CN115242297B - 移动终端的运动参数确定方法、装置、设备和存储介质 - Google Patents

移动终端的运动参数确定方法、装置、设备和存储介质 Download PDF

Info

Publication number
CN115242297B
CN115242297B CN202211153217.7A CN202211153217A CN115242297B CN 115242297 B CN115242297 B CN 115242297B CN 202211153217 A CN202211153217 A CN 202211153217A CN 115242297 B CN115242297 B CN 115242297B
Authority
CN
China
Prior art keywords
doppler
parameter
matrix
observation data
updated
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
CN202211153217.7A
Other languages
English (en)
Other versions
CN115242297A (zh
Inventor
苏景岚
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.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen 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 Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN202211153217.7A priority Critical patent/CN115242297B/zh
Publication of CN115242297A publication Critical patent/CN115242297A/zh
Application granted granted Critical
Publication of CN115242297B publication Critical patent/CN115242297B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/14—Relay systems
    • H04B7/15—Active relay systems
    • H04B7/185—Space-based or airborne stations; Stations for satellite systems
    • H04B7/1853—Satellite systems for providing telephony service to a mobile station, i.e. mobile satellite service
    • H04B7/18545—Arrangements for managing station mobility, i.e. for station registration or localisation
    • H04B7/18547—Arrangements for managing station mobility, i.e. for station registration or localisation for geolocalisation of a station
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/14—Relay systems
    • H04B7/15—Active relay systems
    • H04B7/185—Space-based or airborne stations; Stations for satellite systems
    • H04B7/1851—Systems using a satellite or space-based relay
    • H04B7/18517—Transmission equipment in earth stations
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/024—Guidance services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/025—Services making use of location information using location based information parameters
    • H04W4/027—Services making use of location information using location based information parameters using movement velocity, acceleration information

Abstract

本申请涉及一种移动终端的运动参数确定方法、装置、设备和存储介质。所述方法包括：获取针对移动终端的多普勒观测数据和载波相位观测数据，基于多普勒观测数据确定移动终端的初始运动参数，将初始运动参数作为初始状态参数，基于初始状态参数对目标滤波器进行初始化，基于多普勒观测数据对初始化的目标滤波器进行初次参数更新，得到参数更新的目标滤波器，基于载波相位观测数据对参数更新的目标滤波器进行二次参数更新，以确定移动终端的运动参数。采用上述方法能够快速准确确定移动终端的运动参数，本申请实施例可以应用于自动驾驶领域。

Description

移动终端的运动参数确定方法、装置、设备和存储介质
技术领域
本申请涉及卫星导航技术领域，特别是涉及一种移动终端的运动参数确定方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着电子地图和移动互联网技术的快速发展，在日常出行时，越来越多的人会使用存储有电子地图导航软件或者具备地图导航功能的导航设备，在车辆等移动终端的运动场景中，移动终端的运动参数对于移动终端的精确导航具有重要意义，通过导航系统、视觉传感器、雷达等传感器作为辅助，对终端进行运动参数判断，可以为使用该终端的用户进行路径导航。
然而，由于现代城市的特殊环境，如高楼大厦形成城市峡谷，立交桥形成定位盲区，使得卫星导航测速的全面应用受到阻碍，在利用全球定位系统等辅助工具对移动终端的运动参数进行测速分析的过程中，存在准确性过低的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高运动参数准确性的移动终端的运动参数确定方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面，本申请提供了一种移动终端的运动参数确定方法。所述方法包括：
获取针对移动终端的多普勒观测数据和载波相位观测数据，基于所述多普勒观测数据确定所述移动终端的初始运动参数；
将所述初始运动参数作为初始状态参数，基于所述初始状态参数对目标滤波器进行初始化；
基于所述多普勒观测数据，对初始化的所述目标滤波器进行初次参数更新，得到参数更新的目标滤波器；
基于所述载波相位观测数据，对所述参数更新的目标滤波器进行二次参数更新，基于二次参数更新的目标滤波器确定所述移动终端的运动参数。
第二方面，本申请还提供了一种移动终端的运动参数确定装置。所述装置包括：
初始运动状态确定模块，用于获取针对移动终端的多普勒观测数据和载波相位观测数据，基于所述多普勒观测数据确定所述移动终端的初始运动参数；
滤波器初始化模块，用于将所述初始运动参数作为初始状态参数，基于所述初始状态参数对目标滤波器进行初始化；
第一更新模块，用于基于所述多普勒观测数据对初始化的所述目标滤波器进行初次参数更新，得到参数更新的目标滤波器；
第二更新模块，用于基于所述载波相位观测数据对所述参数更新的目标滤波器进行二次参数更新，基于二次参数更新的目标滤波器确定所述移动终端的运动参数。
第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取针对移动终端的多普勒观测数据和载波相位观测数据，基于所述多普勒观测数据确定所述移动终端的初始运动参数；
将所述初始运动参数作为初始状态参数，基于所述初始状态参数对目标滤波器进行初始化；
基于所述多普勒观测数据，对初始化的所述目标滤波器进行初次参数更新，得到参数更新的目标滤波器；
基于所述载波相位观测数据，对所述参数更新的目标滤波器进行二次参数更新，基于二次参数更新的目标滤波器确定所述移动终端的运动参数。
第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取针对移动终端的多普勒观测数据和载波相位观测数据，基于所述多普勒观测数据确定所述移动终端的初始运动参数；
将所述初始运动参数作为初始状态参数，基于所述初始状态参数对目标滤波器进行初始化；
基于所述多普勒观测数据，对初始化的所述目标滤波器进行初次参数更新，得到参数更新的目标滤波器；
基于所述载波相位观测数据，对所述参数更新的目标滤波器进行二次参数更新，基于二次参数更新的目标滤波器确定所述移动终端的运动参数。
第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
获取针对移动终端的多普勒观测数据和载波相位观测数据，基于所述多普勒观测数据确定所述移动终端的初始运动参数；
将所述初始运动参数作为初始状态参数，基于所述初始状态参数对目标滤波器进行初始化；
基于所述多普勒观测数据对初始化的所述目标滤波器进行初次参数更新，得到参数更新的目标滤波器；
基于所述载波相位观测数据对所述参数更新的目标滤波器进行二次参数更新，基于二次参数更新的目标滤波器确定所述移动终端的运动参数。
上述移动终端的运动参数确定方法、装置、计算机设备、存储介质和计算机程序产品，通过多普勒观测数据确定移动终端的初始运动参数以对目标滤波器进行初始化，通过对多普勒观测数据对目标滤波器进行第一次参数更新，在目标滤波器初始化的基础上实现对目标滤波器的初步优化，并通过载波相位观测数据对目标滤波器进行第二次参数更新，能够利用多普勒观测数据和载波相位观测数据的不同特性对目标滤波器依次进行更新，有效提高目标滤波器中的参数准确性，进而能够基于目标滤波器准确确定移动终端的运动参数，提高运动参数的准确性。
附图说明
图1为一个实施例中移动终端的运动参数确定方法的应用环境图；
图2为一个实施例中移动终端的运动参数确定方法的流程示意图；
图3为一个实施例中移动终端的终端速度确定方法的应用场景图；
图4为另一个实施例中移动终端的运动参数确定方法的流程示意图；
图5为一个实施例中目标滤波器的结构示意图；
图6为一个实施例中目标滤波器的系统噪声自适应估计的示意图；
图7为一个实施例中目标滤波器进行测量更新方式的示意图；
图8为另一个实施例中目标滤波器的测量更新过程的流程示意图；
图9为一个实施例中移动终端的运动参数确定方法的应用场景示意图；
图10为又一个实施例中移动终端的运动参数确定方法的流程示意图；
图11为一个实施例中移动终端的运动参数确定装置的结构框图；
图12为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例涉及以下几个概念：
全球卫星导航系统（the Global Navigation Satellite System，简称GNSS）：全球卫星导航系统也称为全球导航卫星系统，是能在地球表面或近地空间的任何地点为用户提供全天候的三维坐标和速度以及时间信息的空基无线电导航定位系统。卫星导航系统已经在航海、通信、人员定位、消费娱乐、测绘、授时、车辆运行管理和汽车导航与信息服务等方面广泛使用。
卫星定位设备：用于定位和处理卫星信号，并测量设备与卫星之间的几何距离以及卫星信号的多普勒效应的电子设备。卫星定位设备通常包括有天线、卫星信号定位环路、基带信号处理等模块，集成卫星定位设备的移动终端根据多普勒和多普勒观测值计算移动终端当前位置坐标，卫星定位设备广泛应用于地图导航、测绘、位置服务以及深空探测等领域，例如智能手机地图导航、高精度大地测量、民航等。由卫星定位设备输出观测值包括有多普勒、多普勒率和累加距离增量（ADR，accumulated delta range）；其中，多普勒测量的是卫星至定位设备的几何距离；多普勒率观测值测量的是定位设备与卫星相对运动产生的多普勒效应，ADR测量的是卫星至定位设备几何距离变化量。
移动终端：能够在移动过程中使用的计算机设备，包括手机、笔记本、平板电脑、POS机甚至包括车载电脑。随着集成电路技术的飞速发展，移动终端的处理能力已经拥有了强大的处理能力，移动终端正在从简单的通话工具变为一个综合信息处理平台。移动终端也拥有非常丰富的通信方式，即可通过无线运营网通讯，也可以通过无线局域网、蓝牙和红外进行通信，另外移动终端集成有全球卫星导航系统定位芯片，用于处理卫星信号以及进行用户的精准定位，目前已广泛用于位置服务；通常移动终端包含有卫星定位设备而且移动终端能够获取得到卫星观测值，由移动终端输出的卫星观测值包括有多普勒、多普勒率和累加距离增量。
高精定位服务平台；高精定位服务平台为CORS（卫星连续运行参考站系统）系统的后台数据中心，例如CORS服务器，CORS系统的高精定位服务平台可播发差分服务数据至用户终端，以此实现厘米级高精度定位；其中，差分服务数据可以是指CORS系统在获取到卫星的原始观测数据后，由高精定位服务平台对原始观测数据进行处理后所得到的卫星观测数据(例如，多普勒观测数据、多普勒观测数据等)；厘米级高精度定位是指高精定位服务平台通过CORS系统的观测数据所计算得到的终端位置可以精确到厘米。
CORS系统：CORS系统是卫星定位技术、计算机网络技术、数字通讯技术等高新科技多方位、深度结晶的产物。CORS系统由基准站网、数据处理中心、数据传输系统、定位导航数据播发系统、用户应用系统五个部分组成，各基准站与数据分析中心间通过数据传输系统连接成一体，形成专用网络。
多普勒测量：通过观测无线电波的多普勒频移来确定两点间的相对速度或距离差的测量方式，亦即距离差测量；多普勒测量可应用于多普勒雷达、激光多普勒测速仪等各种场合，亦可应用于卫星导航系统中测定卫星或测站的位置（即多普勒定位）和速度。
载波相位测量：测定卫星接收机所接收的卫星载波信号与接收机振荡器产生的参考载波信号之间的相位差；载波相位观测量理论上是卫星信号在接收时刻的瞬时载波相位值；但实际上是无法直接测量出任何信号的瞬时载波相位值，测量接收到的是具有多普勒频移的载波信号与接收机产生的参考载波信号之间的相位差。
请参见图1，图1是本申请实施例提供的一种运动参数分析系统的结构示意图。如图1所示，该运动参数分析系统连续运行参考站(CORS)系统和用户终端集群，该用户终端集群可以包括一个或多个移动终端，高精定位服务平台为CORS系统的后台数据中心，该高精定位服务平台可以为独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。用户终端集群中的用户终端可以包括但不限于：智能手机、平板电脑、笔记本电脑、掌上电脑、移动互联网设备、可穿戴设备(例如智能手表、智能手环等)、飞行器(例如飞机、无人机等)以及自动驾驶系统中的车载电脑等集成了卫星定位设备的移动终端。其中，高精定位服务平台可以为用户终端集群中的每个移动终端播发差分服务数据，用户终端集群中的移动终端也可以向高精定位服务平台上报位置。
如图1所示的导航卫星可以为全球卫星导航系统(GNSS)的导航卫星，GNSS也称为全球导航卫星系统，可以在地球表面或近地空间的任何地点为用户提供全天候的三维坐标和速度以及时间信息的空基无线电导航定位系统；如图1所示，导航卫星的数量可以为一个或多个。为方便描述，下述将导航卫星简称为卫星。
具体地，CORS系统可以获取全球卫星导航系统的导航卫星所对应的原始观测数据，这些接收到的原始观测数据可以传输至高精定位服务平台；该高精定位服务平台通过这些原始观测数据实时计算用户终端集群中的各个移动终端与导航卫星之间的卫星观测数据，并将卫星观测数据播发给移动终端，此时的卫星观测数据可以称为高精定位服务平台为用户终端所播发的差分服务数据。
以图1所示用户终端集群中的一个移动终端为例，该移动终端可以为集成了卫星定位设备的终端，该移动终端可以从CORS系统的高精定位服务平台中获取该移动终端与各个卫星之间的多普勒观测数据和载波相位观测数据。移动终端在获取到卫多普勒观测数据和载波相位观测数据后，可以通过这些获取到的多普勒观测数据和载波相位观测数据估计移动终端的运动参数。
例如，该移动终端中安装有电子地图应用，当移动终端的使用者利用电子地图进行导航时，可以启动移动终端中的电子地图应用，移动终端可以响应针对电子地图应用的导航功能启动操作，在移动终端的终端屏幕中显示该电子地图应用移动终端的在当前道路上的移动速度和加速度的等运动参数。
在一个实施例中，如图2所示，提供了一种移动终端的运动参数确定方法，可以由计算机设备执行，该计算机设备可以为集成了卫星定位设备的电子设备，以该方法应用于图1中的移动终端为例进行说明，包括以下步骤：
步骤202，获取针对移动终端的多普勒观测数据和载波相位观测数据，基于多普勒观测数据确定移动终端的初始运动参数。
其中，多普勒观测数据用于表征卫星与接收设备相对运动所造成的多普勒效应的大小的数据，其原理是利用接收设备与卫星之间的相对运动产生多普勒效应，使得接收设备接收到的卫星信号与卫星发射的原始载波信号频率不一样，从而产生多普勒观测数据。具体来说，多普勒观测数据可以通过多普勒测量来实现，多普勒测量是通过观测无线电波的多普勒频移来确定两点间的相对速度或距离差的测量方式，多普勒测量可应用于卫星导航系统中，用来测定卫星或移动终端的位置和速度。
载波相位观测数据用于表征卫星接收机所接收的卫星载波信号与接收机振荡器产生的参考载波信号之间相位差的数据。载波相位观测数据可以通过载波相位观测来实现，载波相位观测是利用接收机测定载波相位观测值或其差分观测值，经基线向量解算以获得两个同步观测站之间的基线向量坐标差的技术和方法。载波相位观测数据理论上是GPS信号在接收时刻的瞬时载波相位值。由于实际上是无法直接测量出任何信号的瞬时载波相位值，测量接收到的是具有多普勒频移的载波信号与接收机产生的参考载波信号之间的相位差，载波相位测量能达到毫米级的精度，实现高精度定位。
初始运动参数包括基于多普勒观测数据直接计算得到的移动终端的终端速度和终端加速度。其中终端速度可以是基于多普勒观测数据构建多普勒方程式进行解算得到，终端加速度可以设置为零。初始运动参数是精确度较低的预估运动参数，计算机设备可以基于初始运动参数实现目标滤波器的初始化通过对初始化的目标滤波器进行初次参数更新，进而能够准确分析出移动终端的目标运动参数，即终端目标速度和终端目标加速度。
具体地，计算机设备可以通过NTRIP（Networked Transport of RTCM viaInternet Protocol，通过互联网进行RTCM数据传输的应用层协议）协议连接CORS系统，向CORS系统发送星历和观测数据播发请求，CORS系统的高精定位服务平台接收到星历和观测数据播发请求后，可以从卫星星历数据库中获取实时的卫星导航星历，并将实时的卫星导航星历传输至计算机设备，计算机设备接收CORS系统的高精定位服务平台播发的卫星导航星历、以及CORS系统的高精定位服务平台所播发的卫星观测数据，其中，该卫星导航星历可以包括一组用于确定卫星位置的参数列表，卫星星历数据库中可以包括所有卫星的导航星历，卫星观测数据可以包括多普勒观测数据和载波相位观测数据。
计算机设备根据多普勒观测数据和卫星导航星历，确定各个卫星各自的卫星的运行速度（简称卫星速度）和卫星钟漂。其中，卫星钟漂是指卫星钟漂的变化率，卫星钟漂是卫星时钟与标准时间之间的差值。计算机设备可以基于接收到的多普勒观测数据和卫星导航星历可以计算各个卫星分别对应的卫星速度和卫星钟漂。具体来说，计算机设备通过获取自身接收到卫星发射信号的接收时间，根据多普勒观测数据、接收时间以及光速值，确定卫星发射信号的发射时间，进而可以根据发射时间和卫星导航星历中所包含的参数列表，确定每一卫星的卫星速度和卫星钟漂。计算机设备基于多个卫星各自的卫星速度和卫星钟漂，构建多个卫星与移动终端之间的多普勒方程组，通过对多普勒方程组进行解算，可以计算得到移动终端的终端速度和终端钟漂，此时，移动终端的初始加速度可以取值为零，进而构建包含终端速度、取值为零的终端加速度以及终端钟漂的初始运动参数。
步骤204，将初始运动参数作为初始状态参数，基于初始状态参数对目标滤波器进行初始化。
其中， 初始状态参数是目标滤波器在初始化状态下的状态参数，计算机设备可以基于初始运动参数对针对移动终端构建的目标滤波器进行初始化，将该初始运动参数作为目标滤波器的初始状态参数，该目标滤波器的状态参数包括移动终端的多个运动参数，例如包括终端速度、终端加速度、以及终端钟漂等。目标滤波器可以为递归滤波器，如目标滤波器可以包括但不限于：卡尔曼滤波器(Kalman Filter，EKF)、扩展卡尔曼滤波器(Extended Kalman Filter，EKF)、无迹卡尔曼滤波器、稳健卡尔曼滤波器等，本申请实施例对目标滤波器的类型不做限定。为方便描述，本实施例以稳健卡尔曼滤波器为例进行说明。
在一个具体的应用中，目标滤波器的初始状态参数可以根据初始运动参数进行设置，例如初始状态参数可以设置为
Figure 435929DEST_PATH_IMAGE002
。其中，x表示为目标滤波器的初始状态参数，T表示为矩阵的转置。进一步地，初始化的目标滤波器还包括初始状态协方差矩阵，目标滤波器的初始状态协方差矩阵可以预先配置得到，例如将初始状态协方差矩阵设置为
Figure 290752DEST_PATH_IMAGE004
，其中
Figure 601648DEST_PATH_IMAGE006
表示为对角线矩阵。
步骤206，基于多普勒观测数据，对初始化的目标滤波器进行初次参数更新，得到参数更新的目标滤波器。
其中，目标滤波器在完成初始化后，可以对目标滤波器进行初次参数更新，参数更新的过程包括将目标滤波器的初始状态参数迭代更新为更新状态参数，将初始状态协方差矩阵迭代更新为更新状态协方差矩阵。具体来说，参数更新是一个迭代更新的过程，每一次迭代过程都会可以探测出多普勒观测数据中的粗差数据，通过对粗差数据进行剔除处理，进入到下一轮的迭代过程。粗差剔除是将多普勒观测数据中的观测粗差数据剔除，以实现对多普勒观测数据的更新的数据处理过程。具体来说，粗差剔除可以发生在目标滤波器的每一次迭代过程中，基于迭代结果从多普勒观测数据中的筛选出不满足设定条件的多普勒观测粗差数据然后进行剔除处理。
在一个具体的应用中，计算机设备在计算初始运动参数的过程中，可能从N个卫星所对应的卫星观测数据中剔除了一部分观测数据粗差，例如，N个卫星所对应的卫星观测数据中的卫星i的卫星观测数据为观测数据粗差，则可以剔除卫星i的卫星观测数据，将N个卫星中除卫星i之外的其余卫星的卫星观测数据作为更新多普勒观测数据，更新多普勒观测数据的数量小于或等于终端所接收到的所有多普勒观测数据的总数量。
计算机设备基于对多普勒观测数据进行粗差剔除得到的更新多普勒观测数据，对初始化的目标滤波器进行参数迭代更新，以实现对状态参数和状态协方差矩阵的迭代更新，在每一迭代更新的过程中，计算机设备可以探测并剔除一部分多普勒观测数据粗差，然后进入下一次迭代更新，直至满足迭代更新的结果条件，得到参数更新的目标滤波器。通过剔除粗差的多普勒观测数据对目标滤波器进行更新，能够利用多普勒观测数据不受载体动态条件变化的特性，有效提高目标滤波器的运动参数预测性能。
步骤208，基于载波相位观测数据，对参数更新的目标滤波器进行二次参数更新，基于二次更新的目标滤波器确定移动终端的运动参数。
其中，与初次参数更新不同的是，初次参数更新的更新对象是初始化的目标滤波器，二次参数更新的更新对象是初次更新得到的目标滤波器，即是在对目标滤波器完成初次参数更新的基础上，对目标滤波器实现的二次参数更新，并且初始参数更新所使用的数据为多普勒观测数据，二次参数更新所使用的数据为载波相位观测数据。在目标滤波器的初始状态参数包括终端速度和终端加速度的情况下，基于二次更新的目标滤波器确定移动终端的运动参数即为，更新的终端速度以及更新的终端加速度，相较于初始状态参数中的终端速度和终端加速度，基于二次更新的目标滤波器得到的更新的终端速度以及更新的终端加速度更为准确。
进一步地，可以对载波相位观测数据进行出差剔除，得到更新载波相位观测数据，基于更新载波相位观测数据，对参数更新的目标滤波器进行二次参数更新。其中，载波相位观测数据的粗差剔除可以基于相邻历元载波相位观测数据，构建历元间差分载波相位残差序列，然后基于历元间差分载波相位残差序列，探测并剔除载波相位观测数据中的粗差数据，得到更新载波相位观测数据。
在一个具体的应用中，计算机设备基于对载波相位观测数据进行粗差剔除得到的更新载波相位观测数据，对更新的目标滤波器进行参数迭代更新，以实现对状态参数和状态协方差矩阵的二次迭代更新，在每一迭代更新的过程中，计算机设备可以探测并剔除一部分载波相位观测数据粗差，然后进入下一次迭代更新，直至满足迭代更新的结果条件，得到包含目标状态参数和目标状态协方差矩阵的目标滤波器。移动终端的运动参数可以基于目标滤波器的目标状态参数和目标状态协方差矩阵进行预测得到。
计算机设备将目标状态参数与上一个状态参数之间的差值确定为目标滤波器对应的滤波器修正量，当该滤波器修正量通过检验时，可以通过目标协方差矩阵、测量方差矩阵以及测量更新矩阵，构建目标滤波器对应的残差协方差矩阵；在残差协方差矩阵的元素的正态分布检验结果均满足检验条件时，则目标状态参数中的速度参数确定为终端速度，将目标状态参数中的加速度参数确定为终端加速度。本申请实施例中所得到的移动终端的运动参数结果可以应用在手机移动终端的运动参数导航应用场景中(例如，电子地图应用)，如图3所示，还可以应用在车道级导航应用场景中，确定车辆在行驶过程中的速度和加速度。通过剔除粗差的载波相位观测数据对目标滤波器进行更新，能够利用载波相位观测数据的高精度特性对目标滤波器进行二次参数更新，进一步提高目标滤波器的运动参数预测性能，提高移动终端的速度和加速度估计精度，实现辅助车道级定位导航，并且能够提高地图定位导航精度，辅助地图导航快速偏航以及降低主辅路误判率等，此外，基于上述方法进行运动参数的确定，解决高楼林立等城市复杂场景下终端速度和加速度测量不准的问题。
上述移动终端的运动参数确定方法，通过多普勒观测数据确定移动终端的初始运动参数以对目标滤波器进行初始化，得到以初始运动参数为初始状态参数的目标滤波器，通过对多普勒观测数据进行粗差剔除以实现对目标滤波器进行第一次的时间更新和测量更新，并通过对载波相位观测数据进行粗差剔除以实现对目标滤波器进行第二次的时间更新和测量更新，能够利用多普勒观测数据和载波相位观测数据的不同特性对目标滤波器的状态参数和状态协方差矩阵进行两次更新，有效提高目标滤波器中状态参数和状态协方差矩阵的准确性，进而能够准确判断移动终端的运动参数，提高运动参数的准确性。
在一些实施例中，基于多普勒观测数据确定移动终端的初始运动参数，包括：
根据多普勒观测数据所对应卫星的卫星状态数据，构建多个卫星与移动终端之间的多普勒方程组，对多普勒方程组进行解算，得到移动终端的初始速度和初始钟漂；基于对多普勒观测数据的粗差探测结果，对初始速度和初始钟漂进行迭代更新，直至满足迭代结束条件，将满足迭代结束条件的终端速度和终端钟漂以及取值为零的加速度确定为移动终端的初始运动参数。
其中，不同的卫星具有不同的卫星状态参数，多普勒方程组是包含每一个卫星与移动终端之间的多普勒方程的方程组。具体地，计算机设备针对每一个卫星，确定移动终端的初始速度与卫星速度之间的速度差值、并获取移动终端与卫星之间的单位观测值，确定移动终端的初始钟漂与卫星钟漂之间的钟漂差值，根据速度差值与单位观测值之间的乘积以及钟漂差值，确定移动终端与卫星之间的估计值，基于卫星播发信号的波长和多普勒观测数据之间的乘积与估计值，构建移动终端与卫星之间的多普勒方程，进而得到包括每一卫星对应多普勒方程的多普勒方程组。其中，移动终端的初始速度和初始钟漂是未知数，通过对方程组求解，能够得到移动终端的初始速度和初始钟漂。通过对初始速度和初始钟漂进行迭代更新，能够在满足迭代结束条件时得到用于对目标滤波器进行初始化的终端速度和终端钟漂，加速度是速度的变化率，由于初始速度为第一个速度，因此可以将初始速度对应的初始加速度设置为取值为零的参数。进而得到移动终端的初始运动参数。
在一个具体的应用中，当终端接收到n个卫星分别对应的多普勒观测数据，则基于多普勒观测数据以及卫星状态信息中的卫星速度和卫星钟漂，可以构建如下多普勒观测方程：
Figure 324753DEST_PATH_IMAGE008
其中，λ为卫星播发信号的波长，
Figure 139125DEST_PATH_IMAGE010
为多普勒观测数据，
Figure 430429DEST_PATH_IMAGE012
为终端速度，
Figure 697463DEST_PATH_IMAGE014
为卫星运行速度，c是真空中的光速值即钟漂系数，
Figure 161942DEST_PATH_IMAGE016
为移动终端接收机钟漂，
Figure 893138DEST_PATH_IMAGE018
为卫星钟漂，
Figure 417660DEST_PATH_IMAGE020
为移动终端位置，
Figure 171989DEST_PATH_IMAGE022
为卫星i的位置。
Figure 112263DEST_PATH_IMAGE024
用于表示终端位置
Figure 901228DEST_PATH_IMAGE020
与卫星位置
Figure 331072DEST_PATH_IMAGE022
之间的欧几里得距离。在上述公式(1)中，除终端速度
Figure 635015DEST_PATH_IMAGE025
以及终端钟漂
Figure 441297DEST_PATH_IMAGE016
之外的其余参数均是已知的，基于该公式(1)所示的多普勒方程组可以估计得到终端的终端速度和终端钟漂。
在本实施例中，通过将满足迭代结束条件的终端速度和终端钟漂以及取值为零的加速度确定为移动终端的初始运动参数，能够确保初始运动参数的准确性，便于对目标滤波器的有效更新进而能够基于目标滤波器实现运动参数的准确分析。
在一些实施例中，基于对多普勒观测数据的粗差探测结果，对初始速度和初始钟漂进行迭代更新，直至满足迭代结束条件，包括：
以初始速度和初始钟漂为估计参数的初始值，对估计参数进行k次迭代更新；当第k次迭代更新的结果满足迭代收敛条件时，确定更新的估计参数，并对第k次迭代更新的结果进行卡方检验，得到卡方检验统计量；当卡方检验统计量大于检验阈值时，基于第k次迭代更新的验后残差协方差矩阵和验后残差序列进行正态分布检验，剔除多普勒观测数据中未通过正态分布检验的粗差数据，对估计参数进行第k+1次迭代更新；当卡方检验统计量小于或等于检验阈值时结束迭代。
其中，对估计参数进行迭代更新的原理是每一次对多普勒观测数据进行粗差剔除实现多普勒观测数据的更新。每一次更新了多普勒观测数据之后，可以计算出每一次迭代的估计参数修正量。具体地，计算机设备通过获取目标滤波器在第k次迭代的估计参数，将第k次迭代所构建的多普勒方程组针对第k次迭代的估计参数的偏导数，确定为第k次迭代的雅克比矩阵，获取第k次迭代的多普勒观测方差矩阵，基于第k次迭代的雅克比矩阵和第k次迭代的多普勒观测方差矩阵进行修正计算，确定第k次迭代的估计参数修正量，当第k次迭代的估计参数修正量达到收敛时，将第k次迭代的估计参数和第k次迭代的估计参数修正量之和，作为更新的估计参数。
在一个具体的应用中，对于移动终端所接收到的N个多普勒观测数据，可以利用抗差加权最小二乘算法和N个多普勒观测数据来估计终端速度和终端钟漂。如图4所示，具体包括以下步骤401至步骤408，具体包括：
步骤401，设置估计参数
Figure 84768DEST_PATH_IMAGE027
的初始值，即初始速度和初始钟漂。
设置估计参数
Figure 623196DEST_PATH_IMAGE027
的初始值，即为移动终端的初始速度和初始钟漂，
Figure 617697DEST_PATH_IMAGE029
。采用抗差加权最小二乘算法的目的在于不断迭代更新上述估计参数，以得到终端速度和终端钟漂的估计值。
步骤402，构建多普勒观测残差序列。
具体的，多普勒观测残差序列是由多个多普勒观测残差构成的序列，多普勒观测残差是指卫星播发信号的波长和多普勒观测数据之间的乘积、与移动终端与卫星之间的估计值之间的差值。其计算公式可以类别于上述公式（1）中的左项与右项的差值，与上述公式（1）不同的是，公式（1）右项中的移动终端与卫星之间的估计值的表达其中初始速度和初始钟漂为未知数，而计算多普勒观测残差时，可以用计算得到的初始速度和初始钟漂替换公式（1）右项中的未知数，计算每一个卫星对应多普勒公式的左项与右项的差值，即为多普勒观测残差，组合每一个卫星的多普勒观测残差，得到多普勒观测残差序列。
步骤403、基于四分位数对多普勒观测残差序列进行粗差探测。
多普勒观测残差序列
Figure 24408DEST_PATH_IMAGE031
可以是元素按照从小到大的顺序进行排序的序列，基于四分位数对该多普勒观测残差序列进行粗差探测，剔除N个多普勒观测数据中的多普勒观测数据粗差。具体地，基于下述步骤对
Figure 522385DEST_PATH_IMAGE032
进行剔除粗差处理并获得不含粗差的残差序列。
Figure 294032DEST_PATH_IMAGE034
Figure 713512DEST_PATH_IMAGE036
其中，
Figure 861597DEST_PATH_IMAGE038
表示
Figure 541977DEST_PATH_IMAGE040
的第i个元素，
Figure 750104DEST_PATH_IMAGE042
为
Figure 188039DEST_PATH_IMAGE040
的中位数，
Figure 811918DEST_PATH_IMAGE044
为
Figure 550067DEST_PATH_IMAGE040
的绝对中位差，
Figure 397937DEST_PATH_IMAGE046
和
Figure 651064DEST_PATH_IMAGE048
为
Figure 140951DEST_PATH_IMAGE040
的下四分位数和上四分位数，
Figure 671290DEST_PATH_IMAGE050
和
Figure 221220DEST_PATH_IMAGE052
为粗差探测阈值；当
Figure 633746DEST_PATH_IMAGE054
为零时表示
Figure 724062DEST_PATH_IMAGE038
为粗差，通过从多普勒观测残差序列中剔除探测出的粗差，即可得到不含粗差的残差序列。
需要说明的是，在一种或多种实施例中，可以跳过步骤403，直接从步骤402跳转至步骤404，那么步骤404以及后续步骤均是在N个多普勒观测数据的基础上进行的。若执行完步骤403后所获取到的多普勒观测数据的数量变成了n个，则步骤404以及后续步骤均是在n个多普勒观测数据的基础上进行的。
步骤404、基于第k迭代的估计参数为
Figure 171224DEST_PATH_IMAGE056
，计算第k次迭代的多普勒方程式关于x uk 的雅克比矩阵。
每一次迭代的多普勒方程组均基于本次迭代的估计参数构建得到，具体地，第k次迭代的多普勒方程组需要将上述公式(1)中的终端速度和终端钟漂替换为x uk 中的终端速度v uk 和终端钟漂
Figure 829738DEST_PATH_IMAGE058
，通过计算第k次迭代的多普勒方程式关于x uk 的偏导数，得到第k次迭代的雅克比矩阵，即
Figure 729561DEST_PATH_IMAGE060
其中，
Figure 561251DEST_PATH_IMAGE062
表示终端至卫星i的单位观测向量。
步骤405、构建多普勒观测方差矩阵。
若未执行前述步骤403，或执行完上述步骤403后未筛选出多普勒观测数据粗差，则可以根据观测误差参数、N个卫星所对应的多普勒观测数据的信噪比、以及N个卫星各自的高度角，确定N个卫星分别对应的多普勒随机观测误差模型(卫星观测误差)，进而将N个卫星分别对应的卫星观测误差作为矩阵对角元素，构建多普勒观测方差矩阵。若执行完上述步骤403后剔除了多普勒观测数据粗差，仅剩下n个卫星对应的多普勒观测数据(此处默认n小于N)，则可以根据观测误差参数、n个多普勒观测数据分别对应的信噪比，以及n个多普勒观测数据所关联的n个卫星分别对应的高度角，确定n个卫星分别对应的多普勒随机观测误差模型；将n个卫星分别对应的卫星观测误差作为矩阵对角元素，构建多普勒观测方差矩阵，即
Figure 925236DEST_PATH_IMAGE064
Figure 816969DEST_PATH_IMAGE066
其中，
Figure 407350DEST_PATH_IMAGE068
表示卫星i对应多普勒观测随机误差模型，
Figure 511573DEST_PATH_IMAGE070
为卫星i的多普勒观测值的信噪比，
Figure 933327DEST_PATH_IMAGE072
表示卫星i的高度角。
多普勒观测方差矩阵是一个具有固定数值的矩阵，在估计参数
Figure 58277DEST_PATH_IMAGE074
的迭代更新过程中，若所使用的多普勒观测数据未发生更新，则该多普勒观测方差矩阵保持不变；若从多普勒观测数据中探测出多普勒观测数据粗差，并剔除了该多普勒观测数据粗差，则表示多普勒观测数据发生了更新，因此可以基于更新的多普勒观测数据，重新构建多普勒观测方差矩阵，即删除多普勒观测数据粗差所对应卫星的卫星观测误差，剔除的多普勒观测数据粗差越多，多普勒观测方差矩阵的行数就越少。
步骤406、计算估计参数修正量，并更新估计参数值。
其中，计算机设备根据第k次迭代的雅克比矩阵
Figure 667113DEST_PATH_IMAGE076
、多普勒观测方差矩阵
Figure 106185DEST_PATH_IMAGE078
、第k次迭代的多普勒残差矩阵，获取第k次迭代的估计参数修正量，第k次迭代的状态信息修正量
Figure 320129DEST_PATH_IMAGE080
的计算方式如公式（7）所示。
进一步地，根据第k次迭代的状态信息修正量可以对估计参数x uk 进行更新得到更新估计参数值
Figure 553664DEST_PATH_IMAGE082
，估计参数x uk 的更新过程如公式（8）所示。
Figure 977692DEST_PATH_IMAGE084
Figure 689296DEST_PATH_IMAGE086
步骤407、当
Figure 23325DEST_PATH_IMAGE088
时，则迭代收敛，确定每一次迭代的解算结果。
步骤408、对解算结果进行卡方检验，确定卡方检验统计量s。
步骤409、若卡方检验统计量s大于给定的阈值，则进入步骤410。若卡方检验统计量s小于给定的阈值，则结束迭代计算，执行步骤411。
步骤410、计算验后残差协方差矩阵，并根据验后残差协方差矩阵对验后残差序列进行正态分布检验，剔除未通过正态分布检验的多普勒观测数据，返回至步骤401。
Figure 162183DEST_PATH_IMAGE090
Figure 11190DEST_PATH_IMAGE092
其中，V表示验后残差序列；多普勒观测随机误差模型因子为检验统计量s小于检验阈值时，使用该检验统计量s与V中所包含的多普勒观测数据的数量。
验后残差协方差矩阵为：
Figure 413021DEST_PATH_IMAGE094
对验后残差序列进行正态分布检验：
Figure 663873DEST_PATH_IMAGE096
其中，
Figure 176894DEST_PATH_IMAGE098
为置信度为
Figure 247618DEST_PATH_IMAGE100
的正态分布上分位数。
当具体的，通过验后残差协方差矩阵对第k次迭代的验后残差矩阵进行正态分布检验，得到第k次迭代的多普勒残差矩阵中的每个元素分别对应的检验结果；若第k次迭代的多普勒残差矩阵中的第i个元素所对应的检验结果不满足检验条件，则确定第i个元素未通过正态分布检验，剔除第i个元素所关联的多普勒观测数据；i为小于或等于多普勒观测数据的数量的正整数；将剔除第i个元素所关联的多普勒观测数据后所剩余的多普勒观测数据作为卫星观测数据，将第k次迭代的估计参数作为初始状态信息，重新从上述步骤401开始执行，即开始执行下一个迭代周期。其中，迭代周期是通过是否收敛来判断的，例如，估计参数在第10次迭代时达到收敛，但此时的解算信息未通过卡方检验，则可以将第1次迭代至第10次迭代作为第一个迭代周期，估计参数在第30次迭代时再次达到收敛，则第11次迭代至第30次迭代作为第二个迭代周期，并以此类推，直至达到收敛并通过卡方检验。
步骤411、输出终端速度、终端钟漂和更新多普勒观测数据。
在本实施例中，通过将收敛并通过卡方检测的终端速度和终端钟漂确定为初始运动参数，能够确保初始运动参数的准确性，便于对目标滤波器的有效更新进而能够基于目标滤波器实现运动参数的准确分析。
在一些实施例中，基于多普勒观测数据，对初始化的目标滤波器进行初次参数更新，得到参数更新的目标滤波器，包括：
对初始状态参数和目标滤波器的初始状态协方差矩阵分别进行时间更新，得到时间更新的第一预测状态参数和第一预测状态协方差矩阵，基于对多普勒观测数据进行粗差剔除得到的更新多普勒观测数据，构建第一测量更新矩阵，基于更新多普勒观测数据的信噪比、更新多普勒观测数据对应卫星的观测误差和高度角，构建第一测量方差矩阵；根据第一测量更新矩阵和第一测量方差矩阵，对第一预测状态参数和第一预测状态协方差矩阵进行测量更新，得到包含更新状态参数和更新状态协方差矩阵的目标滤波器。
其中，时间更新是指基于相邻历元的时间差，对初始状态参数和初始状态协方差矩阵进行更新的数据处理过程。时间更新包括基于更新多普勒观测数据的第一轮时间更新以及基于更新载波相位观测数据的第二轮时间更新。
目标滤波器的初始状态参数可以是指目标滤波器在T0时刻的状态参数，通过T0时刻的状态参数可以预测下一个时刻的状态参数，以此类推，可以预测得到当前时刻的状态参数，同理可以预测得到当前时刻的状态协方差矩阵。当前时刻的状态参数可以称为第一预测状态参数，当前时刻的状态协方差矩阵可以成为第一预测状态协方差矩阵，该第一预测状态参数和第一预测状态协方差矩阵的确定过程即为目标滤波器的时间更新阶段。在目标滤波器基于更新多普勒观测数据完成第一轮时间更新后，可以通过上述更新多普勒观测数据对目标滤波器的第一预测状态参数和第一预测状态协方差矩阵进行测量更新。
具体地，计算机设备通过相邻历元的时间差构建目标滤波器的状态转移矩阵，根据状态转移矩阵对目标滤波器的初始状态参数进行时间更新，得到第一预测状态参数，基于移动终端的历史状态信息，确定目标滤波器对应的滤波器系统噪声，根据状态转移矩阵和滤波器系统噪声，对目标滤波器的初始状态协方差矩阵进行时间更新，得到第一预测状态协方差矩阵。
进一步地，第一预测状态参数为目标滤波器中的初始状态参数在t+1时刻的状态参数，t为自然数。计算机设备获取目标滤波器在t时刻的状态参数，其中，t为0时，目标滤波器在t时刻的状态参数为初始状态参数，将状态参数修正量与t时刻的状态参数进行求和运算，得到第一预测状态参数。
进一步地，如图5所示，计算机设备获取目标滤波器对应的滤波器系统噪声的过程包括：计算机设备通过时间滑动窗口，获取移动终端的历史终端速度序列和历史终端钟漂序列，获取历史终端速度序列的第一方差值，将第一方差值和相邻历元的时间差之间的乘积，确定为目标滤波器的速度系统噪声，获取历史终端钟漂序列的第二方差值，将第二方差值和相邻历元的时间差之间的乘积，确定为目标滤波器的钟漂系统噪声，将速度系统噪声和钟漂系统噪声确定为目标滤波器的滤波器系统噪声。
在目标滤波器的测量更新与时间更新一样，包括基于更新多普勒观测数据的第一轮测量更新以及基于更新载波相位观测数据的第二轮测量更新。测量更新是基于时间更新阶段最终得到的第一预测状态参数来进行校正的。如图6所示，测量更新的测量过程包括序贯粗差探测、钟漂与钟漂跳变探测与修复、滤波模型验证与修复、以及滤波系统故障检测与修复等。
计算机设备可以通过更新多普勒观测数据对目标滤波器进行验证和修复，首先计算目标滤波器的模型验证参数值，当模型参数验证值不满足验证条件时，表示目标滤波器存在故障，需要重置目标滤波器，即重新设置该目标滤波器的初始状态参数，当模型参数验证值满足验证条件时，可以对更新多普勒观测数据进行正态分布检验，继续剔除更新筛选观测数据中的观测数据粗差，以得到目标多普勒观测数据。通过目标多普勒观测数据构建目标滤波器在测量更新阶段的测量更新矩阵，以提高目标滤波器的测量准确性。
其中，测量更新的过程包括：计算机设备根据卫星观测误差因子构建目标滤波器在测量更新阶段的测量方差矩阵，通过测量更新矩阵和测量方差矩阵，对目标滤波器的预测状态参数进行测量更新，得到包含更新状态参数和更新状态协方差矩阵的目标滤波器，该更新状态参数和更新状态协方差矩阵为目标滤波器在第一轮测量更新阶段所得到的结果。
如图7所示，在完成滤波器系统噪声估计后，可以对目标滤波器进行时间更新，在时间更新结束之后，对目标滤波器进行测量更新。其中，目标滤波器的测量更新包括基于多普勒残差矩阵进行钟漂跳变探测，然后基于正太分布检测的序贯粗差探测，剔除不满足正太分布检测条件的粗差数据，当钟漂跳变修复完成后，进行滤波器模型验证和修复，得到不含有粗差的多普勒观测数据，并基于此构建多普勒观测数据的残差序列，同时计算多普勒观测数据构建测量更新矩阵，亦即残差序列关于滤波器状态参数的雅克比矩阵，以进行测量更新对滤波器进行更新解算验证和修复，更新解算验证和修复具体包括验后多普勒观测残差检验和滤波器修正量检验。
在一个实施例中，基于对多普勒观测数据进行粗差剔除得到的更新多普勒观测数据，构建第一测量更新矩阵的过程，包括：
基于对多普勒观测数据进行粗差剔除得到的更新多普勒观测数据、第一预测状态协方差矩阵、以及与更新多普勒观测数据相关联的多普勒观测方差矩阵，确定目标滤波器对应的模型验证参数值。当模型验证参数值小于模型验证阈值时，从更新多普勒观测数据中筛选出通过正太分布检测的目标多普勒观测数据，基于目标多普勒观测数据，构建第一测量更新矩阵。
进一步地，目标多普勒观测数据的筛选方式包括：当模型验证参数值小于模型验证阈值时，对模型验证参数进行标准化处理，得到标准化残差矩阵；通过对标准化残差矩阵进行正态分布检验，得到标准化残差矩阵中所包含的每个元素分别对应的检验结果；当标准化残差矩阵中存在检验结果不满足检验条件的目标元素时，从更新多普勒观测数据中，剔除目标元素所对应的多普勒观测数据，得到目标多普勒观测数据。此外，当模型验证参数值大于或等于模型验证阈值时，重置目标滤波器的初始状态参数和初始状态协方差矩阵。
在一个具体的应用中，计算机设备获取移动终端对应的历史状态信息中的历史终端速度序列和历史终端钟漂序列；历史终端速度序列和历史终端钟漂序列均是通过尺寸为p的时间滑动窗口所确定的，p为正整数，上述历史状态信息可以是指在抗差加权最小二乘的更新迭代过程中所产生的状态信息。
设置时间滑动窗口用以保存历史终端速度信息，窗口大小为p，
Figure 566604DEST_PATH_IMAGE102
表示连续p个时刻所保存的历史终端速度，即
Figure 734281DEST_PATH_IMAGE104
利用下列算法自适应估计动态滤波器速度系统噪声，即
计算终端速度序列的方差值：
Figure 480520DEST_PATH_IMAGE106
动态估计目标滤波器的速度系统噪声，用谱密度
Figure 772961DEST_PATH_IMAGE108
表示：
Figure 833321DEST_PATH_IMAGE110
其中，dt表示相邻历元的时间差。
设置时间滑动窗口用以保存历史钟漂信息，窗口大小为p，
Figure 793186DEST_PATH_IMAGE112
表示连续p个时刻所保存的历史终端钟漂，即
Figure 444748DEST_PATH_IMAGE114
利用下列算法自适应估计动态滤波器钟漂系统噪声，即
计算终端钟漂序列的方差值：
Figure 817960DEST_PATH_IMAGE116
动态估计目标滤波器的钟漂系统噪声，用谱密度
Figure 478749DEST_PATH_IMAGE118
表示：
Figure 230804DEST_PATH_IMAGE120
进而可以将速度系统噪声和钟漂系统噪声确定为目标滤波器对应的滤波器系统噪声，即滤波器系统噪声包括上述谱密度
Figure 584425DEST_PATH_IMAGE122
和谱密度
Figure 179354DEST_PATH_IMAGE124
。
在完成滤波器系统噪声估计后，可以对目标滤波器进行时间更新，如通过相邻历元的时间差构建目标滤波器的状态转移矩阵，根据状态转移矩阵对目标滤波器的初始状态参数进行时间更新，得到预测状态参数，目标滤波器时间更新过程中状态参数的更新方式为：下一个状态参数是上一个状态参数与状态转移矩阵的乘积，根据状态转移矩阵和滤波器系统噪声，对目标滤波器的初始状态协方差矩阵进行时间更新，得到预测状态协方差矩阵。
目标滤波器的时间更新过程如下，在t k 时刻，目标滤波器的状态参数协方差矩阵为
Figure 378254DEST_PATH_IMAGE126
，则在t k+1 时刻，目标滤波器的状态参数协方差矩阵为：
Figure 250395DEST_PATH_IMAGE128
Figure 774918DEST_PATH_IMAGE130
其中，
Figure 263668DEST_PATH_IMAGE132
为状态转移矩阵，
Figure 594155DEST_PATH_IMAGE134
为噪声协方差矩阵。
Figure 383120DEST_PATH_IMAGE136
Figure 750647DEST_PATH_IMAGE138
其中，
Figure 257852DEST_PATH_IMAGE140
，在t k+1 时刻，滤波器的状态参数
Figure 798554DEST_PATH_IMAGE142
；将终端加速度和终端钟漂建模为高斯-马尔科夫随机过程，即有
Figure 504342DEST_PATH_IMAGE144
为终端接收机钟漂相关时间，β为终端加速度相关时间，σ为滤波器速度系统噪声
Figure 370667DEST_PATH_IMAGE146
。
在完成时间更新后，由剔除粗差后的多普勒观测值构建的观测方程矩阵为：
Figure 37272DEST_PATH_IMAGE148
由上式构建残差矩阵为：
Figure 647245DEST_PATH_IMAGE150
基于下述方式对
Figure 473118DEST_PATH_IMAGE040
进行剔除粗差处理并获得不含粗差的残差序列
Figure 244765DEST_PATH_IMAGE152
，
Figure 664245DEST_PATH_IMAGE154
Figure 812330DEST_PATH_IMAGE156
其中，
Figure 492710DEST_PATH_IMAGE038
表示
Figure 435258DEST_PATH_IMAGE040
的第i个元素，
Figure 873193DEST_PATH_IMAGE042
为
Figure 762651DEST_PATH_IMAGE040
的中位数，
Figure 235221DEST_PATH_IMAGE044
为
Figure 348670DEST_PATH_IMAGE040
的绝对中位差，
Figure 601797DEST_PATH_IMAGE157
和
Figure 91684DEST_PATH_IMAGE048
为
Figure 418760DEST_PATH_IMAGE040
的下四分位数和上四分位数，
Figure 906374DEST_PATH_IMAGE050
和
Figure 318900DEST_PATH_IMAGE052
为粗差探测阈值；当
Figure 346899DEST_PATH_IMAGE054
为零时表示
Figure 856378DEST_PATH_IMAGE038
为粗差。
当第二观测残差矩阵的绝对中位差与第二观测残差矩阵的中位数之间的比值小于第一钟漂探测阈值，且第二观测残差矩阵的标准差与第二观测残差矩阵的平均值之间的比值小于第一钟漂探测阈值
Figure 577209DEST_PATH_IMAGE159
时，即满足下列关系式
Figure 477032DEST_PATH_IMAGE161
则将第二观测残差矩阵的中位数与第一预测状态协方差矩阵中对角元素的开根号运算结果之间的比值，确定为钟漂探测数值；当钟漂探测数值大于或等于第二钟漂探测阈值
Figure 511984DEST_PATH_IMAGE163
时，确定目标滤波器中存在钟漂跳变，重置目标滤波器中的状态参数和状态协方差矩阵。即
Figure 548073DEST_PATH_IMAGE165
其中，
Figure 502123DEST_PATH_IMAGE166
和
Figure 889242DEST_PATH_IMAGE167
为钟漂探测阈值，
Figure 462306DEST_PATH_IMAGE169
表示滤波器状态参数协方差矩阵第
Figure 884060DEST_PATH_IMAGE171
行第
Figure 681115DEST_PATH_IMAGE172
列元素，
Figure 617847DEST_PATH_IMAGE174
为残差序列
Figure 791339DEST_PATH_IMAGE152
的标准差，
Figure 802020DEST_PATH_IMAGE176
为残差序列
Figure 973239DEST_PATH_IMAGE152
的平均值；当
Figure 334950DEST_PATH_IMAGE178
为零时不作处理，当
Figure 374450DEST_PATH_IMAGE178
等于1时则用下式修复钟漂跳变并重置滤波器，即
Figure 505217DEST_PATH_IMAGE180
当钟漂跳变完成后，进行滤波器模型验证和修复，其中，模型验证参数值的确定方式包括：计算机设备通过更新多普勒观测数据、更新多普勒观测数据所对应卫星的卫星状态信息、以及第一预测状态参数，构建第一观测残差矩阵，根据第一观测残差矩阵的四分位数和绝对中位差，对第一观测残差矩阵进行粗差探测处理，得到第二观测残差矩阵，基于第二观测残差矩阵中所包含的多普勒观测数据的信噪比和对应卫星高度角，构建第一观测方差矩阵，通过第二观测残差矩阵、第一预测状态协方差矩阵、第二观测残差矩阵针对第一预测状态参数的雅克比矩阵、以及第一观测方差矩阵，确定目标滤波器对应的模型验证参数值。具体来说，计算滤波器模型验证参数值的过程包括：
Figure 909654DEST_PATH_IMAGE182
其中，
Figure 430765DEST_PATH_IMAGE184
为钟漂跳变修复完成后的多普勒残差序列，
Figure 211639DEST_PATH_IMAGE186
为多普勒滤波器模型验证参数值，P（t）为t时刻滤波器状态参数协方差矩阵，
Figure 196912DEST_PATH_IMAGE188
为多普勒和多普勒残差序列关于滤波器状态参数的雅克比矩阵。
当
Figure 834567DEST_PATH_IMAGE189
大于给定阈值时，则重置滤波器，即转至步骤103；当
Figure 905291DEST_PATH_IMAGE186
小于给定阈值时，则基于残差序列和正态分布检验剔除导致滤波器发散的观测值，然后计算标准化残差序列：
Figure 958698DEST_PATH_IMAGE191
利用下述计算方式对残差序列进行粗差探测，当ω大于给定阈值时，则判断第i个观测值为粗差并剔除，否则不作处理；
Figure 1740DEST_PATH_IMAGE193
由滤波器模型验证和修复完成后，得到不含有粗差的多普勒观测数据，并基于此构建多普勒观测数据的残差序列，同时计算多普勒观测数据构建测量更新矩阵，亦即残差序列关于滤波器状态参数的雅克比矩阵，用下述方法对滤波器进行更新：
Figure 747980DEST_PATH_IMAGE195
Figure 633896DEST_PATH_IMAGE197
其中，x(tk+1)和P(tk+1)为滤波器上一次更新的状态和协方差矩阵，
Figure 225414DEST_PATH_IMAGE198
为多普勒和多普勒残差序列关于滤波器状态参数的雅克比矩阵；
Figure 450859DEST_PATH_IMAGE200
为滤波器模型验证和修复完成后得到的不含有粗差的卫星观测残差序列；
Figure 305683DEST_PATH_IMAGE202
为测量方差矩阵；当利用上述步骤进行滤波器更新后，则对验后卫星观测残差和滤波器修正量进行正态分布检测：若α i 大于给定阈值，则剔除第i个多普勒观测值，转至“滤波器模型验证和修复完成后”的处理过程；
Figure 350999DEST_PATH_IMAGE204
目标滤波器修正量检验：计算目标滤波器修正量
Figure 74105DEST_PATH_IMAGE206
，若
Figure 154056DEST_PATH_IMAGE208
大于给定阈值（i表示第i个滤波状态参数），则检验不通过，重置目标滤波器。
在一个实施例中，基于载波相位观测数据，对参数更新的目标滤波器进行二次参数更新，基于二次参数更新的目标滤波器确定移动终端的运动参数，包括：
对参数更新的目标滤波器中的更新状态参数和更新状态协方差矩阵分别进行时间更新，得到时间更新的第二预测状态参数和第二预测状态协方差矩阵；基于对载波相位观测数据进行粗差剔除得到的更新载波相位观测数据，构建第二测量更新矩阵；基于与更新载波相位观测数据的信噪比、更新载波相位观测数据对应卫星的观测误差和高度角，构建第二测量方差矩阵；根据第二测量更新矩阵和第二测量方差矩阵，对第二预测状态参数和第二预测状态协方差矩阵进行测量更新，得到目标状态参数和目标状态协方差矩阵，当目标状态参数和目标状态协方差矩阵满足检测条件时，从目标状态参数中获取所述移动终端的运动参数。
具体地，从更新载波相位观测数据中获取第k历元和第k-1历元的卫星i的载波相位观测值为
Figure 976519DEST_PATH_IMAGE210
和
Figure 446814DEST_PATH_IMAGE212
，则可构建如下历元间差分载波相位观测方程，即
Figure 911294DEST_PATH_IMAGE214
由此可得
Figure 580172DEST_PATH_IMAGE216
历元间差分载波相位残差序列为
Figure 167011DEST_PATH_IMAGE218
根据
Figure 124603DEST_PATH_IMAGE220
和
Figure 392773DEST_PATH_IMAGE222
对目标滤波器进行测量更新，基于更新载波相位观测数据的测量更新的方式与基于更新多普勒观测数据的测量更新的方式相同，具体可以参见图8，在此不再赘述。当目标滤波器的目标状态参数和所述目标状态协方差矩阵满足检测条件时，即通过序贯粗差探测、钟漂与钟漂跳变探测与修复、滤波模型验证与修复、以及滤波系统故障检测与修复时，从目标状态参数中获取所述移动终端的运动参数。
在本实施例中，基于更新载波相位观测数据对初次更新的目标滤波器再次进行时间更新和测量更新，并基于二次更细后得到的目标滤波器度移动终端进行运动参数的预测，能够有效提高运动参数的准确性。
本申请还提供一种应用场景，该应用场景应用上述的移动终端的运动参数确定方法。能够有效提高终端速度和加速度估计精度，辅助车道级定位导航以及地图导航快速偏航以及降低主辅路误判率等，具体地，如图9所示。该移动终端的运动参数确定方法在该应用场景的应用如下：
步骤901、终端通过NTRIP协议连接CORS，发送星历和观测数据播发请求至CORS。
步骤902、终端获取CORS播发的星历和卫星观测数据。
步骤903、终端构建并初始化稳健卡尔曼滤波器。
步骤904、终端基于抗差加权最小二乘和多普勒估计终端速度，输出相关解算信息。
步骤905、终端基于滑动窗口自适应估计目标滤波器系统噪声。
步骤906、终端基于稳健目标滤波器利用多普勒观测信息修正终端运动状态。具体地，步骤906包括：
（1）终端剔除多普勒粗差观测值，构建多普勒残差序列。
（2）终端基于多普勒残差序列进行钟漂探测和修复，当探测到钟漂跳变时，修复钟漂并转至步骤906中的子步骤（1）。
（3）终端进行滤波器模型验证和修复：计算滤波器模型验证参数值，若参数值大于给定的阈值时，则探测到滤波器故障，需要转至步骤903进行滤波器重置，否则基于正态分布检验剔除多普勒粗差。
（4）终端基于剔除粗差后的多普勒观测数据构建测量更新矩阵。
（5）终端基于剔除粗差后的多普勒观测数据构建测量方差矩阵。
（6）终端根据测量更新矩阵和测量方差矩阵对目标滤波器进行更新解算，以修正滤波器。
（7）终端对修正后的滤波器再次进行模型验证，对验后多普勒观测残差和滤波器修正量进行正态分布检测，当验后多普勒观测残差检验不通过时，则剔除相应的多普勒观测值，转至步骤906中的子步骤（4），当滤波器修正量检验不通过时，则转至步骤903进行滤波器重置。
（8）至此基于稳健目标滤波器及多普勒观测信息修正终端运动状态完成，得到参数更新的滤波器。
步骤907、终端基于历元间载波相位差分辅助终端速度和加速度估计。具体地，步骤907包括：
（1）获取相邻历元载波相位观测值，构建历元间差分载波相位残差序列。
（2）基于历元间差分载波相位残差序列探测并剔除粗差。
（3）基于历元间差分载波相位残差序列进行钟漂探测和修复，当探测到钟漂跳变时，修复钟漂并转至步骤907中的子步骤（1）。
（4）滤波器模型验证和修复：计算滤波器模型验证参数值，若参数值大于给定的阈值时，则探测到滤波器故障，需要转至步骤903进行滤波器重置，否则基于正态分布检验剔除历元间差分载波相位粗差。
（5）由剔除粗差后的历元间差分载波相位观测值构建测量更新矩阵。
（6）由剔除粗差后的历元间差分载波相位观测值构建测量方差矩阵。
（7）对修正后的滤波器再次进行模型验证，对验后历元间差分载波相位观测残差和滤波器修正量进行正态分布检测，当验后历元间差分载波相位观测残差检验不通过时，则剔除相应的历元间差分载波相位观测值，转至步骤907中的子步骤（5），当滤波器修正量检验不通过时，则转至步骤903进行滤波器重置。
（8）至此历元间载波相位差分辅助终端速度和加速度估计完成。
步骤908、输出当前时刻终端速度和加速度信息。其中，目标滤波器的具体处理过程如图10所示，当有新的多普勒和新的载波相位观测数据时，则重复步骤902至步骤908。
应该理解的是，虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的移动终端的运动参数确定方法的移动终端的运动参数确定装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个移动终端的运动参数确定装置实施例中的具体限定可以参见上文中对于移动终端的运动参数确定方法的限定，在此不再赘述。
在一个实施例中，如图11所示，提供了一种移动终端的运动参数确定装置，包括：初始运动状态确定模块1102、初始运动状态确定模块1102、第一更新模块1106和第二更新模块1108，其中：
初始运动状态确定模块1102，用于获取针对移动终端的多普勒观测数据和载波相位观测数据，基于所述多普勒观测数据确定所述移动终端的初始运动参数；
滤波器初始化模块1104，用于将所述初始运动参数作为初始状态参数，基于所述初始状态参数对目标滤波器进行初始化；
第一更新模块1106，用于基于所述多普勒观测数据，对初始化的所述目标滤波器进行初次参数更新，得到参数更新的目标滤波器；
第二更新模块1108，用于基于所述载波相位观测数据，对所述参数更新的目标滤波器进行二次参数更新，基于二次更新的目标滤波器确定所述移动终端的运动参数。
在一些实施例中，初始运动状态确定模块，还用于根据所述多普勒观测数据所对应卫星的卫星状态数据，构建多个所述卫星与所述移动终端之间的多普勒方程组；对所述多普勒方程组进行解算，得到所述移动终端的初始速度和初始钟漂；基于对所述多普勒观测数据的粗差探测结果，对所述初始速度和所述初始钟漂进行迭代更新，直至满足迭代结束条件；将满足迭代结束条件的终端速度和终端钟漂以及取值为零的加速度确定为所述移动终端的初始运动参数。
在一些实施例中，初始运动状态确定模块包括方程式构造模块，用于针对每一个卫星，确定所述移动终端的初始速度与所述卫星速度之间的速度差值，并获取所述移动终端与所述卫星之间的单位观测值；确定所述移动终端的初始钟漂与所述卫星钟漂之间的钟漂差值，根据所述速度差值与所述单位观测值之间的乘积以及所述钟漂差值，确定所述移动终端与所述卫星之间的估计值；基于卫星播发信号的波长和所述多普勒观测数据之间的乘积与所述估计值，构建所述移动终端与所述卫星之间的多普勒方程，得到包括每一所述卫星对应多普勒方程的多普勒方程组。
在一些实施例中，初始运动状态确定模块包括迭代更新模块，用于以所述初始速度和所述初始钟漂为估计参数的初始值，对所述估计参数进行k次迭代更新； 当第k次迭代更新的结果满足迭代收敛条件时，确定更新的估计参数，并对所述第k次迭代更新的结果进行卡方检验，得到卡方检验统计量；当所述卡方检验统计量大于检验阈值时，基于第k次迭代更新的验后残差协方差矩阵和验后残差序列进行正态分布检验，剔除所述多普勒观测数据中未通过所述正态分布检验的粗差数据，对所述估计参数进行第k+1次迭代更新；当所述卡方检验统计量小于或等于所述检验阈值时结束迭代。
在一些实施例中，迭代更新模块，还用于获取所述目标滤波器在第k次迭代的估计参数； 将第k次迭代所构建的多普勒方程组针对所述第k次迭代的估计参数的偏导数，确定为所述第k次迭代的雅克比矩阵； 获取第k次迭代的多普勒观测方差矩阵，根据所述第k次迭代的雅克比矩阵和所述第k次迭代的多普勒观测方差矩阵，确定所述第k次迭代的估计参数修正量；当所述第k次迭代的估计参数修正量达到收敛时，将所述第k次迭代的估计参数和所述第k次迭代的估计参数修正量之和，作为更新的估计参数。
在一些实施例中，第一更新模块还用于对所述初始状态参数和所述目标滤波器的初始状态协方差矩阵分别进行时间更新，得到时间更新的第一预测状态参数和第一预测状态协方差矩阵；基于对所述多普勒观测数据进行粗差剔除得到的更新多普勒观测数据，构建第一测量更新矩阵；基于所述更新多普勒观测数据的信噪比、所述更新多普勒观测数据对应卫星的观测误差和高度角，构建第一测量方差矩阵；根据所述第一测量更新矩阵和所述第一测量方差矩阵，对所述第一预测状态参数和第一预测状态协方差矩阵进行测量更新，得到包含更新状态参数和更新状态协方差矩阵的目标滤波器。
在一些实施例中，第一更新模块还用于通过相邻历元的时间差构建所述目标滤波器的状态转移矩阵，根据所述状态转移矩阵对所述目标滤波器的所述初始状态参数进行时间更新，得到第一预测状态参数；基于所述移动终端的历史状态信息，确定所述目标滤波器对应的滤波器系统噪声，根据所述状态转移矩阵和所述滤波器系统噪声，对所述目标滤波器的所述初始状态协方差矩阵进行时间更新，得到第一预测状态协方差矩阵。
在一些实施例中，所述第一预测状态参数为所述目标滤波器中的所述初始状态参数在t+1时刻的状态参数，t为自然数；第一更新模块还用于获取所述目标滤波器在t时刻的状态参数；t为0时，所述目标滤波器在所述t时刻的状态参数为所述初始状态参数；将所述状态转移矩阵与所述t时刻的状态参数进行求和运算，得到所述第一预测状态参数。
在一些实施例中，第一更新模块还用于通过时间滑动窗口，获取所述移动终端的历史终端速度序列和历史终端钟漂序列； 获取所述历史终端速度序列的第一方差值，将所述第一方差值和所述相邻历元的时间差之间的乘积，确定为所述目标滤波器的速度系统噪声；获取所述历史终端钟漂序列的第二方差值，将所述第二方差值和所述相邻历元的时间差之间的乘积，确定为所述目标滤波器的钟漂系统噪声；将所述速度系统噪声和所述钟漂系统噪声确定为所述目标滤波器的滤波器系统噪声。
在一些实施例中，第一更新模块还用于基于对所述多普勒观测数据进行粗差剔除得到的更新多普勒观测数据、所述第一预测状态协方差矩阵、以及与所述更新多普勒观测数据相关联的多普勒观测方差矩阵，确定所述目标滤波器对应的模型验证参数值；当所述模型验证参数值小于模型验证阈值时，从所述更新多普勒观测数据中筛选出通过正太分布检测的目标多普勒观测数据；基于所述目标多普勒观测数据，构建第一测量更新矩阵。
在一些实施例中，第一更新模块还用于通过所述更新多普勒观测数据、所述更新多普勒观测数据所对应卫星的卫星状态信息、以及所述第一预测状态参数，构建第一观测残差矩阵；根据所述第一观测残差矩阵的四分位数和绝对中位差，对所述第一观测残差矩阵进行粗差探测处理，得到第二观测残差矩阵；基于所述第二观测残差矩阵中所包含的多普勒观测数据的信噪比和对应卫星高度角，构建第一观测方差矩阵；通过所述第二观测残差矩阵、所述第一预测状态协方差矩阵、所述第二观测残差矩阵针对所述第一预测状态参数的雅克比矩阵、以及所述第一观测方差矩阵，确定所述目标滤波器对应的模型验证参数值。
在一些实施例中，第一更新模块还用于当所述第二观测残差矩阵的绝对中位差与所述第二观测残差矩阵的中位数之间的比值小于第一钟漂探测阈值，且所述第二观测残差矩阵的标准差与所述第二观测残差矩阵的平均值之间的比值小于所述第一钟漂探测阈值时，将所述第二观测残差矩阵的中位数与所述第一预测状态协方差矩阵中对角元素的开根号运算结果之间的比值，确定为钟漂探测数值；当所述钟漂探测数值大于或等于第二钟漂探测阈值时，确定所述目标滤波器中存在钟漂跳变，重置所述目标滤波器中的状态参数和状态协方差矩阵。
在一些实施例中，第一更新模块还用于当所述模型验证参数值小于模型验证阈值时，对所述模型验证参数进行标准化处理，得到标准化残差矩阵；通过对所述标准化残差矩阵进行正态分布检验，得到所述标准化残差矩阵中所包含的每个元素分别对应的检验结果；当所述标准化残差矩阵中存在检验结果不满足检验条件的目标元素时，从所述更新多普勒观测数据中，剔除所述目标元素所对应的多普勒观测数据，得到所述目标多普勒观测数据。
在一些实施例中，第二更新模块还用于对所述参数更新的目标滤波器中的更新状态参数和更新状态协方差矩阵分别进行时间更新，得到时间更新的第二预测状态参数和第二预测状态协方差矩阵；基于对所述载波相位观测数据进行粗差剔除得到的更新载波相位观测数据，构建第二测量更新矩阵；基于与所述更新载波相位观测数据的信噪比、所述更新载波相位观测数据对应卫星的观测误差和高度角，构建第二测量方差矩阵；根据所述第二测量更新矩阵和所述第二测量方差矩阵，对所述第二预测状态参数和所述第二预测状态协方差矩阵进行测量更新，得到目标状态参数和目标状态协方差矩阵，当所述目标状态参数和所述目标状态协方差矩阵满足检测条件时，从所述目标状态参数中获取所述移动终端的运动参数。
上述移动终端的运动参数确定装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图12所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机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和计算机程序。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。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC（近场通信）或其他技术实现。该计算机程序被处理器执行时以实现一种移动终端的运动参数确定方法。该计算机设备的显示单元用于形成视觉可见的画面，可以是显示屏、投影装置或虚拟现实成像装置，显示屏可以是液晶显示屏或电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图12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计算机设备的限定，具体的计算机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。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是，本申请所涉及的用户信息（包括但不限于用户设备信息、用户个人信息等）和数据（包括但不限于用于分析的数据、存储的数据、展示的数据等），均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-OnlyMemory，ROM）、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器（ReRAM）、磁变存储器（Magnetoresistive Random Access Memory，MRAM）、铁电存储器（Ferroelectric Random Access Memory，FRAM）、相变存储器（Phase Change Memory，PCM）、石墨烯存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random Access Memory，SRAM）或动态随机存取存储器（Dynamic RandomAccess Memory，DRAM）等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (16)

1.一种移动终端的运动参数确定方法，其特征在于，所述方法包括：
获取针对移动终端的多普勒观测数据和载波相位观测数据，基于所述多普勒观测数据确定所述移动终端的初始运动参数；
将所述初始运动参数作为初始状态参数，基于所述初始状态参数对目标滤波器进行初始化；
基于所述多普勒观测数据，对初始化的所述目标滤波器进行初次参数更新，得到参数更新的目标滤波器；
基于所述载波相位观测数据，对所述参数更新的目标滤波器进行二次参数更新，基于二次参数更新的目标滤波器确定所述移动终端的运动参数。
2.根据权利要求1所述的方法，其特征在于，所述基于所述多普勒观测数据确定所述移动终端的初始运动参数，包括：
根据所述多普勒观测数据所对应卫星的卫星状态数据，构建多个所述卫星与所述移动终端之间的多普勒方程组；
对所述多普勒方程组进行解算，得到所述移动终端的初始速度和初始钟漂；
基于对所述多普勒观测数据的粗差探测结果，对所述初始速度和所述初始钟漂进行迭代更新，直至满足迭代结束条件；
将满足迭代结束条件的终端速度和终端钟漂以及取值为零的加速度确定为所述移动终端的初始运动参数。
3.根据权利要求2所述的方法，其特征在于，所述根据所述多普勒观测数据所对应卫星的卫星状态数据，构建多个所述卫星与所述移动终端之间的多普勒方程组，包括：
针对每一个卫星，确定所述移动终端的初始速度与所述卫星的卫星速度之间的速度差值，并获取所述移动终端与所述卫星之间的单位观测值；
确定所述移动终端的初始钟漂与所述卫星的卫星钟漂之间的钟漂差值，根据所述速度差值与所述单位观测值之间的乘积以及所述钟漂差值，确定所述移动终端与所述卫星之间的估计值；
基于卫星播发信号的波长和所述多普勒观测数据之间的乘积与所述估计值，构建所述移动终端与所述卫星之间的多普勒方程，得到包括每一所述卫星对应多普勒方程的多普勒方程组。
4.根据权利要求2所述的方法，其特征在于，所述基于对所述多普勒观测数据的粗差探测结果，对所述初始速度和所述初始钟漂进行迭代更新，直至满足迭代结束条件，包括：
以所述初始速度和所述初始钟漂为估计参数的初始值，对所述估计参数进行k次迭代更新，k为正整数；
当第k次迭代更新的结果满足迭代收敛条件时，确定更新的估计参数，并对所述第k次迭代更新的结果进行卡方检验，得到卡方检验统计量；
当所述卡方检验统计量大于检验阈值时，基于第k次迭代更新的验后残差协方差矩阵和验后残差序列进行正态分布检验，剔除所述多普勒观测数据中未通过所述正态分布检验的粗差数据，对所述估计参数进行第k+1次迭代更新；
当所述卡方检验统计量小于或等于所述检验阈值时结束迭代。
5.根据权利要求4所述的方法，其特征在于，所述当第k次迭代更新的结果满足迭代收敛条件时，确定更新的估计参数之前，还包括：
获取所述目标滤波器在第k次迭代的估计参数；
将第k次迭代所构建的多普勒方程组针对所述第k次迭代的估计参数的偏导数，确定为所述第k次迭代的雅克比矩阵；
获取第k次迭代的多普勒观测方差矩阵，根据所述第k次迭代的雅克比矩阵和所述第k次迭代的多普勒观测方差矩阵，确定所述第k次迭代的估计参数修正量；
所述当第k次迭代更新的结果满足迭代收敛条件时，确定更新的估计参数，包括：
当所述第k次迭代的估计参数修正量达到收敛时，将所述第k次迭代的估计参数和所述第k次迭代的估计参数修正量之和，作为更新的估计参数。
6.根据权利要求1所述的方法，其特征在于，所述基于所述多普勒观测数据，对初始化的所述目标滤波器进行初次参数更新，得到参数更新的目标滤波器，包括：
对所述初始状态参数和所述目标滤波器的初始状态协方差矩阵分别进行时间更新，得到时间更新的第一预测状态参数和第一预测状态协方差矩阵；
基于对所述多普勒观测数据进行粗差剔除得到的更新多普勒观测数据，构建第一测量更新矩阵；
基于所述更新多普勒观测数据的信噪比、所述更新多普勒观测数据对应卫星的观测误差和高度角，构建第一测量方差矩阵；
根据所述第一测量更新矩阵和所述第一测量方差矩阵，对所述第一预测状态参数和第一预测状态协方差矩阵进行测量更新，得到包含更新状态参数和更新状态协方差矩阵的目标滤波器。
7.根据权利要求6所述的方法，其特征在于，所述对所述初始状态参数和所述初始状态协方差矩阵分别进行时间更新，得到时间更新的第一预测状态参数和第一预测状态协方差矩阵，包括：
通过相邻历元的时间差构建所述目标滤波器的状态转移矩阵，根据所述状态转移矩阵对所述目标滤波器的所述初始状态参数进行时间更新，得到第一预测状态参数；
基于所述移动终端的历史状态信息，确定所述目标滤波器对应的滤波器系统噪声，根据所述状态转移矩阵和所述滤波器系统噪声，对所述目标滤波器的所述初始状态协方差矩阵进行时间更新，得到第一预测状态协方差矩阵。
8.根据权利要求7所述的方法，其特征在于，所述基于所述移动终端的历史状态信息，确定所述目标滤波器对应的滤波器系统噪声，包括：
通过时间滑动窗口，获取所述移动终端的历史终端速度序列和历史终端钟漂序列；
获取所述历史终端速度序列的第一方差值，将所述第一方差值和所述相邻历元的时间差之间的乘积，确定为所述目标滤波器的速度系统噪声；
获取所述历史终端钟漂序列的第二方差值，将所述第二方差值和所述相邻历元的时间差之间的乘积，确定为所述目标滤波器的钟漂系统噪声；
将所述速度系统噪声和所述钟漂系统噪声确定为所述目标滤波器的滤波器系统噪声。
9.根据权利要求6所述的方法，其特征在于，所述基于对所述多普勒观测数据进行粗差剔除得到的更新多普勒观测数据，构建第一测量更新矩阵，包括：
基于对所述多普勒观测数据进行粗差剔除得到的更新多普勒观测数据、所述第一预测状态协方差矩阵、以及与所述更新多普勒观测数据相关联的多普勒观测方差矩阵，确定所述目标滤波器对应的模型验证参数值；
当所述模型验证参数值小于模型验证阈值时，从所述更新多普勒观测数据中筛选出通过正太分布检测的目标多普勒观测数据；
基于所述目标多普勒观测数据，构建第一测量更新矩阵。
10.根据权利要求9所述的方法，其特征在于，所述基于对所述多普勒观测数据进行粗差剔除得到的更新多普勒观测数据、所述第一预测状态协方差矩阵、以及与所述更新多普勒观测数据相关联的多普勒观测方差矩阵，确定所述目标滤波器对应的模型验证参数值，包括：
通过所述更新多普勒观测数据、所述更新多普勒观测数据所对应卫星的卫星状态信息、以及所述第一预测状态参数，构建第一观测残差矩阵；
根据所述第一观测残差矩阵的四分位数和绝对中位差，对所述第一观测残差矩阵进行粗差探测处理，得到第二观测残差矩阵；
基于所述第二观测残差矩阵中所包含的多普勒观测数据的信噪比和对应卫星高度角，构建第一观测方差矩阵；
通过所述第二观测残差矩阵、所述第一预测状态协方差矩阵、所述第二观测残差矩阵针对所述第一预测状态参数的雅克比矩阵、以及所述第一观测方差矩阵，确定所述目标滤波器对应的模型验证参数值。
11.根据权利要求10所述的方法，其特征在于，所述方法还包括：
当所述第二观测残差矩阵的绝对中位差与所述第二观测残差矩阵的中位数之间的比值小于第一钟漂探测阈值，且所述第二观测残差矩阵的标准差与所述第二观测残差矩阵的平均值之间的比值小于所述第一钟漂探测阈值时，将所述第二观测残差矩阵的中位数与所述第一预测状态协方差矩阵中对角元素的开根号运算结果之间的比值，确定为钟漂探测数值；
当所述钟漂探测数值大于或等于第二钟漂探测阈值时，确定所述目标滤波器中存在钟漂跳变，重置所述目标滤波器中的状态参数和状态协方差矩阵。
12.根据权利要求9所述的方法，其特征在于，所述当所述模型验证参数值小于模型验证阈值时，从所述更新多普勒观测数据中筛选出通过正太分布检测的目标多普勒观测数据，包括：
当所述模型验证参数值小于模型验证阈值时，对所述模型验证参数进行标准化处理，得到标准化残差矩阵；
对所述标准化残差矩阵进行正态分布检验，得到所述标准化残差矩阵中所包含的每个元素分别对应的检验结果；
当所述标准化残差矩阵中存在检验结果不满足检验条件的目标元素时，从所述更新多普勒观测数据中，剔除所述目标元素所对应的多普勒观测数据，得到所述目标多普勒观测数据。
13.根据权利要求1所述的方法，其特征在于，所述基于所述载波相位观测数据，对所述参数更新的目标滤波器进行二次参数更新，基于二次参数更新的目标滤波器确定所述移动终端的运动参数，包括：
对所述参数更新的目标滤波器中的更新状态参数和更新状态协方差矩阵分别进行时间更新，得到时间更新的第二预测状态参数和第二预测状态协方差矩阵；
基于对所述载波相位观测数据进行粗差剔除得到的更新载波相位观测数据，构建第二测量更新矩阵；
基于与所述更新载波相位观测数据的信噪比、所述更新载波相位观测数据对应卫星的观测误差和高度角，构建第二测量方差矩阵；
根据所述第二测量更新矩阵和所述第二测量方差矩阵，对所述第二预测状态参数和所述第二预测状态协方差矩阵进行测量更新，得到目标状态参数和目标状态协方差矩阵；
当所述目标状态参数和所述目标状态协方差矩阵满足检测条件时，从所述目标状态参数中获取所述移动终端的运动参数。
14.一种移动终端的运动参数确定装置，其特征在于，所述装置包括：
初始运动状态确定模块，用于获取针对移动终端的多普勒观测数据和载波相位观测数据，基于所述多普勒观测数据确定所述移动终端的初始运动参数；
滤波器初始化模块，用于将所述初始运动参数作为初始状态参数，基于所述初始状态参数对目标滤波器进行初始化；
第一更新模块，用于基于所述多普勒观测数据，对初始化的所述目标滤波器进行初次参数更新，得到参数更新的目标滤波器；
第二更新模块，用于基于所述载波相位观测数据，对所述参数更新的目标滤波器进行二次参数更新，基于二次参数更新的目标滤波器确定所述移动终端的运动参数。
15.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，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13中任一项所述的方法的步骤。
16.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至13中任一项所述的方法的步骤。
CN202211153217.7A 2022-09-21 2022-09-21 移动终端的运动参数确定方法、装置、设备和存储介质 Active CN115242297B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211153217.7A CN115242297B (zh) 2022-09-21 2022-09-21 移动终端的运动参数确定方法、装置、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211153217.7A CN115242297B (zh) 2022-09-21 2022-09-21 移动终端的运动参数确定方法、装置、设备和存储介质

Publications (2)

Publication Number Publication Date
CN115242297A CN115242297A (zh) 2022-10-25
CN115242297B true CN115242297B (zh) 2022-11-25

Family

ID=83681494

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211153217.7A Active CN115242297B (zh) 2022-09-21 2022-09-21 移动终端的运动参数确定方法、装置、设备和存储介质

Country Status (1)

Country Link
CN (1) CN115242297B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6167347A (en) * 1998-11-04 2000-12-26 Lin; Ching-Fang Vehicle positioning method and system thereof
US6664923B1 (en) * 2002-09-24 2003-12-16 Novatel, Inc. Position and velocity Kalman filter for use with global navigation satelite system receivers
WO2019143006A1 (ko) * 2018-01-17 2019-07-25 한국항공대학교산학협력단 다중 gnss를 활용한 위치영역 hatch 필터 기반 위치 추정 방법 및 장치
CN110531393A (zh) * 2019-07-27 2019-12-03 金华航大北斗应用技术有限公司 基于自适应卡尔曼滤波的弱信号跟踪方法
CN112558125A (zh) * 2021-02-22 2021-03-26 腾讯科技（深圳）有限公司 一种车辆定位的方法、相关装置、设备以及存储介质
CN114384569A (zh) * 2022-01-12 2022-04-22 腾讯科技（深圳）有限公司 终端定位方法、装置、设备以及介质
CN114397680A (zh) * 2022-01-17 2022-04-26 腾讯科技（深圳）有限公司 误差模型确定方法、装置、设备及计算机可读存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200267681A1 (en) * 2019-02-19 2020-08-20 Qualcomm Incorporated Systems and methods for positioning with channel measurements

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6167347A (en) * 1998-11-04 2000-12-26 Lin; Ching-Fang Vehicle positioning method and system thereof
US6664923B1 (en) * 2002-09-24 2003-12-16 Novatel, Inc. Position and velocity Kalman filter for use with global navigation satelite system receivers
WO2019143006A1 (ko) * 2018-01-17 2019-07-25 한국항공대학교산학협력단 다중 gnss를 활용한 위치영역 hatch 필터 기반 위치 추정 방법 및 장치
CN110531393A (zh) * 2019-07-27 2019-12-03 金华航大北斗应用技术有限公司 基于自适应卡尔曼滤波的弱信号跟踪方法
CN112558125A (zh) * 2021-02-22 2021-03-26 腾讯科技（深圳）有限公司 一种车辆定位的方法、相关装置、设备以及存储介质
CN114384569A (zh) * 2022-01-12 2022-04-22 腾讯科技（深圳）有限公司 终端定位方法、装置、设备以及介质
CN114397680A (zh) * 2022-01-17 2022-04-26 腾讯科技（深圳）有限公司 误差模型确定方法、装置、设备及计算机可读存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Decentralized FLL-Assisted PLL Design for Robust GNSS Carrier Tracking;Rong Yang;《IEEE Communications Letters》;20210719;全文 *
GNSS/INS组合导航滤波算法及可靠性分析;蒋晨;《中国博士学位论文全文数据库 基础科学辑》;20181215;全文 *

Also Published As

Publication number Publication date
CN115242297A (zh) 2022-10-25

Similar Documents

Publication Publication Date Title
CA3036928C (en) Localization and tracking using location, signal strength, and pseudorange data
US11237276B2 (en) System and method for gaussian process enhanced GNSS corrections generation
CN108732603B (zh) 用于定位车辆的方法和装置
Obst et al. Urban multipath detection and mitigation with dynamic 3D maps for reliable land vehicle localization
WO2023134666A1 (zh) 终端定位方法、装置、设备以及介质
CN112327340B (zh) 终端定位精度评估方法、装置、设备以及介质
US20240142637A1 (en) System and method for gaussian process enhanced gnss corrections generation
Zhang et al. A novel GNSS based V2V cooperative localization to exclude multipath effect using consistency checks
CN114646992A (zh) 定位方法、装置、计算机设备、存储介质和计算机程序产品
Sun et al. Using dual‐polarization GPS antenna with optimized adaptive neuro‐fuzzy inference system to improve single point positioning accuracy in urban canyons
Skaloud et al. Real-time registration of airborne laser data with sub-decimeter accuracy
CN113063425A (zh) 车辆定位方法、装置、电子设备及存储介质
Bauer et al. Evaluation of shadow maps for non-line-of-sight detection in urban GNSS vehicle localization with VANETs-The GAIN approach
CN114879222A (zh) 一种基于自适应随机模型的全球电离层建模方法
CN114061611A (zh) 目标对象定位方法、装置、存储介质和计算机程序产品
WO2023236643A1 (zh) 定位方法、装置、设备及存储介质
CN110426717B (zh) 一种协同定位方法及系统、定位设备、存储介质
Elsayed et al. Bounding of correlated double-differenced GNSS observation errors using NRTK for precise positioning of autonomous vehicles
CN115242297B (zh) 移动终端的运动参数确定方法、装置、设备和存储介质
KR102504015B1 (ko) 다중 저궤도위성을 이용한 도플러 효과 기반의 gnss 측위 정확도 향상 방법
CN115616637A (zh) 一种基于三维格网多径建模的城市复杂环境导航定位方法
CN117008166A (zh) 定位质量评估方法、装置、设备、存储介质和程序产品
US11340356B2 (en) System and method for integer-less GNSS positioning
Lehtola et al. Tropospheric wet tomography and PPP: Joint estimation from GNSS crowdsourcing data
ERSAN et al. Map matching with kalman filter and location estimation

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
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40075302

Country of ref document: HK