CN113758373B - 一种提高弹载接收机定位、测速精度的方法、装置及设备 - Google Patents

Abstract

本发明提供一种提高弹载接收机定位、测速精度的方法、装置及设备，通过高频率载波相位差分得到噪声较小的多普勒频率，来提高测速精度；同时通过采用最小二乘法得到接收机的初始值，再将初始值输入预设的自适应的卡尔曼滤波模型中，得到预测值，选择收敛的预测值作为接收机的输出值，或者在预测值发散时选择初始值作为接收机的输出值，根据接收机的输出值对卫星进行伪距修正，得到更新后的基本信息，并进行卫星筛选，用更新后的基本信息进行卡尔曼滤波模型的初始值更新；从而实现了由于最小二乘法提供初始值给卡尔曼滤波模型，加快卡尔曼滤波迭代运算快速收敛，并每轮计算都会进行卫星伪距的误差修正，从而使得定位、定速精度提高。

Description

一种提高弹载接收机定位、测速精度的方法、装置及设备

技术领域

本发明涉及卫星导航技术领域，尤其涉及一种提高弹载接收机定位、测速精度的方法、装置及设备。

背景技术

精确制导在现代高技术局部战争中的作用越来越突出，是信息化战争的重要标志。卫星导航凭借其全天候、低成本等优势已发展成为主要的制导方式之一。弹载接收机与常规的接收机相比，其应用的显著特点为高冲击、高速度、高旋转，这些动态条件对接收信号影响较大，从而导致定位、测速误差较大等问题。在接收机系统中，速度测量通常由多普勒通过最小二乘解算得出，多普勒精度直接影响测速精度。多普勒提取通常有两种方式,一是由接收机通过跟踪载波环的锁频环路得到的瞬时多普勒率,二是由载波多普勒相位差分提取多普勒频率。载波相位测量值是由接收机基带处理利用载波相位累加器从载波跟踪环的锁相环提取出来的。瞬时多普勒频移反应着接收机在某一时刻的瞬时速度,这种测量值相对来说比较粗糙，所以定速误差较大。

传统的定位常采用最小二乘或者卡尔曼滤波进行解算，最小二乘尽管能在含有误差和噪声的各个测量值之间寻求一个最优点，使得所有测量值的残余平方和最小，但是由于不同时刻的不同测量误差和噪声在最小二乘法计算后转化为相应时刻的不同定位误差和噪声，因此最小二乘的定位结果通常较粗糙，精度不高。若观测误差较大的卫星参与定位，位置误差可能高达几十米。常规的卡尔曼滤波采用位置、速度、加速度模型，也即PVA模型，在短时间(定位周期内)把载体运动看成是匀加速运动，而实际炮弹的运动加加速度可达10g/s，从而PVA模型会带来较大的位置误差，不能满足定位精度的要求。为了提高定位精度，有必要对卡尔曼滤波模型进行优化和改进。

发明内容

基于此，有必要针对上述技术问题，提供一种提高弹载接收机定位、测速精度的方法、装置及设备。

一种提高弹载接收机定位、测速精度的方法，所述方法包括：S1通过高频率载波相位差分获取卫星的多普勒频率，所述多普勒频率属于卫星的基本信息；S2根据卫星的基本信息，通过最小二乘法对接收机进行定位、定速计算，得到接收机的初始值，所述初始值包括位置初始值、速度初始值、钟差初始值、钟漂初始值；S3根据所述初始值，通过预设的卡尔曼滤波模型对接收机进行定位和定速计算，得到接收机的状态预测值，所述状态预测值包括位置预测值、速度预测值、加速度预测值、钟差预测值、钟漂预测值；S4根据初始值和状态预测值，得到接收机的输出值，所述输出值包括位置输出值和速度输出值，并输出所述输出值；S5状态预测值收敛后，下一次解算前根据接收机的位置预测值，计算电离层、对流层延时，对卫星进行伪距修正，得到更新后的基本信息，并进行卫星筛选；S6将更新后的基本信息作为基本信息，迭代重复步骤S1-S5，输出每一次接收机的位置和速度。

在其中一个实施例中，所述卫星的基本信息，包括卫星的位置、速度、钟差和伪距。

在其中一个实施例中，所述步骤S2之前，还包括：提取原始观测量和导航电文信息，解析星历参数，并判断所述星历是否有效；若星历有效则遍历星历上的所有卫星，并计算各卫星的基本信息，根据所述基本信息计算各卫星的可见性。

在其中一个实施例中，所述提取原始观测量和导航电文信息，解析星历参数，并判断所述星历是否有效之后，还包括：若星历无效，则对星历进行更新，得到更新后的有效星历。

在其中一个实施例中，所述步骤S4具体为：判断所述接收机的状态预测值是否收敛；若所述状态预测值收敛，则将所述状态预测值作为接收机的位置和速度输出；若所述状态预测值发散，则将所述初始值作为接收机的位置和速度输出。

在其中一个实施例中，所述预设的卡尔曼滤波模型采用适合用于描述载体强机动特性的统计模型进行建模和分析，建立自适应的PVA卡尔曼滤波模型，自适应调整模型噪声协方差Q矩阵。

一种提高弹载接收机定位、测速精度的装置，包括多普勒频率获取模块、最小二乘计算模块、卡尔曼预测模块、定位定速输出模块、卫星修正筛选模块和迭代预测输出模块，其中：所述多普勒频率获取模块用于，通过高频率载波相位差分获取卫星的多普勒频率，所述多普勒频率属于卫星的基本信息；所述最小二乘计算模块用于，根据卫星的基本信息，通过最小二乘法对接收机进行定位、定速计算，得到接收机的初始值，所述初始值包括位置初始值、速度初始值、钟差初始值、钟漂初始值；所述卡尔曼预测模块用于，根据所述初始值，通过预设的卡尔曼滤波模型对接收机进行定位和定速计算，得到接收机的状态预测值，所述状态预测值包括位置预测值、速度预测值、加速度预测值、钟差预测值、钟漂预测值；所述定位定速输出模块用于，根据初始值和状态预测值，得到接收机的输出值，所述输出值包括位置输出值和速度输出值，并输出所述输出值；所述卫星修正筛选模块用于，状态预测值收敛后，下一次解算前根据接收机的位置预测值，计算电离层、对流层延时，对卫星进行伪距修正，得到更新后的基本信息，并进行卫星筛；所述迭代预测输出模块用于，将更新后的基本信息作为基本信息，迭代重复步骤S1-S5，输出每一次接收机的位置和速度。

在其中一个实施例中，所述装置还包括星历解析模块和基本信息获取模块，其中：所述星历解析模块用于，提取原始观测量和导航电文信息，解析星历参数，并判断所述星历是否有效；所述基本信息获取模块用于，若星历有效则遍历星历上的所有卫星，并计算各卫星的基本信息，根据所述基本信息计算各卫星的可见性。

在其中一个实施例中，所述装置还包括星历更新模块，其中：所述星历更新模块用于，若星历无效，则对星历进行更新，得到更新后的有效星历。

一种设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述各个实施例中所述的一种提高弹载接收机定位、测速精度的方法的步骤。

本发明的有益效果：上述一种提高弹载接收机定位、测速精度的方法、装置及设备，通过高频率载波相位差分得到噪声较小的多普勒频率，来提高测速精度；同时通过采用最小二乘法得到接收机的初始值，再将初始值输入卡尔曼滤波模型中，得到预测值，选择收敛的预测值作为接收机的输出值，或者在预测值发散时选择初始值作为接收机的输出值，根据接收机的输出值对卫星进行伪距修正，得到更新后的基本信息，并进行卫星筛选，将更新后的基本信息作为基本信息，迭代计算接收机输出值的步骤，并输出每一次的接收机输出值；从而实现了由于最小二乘法提供初始值给卡尔曼滤波模型，加快卡尔曼滤波迭代运算快速收敛，并每轮计算都会进行卫星伪距的误差修正，从而使得定位定速精度提高。

附图说明

图1为一个实施例中接收机的信号处理流程图；

图2为一个实施例中提高弹载接收机定位、测速精度的方法的流程示意图；

图3为一个实施例中二阶FLL并联辅助三阶PLL结构框图；

图4为一个实施例中提高弹载接收机定位、测速精度的装置的结构框图；

图5是一个实施例中设备的内部结构图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，下面通过具体实施方式结合附图对本发明做进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本申请提供的提高弹载接收机定位、测速精度的方法、装置及设备，采用高频率载波相位差分方法，以提升接收机测速精度。通过差分提取的多普勒定速误差和原始多普勒定速误差对比，测速精度提升明显。采用自适应动态调整加速度改变量的PVA卡尔曼滤波算法提升高动态下定位精度，(即预设的卡尔曼滤波模型，其中PVA为位置、速度和加速度，)，提高定位精度。

接收机组成，接收机内部结构按信号的流向，分为射频前端处理、基带数字信号处理和定位解算三大功能模块。信号处理流程图如图1所示，其中：射频前端处理模块：通过天线接收卫星信号，经前置滤波器和放大器、下变频器、模数转换器等处理和变换，得到数字中频信号。基带信号处理模块：接收到数字中频信号后，实现信号的滤波、捕获、跟踪，并获得伪距、多普勒频移和载波相位等测量值，以及导航电文。ARM和FPGA协同完成数字信号处理功能。定位解算模块：根据基带信号处理模块获得的原始观测量和导航电文，进行位置、速度和时间解算。在ARM处理器上完成。

在一个实施例中，如图2所示，提供了一种提高弹载接收机定位、测速精度的方法，包括以下步骤：

S1通过高频率载波相位差分获取卫星的多普勒频率，多普勒频率属于卫星的基本信息。

具体地，卫星多普勒频移的具体提取方法如下：

高动态的载波跟踪采用FLL+PLL跟踪反馈环路实现，接收机与卫星之间有较大相对运动和相对较高的加速度时，接收机接收到信号就含有较大的多普勒频率以及多普勒频率变化率，用动态范围较大的二阶锁频环(FLL)辅助三阶锁相环(PLL)，在失锁状态或环路动态较高时，采用FLL与PLL共同工作状态，进行快速载波跟踪入锁，当锁频环和锁相环锁定后，环路转入锁相环单独作用状态，此时锁频环仍然持续监测载波跟踪状态，但不再对NCO作补偿，避免锁频环对锁相环产生干扰，而且可以减小跟踪状态的环路噪声，其原理结构框图如图3所示，其中，锁频环采用二阶环路滤波器，环路带宽设置为17Hz，锁相环采用三阶环路滤波器，环路带宽设置为12Hz，可以实现对加加速度的稳定跟踪。环路采用联合工作的FLL与PLL，因其集合了FLL与PLL各自的优点，即使在高动态情况下，PLL也不易失锁，保证了接收机连续地跟踪相位。三阶PLL锁相环路的带宽较窄，环路噪声小，从而载波相位精度较高，通过载波相位差分提取的多普勒噪声也较小。

多普勒提取方案，载波相位差分进行多普勒估计的方法等效于将前后两段观测时间的多普勒进行平均，观测量更新频率越高，平均时间越短，则多普勒的噪声误差越小。同时，观测量更新频率越高意味着测速解算处理时间越短，对硬件设计资源和硬件复杂度的要求就越高。载波相位差分公式如下：

本方案中△t取值为10ms，载波相位提取的多普勒为2△t时间段内的平均多普勒，相比于瞬时多普勒，其噪声影响经过时间平均后明显下降。

S2根据卫星的基本信息，通过最小二乘法对接收机进行定位、定速计算，得到接收机的初始值，所述初始值包括位置初始值、速度初始值、钟差初始值、钟漂初始值。

具体地，卡尔曼滤波初始阶段是收敛阶段，解算结果会经历一段时间的不稳定期然后逐渐收敛，在正式解算之前需要先设定初始化状态值，两者的取值会直接影响卡尔曼收敛的速度。在进行卡尔曼滤波解算时，需要提供接收机位置、速度、加速度等状态量的初始值。在解算的滤波迭代开始之前，接收机的这些状态量值是未知的，一般情况下设置为全零。但是，如果接收机的状态量与设置的全零状态相差较大时，会导致滤波的收敛速度很慢，甚至不能收敛。因此，在实际的滤波解算过程中，可以用最小二乘方法进行一轮解算，用解算的结果为卡尔曼滤波提供初始值。

在一个实施例中，步骤S1中卫星的基本信息，包括卫星的位置、速度、钟差和伪距。

在一个实施例中，步骤S1之前，还包括：S110提取原始观测量和导航电文信息，解析星历参数，并判断星历是否有效；S120若星历有效则遍历星历上的所有卫星，并计算各卫星的基本信息，根据基本信息计算各卫星的可见性。具体地，根据原始观测量和导航电文信息，得到带有参数的星历，对该星历的参数进行解析，判断星历是否还有效，如果星历有效，则按照星历信息，遍历星历上的所有卫星，计算各卫星的基本信息，并根据基本信息计算各卫星的可见性。

在一个实施例中，步骤S110之后，还包括：S111若星历无效，则对星历进行更新，得到更新后的有效星历。具体地，如果星历无效，则对星历进行更新，将更新后的有效星历进行卫星遍历处理。

S3根据初始值，通过预设的卡尔曼滤波模型对接收机进行定位和定速计算，得到接收机的状态预测值，状态预测值包括位置预测值、速度预测值、加速度预测值、钟差预测值、钟漂预测值。

具体地，对预设的卡尔曼滤波模型输入初始值，从而输出预测值，预测值包括位置预测值和速度预测值。具体的预测值中的速度预测值的计算需要多普勒频移得到，根据步骤S1中获取的多普勒频移进行计算。

在一个实施例中，步骤S3中预设的卡尔曼滤波模型采用适合用于描述载体强机动特性的统计模型进行建模和分析，建立自适应的PVA卡尔曼滤波模型，自适应调整模型噪声协方差Q矩阵。

具体地，预设的卡尔曼滤波模型为：

接收机的状态量分别为x、y、z三个方向上的位置、速度、加速度分量、系统的钟差以及钟漂量，共同组成11维的向量，对于状态向量表示如下:

X＝[x，xv,xa,y，yv,ya,z，zv,za,δt,δf]^T

状态方程为：

X_k+1|k＝Φ_k+1|kX_k+U_k+W_k，为了方便理解，下面的矩阵采用分块矩阵表示。

其中，

Φ_Y，Φ_Z类同，

U_K＝[U_x U_y U_z U_t]^T，

a_s为加速度估计量。

观测方程：Y_k＝H_kX_k+Z_k，其中，

H_k＝[H₁ H₂...H_n]^T，n为参与定位的卫星数目；

i代表卫星号；

h_yi、h_zi类同。Q矩阵自适应调整过程：

根据卡尔曼预测后的加速度(a_x,a_y,a_z)，计算加速度方差

计算公式如下：

当前加速度为正时，其方差为：

当加速度为负时，其方差为：

其中a_max为可设的加速度上限，a_-max为加速度负值下限，根据载体的动态情况来设置。y、z方向的方差计算同x一样。

S4根据初始值和状态预测值，得到接收机的输出值，输出值包括位置输出值和速度输出值，并输出输出值。

在一个实施例中，步骤S4具体为：判断接收机的状态预测值是否收敛；若状态预测值收敛，则将状态预测值作为接收机的位置和速度输出；若状态预测值发散，则将初始值作为接收机的位置和速度输出。

具体地，对步骤S3中卡尔曼滤波模型输出的预测值进行收敛判断，如果发散则初始值作为接收机的位置和速度输出，如果收敛，则将预测值作为接收机的位置和速度输出，因为发散时，则说明预测值的误差较大。最小二乘结果的值为初始值，最小二乘结果用于辅助判断卡尔曼模型得到的状态预测值收敛，如果连续5个观测历元的卡尔曼模型得到的状态预测值和最小二乘差值小于设定的门限，且P矩阵对角元素平方和小于设定门限，则判定收敛。收敛后，若连续5个观测历元的卡尔曼更新值和最小二乘差值大于设定门限，且P矩阵对角元素平方和大于设定门限，则判定卡尔曼发散，然后进行滤波器重置。

S5状态预测值收敛后，下一次解算前根据接收机的位置预测值，计算电离层、对流层延时，对卫星进行伪距修正，得到更新后的基本信息，并进行卫星筛选。

具体地，卫星筛选过程包括去除掉仰角低(<5°)，载噪比低(<25)的卫星。原始伪距观测量计算公式：

包含了卫星钟差δtⁱ，电离层延时误差δ_iono，对流程延时误差δ_trono，

为校正后的伪距测量值，需要在解算之前把这三项误差项扣除。电离层和流程误差模型与海拔高度、仰角相关。运动速度最大可达5000m/s，按10HZ的定位频率计算，若载体垂直与水平面向上运动，每次位置更新的海拔间隔最大可达500米，这样的间隔电离层延时和对流程延迟误差较大。采用卡尔曼预测的位置，进行电离层、对流程延迟估算。由于最小二乘解算提供的初始值是比较接近接收机的真实状态的，这样可以使得卡尔曼滤波迭代运算快速收敛。得到更新后的基本信息，将卫星伪距异常的进行剔除，即卫星筛选。

S6将更新后的基本信息作为基本信息，迭代重复步骤S1-S5，输出每一次接收机的位置和速度。

具体地，将更新后的基本信息作为基本信息，迭代重复步骤S1-S4，每循环一次都需要输出每一次接收机的位置和速度，即需要将步骤S3中的接收机的位置和速度进行输出。

上述实施例中，通过高频率载波相位差分得到噪声较小的多普勒频率，来提高测速精度；同时通过采用最小二乘法得到接收机的初始值，再将初始值输入卡尔曼滤波模型中，得到预测值，选择收敛的预测值作为接收机的输出值，或者在预测值发散时选择最小二乘对应的初始值作为接收机的输出值，根据接收机的输出值对卫星进行伪距修正，得到更新后的基本信息，并进行卫星筛选，将更新后的基本信息作为基本信息，迭代计算接收机输出值的步骤，并输出每一次的接收机输出值；对于高动态定位系统中，载体的运动模式变换较快，并不能使用精确的动态转移方程来进行描述，使用近似的模型来进行代替，引入随机函数的模型对系统的运行状态进行合理的估计。采用比较适合用于描述载体强机动特性的统计模型进行建模和分析，建立自适应的PVA(位置、速度、加速度)卡尔曼滤波模型提升高动态下定位精度。从而实现了由于最小二乘法提供初始值给卡尔曼滤波模型，加快卡尔曼滤波算快速收敛，并每轮计算都会进行卫星伪距的误差修正，从而使得定位、定速精度提高。

在一个实施例中，如图4所示，提供了一种提高弹载接收机定位、测速精度的装置200，该装置包括多普勒频率获取模块210、最小二乘计算模块220、卡尔曼预测模块230、定位定速输出模块240、卫星修正筛选模块250和迭代预测输出模块260，其中：

多普勒频率获取模块210用于，通过高频率载波相位差分获取卫星的多普勒频率，多普勒频率属于卫星的基本信息；

最小二乘计算模块220用于，根据卫星的基本信息，通过最小二乘法对接收机进行定位、定速计算，得到接收机的初始值，初始值包括位置初始值、速度初始值、钟差初始值、钟漂初始值；

卡尔曼预测模块230用于，根据初始值，通过预设的卡尔曼滤波模型对接收机进行定位和定速计算，得到接收机的状态预测值，状态预测值包括位置预测值、速度预测值、加速度预测值、钟差预测值、钟漂预测值；

定位定速输出模块240用于，根据初始值和状态预测值，得到接收机的输出值，输出值包括位置输出值和速度输出值，并输出所述输出值；

卫星修正筛选模块250用于，状态预测值收敛后，下一次解算前根据接收机的位置预测值，计算电离层、对流层延时，对卫星进行伪距修正，得到更新后的基本信息，并进行卫星筛选；

迭代预测输出模块260用于，将更新后的基本信息作为基本信息，迭代重复步骤S1-S5，输出每一次接收机的位置和速度。

在一个实施例中，装置还包括星历解析模块和基本信息获取模块，其中：星历解析模块用于，提取原始观测量和导航电文信息，解析星历参数，并判断星历是否有效；基本信息获取模块用于，若星历有效则遍历星历上的所有卫星，并计算各卫星的基本信息，根据基本信息计算各卫星的可见性。

在一个实施例中，装置还包括星历更新模块，其中：星历更新模块用于，若星历无效，则对星历进行更新，得到更新后的有效星历。

在一个实施例中，提供了一种设备，该设备可以是服务器，其内部结构图可以如图5所示。该设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该设备的处理器用于提供计算和控制能力。该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、计算机程序和数据库。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。该设备的数据库用于存储配置模板，还可用于存储目标网页数据。该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提高弹载接收机定位、测速精度的方法。

本领域技术人员可以理解，图5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设备的限定，具体的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。

显然，本领域的技术人员应该明白，上述本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在计算机存储介质(ROM/RAM、磁碟、光盘)中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。所以，本发明不限制于任何特定的硬件和软件结合。

以上内容是结合具体的实施方式对本发明所做的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (9)

1.一种提高弹载接收机定位、测速精度的方法，其特征在于，包括：

S1通过高频率载波相位差分获取卫星的多普勒频率，所述多普勒频率属于卫星的基本信息；

S2根据卫星的基本信息，通过最小二乘法对接收机进行定位、定速计算，得到接收机的初始值，所述初始值包括位置初始值、速度初始值、钟差初始值、钟漂初始值；

S3根据所述初始值，通过预设的卡尔曼滤波模型对接收机进行定位和定速计算，得到接收机的状态预测值，所述状态预测值包括位置预测值、速度预测值、加速度预测值、钟差预测值、钟漂预测值；

S4根据初始值和状态预测值，得到接收机的输出值，所述输出值包括位置输出值和速度输出值，并输出所述输出值；

S5状态预测值收敛后，下一次解算前根据接收机的位置预测值，计算电离层、对流层延时，对卫星进行伪距修正，得到更新后的基本信息，并进行卫星筛选；

S6将更新后的基本信息作为基本信息，迭代重复步骤S1-S5，输出每一次接收机的位置和速度；所述卫星的基本信息，包括卫星的位置、速度、钟差和伪距。

2.如权利要求1所述的方法，其特征在于，所述步骤S1之前，还包括：

提取原始观测量和导航电文信息，解析星历参数，并判断所述星历是否有效；

若星历有效则遍历星历上的所有卫星，并计算各卫星的基本信息，根据所述基本信息计算各卫星的可见性。

3.如权利要求2所述的方法，其特征在于，所述提取原始观测量和导航电文信息，解析星历参数，并判断所述星历是否有效之后，还包括：

若星历无效，则对星历进行更新，得到更新后的有效星历。

4.如权利要求1所述的方法，其特征在于，所述步骤S4具体为：

判断所述接收机的状态预测值是否收敛；

若所述状态预测值收敛，则将所述状态预测值作为接收机的位置和速度输出；

若所述状态预测值发散，则将所述初始值作为接收机的位置和速度输出。

5.如权利要求1所述的方法，其特征在于，所述预设的卡尔曼滤波模型采用适合用于描述载体强机动特性的统计模型进行建模和分析，建立自适应的PVA卡尔曼滤波模型，自适应调整模型噪声协方差Q矩阵。

6.一种提高弹载接收机定位、测速精度的装置，其特征在于，包括多普勒频率获取模块、最小二乘计算模块、卡尔曼预测模块、定位定速输出模块、卫星修正筛选模块和迭代预测输出模块，其中：

所述多普勒频率获取模块用于，通过高频率载波相位差分获取卫星的多普勒频率，所述多普勒频率属于卫星的基本信息；

所述最小二乘计算模块用于，根据卫星的基本信息，通过最小二乘法对接收机进行定位、定速计算，得到接收机的初始值，所述初始值包括位置初始值、速度初始值、钟差初始值、钟漂初始值；

所述卡尔曼预测模块用于，根据所述初始值，通过预设的卡尔曼滤波模型对接收机进行定位和定速计算，得到接收机的状态预测值，所述状态预测值包括位置预测值、速度预测值、加速度预测值、钟差预测值、钟漂预测值；

所述定位定速输出模块用于，根据初始值和状态预测值，得到接收机的输出值，所述输出值包括位置输出值和速度输出值，并输出所述输出值；

所述卫星修正筛选模块用于，状态预测值收敛后，下一次解算前根据接收机的位置预测值，计算电离层、对流层延时，对卫星进行伪距修正，得到更新后的基本信息，并进行卫星筛选；

所述迭代预测输出模块用于，将更新后的基本信息作为基本信息，迭代重复步骤S1-S5，输出每一次接收机的位置和速度。

7.如权利要求6所述的装置，其特征在于，还包括星历解析模块和基本信息获取模块，其中：

所述星历解析模块用于，提取原始观测量和导航电文信息，解析星历参数，并判断所述星历是否有效；

所述基本信息获取模块用于，若星历有效则遍历星历上的所有卫星，并计算各卫星的基本信息，根据所述基本信息计算各卫星的可见性。

8.如权利要求7所述的装置，其特征在于，还包括星历更新模块，其中：

所述星历更新模块用于，若星历无效，则对星历进行更新，得到更新后的有效星历。

9.一种用于实现如权利要求1至5中任一项所述方法的设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，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5中任一项所述方法的步骤。

Images