CN115616639A - 载波范围模糊度固定的gnss定位 - Google Patents

Abstract

载波范围模糊度固定的GNSS定位。提供了一种基于GNSS信号来计算位置的方法和设备。该方法包括：基于GNSS信号的第一观测使用第一估计器(102)来估计(202)包括浮动载波范围模糊度的第一集合的第一状态向量；以及基于GNSS信号的第二观测使用第二估计器(104)来估计(204)包括浮动载波范围模糊度的第二集合的第二状态向量。该方法还包括：基于浮动载波范围模糊度的第一集合使用第一策略来固定(212)一个或更多个第一载波范围模糊度；以及基于浮动载波范围模糊度的第二集合使用第二策略来固定(214)一个或更多个第二载波范围模糊度。用于固定一个或更多个第一载波范围模糊度的第一策略不同于用于固定一个或更多个第二载波范围模糊度的第二策略。

Description

载波范围模糊度固定的GNSS定位

技术领域

本发明涉及使用全球导航卫星系统(GNSS)的定位。具体地，涉及至少部分地基于GNSS信号的载波相位的测量的定位。

背景技术

GNSS定位技术是本领域熟知的。现有GNSS包括全球定位系统(GPS)、伽利略、GLONASS和北斗。各个GNSS包括绕地球飞行的卫星群，在本领域中也称为“航天器”(SV)。通常，各个SV发送若干信号。这些信号被期望计算位置的接收器接收。接收器可使用信号进行若干测距测量，以推导关于接收器与各个卫星之间的距离的信息。当可进行足够数量的测量时，然后可通过多点定位计算接收器的位置。

伪距是一种测距测量。这是调制到SV所发送的载波信号上的伪随机噪声(PRN)码的码相位的测量。伪距测量可实现米数量级的定位精度。然而，在存在多径的情况下(例如，在密集的城市环境中)它们会遭受精度/可靠性降低。

载波相位测量是另一种测距测量。对载波执行测距测量(以及或代替对PRN码进行调制)可实现更大的定位精度(例如，厘米数量级的精度可为可能的)。在存在多径的情况下载波相位测量也可能更鲁棒。

然而，载波相位测量的一个困难在于它们包含固有模糊度。尽管可在给定循环(波长)内准确地测量载波的相位，但这不能唯一地确定测距测量，因为在SV和接收器之间存在未知整数个载波波长。只有这些模糊度被解算，才可实现基于载波相位的定位的益处。

提出了各种技术来“固定”模糊度。这涉及基于模糊度是整数量的知识来约束解。在一些情况下，这些技术将各个模糊度固定为整数值；然而，这不是必要的。在一些情况下，模糊度可被固定为整数值，但是然后被进一步处理，使得最终“固定”模糊度是浮点值。在一些情况下，可固定模糊度的线性组合，而非个体模糊度。在一些情况下，模糊度的子集可固定。固定载波相位模糊度的一个已知技术是最小二乘模糊度去相关调节(LAMBDA)方法(Teunissen PJG，“The least-squares ambiguity decorrelation adjustment:a methodfor fast GPS integer ambiguity estimation”，J Geod 70:65-82，1995)。

将期望的是提供用于固定载波相位模糊度的替代、改进的技术(本文中也称为载波范围模糊度)。

发明内容

载波范围模糊度可使用不同的策略来固定。可能不存在在所有情况下均表现最优的单个“最佳”策略。相反，不同的策略可具有不同的优势和劣势，并且可能或多或少适合特定情况。

例如，载波范围模糊度的固定可应用于个体载波范围模糊度或载波范围模糊度的线性组合。线性组合可基于同一SV发送的载波信号的组合或不同SV发送的载波信号的组合。在一些策略中，并非固定绝对的个体模糊度，仅固定模糊度之间的差。

尽管通常，与固定绝对的个体模糊度本身相比，固定两个个体模糊度的组合所生成的约束可能较弱，但在一些情况下其仍可具有显著的优势。例如，可固定“宽巷”模糊度。宽巷模糊度是指与两个载波信号关联的个体模糊度之间的差。许多GNSS SV广播L1载波和L2载波。可针对(L2-L1)计算宽巷模糊度。这指L1载波范围模糊度和L2载波范围模糊度之间的差。然而，更一般地，可在同一GNSS卫星以不同的频率发送的任一对载波信号之间计算宽巷模糊度。

宽巷模糊度可比各个载波信号的个体模糊度更易于解算，本文中也称为非组合载波范围模糊度或简称为非组合模糊度。它们还可更鲁棒地抵抗残余电离层误差。然而，它们所提供的位置解不如固定个体模糊度精确。然而，位置解仍比模糊度完全不固定时更精确。

本发明人已认识到，将期望的是获得超过一种模糊度固定策略的益处，因为不同的策略可根据情况(例如，根据可用的卫星信号、接收器周围的多径条件、电离层误差等)表现得更好或更差。

根据一个方面，提供了一种基于GNSS信号来计算位置的方法，该方法包括：

基于GNSS信号的第一观测使用第一估计器来估计包括浮动载波范围模糊度的第一集合的第一状态向量；

基于GNSS信号的第二观测使用第二估计器来估计包括浮动载波范围模糊度的第二集合的第二状态向量；

基于浮动载波范围模糊度的第一集合使用第一策略来固定一个或更多个第一载波范围模糊度；

基于浮动载波范围模糊度的第二集合使用第二策略来固定一个或更多个第二载波范围模糊度，

其中，固定一个或更多个第一载波范围模糊度的第一策略不同于固定一个或更多个第二载波范围模糊度的第二策略，

该方法还包括：

从固定载波范围模糊度的多个不同集合当中选择固定载波范围模糊度的集合，所述多个不同集合至少包括一个或更多个固定第一载波范围模糊度和一个或更多个固定第二载波范围模糊度；以及

基于固定载波范围模糊度的所选集合来估计位置。

“固定”浮动载波范围模糊度意指使用模糊度的整数性质来约束至少一个估计状态。固定浮动载波范围模糊度可包括将其固定为整数值。然而，“固定”可包括在固定为整数值之前或之后浮动载波范围模糊度的附加处理。这可导致固定载波范围模糊度取非整数值。因此，在一些实施方式中，固定载波范围模糊度可以是固定整数载波范围模糊度。在其它实施方式中，固定载波范围模糊度可以是非整数载波范围模糊度(这也被称为“部分”固定)。

例如，该方法可包括：对浮动载波范围模糊度的第一集合(或第二集合)进行线性变换；基于线性变换的第一集合(或线性变换的第二集合)来固定一个或更多个第一(或第二)载波范围模糊度；以及对一个或更多个固定第一载波范围模糊度(或一个或更多个固定第二载波范围模糊度)进行逆变换。

第一状态向量还可包括位置变量。类似地，第二状态向量还可包括位置变量。

可针对多个历元(更新)中的每一个重复该方法。

通常，第一集合和第二集合中的每一个包括一个或更多个浮动载波范围模糊度。在大多数情况下，各个集合包括多个浮动载波范围模糊度。然而，在一些实施方式中，或者对于一些历元，第一集合可仅包括一个浮动载波范围模糊度和/或第二集合可仅包括一个浮动载波范围模糊度。特别是，如果大量载波范围模糊度在前一历元已经固定，则可能就是这样。

一个或更多个固定第一载波范围模糊度可以是载波范围模糊度的完整集合，其中，第一载波范围模糊度对于每一个观测的GNSS信号中的每一个观测的载波固定。另选地，一个或更多个固定第一载波范围模糊度可以是载波范围模糊度的部分集合，其中，固定第一载波范围模糊度的数量少于观测的GNSS信号中的观测的载波的数量。对于一个或更多个固定第二载波范围模糊度也是如此。

可选地，该方法可包括：基于GNSS信号的另外的观测使用另一估计器来估计包括浮动载波范围模糊度的另一集合的另一状态向量；以及基于浮动载波范围模糊度的另一集合使用另一策略来固定一个或更多个另外的载波范围模糊度，其中，另一策略不同于第一策略和第二策略中的每一个，并且其中，固定载波范围模糊度的多个不同集合还包括一个或更多个另外的固定载波范围模糊度。

可使用第三估计器基于固定载波范围模糊度的所选集合来估计位置。第三估计器的更新间隔可比第一估计器和第二估计器的更新间隔短。即，与第一估计器和第二估计器生成浮动载波范围模糊度的估计相比，第三估计器可更频繁地生成位置估计。更新间隔是由估计器生成的连续估计之间的时间(即，估计迭代之间的时间)。第一和第二估计器可具有相同的更新间隔。更新的时间被称为“历元”。

另选地或另外，可使用第一估计器和第二估计器中的至少一个基于固定载波范围模糊度的所选集合来估计位置。

在一些实施方式中，第一估计器和第二估计器可相同。另一估计器(如果使用的话)也可与第一估计器和第二估计器相同。

一个或更多个固定第一载波范围模糊度可在第一估计器的后续迭代中被反馈到第一估计器中。

如果与固定模糊度关联的置信度水平高于预定阈值，则模糊度可被认为已“成功”固定。置信度水平可至少部分地取决于固定模糊度和相应浮动模糊度之间的距离。如果替代固定模糊度与浮动模糊度的距离相似，则置信度水平可较低。在一些实施方式中，仅当关联的置信度水平高于预定阈值时才反馈一个或更多个固定第一整数模糊度。

当在后续迭代中估计第一状态向量中，第一估计器可仅估计一个或更多个固定第一载波范围模糊度以外的状态。第一估计器可约束估计以保持一个或更多个固定第一载波范围模糊度恒定。

一个或更多个固定第二载波范围模糊度可在第二估计器的后续迭代中被反馈到第二估计器中。在一些实施方式中，仅当关联的置信度水平高于预定阈值时才反馈一个或更多个固定第二整数模糊度。

当在后续迭代中估计第二状态向量时，第二估计器可仅估计一个或更多个固定第二载波范围模糊度以外的状态。第二估计器可约束估计以保持一个或更多个固定第二载波范围模糊度恒定。

一个或更多个固定第一载波范围模糊度可包括个体载波范围模糊度或由其组成，其中，第一策略包括固定个体载波范围模糊度。各个个体载波范围模糊度与给定SV的给定载波频率有关。

一个或更多个固定第二载波范围模糊度可包括载波范围模糊度的组合或由其组成，其中，第二策略包括固定载波范围模糊度的组合。载波范围模糊度的各个组合可包括同一SV的不同载波频率的模糊度的线性组合或由其组成。

一个或更多个固定第二载波范围模糊度可包括宽巷载波范围模糊度或由其组成。宽巷模糊度由从同一卫星(SV)以不同频率发送的载波信号的个体载波范围模糊度之间的差形成。

一个或更多个固定宽巷载波范围模糊度可在第二估计器的后续迭代中被反馈到第二估计器中，其中，当在后续迭代中估计第二状态向量时，第二估计器约束浮动载波范围模糊度的第二集合，使得遵守宽巷载波范围模糊度。

例如，如果宽巷组合基于L1和L2载波的模糊度之间的差，则第二估计器可在后续迭代中估计L1模糊度。然后，可通过将估计的L1模糊度与对应固定宽巷载波范围模糊度组合来设定L2模糊度。换言之，L1模糊度由估计器估计，但不估计L2模糊度，其被强制跟踪L1模糊度，以使得遵守固定宽巷模糊度。

一个或更多个固定第一载波范围模糊度可包括个体载波范围模糊度或由其组成；一个或更多个固定第二载波范围模糊度可包括载波范围模糊度的组合或由其组成，其中，如果个体载波范围模糊度以超过阈值的置信度固定，则它们被选择用于估计位置，如果个体载波范围模糊度没有以超过阈值的置信度固定，但载波范围模糊度的组合以超过阈值的置信度固定，则载波范围模糊度的组合被选择用于估计位置。

应用于个体载波范围模糊度的阈值可与应用于载波范围模糊度的组合的阈值相同或不同。

第一观测和第二观测可包括相同的观测或由相同的观测组成。

第一估计器和第二估计器可以是相同的估计器。

第一估计器可以是第一卡尔曼滤波器，第二估计器可以是第二卡尔曼滤波器。第一卡尔曼滤波器和第二卡尔曼滤波器的结构可相同或不同。第三估计器可以是第三卡尔曼滤波器。

还提供一种包括计算机程序代码的计算机程序，所述计算机程序代码被配置为，当所述计算机程序在所述一个或更多个物理计算装置上运行时，使得一个或更多个物理计算装置执行如上面概括的方法的所有步骤。计算机程序可被存储在计算机可读介质上，可选地非暂时性计算机可读介质。

还提供一种被配置为基于GNSS信号计算位置的设备，该设备包括：

第一估计器，其被配置为基于GNSS信号的第一观测来估计包括浮动载波范围模糊度的第一集合的第一状态向量；

第二估计器，其被配置为基于GNSS信号的第二观测来估计包括浮动载波范围模糊度的第二集合的第二状态向量；

第一模糊度解算单元，其被配置为基于浮动载波范围模糊度的第一集合使用第一策略来固定一个或更多个第一载波范围模糊度；

第二模糊度解算单元，其被配置为基于浮动载波范围模糊度的第二集合使用第二策略来固定一个或更多个第二载波范围模糊度；以及

选择单元，其被配置为从固定载波范围模糊度的多个不同集合当中选择固定载波范围模糊度的集合，所述多个不同集合至少包括一个或更多个固定第一载波范围模糊度和一个或更多个固定第二载波范围模糊度，

其中，用于固定第一载波范围模糊度的第一策略不同于用于固定第二载波范围模糊度的第二策略，

并且其中，该设备被配置为基于固定载波范围模糊度的所选集合来估计位置。

该设备可以是GNSS接收器。该GNSS接收器还可包括：RF前端，其被配置为接收并下转换GNSS信号；以及基带处理器，其被配置为通过分析RF前端所接收并下转换的GNSS信号来生成第一观测和第二观测。

该设备还可包括第三估计器，其中，第三估计器被配置为基于固定载波范围模糊度的所选集合来估计位置。

附图说明

现在将参照附图通过示例描述本发明，附图中：

图1是根据示例的GNSS接收器的示意性框图；

图2是示出根据示例的方法的流程图；

图3示出图2的方法在多个历元上的实现。

应该注意的是，这些图是图解，并非按比例绘制。

具体实施方式

现在将详细参考本发明的实施方式，其示例示出于附图中。所描述的实施方式不应被解释为限于本节中给出的描述；实施方式可具有不同的形式。

图1是根据示例的GNSS接收器的框图。GNSS接收器可被配置为从单个GNSS群(例如，GPS)接收卫星信号，或者可被配置为从多个群(例如，GPS、伽利略和北斗)接收卫星信号。GNSS接收器包括用于接收卫星信号的天线10。联接到天线10的RF前端20被配置为将经由天线10接收的卫星信号下转换和数字化。RF前端基本上调节信号以用于后续信号处理。由前端执行的其它典型任务包括滤波、放大和自动增益控制。

GNSS接收器还包括联接到RF前端的输出的基带处理器30。基带处理器30负责处理RF前端所输出的下转换、数字化的卫星信号，以生成GNSS可观测量。可观测量包括码伪距和载波相位测量。可选地，它们还可包括诸如前端接收的各个卫星信号的各个载波的多普勒频率和载波噪声比的附加信息。

GNSS接收器还包括导航处理器100，导航处理器100联接到基带处理器30，并且被配置为从基带处理器30接收GNSS可观测量。还提供了与导航处理器100通信的存储器40。存储器40被配置为存储要在导航处理器上执行的软件/固件。软件/固件被配置为控制导航处理器执行根据本示例的处理方法。存储器还可被配置为存储用作处理方法的输入的数据和/或存储由处理方法输出的数据。

导航处理器100被示出为包括若干功能单元。在本示例中，这些功能单元由处理器100上运行的软件/固件中的模块定义。然而，应该理解，在其它示例中，这些单元可表示被配置为执行与等效软件单元相同的功能的硬件单元。因此，以下描述将不在基于软件和硬件的实现方式之间进行区分。

如图1的框图中所示，导航处理器100包括第一估计器102和第二估计器104。第一估计器102和第二估计器104被配置为从基带处理器30接收GNSS可观测量。处理器100还包括：第一模糊度解算单元112，其联接到第一估计器102的输出；和第二模糊度解算单元114，其联接到第二估计器104的输出。导航处理器100还包括选择单元120和第三估计器130。选择单元120联接到第一模糊度解算单元112和第二模糊度解算单元114的输出，并且被配置为在它们之间进行选择。第三估计器130联接到选择单元120的输出，并且还被配置为从基带处理器30接收GNSS可观测量。

在本示例中，第一、第二和第三估计器中的每一个是卡尔曼滤波器。卡尔曼滤波器是递归状态估计器。在多个时间增量(历元)中的每一个，卡尔曼滤波器估计状态变量的状态向量的当前值以及它们关联的不确定性。当前状态向量的估计基于来自前一历元的估计状态和当前测量。在导航的上下文中，由卡尔曼滤波器估计的状态变量通常包括位置变量以及可选地速度和其它变量。在GNSS导航中使用卡尔曼滤波(也称为线性二次估计)是本领域中熟知的，这里将不再详细描述。

现在将参照图2描述由图1的导航处理器100执行的方法200。在步骤202中，第一估计器102估计第一状态向量。第一状态向量至少包括浮动载波范围模糊度的第一集合；然而，其通常还包括附加状态变量。例如，其可包括位置和速度变量。第一估计器102基于所有当前GNSS可观测量201来估计浮动载波范围模糊度(以及其它状态变量)。模糊度被估计为实数并且(在本实现方式中)它们被存储为浮点值，因为估计器(卡尔曼滤波器)没有考虑实际模糊度被约束为整数的事实。(应该理解，在其它实现方式中，模糊度可被表示为定点值。)

在步骤204中，第二估计器104估计第二状态向量。这包括浮动载波范围模糊度的第二集合。类似第一状态向量，第二状态向量通常还包括附加状态变量。例如，其可包括位置和速度变量。第二估计器104按照第一估计器102估计浮动载波范围模糊度的第一集合的相同方式估计浮动载波范围模糊度的第二集合。同样，估计的模糊度具有浮点值。

要注意的是，在本实现方式中，状态向量不包括各个群中的每一个单个SV的状态。实际上，接收器具有使模糊度为非整数值的偏差。对于相同类型的所有信号，接收器偏差相同(例如，所有GPS L1信号具有相同的偏差)。为了消除这些偏差，系统选择基准信号并比较该类型的所有测量与基准(通过减法)，从而消除偏差。这等同于将偏差估计为状态并将基准卫星的模糊度约束为整数。因此，在本实现方式中，不存在用于来自各个卫星的每个信号的模糊度，因为系统不估计基准信号本身的模糊度。

尽管图2中未明确地示出，应该理解(通常，除了在第一次迭代中之外)，状态估计步骤202不仅基于当前测量(即，GNSS可观测量201)，而且基于来自前一历元的先前估计的第一状态向量。换言之，第一估计器102从一个历元到下一历元“记住”估计状态并在各个更新步骤中使用该信息。这是因为(如上面已经说明的)在本示例中第一估计器102是卡尔曼滤波器。类似地，第二估计器104是从一个历元到下一历元保留估计的第二状态向量的卡尔曼滤波器。因此，状态估计步骤204不仅基于当前测量(GNSS可观测量201)，而且基于来自前一更新间隔的先前估计的第二状态向量。

在步骤212中，第一模糊度解算单元112基于浮动载波范围模糊度的第一集合使用第一策略来固定一个或更多个第一载波范围模糊度。在本示例中，第一模糊度解算单元112针对已由GNSS接收器获取并跟踪并且已由基带处理器30生成可观测量的各个SV的各个载波信号固定个体、非组合载波范围模糊度。即，第一策略涉及固定非组合模糊度。在本示例中，LAMBDA方法用于固定非组合模糊度。LAMBDA生成整数值固定模糊度。在其它示例中，可使用其它算法。这些包括但不限于最佳整数等变(BIE)估计算法(参见例如：P.J.G.Teunissen，“Theory of integer equivariant estimation with application toGNSS”，Journal of Geodesy(2003)77:402–410)。

在步骤214中，第二模糊度解算单元114基于浮动载波范围模糊度的第二集合使用第二策略来固定一个或更多个第二载波范围模糊度。在此示例中，第二模糊度解算单元114针对各个SV固定宽巷载波范围模糊度。特别是，对于GNSS接收器成功从其获取并跟踪L1和L2信号并且已由基带处理器30生成可观测量的各个SV固定宽巷载波范围模糊度。因此，第二策略涉及固定线性组合模糊度。本示例，LAMBDA算法也用于固定组合模糊度，以生成固定整数模糊度。同样，应该理解，另选地可使用其它算法。

在步骤220中，选择单元120从第一模糊度解算单元112接收一个或更多个固定第一载波范围模糊度，并且从第二模糊度解算单元114接收一个或更多个固定第二载波范围模糊度。选择单元120在固定模糊度的这两个集合之间进行选择。更详细地，选择单元120估计与固定模糊度的各个集合关联的置信度值，以在它们之间进行选择。置信度值量化对于接收器和相应SV之间的各个载波频率，模糊度的各个集合已成功固定的可能性，即，固定模糊度正确地反映载波波长数量(或载波波长数量之差)的可能性。可按各种方式推导置信度值。在本示例中，置信度基于各个浮动载波范围模糊度与相应固定整数值的接近度。特别是，以模糊度协方差矩阵的度量针对模糊度的完整集合基于浮动和固定值之间的差如下确定置信度：

这里，

是浮动值，

是固定值的给定候选集合i的固定值，

是模糊度的协方差矩阵。针对根据LAMBDA算法生成的固定模糊度的多个候选集合计算该距离度量。最佳候选集合被确定为距离度量值最小的候选集合。次最佳候选集合被确定为距离度量值次最小的候选集合。为了在最佳候选集合中具有高置信度，我们预期最佳候选将比次最佳集合更接近浮动模糊度。因此，最佳候选集合中的置信度可被计算为距离之比(次最小距离除以最小距离)。当该比率较大(即，远大于1)时，表明次最小距离显著大于最小距离(意味着最佳候选集合中的高置信度)。当该比率较小(即，接近1)时，表明次最小距离与最小距离相当(意味着更大的不确定性，因此最佳候选集合中较低的置信度)。

以协方差矩阵的度量基于次最佳与最佳距离之比，针对固定第一载波范围模糊度计算并且还针对固定第二载波范围模糊度计算该置信度值。为了避免怀疑，在各个情况下在计算置信度比之后丢弃次最佳候选集合。在各个情况下，固定第一载波范围模糊度和固定第二载波范围模糊度基于最佳候选集合。

选择单元120基于通过上述比率计算的其置信度值在固定模糊度集合之间进行选择。在本示例中，由第一模糊度解算单元112生成的个体非组合模糊度是优选的，只要它们达到最小预定阈值置信度水平。如果非组合模糊度没有达到该最小阈值，则使用由第二模糊度解算单元114生成的组合(宽巷)模糊度，只要它们本身达到最小预定阈值置信度水平。(如果没有固定模糊度集合达到所需的最小置信度水平，则在当前更新间隔中不向第三估计器130发送固定模糊度。)要注意的是，应用于相应模糊度集合的最小阈值可彼此不同。特别是，在本实现方式中，作为模糊度数量的函数选择最小阈值。模糊度的第一集合较大，因为它包含非组合模糊度。(宽巷)模糊度的第二集合至多包含非组合模糊度数量的一半。最小阈值对于第二集合设定为较高，对于第一集合设定为较低。

在其它示例中，可使用其它规则来在固定模糊度集合之间进行选择。可在固定模糊度的各个集合中的相应置信度之间进行比较。例如，在组合(宽巷)模糊度中置信度水平可高得多，在非组合模糊度中置信度水平低得多。在这种情况下，选择单元120可选择宽巷模糊度，即使两个模糊度集合已超过其预定最小阈值置信度水平。

在步骤230中，第三估计器130估计接收器的位置，从而基于在步骤220中由选择单元120提供固定载波范围模糊度的无论哪个集合来提供导航解。除了提供位置的估计之外，步骤230还可包括估计其它变量(例如，GNSS接收器的速度)。在本示例中，第一估计器102、第二估计器104和第三估计器130全部依赖于基带处理器30所提供的相同GNSS可观测量201。由于第一和第二估计器的状态向量各自包括位置并且还可包括速度状态变量(如上面已经指出的)，所以原则上将可直接从这些估计器之一获得导航解。然而，在本示例中，单独的第三估计器用于该步骤。这具有将第三估计器130的更新间隔与第一估计器102和第二估计器104的更新间隔解耦的益处。特别是，第三估计器可使用最近可用的固定模糊度的最佳集合来提供位置和可选地速度状态变量的更频繁的更新。周期性地，当最佳集合更新(由估计器102和104、模糊度解算单元112和114以及选择单元120)时，第三估计器130可考虑这一点。这样，第三估计器130补充第一估计器102和第二估计器104。第三估计器130估计较小的状态向量，因为它不必估计模糊度。这使得以更高的更新速率(即，以历元之间更短的更新间隔/时间)运行它在计算上可行。此外，第一估计器102和第二估计器104的运行在计算上更密集，因为它们需要估计载波范围模糊度，因此它们通常具有更大的状态向量。通过不那么频繁地(即，以更长的更新间隔)运行它们来减轻这种计算负担。以这种方式平衡任务可使得GNSS接收器(特别是，导航处理器100)的计算资源能够被有效地使用。

可选地，固定模糊度可被反馈到相应估计器102、104，其中，固定模糊度从相应估计器102、104推导出。该反馈由图2中的虚线框242和244和关联的虚线箭头指示。在步骤242中，一个或更多个固定非组合载波范围模糊度被反馈到第一估计器102以在下一历元使用。类似地，在步骤244中，一个或更多个固定组合载波范围模糊度(固定宽巷模糊度)被反馈到第二估计器104以在下一历元使用。当以这种方式反馈固定模糊度时，相关估计器102、104不需要在后续历元估计它们。相反，它们在估计状态向量的剩余状态变量的同时保持恒定。保持非组合模糊度恒定是简单明了的，因为它们明确地出现在第一估计器102的第一状态向量中。在本实现方式中，组合(宽巷)模糊度没有明确地出现在第二估计器104的第二状态向量中。为了保持这些恒定，估计关联的非组合模糊度之一，而另一个被强制遵守固定宽巷模糊度。特别是，在本示例中，针对L1载波估计浮动载波范围模糊度；并且L2浮动载波范围模糊度测量基于固定宽巷模糊度来观测(即，帮助在滤波器中估计)L1载波范围模糊度。其它实现方式是可能的。例如，第二估计器可被制定为估计(非组合、个体)L1模糊度和组合(宽巷)模糊度。在这种情况下，组合(宽巷)模糊度将明确地出现在第二估计器的状态向量中。

图3示出第一估计器102和第二估计器104针对两个连续历元执行的操作。在该图中，时间从左至右运行。使用与图2的方法200中相同的标号，添加了后缀“a”以表示第一历元，“b”表示第二历元。在本示例中，由于第一估计器102和第二估计器104是相同的卡尔曼滤波器，并且因为这两个估计器接收相同的GNSS可观测量201，所以第一和第二状态向量将在第一次迭代(第一历元)之后相同。即，第一估计器102在步骤202的第一迭代202a中的输出将与第二估计器104在步骤204的第一迭代204a中的输出相同。两个分支之间的仅有差异在于，第一模糊度解算单元112在步骤212的第一迭代212a中固定非组合模糊度，而第二模糊度解算单元114在步骤214的第一迭代214a中固定宽巷模糊度。

作为不同固定策略的结果，两个估计器102和104可在后续迭代中发散。固定非组合模糊度将被反馈到第一估计器102。(这是上述步骤242；然而，为了简单，这在图3中未明确示出。)因此，在步骤202的第二迭代202b中，第一估计器102将仅估计非组合模糊度以外的第一状态向量的状态。另一方面，固定宽巷模糊度将被反馈到第二估计器104(上述步骤244，同样未在图3中明确示出)。因此，在步骤204的第二迭代204b中，第二估计器104将仅估计L2模糊度以外的第二状态向量的状态。根据固定宽巷模糊度，将估计L1模糊度并且将强制L2模糊度跟踪这些估计的L1模糊度。将第一估计器102的第一迭代202a连接到第二迭代202b的箭头表示从一个迭代到下一迭代推进(“记住”)第一状态向量。类似地，将第二估计器104的第一迭代204a连接到第二迭代204b的箭头表示在第二估计器104中从一个迭代到下一迭代推进(“记住”)第二状态向量。

在选择单元120所执行的步骤220的第一迭代220a中，选择单元120针对第一历元选择固定模糊度的两个集合中的较好者。这些用于在第三估计器130所执行的步骤230的第一迭代230a中计算位置。同样，在选择单元120所执行的步骤220的第二迭代220b中，选择单元120针对第二历元选择固定模糊度的两个集合中的较好者。这些用于在第三估计器130所执行的步骤230的第二迭代230b中计算位置。尽管图3中仅示出第三估计器130的两个迭代230a、230b，但第三估计器130通常将以比第一估计器102和第二估计器104更高的速率运行(即，具有更短的更新间隔)。因此，第三估计器130可在图中明确示出的迭代230a和230b之间经历更多次迭代。

经过许多迭代，RF前端20可获取新的GNSS信号。这些新信号的可观测量201将被添加到相应第一和第二状态向量并且估计器102、104将开始估计它们。同样，对于给定SV的给定载波信号，载波锁相可能多次丢失并重新获得。每次重新获取载波锁相时，可能需要再次估计并固定该载波的(先前固定的)载波范围模糊度。这样，根据可用的可观测量201，第一估计器102和第二估计器104所执行的任务随迭代动态地改变。在每次迭代中，选择单元120为第三估计器130选择模糊度的最佳集合以用于计算导航解(即，接收器的位置和可选地速度)。

应该注意的是，上述实施方式示出而非限制本发明，在不脱离所附权利要求的范围的情况下，本领域技术人员将能够设计许多替代实施方式。

在上述实施方式中，固定模糊度的两个不同策略一方面涉及固定个体模糊度，另一方面涉及固定宽巷模糊度。应该理解，本公开的范围在这一方面不受限制。可采用固定模糊度的其它策略。例如，第二策略可涉及固定模糊度的不同线性组合(而非固定宽巷模糊度)。在另一示例中，一个策略可涉及固定模糊度的子集，另一策略可涉及固定所有模糊度。在另一示例中，一个策略可涉及固定模糊度的一个子集，另一策略可涉及固定模糊度的不同(交叠或不交叠)子集。在另一示例中，估计器可依赖于不同的模型。例如，一个估计器可能估计电离层参数，另一估计器可能不；或者不同的估计器可能就噪声类型或偏差等做出不同的假设。在一些示例中，估计器可取不同的测量作为输入。

还应该理解，通常，可采用超过两种不同的模糊度固定策略。可存在一个或更多个另外的估计器和相应模糊度解算单元，其将应用相应不同的策略来固定模糊度。因此，选择单元120可在比图1至图3中举例说明的两个集合更多的固定模糊度集合之间进行选择。

在图1至图3的示例中，第一估计器102、第二估计器104和第三估计器130全部为卡尔曼滤波器。然而，应该理解，这不是必要的。估计器中的一些或所有可为不同的类型。合适的替代类型估计器包括(但不限于)：卡尔曼滤波器的变体(例如，扩展卡尔曼滤波器(EKF)和无迹卡尔曼滤波器(UKF))或最小二乘(LS)估计器。

在上述讨论中，说明了各个估计器102、104、130使其状态向量的当前估计基于相应状态向量的当前测量和先前估计。这未必意指必须明确地提供当前测量作为估计器的输入。例如，卡尔曼滤波器的更新步骤可通过将先前估计的状态向量与所谓的“革新”(测量(可观测量)与预测状态之间的差)组合来实现。然而，由于革新本身基于当前测量，所以所得状态向量的当前估计也被认为(间接)基于当前测量。然而，应该理解，如果估计器的输入是测量并且估计器是卡尔曼滤波器，则估计器将计算革新，并且卡尔曼滤波器的测量更新步骤通常将一直使用测量革新。

在上述示例中，模糊度解算单元112和114使用LAMBDA算法来固定模糊度。应该理解，其它算法也是可用的并且可代替使用。LAMBDA算法的一个扩展是最佳整数等变(BIE)估计算法(参见例如：P.J.G.Teunissen，“Theory of integer equivariant estimationwith application to GNSS”，Journal of Geodesy(2003)77:402–410)。这固定了整数模糊度的多个候选集合，然后执行加权平均以确定最终固定模糊度。因此，尽管在此过程中模糊度被固定为整数，但固定算法的最终输出包括浮点固定载波范围模糊度。

也可按不同的方式评估固定模糊度中的置信度。给出计算置信度比，比较最佳候选集合与次最佳候选集合的示例。这确实是评估置信度的一个方便且信息丰富的方式；然而，采用这种方法绝非必要的。通常，可采用固定解质量的任何度量作为置信度度量。如果置信度度量与阈值进行比较，为了在固定第一载波范围模糊度和固定第二载波范围模糊度之间进行选择，该阈值可被选择为固定阈值或动态阈值。

在图1的示例中，整个方法(包括估计状态、固定模糊度、选择固定模糊度集合和估计位置)在GNSS接收器的导航处理器100上执行。然而，这不是必要的。方法的一些或所有步骤可由不同的设备执行。在一些示例中，一些或所有处理可被委派给服务器计算机(例如，在云计算环境中)。服务器计算机可实现与方框102、104、112、114、120和130中的一些或所有对应的功能(例如，作为相似的软件功能块)。因此，服务器计算机可执行步骤202、204、212、214、220、230、242和244中的一些或所有。

其它变化涉及方框102、104、112、114、120和130实现的方式。在上述示例中，这些单元被限定在GNSS接收器的导航处理器100上运行的软件或软件模块中。然而，在其它示例中，这些单元中的一些或所有可在专用固定功能硬件中实现。

在权利要求中，放在括号内的任何标号不应被解释为限制权利要求。词语“包括”不排除权利要求中所列那些以外的元件或步骤的存在。然而，在使用词语“包括”的情况下，这作为特殊情况也公开了所列元件或步骤为穷尽(即，该设备或方法可仅由那些元件或步骤组成)的可能性。元件之前的冠词不排除多个这样的元件的存在。实施方式可通过包括若干不同元件的硬件来实现。在列举若干装置的设备权利要求中，这些装置中的若干可由硬件的同一项具体实现。在互不相同的从属权利要求中陈述某些措施的单纯事实并非指示无法有利地使用这些措施的组合。此外，在所附权利要求中，包括“下列中的至少一个：A；B；和C”的列表应该被解释为(A和/或B)和/或C。

在与方法有关的流程图、摘要、权利要求和说明书中，列出步骤的顺序通常并非旨在限制执行它们的次序。步骤可按与所指示的次序不同的次序执行(除非具体地指示，或者后续步骤依赖于前一步骤的产物)。然而，在一些情况下，描述步骤的次序可反映操作的优选顺序。

此外，通常，各种实施方式可在硬件或专用电路、软件、逻辑或其任何组合中实现。例如，一些方面可在硬件中实现，而其它方面可在可由控制器、微处理器或其它计算装置执行的固件或软件中实现，但这些不是限制性示例。尽管本文所描述的各种方面可作为框图、流程图或使用一些其它图示表示来示出和描述，但很好理解，本文所描述的这些框、设备、系统、技术或方法可作为非限制性示例实现于硬件、软件、固件、专用电路或逻辑、通用硬件或控制器或其它计算装置或其一些组合中。

本文所描述的实施方式可由可由设备的数据处理器执行的计算机软件(例如，处理器实体中)，或由硬件，或由软件和硬件的组合实现。此外，在这方面，应该注意的是，如附图中的逻辑流程的任何框可表示程序步骤，或互连的逻辑电路、块和功能，或程序步骤与逻辑电路、块和功能的组合。软件可被存储在诸如存储器芯片或实现于处理器内的存储块的物理介质、诸如硬盘或软盘的磁介质、以及诸如DVD及其数据变体、CD的光学介质上。

存储器可为适合于本地技术环境的任何类型，并且可使用任何合适的数据存储技术来实现，例如基于半导体的存储器装置、磁性存储器装置和系统、光学存储器装置和系统、固定存储器和可移除存储器。数据处理器可为适合于本地技术环境的任何类型，并且作为非限制性示例，可包括通用计算机、专用计算机、微处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、门级电路和基于多核处理器架构的处理器中的一个或更多个。

如本文讨论的实施方式可在诸如集成电路模块的各种组件中实践。集成电路的设计总体上是高度自动化的过程。复杂且强大的软件工具可用于将逻辑级设计转换为准备好在半导体基板上蚀刻和形成的半导体电路设计。

Claims (15)

1.一种基于GNSS信号来计算位置的方法，该方法包括以下步骤：

基于所述GNSS信号的第一观测使用第一估计器(102)来估计(202)包括浮动载波范围模糊度的第一集合的第一状态向量；

基于所述GNSS信号的第二观测使用第二估计器(104)来估计(204)包括浮动载波范围模糊度的第二集合的第二状态向量；

基于所述浮动载波范围模糊度的第一集合使用第一策略来固定(212)一个或更多个第一载波范围模糊度；

基于所述浮动载波范围模糊度的第二集合使用第二策略来固定(214)一个或更多个第二载波范围模糊度，

其中，用于固定所述一个或更多个第一载波范围模糊度的所述第一策略不同于用于固定所述一个或更多个第二载波范围模糊度的所述第二策略，

所述方法还包括以下步骤：

从固定载波范围模糊度的多个不同集合当中选择(220)固定载波范围模糊度的集合，所述多个不同集合至少包括一个或更多个固定第一载波范围模糊度和一个或更多个固定第二载波范围模糊度；以及

基于固定载波范围模糊度的所选集合来估计(230)所述位置。

2.根据权利要求1所述的方法，其中，使用第三估计器(130)基于固定载波范围模糊度的所选集合来估计(230)所述位置。

3.根据权利要求1或2所述的方法，其中，所述一个或更多个固定第一载波范围模糊度在所述第一估计器的后续迭代中被反馈(242)到所述第一估计器(102)中。

4.根据权利要求3所述的方法，其中，当在所述后续迭代中估计(202)所述第一状态向量时，所述第一估计器(102)仅估计所述一个或更多个固定第一载波范围模糊度以外的状态。

5.根据权利要求1或2所述的方法，其中，所述一个或更多个固定第二载波范围模糊度在所述第二估计器的后续迭代中被反馈(244)到所述第二估计器(104)中。

6.根据权利要求5所述的方法，其中，当在所述后续迭代中估计(204)所述第二状态向量时，所述第二估计器(104)仅估计所述一个或更多个固定第二载波范围模糊度以外的状态。

7.根据权利要求1或2所述的方法，其中，所述一个或更多个固定第一载波范围模糊度包括个体载波范围模糊度或由个体载波范围模糊度组成，

其中，所述第一策略包括固定所述个体载波范围模糊度。

8.根据权利要求1或2所述的方法，其中，所述一个或更多个固定第二载波范围模糊度包括载波范围模糊度的组合或由载波范围模糊度的组合组成，

其中，所述第二策略包括固定所述载波范围模糊度的组合。

9.根据权利要求8所述的方法，其中，所述一个或更多个固定第二载波范围模糊度包括宽巷载波范围模糊度或由宽巷载波范围模糊度组成。

10.根据权利要求9所述的方法，其中，所述一个或更多个固定宽巷载波范围模糊度在所述第二估计器的后续迭代中被反馈(244)到所述第二估计器(104)中，其中，当在所述后续迭代中估计所述第二状态向量时，所述第二估计器约束所述浮动载波范围模糊度的第二集合，使得遵守所述宽巷载波范围模糊度。

11.根据权利要求1或2所述的方法，其中：

所述一个或更多个固定第一载波范围模糊度包括个体载波范围模糊度或由个体载波范围模糊度组成；并且

所述一个或更多个固定第二载波范围模糊度包括载波范围模糊度的组合或由载波范围模糊度的组合组成，

其中，如果所述个体载波范围模糊度以超过阈值的置信度固定，则所述个体载波范围模糊度被选择(220)用于估计所述位置，并且

如果所述个体载波范围模糊度没有以超过所述阈值的置信度固定，但是所述载波范围模糊度的组合以超过所述阈值的置信度固定，则所述载波范围模糊度的组合被选择(220)用于估计所述位置。

12.根据权利要求1或2所述的方法，其中，所述第一观测和所述第二观测包括相同的观测或由相同的观测组成。

13.一种包括计算机程序代码的计算机程序，所述计算机程序代码被配置为，当所述计算机程序在一个或更多个物理计算装置上运行时，使得所述一个或更多个物理计算装置执行根据前述权利要求中的任一项所述的方法的所有步骤。

14.一种被配置为基于GNSS信号来计算位置的设备，该设备包括：

第一估计器(102)，该第一估计器被配置为基于所述GNSS信号的第一观测来估计(202)包括浮动载波范围模糊度的第一集合的第一状态向量；

第二估计器(104)，该第二估计器被配置为基于所述GNSS信号的第二观测来估计(204)包括浮动载波范围模糊度的第二集合的第二状态向量；

第一模糊度解算单元(112)，该第一模糊度解算单元被配置为基于所述浮动载波范围模糊度的第一集合使用第一策略来固定(212)一个或更多个第一载波范围模糊度；

第二模糊度解算单元(114)，该第二模糊度解算单元被配置为基于所述浮动载波范围模糊度的第二集合使用第二策略来固定(214)一个或更多个第二载波范围模糊度；以及

选择单元(120)，该选择单元被配置为从固定载波范围模糊度的多个不同集合当中选择(220)固定载波范围模糊度的集合，所述多个不同集合至少包括一个或更多个固定第一载波范围模糊度和一个或更多个固定第二载波范围模糊度，

其中，用于固定所述第一载波范围模糊度的所述第一策略不同于用于固定所述第二载波范围模糊度的所述第二策略，

并且其中，所述设备被配置为基于固定载波范围模糊度的所选集合来估计(230)所述位置。

15.根据权利要求14所述的设备，该设备还包括第三估计器(130)，其中，所述第三估计器被配置为基于固定载波范围模糊度的所选集合来估计(130)所述位置。

Images