CN115047505B - 基于载波相位差分辅助的gnss定位方法及导航方法 - Google Patents

基于载波相位差分辅助的gnss定位方法及导航方法 Download PDF

Info

Publication number
CN115047505B
CN115047505B CN202210983737.4A CN202210983737A CN115047505B CN 115047505 B CN115047505 B CN 115047505B CN 202210983737 A CN202210983737 A CN 202210983737A CN 115047505 B CN115047505 B CN 115047505B
Authority
CN
China
Prior art keywords
carrier phase
time
gnss
epochs
gnss positioning
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.)
Active
Application number
CN202210983737.4A
Other languages
English (en)
Other versions
CN115047505A (zh
Inventor
满小三
刘勇
何心怡
肖永平
林佳
李元
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.)
Changsha Jinwei Information Technology Co ltd
Original Assignee
Changsha Jinwei Information Technology Co ltd
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 Changsha Jinwei Information Technology Co ltd filed Critical Changsha Jinwei Information Technology Co ltd
Priority to CN202210983737.4A priority Critical patent/CN115047505B/zh
Publication of CN115047505A publication Critical patent/CN115047505A/zh
Application granted granted Critical
Publication of CN115047505B publication Critical patent/CN115047505B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01S19/42—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)
  • Navigation (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明公开了一种基于载波相位差分辅助的GNSS定位方法，包括获取GNSS系统的定位数据；构建GNSS定位数学模型；基于位置变化量构建动力学模型；采用载波历元差分对位置变化量进行估计；将位置变化量带入动力学模型得到当前时刻位置状态的预测量，完成基于载波相位差分辅助的GNSS定位。本发明还公开了一种包括所述基于载波相位差分辅助的GNSS定位方法的导航方法。本发明能够精确估计GNSS定位前后两个历元的位置变化量，能够解决Kalman滤波器的动力学模型不准确的问题，能够精确的确定GNSS观测量的方差及剔除粗差，因此本发明能够提供更加精确，可靠且适用范围广的GNSS定位结果。

Description

基于载波相位差分辅助的GNSS定位方法及导航方法
技术领域
本发明属于导航技术领域，具体涉及一种基于载波相位差分辅助的GNSS定位方法及导航方法。
背景技术
随着经济技术的发展和人们生活水平的提高，导航技术已经广泛应用于人们的生产和生活当中，给人们的生产和生活带来了无尽的便利。因此，保障导航过程的精确性，就成为了导航系统最重要的任务之一。
在导航过程中，为了使得GNSS（Global Navigation Satellite System，全球导航卫星系统）的定位结果更加精确、可靠及定位结果更加平滑，一般采用Kalman滤波（卡尔曼滤波）估计方法。在传统的基于Kalman滤波估计的GNSS定位方法中，对应的动力学模型一般为常速度或常加速度模型：
常速度模型一般表示为
Figure 100002_DEST_PATH_IMAGE002
，其中vx为为Kalman滤波的新息残差，x k 为Kalman滤波器中的时刻k的状态量，
Figure 100002_DEST_PATH_IMAGE004
为Kalman滤波器中时刻k的预测量，
Figure 100002_DEST_PATH_IMAGE006
为Kalman滤波器中时刻k-1的状态量导数，
Figure 100002_DEST_PATH_IMAGE008
为时刻k与时刻k-1的时间差；而且当状态量x k-1为位置时，导数
Figure 100002_DEST_PATH_IMAGE010
即为速度值；
常加速度模型一般表示为
Figure 100002_DEST_PATH_IMAGE012
，其中
Figure 100002_DEST_PATH_IMAGE014
为Kalman滤波器中时刻k-1的状态量的二次导数；而且当状态量x k-1为位置时，导数
Figure 100002_DEST_PATH_IMAGE016
即为速度值，二次导数
Figure 627865DEST_PATH_IMAGE014
即为加速度值。
但是，由于在GNSS定位的实际应用场景中存在各种各样的运动方式，导致采用常速度或者常加速度模型的动力学模型与实际运动状态不符合；而且，当GNSS定位更新频率低，
Figure 810585DEST_PATH_IMAGE004
的预测量精度更低。严重时将导致预测量
Figure 246114DEST_PATH_IMAGE004
失真，从而使Kalman滤波器发散，GNSS定位不可用。毫无疑问，这种情况将严重影响导航系统的导航性能。
发明内容
本发明的目的之一在于提供一种适用范围广、可靠性高且精确性好的基于载波相位差分辅助的GNSS定位方法。
本发明的目的之二在于提供一种包括了所述基于载波相位差分辅助的GNSS定位方法的导航方法。
本发明提供的这种基于载波相位差分辅助的GNSS定位方法，包括如下步骤：
S1. 获取GNSS系统的定位数据；
S2. 根据获取的定位数据中的载波相位观测量和伪距观测量，构建GNSS定位数学模型；
S3. 在采用Kalman滤波模型进行参数估计时，基于位置变化量构建动力学模型；
S4. 采用载波相位观测量历元间差分，对位置变化量进行估计；
S5. 将步骤S4估计得到的位置变化量带入步骤S3构建的动力学模型，得到当前时刻位置参数的预测量，完成基于载波相位差分辅助的GNSS定位。
所述的步骤S2，具体包括如下步骤：
构建的GNSS定位数学模型为：
Figure 100002_DEST_PATH_IMAGE018
Figure 100002_DEST_PATH_IMAGE020
式中
Figure 100002_DEST_PATH_IMAGE022
为GNSS定位的载波相位和伪距函数模型，
Figure 100002_DEST_PATH_IMAGE024
为GNSS定位的随机模型；下标
Figure 100002_DEST_PATH_IMAGE026
表示为载波相位观测量，下标p表示伪距观测量；
Figure 100002_DEST_PATH_IMAGE028
为载波相位观测值；A为实数参数的系数矩阵；a为位置参数和其他实数参数的状态向量；B为模糊度的系数，且为对应波长组成的对角矩阵；b为m维模糊度参数向量；
Figure 100002_DEST_PATH_IMAGE030
为载波相位观测误差；y p 为伪距观测值；e p 为伪距观测误差；D(y)为观测值的方差矩阵；
Figure 100002_DEST_PATH_IMAGE032
为先验标准差；Q y 为协因数矩阵。
所述的步骤S3，具体包括如下步骤：
构建的动力学模型为：
Figure 100002_DEST_PATH_IMAGE034
式中va为位置参数的预测残差；a k 为k时刻的位置参数的状态量；
Figure 100002_DEST_PATH_IMAGE036
为k时刻的位置参数的预测量；da为k-1时刻到k时刻的位置变化量。
所述的步骤S4，具体为首先根据载波相位观测方程计算得到历元间的差值，再采用最小二乘法对历元间的差值进行估计，从而估算得到精确的位置变化量的值。
所述的步骤S4，具体包括如下步骤：
A. 采用载波相位观测方程
Figure DEST_PATH_IMAGE038
，计算历元间的差值，得到：
Figure DEST_PATH_IMAGE040
式中
Figure DEST_PATH_IMAGE042
为k时刻与k-1时刻的GNSS载波相位历元间的差分值；A为实数参数的系数矩阵；da为k-1时刻到k时刻的位置变化量；B为模糊度的系数，且为对应波长组成的对角矩阵；db为周跳值；
Figure DEST_PATH_IMAGE044
为历元间差分载波相位量的噪声；
B. 当k-1时刻与k时刻的GNSS载波相位没有发生周跳时，则周跳值db为0；此时历元间的差值计算式为
Figure DEST_PATH_IMAGE046
；
C. 对步骤B得到的历元间的差值计算式，采用最小二乘法进行估算，得到k-1时刻到k时刻的位置变化量da的计算式为：
Figure DEST_PATH_IMAGE048
式中
Figure DEST_PATH_IMAGE050
为历元间差分载波相位量噪声的方差矩阵；
Figure DEST_PATH_IMAGE052
为k时刻与k-1时刻的GNSS载波相位历元间的差分值。
本发明还公开了一种包括了所述基于载波相位差分辅助的GNSS定位方法的导航方法，具体包括如下步骤：
a. 实时获取GNSS系统的定位数据；
b. 采用所述的基于载波相位差分辅助的GNSS定位方法进行实时定位；
c. 根据步骤b的实时定位结果，实时进行导航。
本发明提供的这种基于载波相位差分辅助的GNSS定位方法及导航方法，能够精确估计GNSS定位前后两个历元的位置变化量，能够解决Kalman滤波器的动力学模型不准确的问题，同时能够精确的确定GNSS观测量的方差及剔除粗差，从而可以提供更加精确，可靠的GNSS定位结果，适合各种应用场景，而且适用范围广、可靠性高且精确性好。
附图说明
图1为本发明的定位方法的方法流程示意图。
图2为本发明的导航方法的方法流程示意图。
具体实施方式
如图1所示为本发明的定位方法的方法流程示意图：本发明提供的这种基于载波相位差分辅助的GNSS定位方法，包括如下步骤：
S1. 获取GNSS系统的定位数据；
S2. 根据获取的定位数据中的载波相位观测量和伪距观测量，构建GNSS定位数学模型；具体包括如下步骤：
构建的GNSS定位数学模型为：
Figure 515026DEST_PATH_IMAGE018
Figure 985191DEST_PATH_IMAGE020
式中
Figure 73233DEST_PATH_IMAGE022
为GNSS定位的载波相位和伪距函数模型，
Figure 12370DEST_PATH_IMAGE024
为GNSS定位的随机模型；下标
Figure 476849DEST_PATH_IMAGE026
表示为载波相位观测量，下标p表示伪距观测量；
Figure 411307DEST_PATH_IMAGE028
为载波相位观测值；A为实数参数的系数矩阵；a为位置参数和其他实数参数的状态向量；B为模糊度的系数，且为对应波长组成的对角矩阵；b为m维模糊度参数向量；
Figure 561928DEST_PATH_IMAGE030
为载波相位观测误差；y p 为伪距观测值；e p 为伪距观测误差；D(y)为观测值的方差矩阵；
Figure 581837DEST_PATH_IMAGE032
为先验标准差；Q y 为协因数矩阵；
S3. 在采用Kalman滤波模型进行参数估计时，基于位置变化量构建动力学模型；具体包括如下步骤：
构建的动力学模型为：
Figure 725373DEST_PATH_IMAGE034
式中va为位置参数的预测残差；a k 为k时刻的位置参数的状态量；
Figure 779917DEST_PATH_IMAGE036
为k时刻的位置参数的预测量；da为k-1时刻到k时刻的位置变化量；
为了使k时刻的位置参数的预测量更加精确，则必须准确的估计出da值；因此可以采用载波相位历元差分精确的估计出位置变化量；
S4. 采用载波相位观测量历元间差分，对位置变化量进行估计；具体为首先根据载波相位观测方程计算得到历元间的差值，再采用最小二乘法对历元间的差值进行估计，从而估算得到精确的位置变化量的值；
具体实施时，包括如下步骤：
A. 采用载波相位观测方程
Figure 865553DEST_PATH_IMAGE038
，计算历元间的差值，得到：
Figure 372758DEST_PATH_IMAGE040
式中
Figure 179040DEST_PATH_IMAGE042
为k时刻与k-1时刻的GNSS载波相位历元间的差分值；A为实数参数的系数矩阵；da为k-1时刻到k时刻的位置变化量；B为模糊度的系数，且为对应波长组成的对角矩阵；db为周跳值；
Figure 229036DEST_PATH_IMAGE044
为历元间差分载波相位量的噪声；
B. 当k-1时刻与k时刻的GNSS载波相位没有发生周跳时（这种情况非常普遍），则周跳值db为0；此时历元间的差值计算式为
Figure DEST_PATH_IMAGE054
；
C. 对步骤B得到的历元间的差值计算式，采用最小二乘法进行估算，得到k-1时刻到k时刻的位置变化量da的计算式为：
Figure DEST_PATH_IMAGE056
式中
Figure DEST_PATH_IMAGE058
为历元间差分载波相位量噪声的方差矩阵；
Figure DEST_PATH_IMAGE060
为k时刻与k-1时刻的GNSS载波相位历元间的差分值；本步骤中，由于GNSS载波相位观测的精度可以达到0.003m，因此能够精确估计出k-1到k时刻的位置变化量db；
S5. 将步骤S4估计得到的位置变化量db带入步骤S3构建的动力学模型，得到当前时刻位置参数的预测量，完成基于载波相位差分的GNSS定位；从而解决Kalman滤波器的动力学模型不准确的问题。
在获取精确的位置参数的预测量
Figure DEST_PATH_IMAGE062
后，通过新息
Figure DEST_PATH_IMAGE064
检测，即可准确的剔除观测量的粗差。从而GNSS定位结果更加精确，可靠的。
如图2所示为本发明的导航方法的方法流程示意图：本发明提供的这种包括了所述基于载波相位差分辅助的GNSS定位方法的导航方法，具体包括如下步骤：
a. 实时获取GNSS系统的定位数据；
b. 采用所述的基于载波相位差分辅助的GNSS定位方法进行实时定位；
c. 根据步骤b的实时定位结果，实时进行导航。
为了验证本发明的有效性，使用无人机采集了一组GNSS动态数据，对该组数据使用本发明和常用方法进行单点定位后处理，对单点定位结果进行统计如表1所示。
表1 本发明与其他常用方法的单点定位误差统计示意表
Figure DEST_PATH_IMAGE066
通过表1的单点定位误差的统计值可以看到，本发明的定位精度要优于其他常规方法。

Claims (4)

1.一种基于载波相位差分辅助的GNSS定位方法，其特征在于包括如下步骤：
S1. 获取GNSS系统的定位数据；
S2. 根据获取的定位数据中的载波相位观测量和伪距观测量，构建GNSS定位数学模型；
S3. 在采用Kalman滤波模型进行参数估计时，基于位置变化量构建动力学模型；具体包括如下步骤：
构建的动力学模型为：
Figure DEST_PATH_IMAGE002
式中va为位置参数的预测残差；a k 为k时刻的位置参数的状态量；
Figure DEST_PATH_IMAGE004
为k时刻的位置参数的预测量；da为k-1时刻到k时刻的位置变化量；
S4. 采用载波相位观测量历元间差分，对位置变化量进行估计；具体为首先根据载波相位观测方程计算得到历元间的差值，再采用最小二乘法对历元间的差值进行估计，从而估算得到精确的位置变化量的值；
S5. 将步骤S4估计得到的位置变化量带入步骤S3构建的动力学模型，得到当前时刻位置参数的预测量，完成基于载波相位差分辅助的GNSS定位。
2.根据权利要求1所述的基于载波相位差分辅助的GNSS定位方法，其特征在于所述的步骤S2，具体包括如下步骤：
构建的GNSS定位数学模型为：
Figure DEST_PATH_IMAGE006
Figure DEST_PATH_IMAGE008
式中
Figure DEST_PATH_IMAGE010
为GNSS定位的载波相位和伪距函数模型，
Figure DEST_PATH_IMAGE012
为GNSS定位的随机模型；下标
Figure DEST_PATH_IMAGE014
表示为载波相位观测量，下标p表示伪距观测量；
Figure DEST_PATH_IMAGE016
为载波相位观测值；A为实数参数的系数矩阵；a为位置参数和其他实数参数的状态向量；B为模糊度的系数，且为对应波长组成的对角矩阵；b为m维模糊度参数向量；
Figure DEST_PATH_IMAGE018
为载波相位观测误差；y p 为伪距观测值；e p 为伪距观测误差；D(y)为观测值的方差矩阵；
Figure DEST_PATH_IMAGE020
为先验标准差；Q y 为协因数矩阵。
3.根据权利要求2所述的基于载波相位差分辅助的GNSS定位方法，其特征在于所述的步骤S4，具体包括如下步骤：
A. 采用载波相位观测方程
Figure DEST_PATH_IMAGE022
，计算历元间的差值，得到：
Figure DEST_PATH_IMAGE024
式中
Figure DEST_PATH_IMAGE026
为k时刻与k-1时刻的GNSS载波相位历元间的差分值；A为实数参数的系数矩阵；da为k-1时刻到k时刻的位置变化量；B为模糊度的系数，且为对应波长组成的对角矩阵；db为周跳值；
Figure DEST_PATH_IMAGE028
为历元间差分载波相位量的噪声；
B. 当k-1时刻与k时刻的GNSS载波相位没有发生周跳时，则周跳值db为0；此时历元间的差值计算式为
Figure DEST_PATH_IMAGE030
；
C. 对步骤B得到的历元间的差值计算式，采用最小二乘法进行估算，得到k-1时刻到k时刻的位置变化量da的计算式为：
Figure DEST_PATH_IMAGE032
式中
Figure DEST_PATH_IMAGE034
为历元间差分载波相位量噪声的方差矩阵；
Figure DEST_PATH_IMAGE036
为k时刻与k-1时刻的GNSS载波相位历元间的差分值。
4.一种包括了权利要求1~3之一所述的基于载波相位差分辅助的GNSS定位方法的导航方法，其特征在于具体包括如下步骤：
a. 实时获取GNSS系统的定位数据；
b. 采用权利要求1~3之一所述的基于载波相位差分辅助的GNSS定位方法进行实时定位；
c. 根据步骤b的实时定位结果，实时进行导航。
CN202210983737.4A 2022-08-17 2022-08-17 基于载波相位差分辅助的gnss定位方法及导航方法 Active CN115047505B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210983737.4A CN115047505B (zh) 2022-08-17 2022-08-17 基于载波相位差分辅助的gnss定位方法及导航方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210983737.4A CN115047505B (zh) 2022-08-17 2022-08-17 基于载波相位差分辅助的gnss定位方法及导航方法

Publications (2)

Publication Number Publication Date
CN115047505A CN115047505A (zh) 2022-09-13
CN115047505B true CN115047505B (zh) 2022-11-22

Family

ID=83167300

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210983737.4A Active CN115047505B (zh) 2022-08-17 2022-08-17 基于载波相位差分辅助的gnss定位方法及导航方法

Country Status (1)

Country Link
CN (1) CN115047505B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116953745B (zh) * 2023-09-20 2023-11-21 毫厘智能科技(江苏)有限公司 基于芯片平台的定位方法、装置及计算机可读存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107193028A (zh) * 2017-03-29 2017-09-22 中国航空无线电电子研究所 基于GNSS的Kalman相对定位方法
CN109932735A (zh) * 2019-03-25 2019-06-25 中国铁路设计集团有限公司 北斗短基线单频单历元解算的定位方法
CN110059361A (zh) * 2019-03-22 2019-07-26 中国科学院测量与地球物理研究所 一种基于抗差卡尔曼滤波算法的实时区域对流层建模方法
CN111487660A (zh) * 2020-04-24 2020-08-04 北京航空航天大学 一种高精度实时微纳卫星集群导航算法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102171583B (zh) * 2008-10-06 2015-02-18 天宝导航有限公司 位置估计方法和设备
WO2018009088A1 (en) * 2016-07-04 2018-01-11 Llc "Topcon Positioning Systems" Gnss positioning system and method using multiple processing threads

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107193028A (zh) * 2017-03-29 2017-09-22 中国航空无线电电子研究所 基于GNSS的Kalman相对定位方法
CN110059361A (zh) * 2019-03-22 2019-07-26 中国科学院测量与地球物理研究所 一种基于抗差卡尔曼滤波算法的实时区域对流层建模方法
CN109932735A (zh) * 2019-03-25 2019-06-25 中国铁路设计集团有限公司 北斗短基线单频单历元解算的定位方法
CN111487660A (zh) * 2020-04-24 2020-08-04 北京航空航天大学 一种高精度实时微纳卫星集群导航算法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Performance Analysis on Carrier Phase-Based Tightly-Coupled GPS/BDS/INS Integration in GNSS Degraded and Denied Environments;Houzeng Han et al.;《OPEN ACCESS》;20150414(第15期);第8685-8711页 *
一种联合载波相位观测值的GPS/BDS滤波导航算法;王甫红等;《测绘科学技术学报》;20160701;第33卷(第02期);正文第111-115页 *

Also Published As

Publication number Publication date
CN115047505A (zh) 2022-09-13

Similar Documents

Publication Publication Date Title
CN109459040B (zh) 基于rbf神经网络辅助容积卡尔曼滤波的多auv协同定位方法
CN110109162B (zh) 一种gnss接收机自适应的卡尔曼滤波定位解算方法
CN110823217B (zh) 一种基于自适应联邦强跟踪滤波的组合导航容错方法
WO2018014602A1 (zh) 适于高维gnss/ins深耦合的容积卡尔曼滤波方法
CN102269819B (zh) 一种用于精密单点定位方法的估计方法
CN104392136B (zh) 一种面向高动态非高斯模型鲁棒测量的高精度数据融合方法
CN106772524B (zh) 一种基于秩滤波的农业机器人组合导航信息融合方法
CN106597507B (zh) Gnss/sins紧组合滤波平滑的高精度快速算法
CN103776453A (zh) 一种多模型水下航行器组合导航滤波方法
CN102608631A (zh) 基于模糊逻辑的自适应强跟踪ukf定位滤波算法
CN110646822B (zh) 一种基于惯导辅助的整周模糊度Kalman滤波算法
CN104075711B (zh) 一种基于CKF的IMU/Wi‑Fi信号紧组合室内导航方法
CN115047505B (zh) 基于载波相位差分辅助的gnss定位方法及导航方法
CN112034445B (zh) 基于毫米波雷达的车辆运动轨迹跟踪方法和系统
CN108134640A (zh) 一种基于节点运动状态约束的协作定位系统和方法
CN111444474B (zh) 一种基于乘性噪声相关自适应ckf的目标跟踪方法
CN115373007A (zh) 基于手机gnss模糊度相对变化估计的里程计定位方法
CN118276135A (zh) 一种基于自适应最大熵准则卡尔曼滤波的组合导航方法
CN116680500B (zh) 水下航行器在非高斯噪声干扰下的位置估计方法及系统
CN103268403B (zh) 一种基于容积强跟踪信息滤波器的目标跟踪方法
CN110007298B (zh) 一种目标超前预测跟踪方法
CN110940999A (zh) 一种基于误差模型下的自适应无迹卡尔曼滤波方法
CN112230249B (zh) 一种基于城市多路径误差抑制的相对定位方法
Lin et al. Adaptive Robust Least-Squares Smoothing Algorithm
Zhong et al. Trajectory Smoothing Using GNSS/PDR Integration Via Factor Graph Optimization in Urban Canyons

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