CN111650625B - 基于智能体gnss短基线矢量实时解算处理方法 - Google Patents

Abstract

本发明公开基于智能体GNSS短基线矢量实时解算处理方法，包括以下步骤：设定短基线向量、计算投影的双差值、获得模糊度整数解和获得短基线解；本发明将流程反向进行，先设定短基线，由三维短基线向量投影到各个卫星方向矢量，参照由接收机获得的各卫星单差数据推算出模糊度的整数解，再代入公式计算出定位后的残差，按照残差的大小排序得出合理的短基线解，同时，使用大规模逻辑电路FPGA实现模糊度搜索算法，具有速度快、准确性高的优点，突破了传统算法受CPU运算能力的限制，极大地提高了解算速度，具有很强的实用性，其数据接口简单、方便，可以封装为IP核使用，从而降低高精度开发的难度。

Description

基于智能体GNSS短基线矢量实时解算处理方法

技术领域

本发明涉及定位技术领域，尤其涉及基于智能体GNSS短基线矢量实时解算处理方法。

背景技术

在无人车感知层面，定位的重要性不言而喻，无人车需要知道自己相对于环境的一个确切位置，这里的定位不能存在超过10cm的误差，GPS可以为车辆提供精度为米级的绝对定位，差分GPS或RTKGPS可以为车辆提供精度为厘米级的绝对定位，然而并非所有的路段在所有时间都可以得到良好的GPS信号，所以，在自动驾驶领域，RTKGPS的输出一般都要与IMU，汽车自身的传感器(如轮速计、方向盘转角传感器等)进行融合；

其中，模糊度固定是RTK最重要的环节之一,高精度定位的前提是获得准确的载波整周模糊度，传统的方法采用KALMAN滤波获得整周模糊度的浮点解，再通过LAMBDA算法进行降相关，从而缩小搜索范围，得到载波整周模糊度的整数解，具体思路是通过滤波降噪缩小模糊度的范围，再通过降维把搜索空间降到三维，搜索得到模糊度的整数解，进而获得短基线解并输出，然而，传统解算模糊度方法，在开机或是信号中断重捕后，要经历5～10秒钟的时间才能解算出模糊度，对于一些特定应用场合，例如信号频繁中断或是较高动态时，接收机需要在极短时间内完成载波模糊度解算，传统解算方法无法满足需求，因此，本发明提出基于智能体GNSS短基线矢量实时解算处理方法以解决现有技术中存在的问题。

发明内容

针对上述问题，本发明的目的在于提出基于智能体GNSS短基线矢量实时解算处理方法，该处理方法使用大规模逻辑电路FPGA实现模糊度搜索算法，具有速度快、准确性高的优点，突破了传统算法受CPU运算能力的限制，极大地提高了解算速度。

为实现本发明的目的，本发明通过以下技术方案实现：基于智能体GNSS短基线矢量实时解算处理方法，包括以下步骤：

步骤一：设定短基线向量

获取各卫星方向矢量和双频载波单差的周内部分，在该范围内设定短基线，生成短基线向量；

步骤二：计算投影的双差值

由三维短基线向量投影到各个卫星方向矢量，计算短基线向量在个卫星来向上的投影，计算该投影的双差值，获得两个单频的整周部分；

步骤三：获得模糊度整数解

然后通过接收机获得各卫星单差数据，代入步骤二中的整周部分，并通过单点定位解算推算出模糊度的整数解，获得定位前各信号的残差；

步骤四：获得短基线解

在定位前各信号的残差中，通过定位解算计算出定位后的残差，然后将定位后的残差进行排序，得出合理的短基线解，遍历短基线，输出模糊度固定解。

进一步改进在于：利用大规模逻辑电路FPGA，引用入上述步骤中，采用流水线设计，各个计算单元并行执行，其中执行时间最长的是矩阵运算，矩阵的维数DIM＝参与计算的卫星数-参与计算的系统数，执行一个矩阵运算的时间为DIM×DIM个时钟，而其它运算单元的计算时间均小于这个时间，所以按照流水线设计的计算方法，取DIM×DIM个时钟为其在一个点上的计算时间，对于双频搜索，两个频率上矩阵运算同步进行，并且考虑到搜索空间的对称性，在八个空间同时进行，同一时刻做16组矩阵运算，平均到一个点的运算时间为DIM×DIM/8个时钟。

进一步改进在于：八个空间即空间坐标系的八个象限。

进一步改进在于：利用大规模逻辑电路FPGA的具体流程为：设定搜索空间为10m×10m×10m三维大小，搜索步进为0.2m，则搜索算法在125000个点上进行模糊度的求解计算，引入FPGA，FPGA的工作频率为80MHz，利用北斗双频和GPS双频搜索，参与计算的卫星为12颗，搜索步进为0.2m，则DIM＝12-2＝10；完成一个点的计算需要10×10/8＝12.5个时钟，全部工作时间为10/0.2×10/0.2×10/0.2×12.5/80M＝0.01953125秒。

进一步改进在于：所述步骤三中，通过接收机获得各卫星单差数据为周内小数部分。

进一步改进在于：所述步骤四中，当遍历短基线后，无法得出模糊度固定解，重复流程从步骤一开始，再次生成短基线向量。

进一步改进在于：所述步骤五中，取DIM×DIM个时钟为其在一个点上的计算时间，该一个点即一条短基线。

本发明的有益效果为：本发明将流程反向进行，先设定短基线，由三维短基线向量投影到各个卫星方向矢量，参照由接收机获得的各卫星单差数据推算出模糊度的整数解，再代入公式计算出定位后的残差，按照残差的大小排序得出合理的短基线解，同时，使用大规模逻辑电路FPGA实现模糊度搜索算法，具有速度快、准确性高的优点，突破了传统算法受CPU运算能力的限制，极大地提高了解算速度，具有很强的实用性，其数据接口简单、方便，可以封装为IP核使用，从而降低高精度开发的难度。

附图说明

图1为本发明的流程图。

具体实施方式

为了加深对本发明的理解，下面将结合实施例对本发明做进一步详述，本实施例仅用于解释本发明，并不构成对本发明保护范围的限定。

根据图1所示，本实施例提供了基于智能体GNSS短基线矢量实时解算处理方法，包括以下步骤：

步骤一：设定短基线向量(小于1米)

获取各卫星方向矢量和双频载波单差的周内部分，在该范围内设定短基线，生成短基线向量；

步骤二：计算投影的双差值

由三维短基线向量投影到各个卫星方向矢量，计算短基线向量在个卫星来向上的投影，计算该投影的双差值，获得两个单频的整周部分；

步骤三：获得模糊度整数解

然后通过接收机获得各卫星单差数据，即周内小数部分，代入步骤二中的整周部分，并通过单点定位解算推算出模糊度的整数解，获得定位前各信号的残差；

步骤四：获得短基线解

在定位前各信号的残差中，通过定位解算计算出定位后的残差，然后将定位后的残差按照残差的大小进行排序，得出合理的短基线解，遍历短基线，输出模糊度固定解，当遍历短基线后，无法得出模糊度固定解，重复流程从步骤一开始，再次生成短基线向量。

利用大规模逻辑电路FPGA，引用入上述步骤中，采用流水线设计，各个计算单元并行执行，其中执行时间最长的是矩阵运算，矩阵的维数DIM＝参与计算的卫星数-参与计算的系统数，执行一个矩阵运算的时间为DIM×DIM个时钟，而其它运算单元的计算时间均小于这个时间，所以按照流水线设计的计算方法，取DIM×DIM个时钟为其在一个点上的计算时间，该一个点即一条短基线，为提高硬件解算效率，对于双频搜索，两个频率上矩阵运算同步进行，并且考虑到搜索空间的对称性，在八个空间同时进行，即空间坐标系的八个象限，同一时刻做16组矩阵运算，平均到一个点的运算时间为DIM×DIM/8个时钟，具体流程为：设定搜索空间为10m×10m×10m三维大小，搜索步进为0.2m，则搜索算法在125000个点上进行模糊度的求解计算，这样庞大的计算量使用处理器是难以完成的，故引入FPGA，FPGA的工作频率为80MHz，利用北斗双频和GPS双频搜索，参与计算的卫星为12颗，搜索步进为0.2m，则DIM＝12-2＝10；完成一个点的计算需要10×10/8＝12.5个时钟，全部工作时间为10/0.2×10/0.2×10/0.2×12.5/80M＝0.01953125秒。

实验验证及结果：

为验证FPGA搜索算法，现使用两台接收机验证该搜索模块。输入数据如表1所示。

表1实验输入数据

设置搜索参数：搜索范围x(-10m,10m)、y(-10m,10m)、z(-10m,10m)，搜索步进0.2m，工作时钟80MHz，经过FPGA搜索模块解算后，搜索结果如表2所示。

表2实验解算结果

上表列出了在设定搜索范围内搜索得到的前十个解(按残差大小排序)，其中第一个解为短基线的真值，可以看到，短基线的真实值和其他假值的残差差距较大，可以明显区分开来。大部分情况下，第一个解(残差最小)为真值，在卫星数较少或搜索范围过大时，也会出现真值的残差大于假值的情况(通常真值在前四个解中出现)，这时候可以通过后续的观测数据予以区分。

在大多数情况下，搜索模块都能做到在短时间(小于50毫秒)内直接搜索得到短基线的真实解和各卫星观测量的整周解，具有快速准确的优点。模块的输入数据也比较简单，即各卫星的方向矢量和单差的周内部分，无需考虑前后历元的数据，实现单历元求解。

在实验中发现，搜索模块的搜索准确性高于传统方法，究其原因，传统方法使用LAMBDA算法进行降相关，从而缩小搜索范围，提高搜索效率，但是降相关过程中，会放大测量误差，而本设计使用的方法在搜索过程中并不会引入新的误差，故准确性得到了一定程度的提高。

正确设置搜索空间是本搜索算法的关键之处，短基线解的搜索空间越小，搜索速度越快，准确性也越高(虚警概率降低)，一般以伪距差分定位结果作为搜索原点，设置搜索范围为正负2米，则可以在毫秒级的时间得到搜索结果，对于开机或是失锁重捕后，伪距尚不准确时可以设置大的搜索范围。在有惯导辅助的情况下，可以由惯导得到位置的大致数值，也可以缩小搜索范围。

硬件资源使用：

上述搜索算法模块是在XC7Z020CLG400-2I上实现，八倍速(即八个象限同时搜索)搜索模块使用的硬件资源表3所示。

表3八倍速搜索模块使用的硬件资源

从表3中可以看出，使用的硬件逻辑资源并不多，只有乘法器的使用较多，乘法器主要用于矩阵运算。总体来说，硬件资源的使用是比较少的。

对于普通应用场合，可以使用较少的逻辑资源实现搜索，同时会相应地增加解算模糊度的时间，一倍速搜索使用的硬件资源表4所示。

表4一倍速搜索模块使用的硬件资源

FLOP_LATCH	1080
		LUT	1542
MUXFX	88
		CARRY	111
BMEM	2
		MULT	5
CLK	1
		DMEM	5

一倍速的硬件设计实现的是百毫秒级的搜索，但相较于传统算法解算速度也是较快的。

该基于智能体GNSS信号实时解算的载波整周模糊度处理方法将流程反向进行，先设定短基线，由三维短基线向量投影到各个卫星方向矢量，参照由接收机获得的各卫星单差数据推算出模糊度的整数解，再代入公式计算出定位后的残差，按照残差的大小排序得出合理的短基线解，同时，使用大规模逻辑电路FPGA实现模糊度搜索算法，具有速度快、准确性高的优点，突破了传统算法受CPU运算能力的限制，极大地提高了解算速度，具有很强的实用性，其数据接口简单、方便，可以封装为IP核使用，从而降低高精度开发的难度。

以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (5)

1.基于智能体GNSS短基线矢量实时解算处理方法，其特征在于，包括以下步骤：

步骤一：设定短基线向量

获取各卫星方向矢量和双频载波单差的周内部分，在所述周内部分设定短基线，生成短基线向量；

步骤二：计算投影的双差值

由三维短基线向量投影到各个卫星方向矢量，计算短基线向量在各卫星来向上的投影，计算该投影的双差值，获得两个单频的整周部分；

步骤三：获得模糊度整数解

然后通过接收机获得各卫星单差数据，代入步骤二中的整周部分，并通过单点定位解算推算出模糊度的整数解，获得定位前各信号的残差；

步骤四：获得短基线解

在定位前各信号的残差中，通过定位解算计算出定位后的残差，然后将定位后的残差按照残差的大小进行排序，得出合理的短基线解，遍历短基线，输出模糊度固定解；

利用大规模逻辑电路FPGA，引用入上述步骤中，采用流水线设计，各个计算单元并行执行，其中执行时间最长的是矩阵运算，矩阵的维数DIM＝参与计算的卫星数-参与计算的系统数，执行一个矩阵运算的时间为DIM×DIM个时钟，而所述矩阵运算单元外的运算单元的计算时间均小于这个时间，所以按照流水线设计的计算方法，取DIM×DIM个时钟为其在一个点上的计算时间，该一个点即一条短基线，对于双频搜索，两个频率上矩阵运算同步进行，并且考虑到搜索空间的对称性，在八个空间同时进行，同一时刻做16组矩阵运算，平均到一个点的运算时间为DIM×DIM/8个时钟。

2.根据权利要求1所述的基于智能体GNSS短基线矢量实时解算处理方法，其特征在于：八个空间即空间坐标系的八个象限。

3.根据权利要求1所述的基于智能体GNSS短基线矢量实时解算处理方法，其特征在于：利用大规模逻辑电路FPGA的具体流程为：设定搜索空间为10m×10m×10m三维大小，搜索步进为0.2m，则搜索算法在125000个点上进行模糊度的求解计算，引入FPGA，FPGA的工作频率为80MHz，利用北斗双频和GPS双频搜索，参与计算的卫星为12颗，搜索步进为0.2m，则DIM＝12-2＝10；完成一个点的计算需要10×10/8＝12.5个时钟，全部工作时间为10/0.2×10/0.2×10/0.2×12.5/80M＝0.01953125秒。

4.根据权利要求1所述的基于智能体GNSS短基线矢量实时解算处理方法，其特征在于：所述步骤三中，通过接收机获得各卫星单差数据为周内小数部分。

5.根据权利要求1所述的基于智能体GNSS短基线矢量实时解算处理方法，其特征在于：所述步骤四中，当遍历短基线后，无法得出模糊度固定解，重复流程从步骤一开始，再次生成短基线向量。

Images