CN110646822A - 一种基于惯导辅助的整周模糊度Kalman滤波算法 - Google Patents
一种基于惯导辅助的整周模糊度Kalman滤波算法 Download PDFInfo
- Publication number
- CN110646822A CN110646822A CN201810671126.XA CN201810671126A CN110646822A CN 110646822 A CN110646822 A CN 110646822A CN 201810671126 A CN201810671126 A CN 201810671126A CN 110646822 A CN110646822 A CN 110646822A
- Authority
- CN
- China
- Prior art keywords
- ambiguity
- observation
- satellite
- inertial navigation
- difference
- 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.)
- Granted
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
- G01S19/38—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
本发明公开了一种基于惯导辅助的整周模糊度Kalman滤波算法,它包括如下步骤:卫星捕获跟踪与同步;观测量提取;确定卫星位置速度计算;建立Kalman滤波模型;滤波估计;整周模糊度解算。本发明的优点是,它利用基于惯导辅助的Kalman滤波器实时估计整周模糊度浮点解,提高了模糊度求解的动态适应性,算法应用简单,无复杂或运算量巨大的算式,实时性和运算量方面都可保证在DSP或FPGA硬件平台上的算法编程实现,即易于工程实现。
Description
技术领域
本发明属于一种卫星导航差分接收机计算方法,具体涉及一种基于惯导 加速度信息辅助的Kalman滤波算法,用以提高模糊度浮点解求解动态适应 性。
背景技术
基于载波相位的动态差分技术(RTK技术)是一种高精度的定位技术, 它的应用领域广泛,比如高精度导航制导、无人机进场着陆等等。RTK技术 的关键是整周模糊度的快速准确求解。其中,应用最为广泛的模糊度求解算 法是LAMBDA算法,它分为模糊度实数估计和模糊度整数搜索两个过程。 模糊度的实数估计为模糊度参数提供一个搜索初始值,通常情况下是浮点数。 高精度的模糊度浮点解能够减小后续的搜索空间,有助于提高模糊度固定的 成功率,缩短整数搜索时间。
目前模糊度实数估计常用的方法有常规最小二乘法和Kalman滤波法。最 小二乘法的矩阵维数会随着历元数的增加而增加,当历元间间隔过小时会存 在病态性问题,因此在实际的使用中受到了极大限制。Kalman滤波法能够有 效解决上述问题。但由于机动载体的运动复杂多变,系统模型很难准确建立。 当载体实际的运动状态与滤波器的动态模型不相符时,容易造成发散。针对 这一问题,一些学者提出了一阶时间相关模型(Singer模型)、“当前”统计 模型等动态模型,用以提高滤波器的动态适应性,但仍然无法从根本上解决滤波发散问题。因此,在RTK技术中,需要一种能够适应各种复杂动态的滤 波算法。
发明内容
本发明的目的是提供一种基于惯导辅助的整周模糊度Kalman滤波算法, 它能够克服了模型不准确带来的发散现象,从而很好的解决高动态求解问题。
本发明是这样实现的,一种基于惯导辅助的整周模糊度Kalman滤波算 法,它包括如下步骤:
(1)卫星捕获跟踪与同步;
(2)观测量提取;
(3)确定卫星位置速度计算;
(4)建立Kalman滤波模型;
(5)滤波估计;
(6)整周模糊度解算。
所述的步骤(1)为基准站和流动站依次捕获卫星导航信号,对跟踪卫星 进行位同步和帧同步。
所述的步骤(2)为提取帧同步后的卫星伪距和载波相位观测量,并获得 完成帧同步后的各颗导航卫星的星历参数。
所述的步骤(3)为按照卫星导航接口控制文件(ICD)提供的卫星位置 计算方法,输入卫星发射时刻和星历参数计算得到卫星位置。
所述的步骤(4)为设待估计的状态向量x为
x=(r,v,N1,N2)T (1)
其中,r=(x,y,z)为接收机的位置参数,v=(vx,vy,vz)为接收机的速度参数,为所有卫星的站间单差整周模糊度参数,下标i代表 载波Li对应的载波相位;在等速模型的基础上,将惯导系统输出的加速度a作 为滤波器状态转移函数的输入量u,则位置和速度对应的状态转移函数可以写 为
式中,I为3×3的单位阵,ts为两个观测历元之间的时间间隔,ak表示惯导 系统在历元k获得的加速度测量值;对于模糊度参数,当卫星信号跟踪正常时, 其对应的模糊度固定不变;当发生周跳或失锁时,为了保证对应的模糊度能 够快速收敛,需要对这些模糊度参数重新赋值,并更新协方差矩阵中的相应 元素;
系统的过程噪声协方差矩阵可设为对角阵,其对角线元素的大小根据实 际载体的运动状态确定,
设系统的观测向量y为
y=(φ1,φ2,p1,p2)T (3)
其中,为对应载波相位观测量的观测函数, 为对应伪距观测量的观测函数,为卫星i和卫星j对于流动站r 和基准站b的双差距离,λi(i=1,2)为两个频率的载波波长,vφ和vp分别为载波相 位观测量和伪距观测量的观测噪声;
其对应的观测噪声协方差矩阵R为
所述的步骤(5)为滤波模型建立之后,按照下面公式进行实时参数估计:
所述的步骤(6)为在需要固定模糊度时,将上述滤波得到的模糊度参数 Ni(i=1,2)通过单差算子D转换为双差模糊度浮点解,将当前历元的滤波误差协 方差阵Pk通过单差算子D转化为双差模糊度浮点解对应的协方差矩阵,然后 利用已有的整数搜索算法LAMBDA算法搜索得到双差模糊度固定解,完成 整周模糊度解算。
本发明的优点是,它利用基于惯导辅助的Kalman滤波器实时估计整周模 糊度浮点解,提高了模糊度求解的动态适应性,算法应用简单,无复杂或运 算量巨大的算式,实时性和运算量方面都可保证在DSP或FPGA硬件平台上 的算法编程实现,即易于工程实现。
具体实施方式
下面结合具体实施例对本发明进行详细介绍:
一种基于惯导辅助的整周模糊度Kalman滤波算法,它包括如下步骤:
(1)卫星捕获跟踪与同步
基准站和流动站依次捕获卫星导航信号,对跟踪卫星进行位同步和帧同 步;
(2)观测量提取
提取帧同步后的卫星伪距和载波相位观测量,并获得完成帧同步后的各 颗导航卫星的星历参数;
(3)确定卫星位置速度计算
按照卫星导航接口控制文件(ICD)提供的卫星位置计算方法,输入卫 星发射时刻和星历参数计算得到卫星位置;
(4)建立Kalman滤波模型
设待估计的状态向量x为
x=(r,v,N1,N2)T (11)
其中,r=(x,y,z)为接收机的位置参数,v=(vx,vy,vz)为接收机的速度参数,为所有卫星的站间单差整周模糊度参数,下标i代表 载波Li对应的载波相位。在这里采用单差模糊度可以有效避免由于参考星发 生变化而带来的数据处理麻烦。
在等速模型的基础上,将惯导系统输出的加速度a作为滤波器状态转移函 数的输入量u,则位置和速度对应的状态转移函数可以写为
式中,I为3×3的单位阵,ts为两个观测历元之间的时间间隔,ak表示惯导 系统在历元k获得的加速度测量值。
对于模糊度参数,当卫星信号跟踪正常时,其对应的模糊度固定不变; 当发生周跳或失锁时,为了保证对应的模糊度能够快速收敛,需要对这些模 糊度参数重新赋值,并更新协方差矩阵中的相应元素。因此,这一状态转移 过程是非线性的。
系统的过程噪声协方差矩阵可设为对角阵,其对角线元素的大小根据实 际载体的运动状态确定。
设系统的观测向量y为
y=(φ1,φ2,p1,p2)T (13)
根据双差载波相位和伪距观测方程,可得观测函数为:
其中,为对应载波相位观测量的观测函数, 为对应伪距观测量的观测函数,为卫星i和卫星j对于流动站r 和基准站b的双差距离,λi(i=1,2)为两个频率的载波波长,vφ和vp分别为载波相 位观测量和伪距观测量的观测噪声。
其对应的观测噪声协方差矩阵R为
(5)滤波估计
滤波模型建立之后,按照下面公式进行实时参数估计:
(6)整周模糊度解算
在RTK技术的实际应用中,需要固定模糊度的情况有初始解算模糊度、 发生周跳、跟踪到新的卫星信号等。除了初始时刻,上述其他情况都会不定 时出现。在需要固定模糊度时,将上述滤波得到的模糊度参数Ni(i=1,2)通过单 差算子D转换为双差模糊度浮点解,将当前历元的滤波误差协方差阵Pk通过 单差算子D转化为双差模糊度浮点解对应的协方差矩阵,然后利用已有的整 数搜索算法LAMBDA算法搜索得到双差模糊度固定解,完成整周模糊度解 算。因此,为了快速得到这些模糊度的浮点解,在动态定位中需要实时地利 用Kalman滤波器进行参数估计。
基于新滤波算法的动态差分定位的流程:其中,初始化的滤波器参数包 括状态向量的初始值及其初始协方差阵,过程噪声协方差以及观测噪声协方 差;观测量预处理包括卫星位置计算、周跳探测等。在初始模糊度固定时, 利用实时估计的模糊度浮点解进行整数搜索,若搜索成功,则认为初始模糊 度固定成功,进入定位解算阶段,如果搜索失败,则进行下一个历元的滤波 估计,并利用下一个历元估计得到的模糊度浮点解再次搜索,直至搜索成功; 初始模糊度固定之后,若没有新的模糊度需要固定,则利用载波相位观测值 计算基线向量的固定解;若发生周跳、新卫星跟踪等情况时,则利用Kalman 滤波得到的模糊度浮点解及其协方差矩阵进行搜索,根据搜索的成功与否选 择输出固定解还是浮点解。
Claims (7)
1.一种基于惯导辅助的整周模糊度Kalman滤波算法,其特征在于:它包括如下步骤:
(1)卫星捕获跟踪与同步;
(2)观测量提取;
(3)确定卫星位置速度计算;
(4)建立Kalman滤波模型;
(5)滤波估计;
(6)整周模糊度解算。
2.如权利要求1所述的一种基于惯导辅助的整周模糊度Kalman滤波算法,其特征在于:所述的步骤(1)为基准站和流动站依次捕获卫星导航信号,对跟踪卫星进行位同步和帧同步。
3.如权利要求1所述的一种基于惯导辅助的整周模糊度Kalman滤波算法,其特征在于:所述的步骤(2)为提取帧同步后的卫星伪距和载波相位观测量,并获得完成帧同步后的各颗导航卫星的星历参数。
4.如权利要求1所述的一种基于惯导辅助的整周模糊度Kalman滤波算法,其特征在于:所述的步骤(3)为按照卫星导航接口控制文件(ICD)提供的卫星位置计算方法,输入卫星发射时刻和星历参数计算得到卫星位置。
5.如权利要求1所述的一种基于惯导辅助的整周模糊度Kalman滤波算法,其特征在于:所述的步骤(4)为设待估计的状态向量x为
x=(r,v,N1,N2)T (1)
其中,r=(x,y,z)为接收机的位置参数,v=(vx,vy,vz)为接收机的速度参数,为所有卫星的站间单差整周模糊度参数,下标i代表载波Li对应的载波相位;在等速模型的基础上,将惯导系统输出的加速度a作为滤波器状态转移函数的输入量u,则位置和速度对应的状态转移函数可以写为
式中,I为3×3的单位阵,ts为两个观测历元之间的时间间隔,ak表示惯导系统在历元k获得的加速度测量值;对于模糊度参数,当卫星信号跟踪正常时,其对应的模糊度固定不变;当发生周跳或失锁时,为了保证对应的模糊度能够快速收敛,需要对这些模糊度参数重新赋值,并更新协方差矩阵中的相应元素;
系统的过程噪声协方差矩阵可设为对角阵,其对角线元素的大小根据实际载体的运动状态确定,
设系统的观测向量y为
y=(φ1,φ2,p1,p2)T (3)
其中,为对应载波相位观测量的观测函数,为对应伪距观测量的观测函数,为卫星i和卫星j对于流动站r和基准站b的双差距离,λi(i=1,2)为两个频率的载波波长,vφ和vp分别为载波相位观测量和伪距观测量的观测噪声;
其对应的观测噪声协方差矩阵R为
7.如权利要求1所述的一种基于惯导辅助的整周模糊度Kalman滤波算法,其特征在于:所述的步骤(6)为在需要固定模糊度时,将上述滤波得到的模糊度参数Ni(i=1,2)通过单差算子D转换为双差模糊度浮点解,将当前历元的滤波误差协方差阵Pk通过单差算子D转化为双差模糊度浮点解对应的协方差矩阵,然后利用已有的整数搜索算法LAMBDA算法搜索得到双差模糊度固定解,完成整周模糊度解算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810671126.XA CN110646822B (zh) | 2018-06-26 | 2018-06-26 | 一种基于惯导辅助的整周模糊度Kalman滤波算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810671126.XA CN110646822B (zh) | 2018-06-26 | 2018-06-26 | 一种基于惯导辅助的整周模糊度Kalman滤波算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110646822A true CN110646822A (zh) | 2020-01-03 |
CN110646822B CN110646822B (zh) | 2023-01-17 |
Family
ID=69008782
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810671126.XA Active CN110646822B (zh) | 2018-06-26 | 2018-06-26 | 一种基于惯导辅助的整周模糊度Kalman滤波算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110646822B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111190208A (zh) * | 2020-01-14 | 2020-05-22 | 成都纵横融合科技有限公司 | 一种基于rtk的gnss/ins紧组合导航解算方法 |
CN111578935A (zh) * | 2020-05-08 | 2020-08-25 | 北京航空航天大学 | 一种利用惯导位置增量辅助gnss模糊度固定的方法 |
CN112526573A (zh) * | 2021-02-07 | 2021-03-19 | 腾讯科技(深圳)有限公司 | 对象定位方法和装置、存储介质及电子设备 |
WO2023065840A1 (zh) * | 2021-10-19 | 2023-04-27 | 千寻位置网络有限公司 | 模糊度固定方法及其系统、存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110115669A1 (en) * | 2009-11-17 | 2011-05-19 | Topcon Positioning Systems, Inc. | Detection and Correction of Anomalous Measurements and Ambiguity Resolution in a Global ... |
CN102297695A (zh) * | 2010-06-22 | 2011-12-28 | 中国船舶重工集团公司第七○七研究所 | 一种深组合导航系统中的卡尔曼滤波处理方法 |
CN105842721A (zh) * | 2016-03-23 | 2016-08-10 | 中国电子科技集团公司第十研究所 | 提高中长基线gps整周模糊度解算成功率的方法 |
CN105891864A (zh) * | 2016-04-29 | 2016-08-24 | 辽宁工程技术大学 | 一种bds与gps系统间混合双差模糊度固定方法 |
CN107607972A (zh) * | 2017-08-21 | 2018-01-19 | 暨南大学 | 一种基于实数编码自适应遗传算法的整周模糊度快速获取方法 |
-
2018
- 2018-06-26 CN CN201810671126.XA patent/CN110646822B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110115669A1 (en) * | 2009-11-17 | 2011-05-19 | Topcon Positioning Systems, Inc. | Detection and Correction of Anomalous Measurements and Ambiguity Resolution in a Global ... |
CN102297695A (zh) * | 2010-06-22 | 2011-12-28 | 中国船舶重工集团公司第七○七研究所 | 一种深组合导航系统中的卡尔曼滤波处理方法 |
CN105842721A (zh) * | 2016-03-23 | 2016-08-10 | 中国电子科技集团公司第十研究所 | 提高中长基线gps整周模糊度解算成功率的方法 |
CN105891864A (zh) * | 2016-04-29 | 2016-08-24 | 辽宁工程技术大学 | 一种bds与gps系统间混合双差模糊度固定方法 |
CN107607972A (zh) * | 2017-08-21 | 2018-01-19 | 暨南大学 | 一种基于实数编码自适应遗传算法的整周模糊度快速获取方法 |
Non-Patent Citations (1)
Title |
---|
彭旭飞 等: "基于惯性辅助的GPS相对定位算法", 《导航与控制》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111190208A (zh) * | 2020-01-14 | 2020-05-22 | 成都纵横融合科技有限公司 | 一种基于rtk的gnss/ins紧组合导航解算方法 |
CN111578935A (zh) * | 2020-05-08 | 2020-08-25 | 北京航空航天大学 | 一种利用惯导位置增量辅助gnss模糊度固定的方法 |
CN111578935B (zh) * | 2020-05-08 | 2021-08-20 | 北京航空航天大学 | 一种利用惯导位置增量辅助gnss模糊度固定的方法 |
CN112526573A (zh) * | 2021-02-07 | 2021-03-19 | 腾讯科技(深圳)有限公司 | 对象定位方法和装置、存储介质及电子设备 |
WO2023065840A1 (zh) * | 2021-10-19 | 2023-04-27 | 千寻位置网络有限公司 | 模糊度固定方法及其系统、存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110646822B (zh) | 2023-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110646822B (zh) | 一种基于惯导辅助的整周模糊度Kalman滤波算法 | |
CN111239787B (zh) | 一种集群自主协同中的gnss动态卡尔曼滤波方法 | |
CN114518586B (zh) | 一种基于球谐展开的gnss精密单点定位方法 | |
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 | |
CN113359170B (zh) | 一种惯导辅助北斗单频动对动高精度相对定位方法 | |
CN107193028A (zh) | 基于GNSS的Kalman相对定位方法 | |
Li et al. | Performance analysis of indoor pseudolite positioning based on the unscented Kalman filter | |
CN116819580B (zh) | 一种惯性辅助的双天线gnss海上船舶姿态确定方法 | |
CN111505694A (zh) | 一种面向机载的bds-3三天线阵多频点测姿方法 | |
CN111856536A (zh) | 一种基于系统间差分宽巷观测的gnss/ins紧组合定位方法 | |
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 | |
CN108226976B (zh) | 一种RTK用自适应渐消Kalman滤波算法 | |
CN115616643B (zh) | 一种城市区域建模辅助的定位方法 | |
Vana et al. | Benefits of motion constraining for robust, low-cost, dual-frequency GNSS PPP+ MEMS IMU navigation | |
Ćwian et al. | GNSS-augmented lidar slam for accurate vehicle localization in large scale urban environments | |
CN112946697B (zh) | 一种基于深度学习的卫星信号周跳探测与修复方法 | |
CN110568466B (zh) | 基准站观测量推算方法及载波相位差分定位信息获取方法 | |
Kuang et al. | Robust constrained Kalman filter algorithm considering time registration for GNSS/acoustic joint positioning | |
CN113671551B (zh) | Rtk定位解算方法 | |
WO2021063209A1 (zh) | 整周模糊度确定方法、装置及设备 | |
Jwo | Complementary Kalman filter as a baseline vector estimator for GPS-based attitude determination | |
Zhang | Lidar-aided Instantaneous GNSS Ambiguity Resolution in Challenging Environments: Theoretical Assessment and Numerical Results | |
Baroni et al. | Evaluation of two integer ambiguity resolution methods for real time GPS positioning | |
Wang et al. | INS-aided single-frequency cycle-slip detection for real-time kinematic GNSS | |
Cellmer | On-the-fly ambiguity resolution using an estimator of the modified ambiguity covariance matrix for the GNSS positioning model based on phase data |
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 |