CN111694040A - 一种卫星/惯性组合导航系统定位方法与装置 - Google Patents

Abstract

本发明涉及一种卫星/惯性组合导航系统定位方法与装置，属于卫星定位技术领域。方法包括利用卫星/惯性组合导航系统中的原始观测值，计算每颗卫星各频点的整周模糊度；利用卫星/惯性组合导航系统，获取载波相位观测值，以及卫星天线到接收机天线的距离；并结合卫星各频点的整周模糊度，计算卫星各频点的观测量残差，当观测量残差大于设定的残差阈值时，判定卫星相应频点的整周模糊度为错误解；对整周模糊度不存在错误解的卫星，建立观测方程，利用卡尔曼滤波算法进行量测更新，确定最终的定位参数。本发明能够准确的筛选出整周模糊度存在错误解的卫星，剔除导致计算出错误解的观测值，利用剩下的观测值建立观测方程，求解出高精度定位参数。

Description

一种卫星/惯性组合导航系统定位方法与装置

技术领域

本发明属于卫星定位技术领域，具体涉及一种卫星/惯性组合导航系统定位方法与装置。

背景技术

卫星/惯性组合系统(GNSS/INS)能够提供位置、速度、姿态信息，被广泛应用于实时导航、移动测量、武器装备、导弹制导等领域。为获得厘米级的定位精度和高精度的测速、测姿精度，需要计算卫星观测量中的载波相位整周模糊度参数。在卫星/惯性组合系统中一般使用扩展Kalman(卡尔曼)滤波算法进行系统融合解算，并估计卫星导航系统(GNSS)和惯性导航系统(INS)的相关参数。因为需要估计整周模糊度参数，使得Kalman滤波时的相关矩阵阶数上升，上升为卫星数量的三次方，增加了模型的复杂度，且降低了数据处理效率，既不利于实时解算，也不方便事后处理软件进行数据解算。

作者肖凯等人于2018年在期刊《中国惯性技术学报》第26卷第2期公开了一篇名称为《三频差分GNSS/INS紧组合模型》的论文中，提出了一种GNSS/INS紧组合模型，可以很好地解算上述问题，通过将模糊度解算从融合滤波部分分离出来，充分利用三频模糊度解算(TCAR)算法快速解算的优点，降低了模糊度解算的复杂度，并使滤波阶数大大降低，从而增强了模型的可靠性，加快了解算的速度。然而，卫星观测量受接收机性能和观测环境影响，会较多地出现观测量误差较大的情况，这会令TCAR算法算得的模糊度整数解正确性不稳定，并进一步污染Kalman滤波解算。当观测数据质量差，TCAR算法计算的模糊度频繁出错时，对卫星/惯性组合导航系统的影响更为明显，导致定位精度降低。

作者戴海亮等人与2019年在期刊《测绘科学技术学报》第36卷第1期公开了一篇名称为《三频BDS/INS紧组合的抗差自适应Kalman滤波》的论文中，提出一种抗差自适应Kalman滤波算法，应用于三频GNSS/INS紧组合模型，在单颗卫星的模糊度都解算错误时，利用三频模糊度解算算法的抗错误解上，容错性较好，但若是在多颗卫星的模糊度都解算错误时，滤波结果不佳，仍会影响卫星/惯性组合导航系统的定位精度。

发明内容

本发明的目的是提供一种卫星/惯性组合导航系统定位方法与装置，用于解决现有卫星/惯性组合导航系统的定位精度低的问题。

基于上述目的，一种卫星/惯性组合导航系统定位方法的技术方案如下：

1)利用卫星/惯性组合导航系统中的原始观测值，计算每颗卫星各频点的整周模糊度；

2)利用所述卫星/惯性组合导航系统，获取载波相位观测值，以及卫星天线到接收机天线的距离；根据所述卫星各频点的整周模糊度，载波相位观测值，以及卫星天线到接收机的距离，计算卫星各频点的观测量残差，当所述观测量残差大于设定的残差阈值时，判定卫星相应频点的整周模糊度为错误解；所述残差阈值是根据惯性导航误差和载波相位波长确定的；

3)对整周模糊度不存在错误解的卫星，建立卫星/惯性组合导航系统的观测方程，利用卡尔曼滤波算法进行量测更新，确定最终的定位参数。

为解决上述技术问题，本发明还提出一种卫星/惯性组合导航系统定位装置，包括存储器和处理器，以及存储在所述存储器上并在所述处理器上运行的计算机程序，所述处理器与所述存储器相耦合，所述处理器执行所述计算机程序时实现上述定位方法。

上述两个技术方案的有益效果是：

本发明通过对卫星各频点的观测量残差进行残差阈值判断，确定整周模糊度为错误解的卫星，然后对剩余不存在错误解的卫星，建立卫星/惯性组合导航系统的观测方程，采用现有的卡尔曼滤波器进行滤波(即卡尔曼滤波算法进行量测更新)，更新定位参数。由于惯性导航存在误差，这将影响测量得到的观测值。同理，载波相位观测值存在误差，同样会影响测量得到的观测值。而错误整周模糊度带来的误差会直接作用于观测值的变化。因此，将二者结合作为残差阈值，能够准确的筛选出整周模糊度存在错误解的卫星，确定存在错误解的卫星后，剔除导致计算出错误解的观测值，利用剩下的观测值，建立观测方程，滤波效果佳，进而求解出定位参数，相对于现有技术，提高了定位精度。

为了实现观测量残差的判断，进一步，所述残差阈值的计算式如下：

式中，T(f)为所述残差阈值，δ_INS为惯性导航误差，

为第f频点的观测噪声误差，λ_f为载波相位波长，α，ξ为对应系数。

为了得到观测量残差，进一步，所述观测量残差的计算式如下：

式中，t(i,f)为所述观测量残差，i为卫星号，f为频点号；λ_f为载波相位波长，

为载波相位观测值，

为整周模糊度，

为接收机天线的相位中心与卫星天线的相位中心间的距离，▽Δ为双差算子。

为了提高定位参数的精度，进一步，当所述卡尔曼滤波算法为序贯卡尔曼滤波算法时，在每次量测更新过程中，利用本次观测值和上一次量测更新值，计算新息向量，判断所述新息向量是否大于设定的新息向量阈值，若大于，放弃本次量测更新，进行下一轮量测更新；根据最后一轮量测更新后得到的滤波值确定所述定位参数。

为了提高定位参数的精度，进一步，当所述卡尔曼滤波算法为扩展卡尔曼滤波算法时，利用当前时刻的观测值和上一时刻的量测更新值，计算每个卫星的新息向量，将新息向量大于设定的新息向量阈值的卫星观测值去掉，利用剩余卫星观测值，重新进行量测更新，确定最终的定位参数。

为了进一步筛选整周模糊度为错误解的卫星，所述新息向量阈值是根据卫星的载波相位波长确定的，计算式如下：

式中，L为所述新息向量阈值，η为系数，

为载波相位波长的平均波长。通过设置合理的新息向量阈值，达到上述目的。

在量测更新时，当所述新息向量大于设定的新息向量阈值时，放弃该卫星所有频点的量测更新，进行下一卫星各频点的量测更新。这种量测更新方式适用于性能较差的接收机。

在量测更新时，当所述新息向量大于设定的新息向量阈值时，放弃该卫星当前频点的量测更新，进行该卫星下一频点的量测更新。这种量测更新方式适用于性能较好的接收机。

进一步，利用卡尔曼滤波算法进行量测更新的值包括：定位参数，惯性导航系统含有的零偏参数。

附图说明

图1是本发明方法实施例一的卫星/惯性组合导航系统定位方法流程图；

图2是本发明装置实施例中的一种卫星/惯性组合导航系统定位装置图。

具体实施方式

下面结合附图对本发明的具体实施方式作进一步的说明。

方法实施例一：

本实施例的卫星/惯性组合导航系统定位方法，具体包括以下步骤：

获取k-1滤波周期的量测更新得到的状态参数

及其协方差阵P_k-1，计算k滤波周期的状态预测向量

及其协方差阵P_k，计算如下：

式中，Φ_k-1,k表示由上一滤波周期k-1到当前滤波周期k的系统状态转移矩阵；Q_k-1表示系统噪声的协方差阵；对于状态参数，用下标k-1，k分别表示上一滤波周期和当前滤波周期，用不同的上标注来表示状态参数x的两种性质：

和

分别表示量测更新解和状态预测解。

按照卫星高度角递减的原则，对所有卫星进行标记，记作i＝0,1,2,…n-1。选取序号i＝0的卫星作为TCAR算法和下面要列取观测方程的参考星，用于计算双差模糊度和构建双差观测方程。

首先，利用卫星导航系统中的原始观测值，采用TCAR算法计算每颗卫星三个频点的双差整周模糊度，记为

其中f＝1,2,3，i＝1,2,…n-1。TCAR算法的步骤可见记载在期刊《Science China Earth Sciences》上的2015年第58卷第6期第896-905页上，作者为Zhang X H等人，名称为《BDS triple-frequency carrier-phase linear combinationmodels and their characteristics》的论文中，本实施例不再赘述。

选择序号i＝1的卫星为首颗卫星。基于第1颗卫星的观测量，代入计算的双差模糊度

f＝1,2,3，构建第1卫星的观测方程，如下：

式中，λ是载波波长；

是载波相位观测值；D是多普勒观测值；N表示TCAR算法计算得到的三个频点的整周模糊度(即模糊度整数解)；E是接收机到卫星的方向余弦构成的1×3矩阵；ρ_INS表示惯性预测卫地距(接收机天线的相位中心到卫星天线的相位中心间的距离)；

是用惯导预测速度计算的接收机和卫星的相对速度；ε表示各观测量的观测噪声；▽Δ是双差算子；下标数字表示该量对应的频点。上述观测方程经过了线性化的观测方程，在状态初值附近进行了展开，待估计状态参数变成了状态的误差参数，即运算过程中使用的是状态参数的误差向量δx＝[δr,δv,δψ,δb_a,δb_g]^T。惯性导航系统含有的加速度零偏b_a和陀螺零偏b_g在很大程度上影响组合导航系统中惯性导航部分的导航精度，因此也需要求解。

采用该观测方程，采用扩展Kalman滤波算法，进行第1颗卫星量测更新，得到的量测更新解作为第2颗卫星序贯滤波的状态初值，然后，按照序号i递增的顺序进行序贯Kalman滤波。本实施例中，扩展Kalman滤波算法(EKF，extended Kalman filtering)是经典算法，可参考相关文献，在此不赘述，例如在2012年的期刊名称为《通信学报》，第33卷第1期且名称为《卫星导航系统中基于序贯处理的Kalman滤波》的论文中记载的扩展Kalman方法。

在进行序贯Kalman滤波之前，利用卫星/惯性组合导航系统，获取载波相位观测值，以及卫星到接收机的距离；根据所述卫星各频点的整周模糊度，载波相位观测值，以及卫星到接收机的距离，计算卫星各频点的观测量残差，当观测量残差大于设定的残差阈值时，判定卫星相应频点的整周模糊度为错误解。例如，对第i卫星的第f频点，进行观测量残差阈值判断。

第i卫星第f频点观测量残差的计算式如下为：

式中，t(i,f)为所述观测量残差，i为卫星号，f为频点号；λ_f为载波相位波长，

为载波相位观测值，

为整周模糊度，

为接收机与卫星天线间的距离，▽Δ为双差算子。本实施例中，双差算子的计算是卫星定位领域基础步骤，可参考相关文献，在此不赘述，例如在《GPS理论、算法与应用》(第3版)由作者Guochang Xu著，出版在科学出版社2017年11月的105-107页。

根据惯性导航误差δ_INS和载波相位波长λ_f设置残差阈值T(f)为：

进行判断，若t(i,f)＞T(f)，则认为第i卫星第f频点的观测量含有错误TCAR模糊度整数解(即整周模糊度为错误解)。上式中，δ_INS为惯性导航误差，数值较小。若使用的惯性测量单元为导航级，则δ_INS设置为0.01m；若使用的惯性测量单元为消费级，则δ_INS设置为0.05m。

为第f频点载波相位观测噪声，取值为0.01倍载波波长。λ_f为载波相位波长，α为λ_f的系数。由于TCAR算法的错误模糊度解造成的观测量误差一般在±2倍λ_f区间，所以，α设置为2以上，数值越大越条件越宽松。因为δ_INS和

是随机误差，根据概率统计学中的“3δ”准则，本实施例将系数ξ设置为3，以获取99.73％的置信水平。作为其他实施方式，系数α和ξ均可以根据不同要求设置为其他数值，本实施例不作限定。

筛选出整周模糊度存在错误解的卫星，剔除导致计算出错误解的观测值，对整周模糊度不存在错误解的卫星，利用其观测值，建立卫星/惯性组合导航系统的观测方程，利用序贯卡尔曼滤波算法进行量测更新，确定最终的定位参数。

对第i卫星的第f频点，采用序贯卡尔曼滤波算法进行量测更新，在每次量测更新过程中，进行新息向量阈值判断。具体步骤如下：

对于第i卫星第f频点的观测量，构造观测方程如下：

式中，i＝2,3,…,n-1，f＝1,2,3；

为多普勒观测值，

为用惯导预测速度计算的接收机和卫星的相对速度，

Eⁱ为接收机到卫星i的方向余弦构成的1×3矩阵，ε表示各观测量的观测噪声；δx＝[δr,δv,δψ,δb_a,δb_g]^T为状态参数(即定位参数)x的误差向量，T表示对矩阵求转置，x＝(r,v,ψ,b_a,b_g)，其中参数依次表示位置，速度，姿态，惯性导航系统含有的加速度零偏，陀螺零偏；

对应为第1,2,3频点的载波相位观测噪声；

对应为第1,2,3频点的多普勒观测噪声；▽Δ为双差算子。可知，对于第i卫星，若不存在错误解，根据频点f不同，可以得到最多三组观测方程；若存在错误解，则剔除含错误TCAR模糊度整数解的频点的观测量后，对每颗卫星建立的观测方程则少于三组。

上述观测方程，需要结合卫星/惯性组合导航系统的状态方程，求解出状态参数δx，对于卫星/惯性组合导航系统，其状态方程由惯性导航系统的动力学模型决定。这里直接给出：

式中，

表示由载体b系到地心地固e系的方向余弦矩阵；

表示加速度计比力输出；

表示陀螺角速率输出；δψ表示姿态失准角误差；

表示由地球自转角速率

构造的斜对称阵；ε_a和ε_g表示加速度计和陀螺噪声构成的系统噪声向量。

具体量测更新的步骤如下：

计算滤波增益矩阵

对于第i颗卫星有：

式中，P表示状态参数的协方差阵，

R表示观测量的噪声协方差阵。

利用本次观测值和上一次量测更新值，计算新息向量，计算式如下：

上式中，

表示新息向量，它是本次观测值

和上一次量测更新值

所对应的本次预测观测值

之间的差值，因此具有发现本次观测值错误的作用，因此进行阈值判断，判断式如下：

上式中，

为新息向量阈值，

表示加权载波相位波长，即卫星i的三个频点对应三个载波相位波长的平均波长，由于卫星信号三个频点之间载波长度相差不大，本实施例中这里的处理是一种便捷处理；作为其他实施方式，也可以根据不同频点单独设置加权载波相位波长。上式中，η表示系数，由于TCAR算法求得的载波相位为整数值，若载波相位有粗差，一般都是整数个数，最小为1。因此，η设置至少应大于0.5。根据实际测量推断，残余电离层延迟误差可达到载波波长的0.25倍。因此，推荐设置大于0.75，以排除载波相位观测值中可能含有的残余电离层延迟误差影响。

当判断结果为满足上述判断式(10)，则认为该次观测存在错误的TCAR模糊度整数解或者较大粗差，中止本次序贯滤波，即不采用第i卫星第f频点的观测量进行序贯滤波，进行下一频点的滤波；若新息向量

没有超限，则采用第i卫星第f频点的观测量进行序贯滤波，将滤波得到的状态参数(计算公式与下面公式(11)和公式(12)类似)作为下一频点序贯滤波的状态初值，然后从计算滤波增益矩阵开始，重复上述内容，直至该卫星最后一个频点的观测量序贯滤波完毕，将滤波后得到的状态参数和协方差阵代入公式(1)(2)，进行下一卫星的序贯滤波循环。

卫星i最后一个频点的观测量序贯滤波后新的状态参数及其协方差阵如下：

式中，

为卫星i最后一个频点的观测量序贯滤波后新的状态参数，

为卫星i-1最后一个频点的观测量序贯滤波后新的状态参数，这里

表示卫星i最后一个频点的新息向量；

为第k时刻量测更新后的状态参数协方差阵，

为第k时刻量测更新前的状态参数协方差阵，文中所有P均表示状态参数的协方差阵，不同的上标、下标、顶标是用于特别标识该量在Kalmanl滤波过程中的不同阶段。

表示卫星i的线性化量测矩阵，I为单位矩阵。

最终，令量测更新解等于第n-1卫星序贯滤波后得到的值，即：

得到量测更新解

中，包括k滤波周期的定位参数，惯性导航系统含有的零偏参数。整个量测更新流程如图1所示。

本实施例通过两种方式筛选出错误解，从而实现卫星/惯性组合导航系统的精准定位，首先是对卫星各频点的观测量残差进行残差阈值判断，确定整周模糊度为错误解的卫星，即第一种方式筛选，然后对剩余不存在错误解的卫星，建立卫星/惯性组合导航系统的观测方程，采用序贯卡尔曼滤波进行量测更新；其次，在量测更新过程中，利用本次观测值和上一次量测更新值，计算新息向量，判断新息向量是否大于设定的新息向量阈值，若大于，放弃本次量测更新，进行下一轮量测更新，即第二种方式筛选；根据最后一轮量测更新后得到的滤波值，得到高精度的定位参数。

本发明为了实现量测更新，在构造观测方程时，若判断出含错误TCAR模糊度解的频点观测量，则放弃掉该卫星的所有观测量，利用剩下卫星的观测量构建观测方程，减少了计算量，提高了计算速度。

本实施例中，是通过残差阈值判断实现整周模糊度为错误解的卫星的第一种方式筛选，通过新息向量阈值判断实现第二种方式筛选，进而剔除了更多的不可靠观测量，进而计算出更高精度的量测更新解(含有定位参数)。但是，第一种方式已能够筛选出相当一部分含有整周模糊度为错误解的卫星，因此，作为其他实施方式，仅通过第一种方式筛选，相对于现有技术，最后仍能够得到精度相对高的定位参数。

本实施例中，进行量测更新时，若新息向量大于设定的新息向量阈值时，放弃该卫星当前频点的量测更新，进行该卫星下一频点的量测更新，这种量测更新方式适用于性能较好的接收机。作为其他实施方式，如果是性能较差的卫星接收机，当新息向量大于设定的新息向量阈值时，放弃该卫星所有频点的量测更新，进行下一卫星各频点的量测更新。节省计算时间，提高解算效果，同时保证速度和精度。

最后，需要说明的是，本实施例中，P_k在文中都表示状态参数的协方差阵，因为状态参数在所有计算式中维数都是不变的，所以协方差阵的维数也不变的，不会因为观测量的选择不同，而发生改变。文中出现的符号的上标，下标，顶标，都是为了更好地在不同的式子中表示该量的含义。例如，在式(8)出现了P，在式(9)中出现了x，当处理的是第1颗卫星时，由于该时刻并没进行过任意一次量测更新，使用的实际上是本时刻的状态更新解

和P_k，即公式(1)中的

和公式(2)中的P_k。当处理第2颗卫星开始时，才使用本时刻的上一次量测更新解

和

方法实施例二：

本实施例提出的卫星/惯性组合导航系统定位方法与方法实施例一相比，其不同之处，在于采用的卡尔曼滤波算法为扩展卡尔曼(Kalman)滤波算法进行量测更新，在量测更新过程中，与序贯Kalman滤波算法不同，扩展Kalman滤波算法在计算滤波增益矩阵时不是单颗卫星的滤波增益矩阵，而是含有所有颗卫星的滤波增益矩阵，利用当前时刻的观测值和上一时刻的量测更新值，计算每课卫星的新息向量，将新息向量大于设定的新息向量阈值的卫星观测值去掉，利用剩余卫星观测值，重新进行量测更新，确定最终的定位参数。

相较而言，本实施例的定位方法的计算量明显大于方法实施例一的定位方法，但由于增加了残差阈值判断过程及新息向量阈值判断过程，仍能够起到筛选整周模糊度为错误解的卫星的作用，解决现有卫星/惯性组合导航系统的定位精度低的问题。

装置实施例：

本实施例提出一种卫星/惯性组合导航系统定位装置，如图2所示，包括存储器和处理器，以及存储在存储器上并在处理器上运行的计算机程序，处理器与存储器相耦合，处理器用于获取卫星/惯性组合导航系统的观测数据，在执行计算机程序时对观测数据进行处理，数据处理的过程请参见方法实施例一或方法实施例二中的过程，最终输出定位参数。

本实施例所称的处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

本实施例所称的存储器包括用于存储信息的物理装置，通常是将信息数字化后再以利用电、磁或者光学等方式的媒体加以存储。例如：利用电能方式存储信息的各式存储器，RAM、ROM等；利用磁能方式存储信息的各式存储器，硬盘、软盘、磁带、磁芯存储器、磁泡存储器、U盘；利用光学方式存储信息的各式存储器，CD或DVD。当然，还有其他方式的存储器，例如量子存储器、石墨烯存储器等。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本发明实现上述方法实施例一或二中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。例如，上述三个实施例是以卫星/惯性组合系统的紧组合模型(包括观测方程和状态方程)为例，来阐述如何进行错误解筛选，最终求解定位参数的。作为等同替换，但凡利用卫星/惯性组合系统的其他模型，如松组合模型，只要需要求解整周模糊度，作为观测方程的已知量，就可以采用本发明的第一种筛选方式或第二种筛选方式确定含有整周模糊度为错误解的卫星，从而滤除错误的观测值，利用可信的观测值代入观测方程，结合状态方程，并利用滤波算法进行滤波，从而得到和现有技术相比精度更高的定位参数。

Claims (10)

1.一种卫星/惯性组合导航系统定位方法，其特征在于，包括以下步骤：

1)利用卫星/惯性组合导航系统中的原始观测值，计算每颗卫星各频点的整周模糊度；

2)利用所述卫星/惯性组合导航系统，获取载波相位观测值，以及卫星天线到接收机天线的距离；根据所述卫星各频点的整周模糊度，载波相位观测值，以及卫星天线到接收机的距离，计算卫星各频点的观测量残差，当所述观测量残差大于设定的残差阈值时，判定卫星相应频点的整周模糊度为错误解；所述残差阈值是根据惯性导航误差和载波相位波长确定的；

3)对整周模糊度不存在错误解的卫星，建立卫星/惯性组合导航系统的观测方程，利用卡尔曼滤波算法进行量测更新，确定最终的定位参数。

2.根据权利要求1所述的卫星/惯性组合导航系统定位方法，其特征在于，所述残差阈值的计算式如下：

式中，T(f)为所述残差阈值，δ_INS为惯性导航误差，

为第f频点的观测噪声误差，λ_f为载波相位波长，α，ξ为对应系数。

3.根据权利要求1或2所述的卫星/惯性组合导航系统定位方法，其特征在于，所述观测量残差的计算式如下：

式中，t(i,f)为所述观测量残差，i为卫星号，f为频点号；λ_f为载波相位波长，

为载波相位观测值，

为整周模糊度，

为接收机天线的相位中心与卫星天线的相位中心间的距离，

为双差算子。

4.根据权利要求1所述的卫星/惯性组合导航系统定位方法，其特征在于，当所述卡尔曼滤波算法为序贯卡尔曼滤波算法时，在每次量测更新过程中，利用本次观测值和上一次量测更新值，计算新息向量，判断所述新息向量是否大于设定的新息向量阈值，若大于，放弃本次量测更新，进行下一轮量测更新；根据最后一轮量测更新后得到的滤波值确定所述定位参数。

5.根据权利要求1所述的卫星/惯性组合导航系统定位方法，其特征在于，当所述卡尔曼滤波算法为扩展卡尔曼滤波算法时，利用当前时刻的观测值和上一时刻的量测更新值，计算每个卫星的新息向量，将新息向量大于设定的新息向量阈值的卫星观测值去掉，利用剩余卫星观测值，重新进行量测更新，确定最终的定位参数。

6.根据权利要求4或5所述的卫星/惯性组合导航系统定位方法，其特征在于，所述新息向量阈值是根据卫星的载波相位波长确定的，计算式如下：

式中，L为所述新息向量阈值，η为系数，

为载波相位波长的平均波长。

7.根据权利要求4所述的卫星/惯性组合导航系统定位方法，其特征在于，当所述新息向量大于设定的新息向量阈值时，放弃该卫星所有频点的量测更新，进行下一卫星各频点的量测更新。

8.根据权利要求4所述的卫星/惯性组合导航系统定位方法，其特征在于，当所述新息向量大于设定的新息向量阈值时，放弃该卫星当前频点的量测更新，进行该卫星下一频点的量测更新。

9.根据权利要求1或2所述的卫星/惯性组合导航系统定位方法，其特征在于，利用卡尔曼滤波算法进行量测更新的值包括：定位参数，惯性导航系统含有的零偏参数。

10.一种卫星/惯性组合导航系统定位装置，其特征在于，包括存储器和处理器，以及存储在所述存储器上并在所述处理器上运行的计算机程序，所述处理器与所述存储器相耦合，所述处理器执行所述计算机程序时实现如权利要求1-9任一项所述的卫星/惯性组合导航系统定位方法。

Images