司 | 整周模糊度的获取方法 |
CN108680937A (zh) * | 2018-05-17 | 2018-10-19 | 安徽理工大学 | 一种新型的多系统gnss基线网的选星方法 |
CN108802770A (zh) * | 2018-06-01 | 2018-11-13 | 东南大学 | 一种ins增强gnss的高精度动态定位检定基准 |
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 |
CN109116394A (zh) * | 2018-09-10 | 2019-01-01 | 中国科学院国家授时中心 | 一种适用于不同长度基线的实时动态定位方法 |
CN109932735A (zh) * | 2019-03-25 | 2019-06-25 | 中国铁路设计集团有限公司 | 北斗短基线单频单历元解算的定位方法 |
CN109901204A (zh) * | 2019-03-27 | 2019-06-18 | 北京航空航天大学 | 一种基于伪距误差分布模型的gbas完好性性能评估方法 |
Non-Patent Citations (10)
Title |
---|
GNSS_MIMU紧组合实时POS在高精度无人机航测中的应用;史小雨 等;《第九届中国卫星导航学术年会论文集——S10 多源融合导航技术》;20180523;第1-5页 * |
GPS/BDS精密相对定位技术研究;吕金浩;《中国优秀硕士学位论文全文数据库 信息科技辑》;20180416;第1-72页 * |
GPS/GLONASS carrier phase elevation-dependent stochastic modelling estimation and its application in bridge monitoring;RuijieXi 等;《Advances in Space Research》;20181101;第62卷(第9期);第2566-2585页 * |
Increasing GNSS RTK availability with a new single-epoch batch partial ambiguity resolution algorithm;Alex Parkins;《GPS Solut》;20101222;第391-402页 * |
Stochastic modeling of BDS2/3 observations with application to RTD/RTK positioning;Pengyu Hou 等;《Measurement Science and Technology》;20190719;第1-18页 * |
The Application of a New Multi-gross Errors Detection Method with the Epoch Variation Constraint in UAV;Hongyu Shan 等;《第九届中国卫星导航学术年会论文集——S01 卫星导航应用技术》;20180523;第1页 * |
中长基线连续运行参考站间模糊度快速解算;徐彦田 等;《导航定位学报》;20130630;第1卷(第2期);第15-19页 * |
基于GPS伪距观测值的三种随机模型比较;何维卿 等;《上海国土资源》;20181212;第161-164页 * |
顾及基线形变的多天线GNSS载波相位精密测姿技术;陆仁锋 等;《第十届中国卫星导航年会论文集——S05 空间基准与精密定位》;20190522;第1-7页 * |
高度角信噪比联合随机模型的抗差GPS/COMPASS实时差分定位算法分析;刘云朋 等;《大地测量与地球动力学》;20140830;第34卷(第4期);第145-148页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110646820A (zh) | 2020-01-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110646820B (zh) | Rtk定位数据的质检方法、装置、设备和存储介质 | |
US11237276B2 (en) | System and method for gaussian process enhanced GNSS corrections generation | |
US20220283320A1 (en) | Systems and methods for high-integrity satellite positioning | |
CN108508461B (zh) | 基于gnss载波相位高精度定位完好性监测方法 | |
Li et al. | GNSS ambiguity resolution with controllable failure rate for long baseline network RTK | |
RU2591953C2 (ru) | Навигационная система и способ разрешения целочисленных неоднозначностей с использованием ограничения неоднозначности двойной разности | |
EP2156214B1 (en) | Partial search carrier-phase integer ambiguity resolution | |
JP6564028B2 (ja) | ガイダンスの質を強化するためのモニターベースのアンビギュイティ検証 | |
US8416133B2 (en) | System and method for compensating for faulty measurements | |
EP3792665A1 (en) | Protection level generation methods and systems for applications using navigation satellite system (nss) observations | |
US20220107427A1 (en) | System and method for gaussian process enhanced gnss corrections generation | |
El-Mowafy | GNSS multi-frequency receiver single-satellite measurement validation method | |
US11480690B2 (en) | System and method for satellite positioning | |
CN108802781B (zh) | 整周模糊度的获取方法 | |
CN113466903B (zh) | 一种顾及观测值系统误差的部分模糊度固定算法 | |
WO2015145718A1 (ja) | 測位装置 | |
KR20200060382A (ko) | 위성 항법을 위한 보정 데이터를 제공하는 방법 및 장치 | |
CN112147645A (zh) | 导航欺骗信号的检测方法、装置和导航接收机 | |
Cellmer et al. | Fast and precise positioning using MAFA method and new GPS and Galileo signals | |
CN111856513A (zh) | 卫星观测值获取方法、装置、计算机设备和存储介质 | |
CN115201872A (zh) | 一种基于选星的gnss伪距粗差探测方法及系统 | |
CN111123315A (zh) | 非差非组合ppp模型的优化方法及装置、定位系统 | |
CN111522032B (zh) | 一种北斗三号系统用户完好性处理的优化方法及优化装置 | |
CN115728793A (zh) | 一种基于dia理论的精密单点定位粗差探测与处理方法 | |
Naciri et al. | Rtk-quality positioning with global precise point positioning corrections |
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 |