CN114660639A - 定位置信误差模型的确定方法和定位置信误差的确定方法 - Google Patents

定位置信误差模型的确定方法和定位置信误差的确定方法 Download PDF

Info

Publication number
CN114660639A
CN114660639A CN202011548042.0A CN202011548042A CN114660639A CN 114660639 A CN114660639 A CN 114660639A CN 202011548042 A CN202011548042 A CN 202011548042A CN 114660639 A CN114660639 A CN 114660639A
Authority
CN
China
Prior art keywords
positioning
error
confidence error
confidence
solution
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.)
Pending
Application number
CN202011548042.0A
Other languages
English (en)
Inventor
戴鹏
王兴
王勇松
邱模波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qianxun Spatial Intelligence Inc
Original Assignee
Qianxun Spatial Intelligence Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Qianxun Spatial Intelligence Inc filed Critical Qianxun Spatial Intelligence Inc
Priority to CN202011548042.0A priority Critical patent/CN114660639A/zh
Publication of CN114660639A publication Critical patent/CN114660639A/zh
Pending legal-status Critical Current

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
    • G01S19/396—Determining accuracy or reliability of position or pseudorange measurements
    • 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
    • G01S19/393—Trajectory determination or predictive tracking, e.g. Kalman filtering
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本申请公开了一种定位置信误差模型的确定方法和定位置信误差的确定方法，属于通信技术领域。该方法包括：获取接收机的全球导航卫星系统GNSS观测信息；对GNSS观测信息进行解算，得到定位结果，并基于解算过程中的中间解算变量得到置信误差特征值；将置信误差特征值和与定位结果对应的置信误差真值输入到回归模型进行训练得到定位置信误差模型。根据本申请实施例，能够提高实时定位结果的定位置信误差的准确性，从而提高对定位结果进行评估的可靠性。

Description

定位置信误差模型的确定方法和定位置信误差的确定方法
技术领域
本申请属于定位技术领域，具体涉及一种定位置信误差模型的确定方法和定位置信误差的确定方法。
背景技术
随着定位技术发展，卫星定位技术被应用在各种领域，如地图导航、无人化驾驶等等，与此同时，各个领域对高精度定位的需求也日益迫切。
由于全球卫星导航系统的定位精度是由定位置信误差决定的，其中，定位置信误差是根据卫星定位信息的观测值与阈值确定的，而该阈值是通过经验模型设定的，但是，通过经验模型设定的阈值不准确，从而导致定位置信误差不准确。
发明内容
本申请实施例的目的是提供一种定位置信误差模型的确定方法和定位置信误差的确定方法，能够解决相关技术中通过经验模型设定的阈值不准确，从而导致定位置信误差不准确的问题。
第一方面，本申请实施例提供了一种定位置信误差模型的确定方法，应用于电子设备，该方法包括：
获取接收机的全球导航卫星系统(Global Navigation Satellite System，GNSS)观测信息；
对GNSS观测信息进行解算，得到定位结果，并基于解算过程中的中间解算变量得到置信误差特征值；
将置信误差特征值和与定位结果对应的置信误差真值输入到回归模型进行训练得到定位置信误差模型。
第二方面，本申请实施例提供了一种一种定位置信误差的确定方法，包括：
获取接收机的实时GNSS观测信息；
对GNSS观测信息进行解算，得到实时定位结果，并基于解算过程中的中间解算变量得到置信误差特征值；
将置信误差特征值输入到如第一方面中的定位置信误差模型中，得到实时定位结果的定位置信误差。
第三方面，本申请实施例提供了一种定位置信误差模型的确定方法，包括：
获取接收机的GNSS观测信息；
对GNSS观测信息进行解算，得到定位结果，并基于解算过程中的中间解算变量得到置信误差特征值；
将置信误差特征值和与定位结果对应的置信误差真值输入到回归模型进行训练得到定位置信误差模型，其中，定位置信误差模型包括浮点解子模型、固定解子模型和单点解子模型；
当定位结果为浮点解时，置信误差特征值包括多普勒观测值的标志、多普勒单位权中误差、伪距单位权中误差、载波单位权中误差、平均载噪比、模糊度搜索最优解的单位权中误差、前后历元的定位结果解算的航向角与利用多普勒计算的航向角的差值、定位东方向协方差、定位北方向协方差中的至少一者，以得到浮点解子模型；
当定位结果为固定解时，置信误差特征值包括多普勒观测值的标志、多普勒单位权中误差、伪距单位权中误差、载波单位权中误差、平均载噪比、模糊度搜索最优解的单位权中误差、通过第一频点固定的模糊度和第二频点固定的模糊度计算的位置差、定位东方向协方差、定位北方向协方差中的至少一者，以得到固定解子模型；
当定位结果为单点解时，置信误差特征值包括位置后验残差、卡尔曼滤波解算的速度后验残差、精度因子(Dilution of Precision，DOP)值、最小二乘解的后验残差、卡尔曼滤波解与最小二乘解的直线距离、平均载噪比中的至少一者，以得到单点解子模型。
第四方面，本申请实施例提供了一种定位置信误差的确定方法，包括：
获取接收机的实时GNSS观测信息；
对GNSS观测信息进行解算，得到实时定位结果，并基于解算过程中的中间解算变量得到置信误差特征值；
将置信误差特征值输入到如第三方面中的定位置信误差模型中得到实时定位结果的定位置信误差，定位置信误差模型包括浮点解子模型、固定解子模型、单点解子模型；
其中，当实时定位结果为浮点解时，将置信误差特征值输入到浮点解子模型得到定位置信误差；
当实时定位结果为固定解时，将置信误差特征值输入到固定解子模型得到定位置信误差；
当实时定位结果为单点解时，将置信误差特征值输入到单点解子模型得到定位置信误差。
第五方面，本申请实施例提供了一种定位置信误差模型的确定装置，包括：
获取模块，用于获取接收机的GNSS观测信息；
解算模块，用于对GNSS观测信息进行解算，得到定位结果，并基于解算过程中的中间解算变量得到置信误差特征值；
训练模块，用于将置信误差特征值和与定位结果对应的置信误差真值输入到回归模型进行训练得到定位置信误差模型。
第六方面，本申请实施例提供了一种定位置信误差的确定装置，包括：
获取模块，用于获取接收机的实时GNSS观测信息；
解算模块，用于对GNSS观测信息进行解算，得到实时定位结果，并基于解算过程中的中间解算变量得到置信误差特征值；
置信误差确定模块，用于将置信误差特征值输入到如权利要求1-7任一项的定位置信误差模型中，得到实时定位结果的定位置信误差。
第七方面，本申请实施例提供了一种定位置信误差模型的确定装置，包括：
获取模块，用于获取接收机的GNSS观测信息；
解算模块，用于对GNSS观测信息进行解算，得到定位结果，并基于解算过程中的中间解算变量得到置信误差特征值；
训练模块，用于将置信误差特征值和与定位结果对应的置信误差真值输入到回归模型进行训练得到定位置信误差模型，其中，定位置信误差模型包括浮点解子模型、固定解子模型和单点解子模型；
其中，当定位结果为浮点解时，置信误差特征值包括多普勒观测值的标志、多普勒单位权中误差、伪距单位权中误差、载波单位权中误差、平均载噪比、模糊度搜索最优解的单位权中误差、前后历元的定位结果解算的航向角与利用多普勒计算的航向角的差值、定位东方向协方差、定位北方向协方差中的至少一者，以得到浮点解子模型；
当定位结果为固定解时，置信误差特征值包括多普勒观测值的标志、多普勒单位权中误差、伪距单位权中误差、载波单位权中误差、平均载噪比、模糊度搜索最优解的单位权中误差、通过第一频点固定的模糊度和第二频点固定的模糊度计算的位置差、定位东方向协方差、定位北方向协方差中的至少一者，以得到固定解子模型；
当定位结果为单点解时，置信误差特征值包括位置后验残差、卡尔曼滤波解算的速度后验残差、精度因子DOP值、最小二乘解的后验残差、卡尔曼滤波解与最小二乘解的直线距离、平均载噪比中的至少一者，以得到单点解子模型。
第八方面，本申请实施例提供了一种定位置信误差的确定装置，包括：
获取模块，用于获取接收机的实时GNSS观测信息；
解算模块，用于对GNSS观测信息进行解算，得到实时定位结果，并基于解算过程中的中间解算变量得到置信误差特征值；
置信误差确定模块，用于将置信误差特征值输入到如权利要求9或10的定位置信误差模型中得到实时定位结果的定位置信误差，定位置信误差模型包括浮点解子模型、固定解子模型、单点解子模型；
其中，置信误差确定模块，具体用于当实时定位结果为浮点解时，将置信误差特征值输入到浮点解子模型得到定位置信误差；
置信误差确定模块，具体用于当实时定位结果为固定解时，将置信误差特征值输入到固定解子模型得到定位置信误差；
置信误差确定模块，具体用于当实时定位结果为单点解时，将置信误差特征值输入到单点解子模型得到定位置信误差。
第九方面，本申请实施例提供了一种电子设备，该电子设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序或指令，程序或指令被处理器执行时实现如第一方面、第二方面、第三方面、或第四方面中的方法的步骤。
第十方面，本申请实施例提供了一种可读存储介质，该可读存储介质上存储程序或指令，程序或指令被处理器执行时实现如第一方面、第二方面、第三方面、或第四方面中的步骤。
本申请实施例提供的定位置信误差模型的确定方法和定位置信误差的确定方法，通过对GNSS观测信息进行解算，得到定位结果，在解算过程中，可以获取中间解算变量，从而，确定得到中间解算变量对应的置信误差特征值，然后将置信误差特征值和GNSS观测信息的置信误差真值输入至回归模型中，训练该回归模型得到定位置信误差模型，由于中间解算变量与定位置信误差的相关性强，而定位置信误差模型是基于中间解算变量训练得到的，因此，使用训练好的定位置信误差模型确定实时定位结果的定位置信误差，能够提高实时定位结果的定位置信误差的准确性，从而提高对定位结果进行评估的可靠性。
附图说明
图1是本申请实施例提供的一种定位置信误差模型的确定方法的流程示意图；
图2是本申请实施例提供的一种神经网络回归模型的结构示意图；
图3是本申请实施例提供的一种定位置信误差的确定方法的流程示意图；
图4是本申请实施例提供的另一种定位置信误差模型的确定方法的流程示意图；
图5是本申请实施例提供的另一种定位置信误差的确定方法的流程示意图；
图6是本申请实施例提供的一种定位置信误差模型的确定装置的结构示意图；
图7是本申请实施例提供的一种定位置信误差的确定装置的结构示意图；
图8是本申请实施例提供的另一种定位置信误差模型的确定装置的结构示意图；
图9是本申请实施例提供的另一种定位置信误差的确定装置的结构示意图；
图10是本申请实施例提供的一种电子设备的硬件结构示意图。
具体实施方式
下面将详细描述本申请的各个方面的特征和示例性实施例，为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本申请进行进一步详细描述。应理解，此处所描述的具体实施例仅意在解释本申请，而不是限定本申请。对于本领域技术人员来说，本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
在GNSS定位过程中，GNSS定位结果和真实位置之间会存在定位置信误差。由于全球卫星导航系统的定位精度是由定位置信误差决定的，其中，定位置信误差是根据卫星定位信息的观测值与阈值确定的，而该阈值是通过经验模型设定的，但是，通过经验模型设定的阈值不准确，从而导致定位置信误差不准确，影响对GNSS定位结果的评估。
基于此，本申请实施例提供了一种定位置信误差模型的确定方法、定位置信误差的确定方法、装置、设备及存储介质，能够提高定位置信误差的准确性，从而提高对定位结果进行评估的可靠性。
图1示出了本申请实施例提供的一种定位置信误差模型的确定方法100的流程示意图。
如图1所示，本申请实施例提供的定位置信误差模型的确定方法100可以包括S101至S103。
S101：获取接收机的GNSS观测信息。
GNSS观测信息可以是接收机在历史时间段内接收到的GNSS观测信息。在对回归模型进行训练之前，需要从接收机中获取训练样本，其中，训练样本即为GNSS观测信息。
在这里，为了保证训练后的模型的精准度，GNSS观测信息可以有多个。
S102：对GNSS观测信息进行解算，得到定位结果，并基于解算过程中的中间解算变量得到置信误差特征值。
获取到GNSS观测信息后，需要对GNSS观测信息进行解算，从而得到该GNSS观测信息对应的定位结果。在对GNSS观测信息的解算过程中会产生中间解算变量，中间解算变量与定位置信误差的关系较强，因此，为了保证训练后的模型确定的定位置信误差准确性，在模型训练过程中，需要根据中间解算变量确定每个中间解算变量对应的置信误差特征值。
S103：将置信误差特征值和对应于GNSS观测信息的置信误差真值输入到回归模型进行训练得到定位置信误差模型。
回归模型可以表明自变量和因变量之间的显著关系，还可以表明多个自变量对一个因变量的影响强度，为了能够确定中间解算变量和定位置信误差之间的显著关系，以及多个中间解算变量对定位置信误差的影响响度，需要将中间解算变量对应的置信误差特征值和GNSS观测信息对应的定位置信误差真值输入至回归模型中进行模型训练，从而得到定位置信误差模型。
在一些实施例中，回归模型可以是神经网络回归模型，可以是支持向量机，还可以是决策树。
当回归模型是神经网络回归模型时，如图2所示，神经网络回归模型中包括输入层、隐藏层和输出层。神经网络回归模型的隐藏层层数可以设置为LN，LN可以取值为1至5中任意一个数值，且每个隐藏的神经元个数可以设置为N，N可以取值为10至50中任意一个数值。隐藏层L1-Ln-1的激活函数可以是tanh函数。隐藏层到输入层的激活函数可以是ReLU函数，即隐藏层Ln对应的激活函数为ReLU函数。
为了能够节省计算资源，神经网络回归模型的输入层的神经元数量与中间解算量对应的置信误差特征值的数量可以相等。例如，置信误差特征值的数量为n，即{特征1，特征2，……，特征n-1，特征n}，则输入层可以包括n个输入节点。
在对神经网络回归模型进行训练的过程中，输出层可以输出定位结果的定位置信误差。计算定位置信误差与定位结果的置信误差真值之间的损失函数值，并基于损失函数值调整神经网络回归模型中每个层的参数，从而得到定位置信误差模型。
在一些实施例中，定位结果可以是浮点解、固定解、单点解中的任意一种。
为了保证不同类型的定位结果的定位置信误差的准确性，在训练回归模型的过程中，可以针对不同类型的定位结果对回归模型进行训练，从而得到不同类型的定位置信误差模型。其中，定位置信误差模型可以是浮点解定位置信误差模型，可以是固定解定位置信误差模型，还可以是单点解定位置信误差模型。
由此，每种类型的定位结果均对应有定位置信误差模型，从而可以基于实时定位结果对应的定位置信误差模型识别实时定位结果的定位置信误差，提高定位置信误差的准确性。
当定位结果是浮点解时，中间解算变量包括多普勒观测值的标志、多普勒单位权中误差、伪距单位权中误差、载波单位权中误差、平均载噪比、模糊度搜索最优解的单位权中误差、前后历元的定位结果解算的航向角与利用多普勒计算的航向角的差值、定位东方向协方差、定位北方向协方差中的至少一者。将浮点解定位结果对应的置信误差特征值输入至回归模型中进行训练，得到浮点解定位置信误差模型。
在一些实施例中，为了进一步保证定位置信误差准确性，当定位结果是浮点解时，在S102中，还可以在解算GNSS观测信息的过程中，获取中间统计值。其中，中间统计值为每个中间解算变量的数量、GNSS观测信息中每种GNSS观测数据的数量。得到中间统计值后，将中间统计值加入至置信误差特征值。其中，置信误差特征值还可以包括使用的多普勒个数、参与定位的伪距数、共视卫星个数中的至少一者。
由此，置信误差特征值中还包括了中间统计值，从而使得训练得到的定位置信误差模型能够准确识别实时定位结果的定位置信误差。
当定位结果为固定解时，中间解算变量包括中间解算变量包括多普勒观测值的标志、多普勒单位权中误差、伪距单位权中误差、载波单位权中误差、平均载噪比、模糊度搜索最优解的单位权中误差、通过第一频点固定的模糊度和第二频点固定的模糊度计算的位置差、定位东方向协方差、定位北方向协方差中的至少一者。将固定解定位结果对应的置信误差特征值输入至回归模型中进行训练，得到固定解定位置信误差模型。
在一些实施例中，为了进一步保证定位置信误差准确性，当定位结果是固定解时，在S102中，还可以在解算GNSS观测信息的过程中，获取中间统计值。其中，中间统计值为每个中间解算变量的数量、GNSS观测信息中每种GNSS观测数据的数量。得到中间统计值后，将中间统计值加入至置信误差特征值。其中，置信误差特征值还可以包括使用的多普勒个数、参与定位的伪距数、共视卫星个数中的至少一者。
由此，置信误差特征值中还包括了中间统计值，从而使得训练得到的定位置信误差模型能够准确识别实时定位结果的定位置信误差。
当定位结果为单点解时，中间解算变量包括位置后验残差、卡尔曼滤波解算的速度后验残差、精度因子DOP值、最小二乘解的后验残差、卡尔曼滤波解与最小二乘解的直线距离、平均载噪比中的至少一者。将单点解定位结果对应的置信误差特征值输入至回归模型中进行训练，得到单点解定位置信误差模型。
在一些实施例中，为了进一步保证定位置信误差准确性，当定位结果是单点解时，在S102中，还可以在解算GNSS观测信息的过程中，获取中间统计值。其中，中间统计值为每个中间解算变量的数量、GNSS观测信息中每种GNSS观测数据的数量。得到中间统计值后，将中间统计值加入至置信误差特征值。其中，置信误差特征值还可以包括使用的多普勒个数、参与定位的伪距数、共视卫星个数、载噪比大于第一阈值的个数、降权卫星数占所有参与定位卫星数的比例中的至少一者。
由此，置信误差特征值中还包括了中间统计值，从而使得训练得到的定位置信误差模型能够准确识别实时定位结果的定位置信误差。
本申请实施例提供的定位置信误差模型的确定方法，通过对GNSS观测信息进行解算，得到定位结果，在解算过程中，可以获取中间解算变量，从而，确定得到中间解算变量对应的置信误差特征值，然后将置信误差特征值和GNSS观测信息的置信误差真值输入至回归模型中，训练该回归模型得到定位置信误差模型，由于中间解算变量与定位置信误差的相关性强，而定位置信误差模型是基于中间解算变量训练得到的，因此，使用训练好的定位置信误差模型确定实时定位结果的定位置信误差，能够提高实时定位结果的定位置信误差的准确性，从而提高对定位结果进行评估的可靠性。
基于图1对应的实施例提供的定位置信误差模型的确定方法，相应地，本申请提供一个实施例的定位置信误差的确定方法。
图3是本申请实施例提供的定位置信误差的确定方法300的流程示意图。
如图3所示，本申请实施例提供的定位置信误差的确定方法300可以包括S301至S303。
S301：获取接收机的实时GNSS观测信息。
在确定实时定位结果之前，需要从接收机中获取实时GNSS观测信息。
S302：对GNSS观测信息进行解算，得到实时定位结果，并基于解算过程中的中间解算变量得到置信误差特征值。
获取到实时GNSS观测信息后，需要对实时GNSS观测信息进行解算，从而得到该实时GNSS观测信息对应的实时定位结果。在对实时GNSS观测信息的解算过程中会产生中间解算变量，中间解算变量与定位置信误差的关系较强，因此，为了提高定位置信误差的准确性，需要确定中间解算变量对应的置信误差特征值。
S303：将置信误差特征值输入到定位置信误差模型中，得到实时定位结果的定位置信误差。
将置信误差特征值输入至如图1对应的实施例中获取的定位置信误差确定模型中，从而确定实时定位结果的定位置信误差。
在一些实施例中，定位置信误差模型可以是浮点解定位置信误差模型，可以是固定解定位置信误差模型，还可以是单点解定位置信误差模型。
当实时定位结果为浮点解时，中间解算变量包括多普勒观测值的标志、多普勒单位权中误差、伪距单位权中误差、载波单位权中误差、平均载噪比、模糊度搜索最优解的单位权中误差、前后历元的定位结果解算的航向角与利用多普勒计算的航向角的差值、定位东方向协方差、定位北方向协方差中的至少一者。将中间解算变量的置信误差特征值输入至浮点解定位置信误差模型中，确定实时定位结果的置信误差。
当实时定位结果为固定解时，中间解算变量包括多普勒观测值的标志、多普勒单位权中误差、伪距单位权中误差、载波单位权中误差、平均载噪比、模糊度搜索最优解的单位权中误差、通过第一频点固定的模糊度和第二频点固定的模糊度计算的位置差、定位东方向协方差、定位北方向协方差中的至少一者。将中间解算变量的置信误差特征值输入至固定解定位置信误差模型中，确定实时定位结果的置信误差。
当实时定位结果为单点解时，中间解算变量包括位置后验残差、卡尔曼滤波解算的速度后验残差、精度因子DOP值、最小二乘解的后验残差、卡尔曼滤波解与最小二乘解的直线距离、平均载噪比中的至少一者。将中间解算变量的置信误差特征值输入至单点解定位置信误差模型中，确定实时定位结果的置信误差。
本申请实施例提供的定位置信误差的确定方法，通过获取接收机中实时GNSS观测信息，并对实时GNSS观测信息进行解算，从而确定实时定位结果，并能够在解算过程中确定中间解算变量，并将中间解算变量的置信误差特征值输入至预先训练好的定位置信误差模型中，能够得到实时定位结果对应的定位置信误差。由此，通过中间解算变量的置信误差特征值确定实时定位结果的定位置信误差，能够提高定位置信误差的准确性，从而提高对实时定位结果评估的准确性。
本申请实施例还提供了另一种定位置信误差模型的确定方法。
图4是本申请实施例提供的一种定位置信误差模型的确定方法400的流程示意图。
如图4所示，本申请实施例提供的定位置信误差模型的确定方法400可以包括S401至S403。
S401：获取接收机的GNSS观测信息。
S402：对GNSS观测信息进行解算，得到定位结果，并基于解算过程中的中间解算变量得到置信误差特征值。
需要说明的是，S401与S101相同，S402与S102相同，为了简要起见，S401和S402的详细说明请参见对S101和S102的详细说明，此处仅对不同之处进行详细介绍。
S403：将置信误差特征值和对应于GNSS观测信息的置信误差真值输入到回归模型进行训练得到定位置信误差模型，其中，定位置信误差模型包括浮点解子模型、固定解子模型和单点解子模型。
在这里，回归模型可以包括多个子模型。在训练回归模型的过程中，需要根据定位结果的类型，训练不同的子模型，从而得到定位置信误差模型。其中，定位结果的类型可以是浮点解，可以是固定解，还可以是单点解。训练得到的定位置信误差模型包括浮点解子模型、固定解子模型和单点解子模型。
具体地，当定位结果为浮点解时，置信误差特征值包括多普勒观测值的标志、多普勒单位权中误差、伪距单位权中误差、载波单位权中误差、平均载噪比、模糊度搜索最优解的单位权中误差、前后历元的定位结果解算的航向角与利用多普勒计算的航向角的差值、定位东方向协方差、定位北方向协方差中的至少一者。将中间解算变量的置信误差特征值输入至回归模型中的第一子模型中进行训练，从而得到浮点解子模型。
当定位结果为固定解时，置信误差特征值包括多普勒观测值的标志、多普勒单位权中误差、伪距单位权中误差、载波单位权中误差、平均载噪比、模糊度搜索最优解的单位权中误差、通过第一频点固定的模糊度和第二频点固定的模糊度计算的位置差、定位东方向协方差、定位北方向协方差中的至少一者。将中间解算变量的置信误差特征值输入至回归模型中的第二子模型中进行训练，从而得到固定解子模型。
当定位结果为单点解时，置信误差特征值包括位置后验残差、卡尔曼滤波解算的速度后验残差、精度因子DOP值、最小二乘解的后验残差、卡尔曼滤波解与最小二乘解的直线距离、平均载噪比中的至少一者。将中间解算变量的置信误差特征值输入至回归模型中的第三子模型中进行训练，从而得到单点解子模型。
在一些实施例中，为了进一步保证定位置信误差准确性，在S402中，在S102中，还可以在解算GNSS观测信息的过程中，获取中间统计值。其中，中间统计值为每个中间解算变量的数量、GNSS观测信息中每种GNSS观测数据的数量。得到中间统计值后，将中间统计值加入至置信误差特征值。
在这里，输入至浮点解子模型的置信误差特征值还可以包括使用的多普勒个数、参与定位的伪距数、共视卫星个数中的至少一者。输入至固定解子模型的置信误差特征值还可以包括使用的多普勒个数、参与定位的伪距数、共视卫星个数中的至少一者。输入至单点解子模型的置信误差特征值还可以包括使用的多普勒个数、参与定位的伪距数、共视卫星个数、载噪比大于第一阈值的个数、降权卫星数占所有参与定位卫星数的比例中的至少一者。
由此，置信误差特征值中还包括了中间统计值，从而使得训练得到的定位置信误差模型能够准确识别实时定位结果的定位置信误差。
本申请实施例提供的定位置信误差模型的确定方法，通过对GNSS观测信息进行解算，得到定位结果，在解算过程中，可以获取中间解算变量，从而，确定得到中间解算变量对应的置信误差特征值，然后将置信误差特征值和GNSS观测信息的置信误差真值输入至回归模型中，训练该回归模型得到定位置信误差模型，由于，定位置信误差模型包括浮点解子模型、固定解子模型、单点解子模型，可以有针对性地确定实时定位结果的定位置信误差，而且定位置信误差模型是基于中间解算变量训练得到的，因此，使用训练好的定位置信误差模型确定实时定位结果的定位置信误差，能够提高实时GNSS观测信息对应的定位置信误差的准确性，从而提高对定位结果进行评估的可靠性。
基于图4对应的实施例提供的定位置信误差模型的确定方法，相应地，本申请提供一个实施例的定位置信误差的确定方法。
图5是本申请实施例提供的另一种定位置信误差的确定方法500的流程示意图。
如图5所示，本申请实施例提供的定位置信误差的确定方法500可以包括S501至S503。
S501：获取接收机的实时GNSS观测信息。
S502：对GNSS观测信息进行解算，得到实时定位结果，并基于解算过程中的中间解算变量得到置信误差特征值。
需要说明的是，S501与S301相同，S502与S302相同，为了简要起见，S501和S502的详细说明请参见对S301和S302的详细说明，此处仅对不同之处进行详细介绍。
S503：将置信误差特征值输入到定位置信误差模型中得到实时定位结果的定位置信误差，定位置信误差模型包括浮点解子模型、固定解子模型、单点解子模型；其中，当实时定位结果为浮点解时，将置信误差特征值输入到浮点解子模型得到定位置信误差；当实时定位结果为固定解时，将置信误差特征值输入到固定解子模型得到定位置信误差；当实时定位结果为单点解时，将置信误差特征值输入到单点解子模型得到定位置信误差。
在这里，定位置信误差模型包括多个子模型，分别是浮点解子模型、固定解子模型、单点解子模型。在解算得到实时定位结果后，需要根据实时定位结果对应的类型，将实时定位结果对应的置信误差特征值输入至与实时定位结果的类型对应的子模型中。
具体的，当实时定位结果为浮点解时，将置信误差特征值输入到浮点解子模型得到定位置信误差；当实时定位结果为固定解时，将置信误差特征值输入到固定解子模型得到定位置信误差；当实时定位结果为单点解时，将置信误差特征值输入到单点解子模型得到定位置信误差。
本申请实施例提供的定位置信误差的确定方法，通过获取接收机中实时GNSS观测信息，并对实时GNSS观测信息进行解算，从而确定实时定位结果，并能够在解算过程中确定中间解算变量，并将中间解算变量的置信误差特征值输入至预先训练好的定位置信误差模型中，能够得到实时定位结果对应的定位置信误差。由于，定位置信误差模型包括浮点解子模型、固定解子模型、单点解子模型，可以有针对性地确定实时定位结果的定位置信误差，而且定位置信误差模型是基于中间解算变量训练得到的，因此，使用训练好的定位置信误差模型确定实时定位结果的定位置信误差，能够提高实时GNSS观测信息对应的定位置信误差的准确性，从而提高对定位结果进行评估的可靠性。
基于图1对应的实施例提供的定位置信误差模型的确定方法，相应地，本申请提供一个实施例的定位置信误差模型的确定装置。下面对本申请实施例提供的定位置信误差模型的确定装置进行说明。
图6为本申请提供的一种定位置信误差模型的确定装置600的结构示意图。
如图6所示，本申请提供的定位置信误差模型的确定装置600可以包括：获取模块601，解算模块602，训练模块603。
获取模块601，用于获取接收机的GNSS观测信息；
解算模块602，用于对GNSS观测信息进行解算，得到定位结果，并基于解算过程中的中间解算变量得到置信误差特征值；
训练模块603，用于将置信误差特征值和对应于GNSS观测信息的置信误差真值输入到回归模型进行训练得到定位置信误差模型。
在本申请的一些实施例中，当定位结果为浮点解时，中间解算变量包括多普勒观测值的标志、多普勒单位权中误差、伪距单位权中误差、载波单位权中误差、平均载噪比、模糊度搜索最优解的单位权中误差、前后历元的定位结果解算的航向角与利用多普勒计算的航向角的差值、定位东方向协方差、定位北方向协方差中的至少一者；
训练得到的定位置信误差模型为浮点解定位置信误差模型。
在本申请的一些实施例中，装置600还包括加入模块，用于通过GNSS观测信息获得中间统计值加入置信误差特征值，置信误差特征值还包括使用的多普勒个数、参与定位的伪距数、共视卫星个数中的至少一者。
在本申请的一些实施例中，当定位结果为固定解时，中间解算变量包括多普勒观测值的标志、多普勒单位权中误差、伪距单位权中误差、载波单位权中误差、平均载噪比、模糊度搜索最优解的单位权中误差、通过第一频点固定的模糊度和第二频点固定的模糊度计算的位置差、定位东方向协方差、定位北方向协方差中的至少一者；
训练得到的定位置信误差模型为固定解定位置信误差模型。
在本申请的一些实施例中，装置600还包括加入模块，用于通过GNSS观测信息获得中间统计值加入置信误差特征值，置信误差特征值还包括使用的多普勒个数、参与定位的伪距数、共视卫星个数中的至少一者。
在本申请的一些实施例中，当定位结果为单点解时，中间解算变量包括位置后验残差、卡尔曼滤波解算的速度后验残差、精度因子DOP值、最小二乘解的后验残差、卡尔曼滤波解与最小二乘解的直线距离、平均载噪比中的至少一者；
训练得到的定位置信误差模型为单点解定位置信误差模型。
在本申请的一些实施例中，装置600还包括加入模块，用于通过GNSS观测信息获得中间统计值加入置信误差特征值，置信误差特征值还包括使用的多普勒个数、参与定位的伪距数、共视卫星个数、载噪比大于第一阈值的个数、降权卫星数占所有参与定位卫星数的比例中的至少一者。
图6所示装置中的各个模块/单元具有实现图1中各个步骤的功能，并能达到其相应的技术效果，为简洁描述，在此不再赘述。
本申请实施例提供的定位置信误差模型的确定方法，通过对GNSS观测信息进行解算，得到定位结果，在解算过程中，可以获取中间解算变量，从而，确定得到中间解算变量对应的置信误差特征值，然后将置信误差特征值和GNSS观测信息的置信误差真值输入至回归模型中，训练该回归模型得到定位置信误差模型，由于中间解算变量与定位置信误差的相关性强，而定位置信误差模型是基于中间解算变量训练得到的，因此，使用训练好的定位置信误差模型确定实时定位结果的定位置信误差，能够提高实时定位结果的定位置信误差的准确性，从而提高对定位结果进行评估的可靠性。
基于图3对应的实施例提供的定位置信误差的确定方法，相应地，本申请提供一个实施例的定位置信误差的确定装置。下面对本申请实施例提供的定位置信误差的确定装置进行说明。
图7为本申请提供的一种定位置信误差的确定装置700的结构示意图。
如图7所示，本申请提供的定位置信误差的确定装置700可以包括：获取模块701，解算模块702，置信误差确定模块703。
获取模块701，用于获取接收机的实时GNSS观测信息；
解算模块702，用于对GNSS观测信息进行解算，得到实时定位结果，并基于解算过程中的中间解算变量得到置信误差特征值；
置信误差确定模块703，用于将置信误差特征值输入到定位置信误差模型中，得到实时定位结果的定位置信误差。
图7所示装置中的各个模块/单元具有实现图3中各个步骤的功能，并能达到其相应的技术效果，为简洁描述，在此不再赘述。
本申请实施例提供的定位置信误差的确定方法，通过获取接收机中实时GNSS观测信息，并对实时GNSS观测信息进行解算，从而确定实时定位结果，并能够在解算过程中确定中间解算变量，并将中间解算变量的置信误差特征值输入至预先训练好的定位置信误差模型中，能够得到实时定位结果对应的定位置信误差。由此，通过中间解算变量的置信误差特征值确定实时定位结果的定位置信误差，能够提高定位置信误差的准确性，从而提高对实时定位结果评估的准确性。
基于图4对应的实施例提供的定位置信误差模型的确定方法，相应地，本申请提供一个实施例的定位置信误差模型的确定装置。下面对本申请实施例提供的定位置信误差的确定装置进行说明。
图8为本申请提供的一种定位置信误差模型的确定装置800的结构示意图。
如图8所示，本申请提供的定位置信误差模型的确定装置800可以包括：获取模块801，解算模块802，训练模块803。
获取模块801，用于获取接收机的GNSS观测信息；
解算模块802，用于对GNSS观测信息进行解算，得到定位结果，并基于解算过程中的中间解算变量得到置信误差特征值；
训练模块803，用于将置信误差特征值和对应于GNSS观测信息的置信误差真值输入到回归模型进行训练得到定位置信误差模型，其中，定位置信误差模型包括浮点解子模型、固定解子模型和单点解子模型；
其中，当定位结果为浮点解时，置信误差特征值包括多普勒观测值的标志、多普勒单位权中误差、伪距单位权中误差、载波单位权中误差、平均载噪比、模糊度搜索最优解的单位权中误差、前后历元的定位结果解算的航向角与利用多普勒计算的航向角的差值、定位东方向协方差、定位北方向协方差中的至少一者，以得到浮点解子模型；
当定位结果为固定解时，置信误差特征值包括多普勒观测值的标志、多普勒单位权中误差、伪距单位权中误差、载波单位权中误差、平均载噪比、模糊度搜索最优解的单位权中误差、通过第一频点固定的模糊度和第二频点固定的模糊度计算的位置差、定位东方向协方差、定位北方向协方差中的至少一者，以得到固定解子模型；
当定位结果为单点解时，置信误差特征值包括位置后验残差、卡尔曼滤波解算的速度后验残差、精度因子DOP值、最小二乘解的后验残差、卡尔曼滤波解与最小二乘解的直线距离、平均载噪比中的至少一者，以得到单点解子模型。
在本申请的一些实施例中，装置800还包括加入模块，用于通过GNSS观测信息获得中间统计值加入置信误差特征值；
其中，浮点解子模型的置信误差特征值还包括使用的多普勒个数、参与定位的伪距数、共视卫星个数中的至少一者；
固定解子模型的置信误差特征值还包括使用的多普勒个数、参与定位的伪距数、共视卫星个数中的至少一者；
单点解子模型的置信误差特征值还包括使用的多普勒个数、参与定位的伪距数、共视卫星个数、载噪比大于第一阈值的个数、降权卫星数占所有参与定位卫星数的比例中的至少一者。
图8所示装置中的各个模块/单元具有实现图4中各个步骤的功能，并能达到其相应的技术效果，为简洁描述，在此不再赘述。
本申请实施例提供的定位置信误差模型的确定方法，通过对GNSS观测信息进行解算，得到定位结果，在解算过程中，可以获取中间解算变量，从而，确定得到中间解算变量对应的置信误差特征值，然后将置信误差特征值和GNSS观测信息的置信误差真值输入至回归模型中，训练该回归模型得到定位置信误差模型，由于，定位置信误差模型包括浮点解子模型、固定解子模型、单点解子模型，可以有针对性地确定实时定位结果的定位置信误差，而且定位置信误差模型是基于中间解算变量训练得到的，因此，使用训练好的定位置信误差模型确定实时定位结果的定位置信误差，能够提高实时GNSS观测信息对应的定位置信误差的准确性，从而提高对定位结果进行评估的可靠性。
基于图5对应的实施例提供的定位置信误差的确定方法，相应地，本申请提供一个实施例的定位置信误差的确定装置。下面对本申请实施例提供的定位置信误差的确定装置进行说明。
图9为本申请提供的一种定位置信误差的确定装置900的结构示意图。
如图9所示，本申请提供的定位置信误差的确定装置900可以包括：获取模块901，解算模块902，置信误差确定模块903。
获取模块901，用于获取接收机的实时GNSS观测信息；
解算模块902，用于对GNSS观测信息进行解算，得到实时定位结果，并基于解算过程中的中间解算变量得到置信误差特征值；
置信误差确定模块903，用于将置信误差特征值输入到如权利要求9或10的定位置信误差模型中得到实时定位结果的定位置信误差，定位置信误差模型包括浮点解子模型、固定解子模型、单点解子模型；
其中，置信误差确定模块903，具体用于当实时定位结果为浮点解时，将置信误差特征值输入到浮点解子模型得到定位置信误差；
置信误差确定模块903，具体用于当实时定位结果为固定解时，将置信误差特征值输入到固定解子模型得到定位置信误差；
置信误差确定模块903，具体用于当实时定位结果为单点解时，将置信误差特征值输入到单点解子模型得到定位置信误差。
图9所示装置中的各个模块/单元具有实现图5中各个步骤的功能，并能达到其相应的技术效果，为简洁描述，在此不再赘述。
本申请实施例提供的定位置信误差的确定方法，通过获取接收机中实时GNSS观测信息，并对实时GNSS观测信息进行解算，从而确定实时定位结果，并能够在解算过程中确定中间解算变量，并将中间解算变量的置信误差特征值输入至预先训练好的定位置信误差模型中，能够得到实时定位结果对应的定位置信误差。由于，定位置信误差模型包括浮点解子模型、固定解子模型、单点解子模型，可以有针对性地确定实时定位结果的定位置信误差，而且定位置信误差模型是基于中间解算变量训练得到的，因此，使用训练好的定位置信误差模型确定实时定位结果的定位置信误差，能够提高实时GNSS观测信息对应的定位置信误差的准确性，从而提高对定位结果进行评估的可靠性。
图10示出了本申请实施例提供的电子设备的硬件结构示意图。
如图10所示，电子设备可以包括处理器1001以及存储有计算机程序指令的存储器1002。
具体地，上述处理器1001可以包括中央处理器(Central Processing Unit，CPU)，或者特定集成电路(Application Specific Integrated Circuit，ASIC)，或者可以被配置成实施本申请实施例的一个或多个集成电路。
存储器1002可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器1002可包括硬盘驱动器(Hard Disk Drive，HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus，USB)驱动器或者两个或更多个以上这些的组合。在一个实例中，存储器1002可以包括可移除或不可移除(或固定)的介质，或者存储器1002是非易失性固态存储器。存储器1002可在综合网关容灾设备的内部或外部。
在一个实例中，存储器1002可以是只读存储器(Read Only Memory，ROM)。在一个实例中，该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
存储器1002可以包括只读存储器(ROM)，随机存取存储器(RAM)，磁盘存储介质设备，光存储介质设备，闪存设备，电气、光学或其他物理/有形的存储器存储设备。因此，通常，存储器包括一个或多个编码有包括计算机可执行指令的软件的有形(非暂态)计算机可读存储介质(例如，存储器设备)，并且当该软件被执行(例如，由一个或多个处理器)时，其可操作来执行参考根据本申请中的方法所描述的操作。
处理器1001通过读取并执行存储器1002中存储的计算机程序指令，以实现图1、图3、图4和图5中所示实施例中的方法/步骤，并达到图1、图3、图4和图5所示实例执行其方法/步骤达到的相应技术效果，为简洁描述在此不再赘述。
在一个示例中，电子设备还可包括通信接口1003和总线1010。其中，如图10所示，处理器1001、存储器1002、通信接口1003通过总线1010连接并完成相互间的通信。
通信接口1003，主要用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。
总线1010包括硬件、软件或两者，将电子设备的部件彼此耦接在一起。举例来说而非限制，总线可包括加速图形端口(Accelerated Graphics Port，AGP)或其他图形总线、增强工业标准架构(Extended Industry Standard Architecture，EISA)总线、前端总线(Front Side Bus，FSB)、超传输(Hyper Transport，HT)互连、工业标准架构(IndustryStandard Architecture，ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线1010可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线，但本申请考虑任何合适的总线或互连。
该电子设备可以基于当前已拦截的垃圾短信以及用户举报的短信执行本申请实施例中的方法，从而实现结合图1、图3至图9描述的方法和装置。
另外，结合上述实施例中的定位置信误差模型的确定方法和定位置信误差的确定方法，本申请实施例可提供一种计算机存储介质来实现。该计算机存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种定位置信误差模型的确定方法和/或定位置信误差的确定方法。
需要明确的是，本申请并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本申请的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本申请的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(Application SpecificIntegrated Circuit，ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时，本申请的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RadioFrequency，RF)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是，本申请中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本申请不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。
上面参考根据本公开的实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各方面。应当理解，流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器，以产生一种机器，使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解，框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合，也可以由执行指定的功能或动作的专用硬件来实现，或可由专用硬件和计算机指令的组合来实现。
以上所述，仅为本申请的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。

Claims (17)

1.一种定位置信误差模型的确定方法，其特征在于，包括：
获取接收机的全球导航卫星系统GNSS观测信息；
对所述GNSS观测信息进行解算，得到定位结果，并基于解算过程中的中间解算变量得到置信误差特征值；
将所述置信误差特征值和与所述定位结果对应的置信误差真值输入到回归模型进行训练得到定位置信误差模型。
2.根据权利要求1所述的方法，其特征在于，当所述定位结果为浮点解时，所述中间解算变量包括多普勒观测值的标志、多普勒单位权中误差、伪距单位权中误差、载波单位权中误差、平均载噪比、模糊度搜索最优解的单位权中误差、前后历元的定位结果解算的航向角与利用多普勒计算的航向角的差值、定位东方向协方差、定位北方向协方差中的至少一者；
所述训练得到的定位置信误差模型为浮点解定位置信误差模型。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
通过所述GNSS观测信息获得中间统计值加入置信误差特征值，所述置信误差特征值还包括使用的多普勒个数、参与定位的伪距数、共视卫星个数中的至少一者。
4.根据权利要求1所述的方法，其特征在于，当所述定位结果为固定解时，所述中间解算变量包括多普勒观测值的标志、多普勒单位权中误差、伪距单位权中误差、载波单位权中误差、平均载噪比、模糊度搜索最优解的单位权中误差、通过第一频点固定的模糊度和第二频点固定的模糊度计算的位置差、定位东方向协方差、定位北方向协方差中的至少一者；
所述训练得到的定位置信误差模型为固定解定位置信误差模型。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
通过所述GNSS观测信息获得中间统计值加入置信误差特征值，所述置信误差特征值还包括使用的多普勒个数、参与定位的伪距数、共视卫星个数中的至少一者。
6.根据权利要求1所述的方法，其特征在于，当所述定位结果为单点解时，所述中间解算变量包括位置后验残差、卡尔曼滤波解算的速度后验残差、精度因子DOP值、最小二乘解的后验残差、卡尔曼滤波解与最小二乘解的直线距离、平均载噪比中的至少一者；
所述训练得到的定位置信误差模型为单点解定位置信误差模型。
7.根据权利要求6所述的方法，其特征在于，所述方法还包括：
通过所述GNSS观测信息获得中间统计值加入置信误差特征值，所述置信误差特征值还包括使用的多普勒个数、参与定位的伪距数、共视卫星个数、载噪比大于第一阈值的个数、降权卫星数占所有参与定位卫星数的比例中的至少一者。
8.一种定位置信误差的确定方法，其特征在于，包括：
获取接收机的实时GNSS观测信息；
对所述GNSS观测信息进行解算，得到实时定位结果，并基于解算过程中的中间解算变量得到置信误差特征值；
将所述置信误差特征值输入到如权利要求1-7任一项所述的定位置信误差模型中，得到所述实时定位结果的定位置信误差。
9.一种定位置信误差模型的确定方法，其特征在于，包括：
获取接收机的GNSS观测信息；
对所述GNSS观测信息进行解算，得到定位结果，并基于解算过程中的中间解算变量得到置信误差特征值；
将所述置信误差特征值和对应于所述GNSS观测信息的置信误差真值输入到回归模型进行训练得到定位置信误差模型，其中，所述定位置信误差模型包括浮点解子模型、固定解子模型和单点解子模型；
当所述定位结果为浮点解时，所述置信误差特征值包括多普勒观测值的标志、多普勒单位权中误差、伪距单位权中误差、载波单位权中误差、平均载噪比、模糊度搜索最优解的单位权中误差、前后历元的定位结果解算的航向角与利用多普勒计算的航向角的差值、定位东方向协方差、定位北方向协方差中的至少一者，以得到所述浮点解子模型；
当所述定位结果为固定解时，所述置信误差特征值包括多普勒观测值的标志、多普勒单位权中误差、伪距单位权中误差、载波单位权中误差、平均载噪比、模糊度搜索最优解的单位权中误差、通过第一频点固定的模糊度和第二频点固定的模糊度计算的位置差、定位东方向协方差、定位北方向协方差中的至少一者，以得到所述固定解子模型；
当所述定位结果为单点解时，所述置信误差特征值包括位置后验残差、卡尔曼滤波解算的速度后验残差、精度因子DOP值、最小二乘解的后验残差、卡尔曼滤波解与最小二乘解的直线距离、平均载噪比中的至少一者，以得到所述单点解子模型。
10.根据权利要求9所述的方法，其特征在于，所述方法还包括：
通过所述GNSS观测信息获得中间统计值加入置信误差特征值；
其中，所述浮点解子模型的置信误差特征值还包括使用的多普勒个数、参与定位的伪距数、共视卫星个数中的至少一者；
所述固定解子模型的置信误差特征值还包括使用的多普勒个数、参与定位的伪距数、共视卫星个数中的至少一者；
所述单点解子模型的置信误差特征值还包括使用的多普勒个数、参与定位的伪距数、共视卫星个数、载噪比大于第一阈值的个数、降权卫星数占所有参与定位卫星数的比例中的至少一者。
11.一种定位置信误差的确定方法，其特征在于，包括：
获取接收机的实时GNSS观测信息；
对所述GNSS观测信息进行解算，得到实时定位结果，并基于解算过程中的中间解算变量得到置信误差特征值；
将所述置信误差特征值输入到如权利要求9或10所述的定位置信误差模型中得到所述实时定位结果的定位置信误差，所述定位置信误差模型包括浮点解子模型、固定解子模型、单点解子模型；
其中，当所述实时定位结果为浮点解时，将所述置信误差特征值输入到所述浮点解子模型得到定位置信误差；
当所述实时定位结果为固定解时，将所述置信误差特征值输入到所述固定解子模型得到定位置信误差；
当所述实时定位结果为单点解时，将所述置信误差特征值输入到所述单点解子模型得到定位置信误差。
12.一种定位置信误差模型的确定装置，其特征在于，包括：
获取模块，用于获取接收机的GNSS观测信息；
解算模块，用于对所述GNSS观测信息进行解算，得到定位结果，并基于解算过程中的中间解算变量得到置信误差特征值；
训练模块，用于将所述置信误差特征值和与所述定位结果对应的置信误差真值输入到回归模型进行训练得到定位置信误差模型。
13.一种定位置信误差的确定装置，其特征在于，包括：
获取模块，用于获取接收机的实时GNSS观测信息；
解算模块，用于对所述GNSS观测信息进行解算，得到实时定位结果，并基于解算过程中的中间解算变量得到置信误差特征值；
置信误差确定模块，用于将所述置信误差特征值输入到如权利要求1-7任一项所述的定位置信误差模型中，得到所述实时定位结果的定位置信误差。
14.一种定位置信误差模型的确定装置，其特征在于，包括：
获取模块，用于获取接收机的GNSS观测信息；
解算模块，用于对所述GNSS观测信息进行解算，得到定位结果，并基于解算过程中的中间解算变量得到置信误差特征值；
训练模块，用于将所述置信误差特征值和与所述定位结果对应的置信误差真值输入到回归模型进行训练得到定位置信误差模型，其中，所述定位置信误差模型包括浮点解子模型、固定解子模型和单点解子模型；
其中，当所述定位结果为浮点解时，所述置信误差特征值包括多普勒观测值的标志、多普勒单位权中误差、伪距单位权中误差、载波单位权中误差、平均载噪比、模糊度搜索最优解的单位权中误差、前后历元的定位结果解算的航向角与利用多普勒计算的航向角的差值、定位东方向协方差、定位北方向协方差中的至少一者，以得到所述浮点解子模型；
当所述定位结果为固定解时，所述置信误差特征值包括多普勒观测值的标志、多普勒单位权中误差、伪距单位权中误差、载波单位权中误差、平均载噪比、模糊度搜索最优解的单位权中误差、通过第一频点固定的模糊度和第二频点固定的模糊度计算的位置差、定位东方向协方差、定位北方向协方差中的至少一者，以得到所述固定解子模型；
当所述定位结果为单点解时，所述置信误差特征值包括位置后验残差、卡尔曼滤波解算的速度后验残差、精度因子DOP值、最小二乘解的后验残差、卡尔曼滤波解与最小二乘解的直线距离、平均载噪比中的至少一者，以得到所述单点解子模型。
15.一种定位置信误差的确定装置，其特征在于，包括：
获取模块，用于获取接收机的实时GNSS观测信息；
解算模块，用于对所述GNSS观测信息进行解算，得到实时定位结果，并基于解算过程中的中间解算变量得到置信误差特征值；
置信误差确定模块，用于将所述置信误差特征值输入到如权利要求9或10所述的定位置信误差模型中得到所述实时定位结果的定位置信误差，所述定位置信误差模型包括浮点解子模型、固定解子模型、单点解子模型；
其中，所述置信误差确定模块，具体用于当所述实时定位结果为浮点解时，将所述置信误差特征值输入到所述浮点解子模型得到定位置信误差；
所述置信误差确定模块，具体用于当所述实时定位结果为固定解时，将所述置信误差特征值输入到所述固定解子模型得到定位置信误差；
所述置信误差确定模块，具体用于当所述实时定位结果为单点解时，将所述置信误差特征值输入到所述单点解子模型得到定位置信误差。
16.一种电子设备，其特征在于，所述设备包括：处理器，以及存储有计算机程序指令的存储器；所述处理器读取并执行所述计算机程序指令，以实现如权利要求1-7、9、10任意一项所述的定位置信误差模型的确定方法，或实现如权利要求8或11所述的定位置信误差的确定方法。
17.一种计算机存储介质，其特征在于，所述计算机存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如权利要求1-7、9、10任意一项所述的定位置信误差模型的确定方法，或实现如权利要求8或11所述的定位置信误差的确定方法。
CN202011548042.0A 2020-12-23 2020-12-23 定位置信误差模型的确定方法和定位置信误差的确定方法 Pending CN114660639A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011548042.0A CN114660639A (zh) 2020-12-23 2020-12-23 定位置信误差模型的确定方法和定位置信误差的确定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011548042.0A CN114660639A (zh) 2020-12-23 2020-12-23 定位置信误差模型的确定方法和定位置信误差的确定方法

Publications (1)

Publication Number Publication Date
CN114660639A true CN114660639A (zh) 2022-06-24

Family

ID=82024966

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011548042.0A Pending CN114660639A (zh) 2020-12-23 2020-12-23 定位置信误差模型的确定方法和定位置信误差的确定方法

Country Status (1)

Country Link
CN (1) CN114660639A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117092679A (zh) * 2023-10-19 2023-11-21 北京凯芯微科技有限公司 一种用于rtk模糊度固定判决的人工神经网络的训练方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117092679A (zh) * 2023-10-19 2023-11-21 北京凯芯微科技有限公司 一种用于rtk模糊度固定判决的人工神经网络的训练方法
CN117092679B (zh) * 2023-10-19 2024-01-30 北京凯芯微科技有限公司 一种用于rtk模糊度固定判决的人工神经网络的训练方法

Similar Documents

Publication Publication Date Title
CN109696698B (zh) 导航定位预测方法、装置、电子设备及存储介质
US20150153178A1 (en) Car navigation system and method in which global navigation satellite system (gnss) and dead reckoning (dr) are merged
US20240142639A1 (en) Terminal positioning method and apparatus, device, and medium
CN109085619B (zh) 多模gnss系统的定位方法及装置、存储介质、接收机
CN112987560B (zh) 滤波器控制方法、装置、设备及计算机存储介质
KR20140138026A (ko) 위치 결정을 위한 모듈, 기기 및 방법
CN110658542A (zh) 自动驾驶汽车定位识别方法、装置、设备及存储介质
CN114660639A (zh) 定位置信误差模型的确定方法和定位置信误差的确定方法
CN114119744B (zh) 一种构建点云地图的方法、装置、设备及存储介质
Han et al. Precise positioning with machine learning based Kalman filter using GNSS/IMU measurements from android smartphone
CN116931026B (zh) 一种卫星导航信号的异常判定方法
CN105182379A (zh) 一种区域定位导航增强信息提取算法
US20180074205A1 (en) Detection of outlier range measurements using spatial displacement data
JP2011053166A (ja) 測位方法および装置
CN111337950A (zh) 提高地标定位精度的数据处理方法、装置、设备及介质
CN114690227A (zh) 基线模糊度检核方法、装置、设备及存储介质
CN117148394B (zh) 一种卫星筛选方法
CN115420290B (zh) 非合作目标机动检测方法、装置、设备及计算机存储介质
Raghuvanshi et al. Precise positioning of smartphones using a robust adaptive Kalman filter
CN116380056B (zh) 惯性定位方法、装置、电子设备及存储介质
CN116761255B (zh) 一种车辆定位方法及装置
Srinivasaiah et al. Kalman filter based estimation algorithm to improve the accuracy of automobile gps navigation solution
EP4145182A1 (en) Gnss positioning with fixing and validation of carrier range ambiguities
CN116338755A (zh) 噪声积分数据融合定位方法、设备、系统及存储介质
CN115420290A (zh) 非合作目标机动检测方法、装置、设备及计算机存储介质

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