CN115792980A - 一种模型和数据双重驱动的gnss rtk定位选星方法及系统 - Google Patents

Abstract

本发明涉及一种模型和数据双重驱动的GNSS RTK定位选星方法及系统。使用大样本GNSS数据拟合观测残差高度角、信噪比的混合模型，计算每颗卫星的理论噪声并剔除大粗差，再根据每颗卫星对GDOP的贡献值大小完成预选星。利用多普勒测速解算得到的精确速度信息构建载体的运动学方程，得到当前历元的预报位置，并将其代入双差观测方程中计算验前残差，使用Grubbs准则剔除离群值，对可用卫星的粗筛选。构建码相组合双差模型用于实时估计观测噪声并得到观测值方差协方差阵，由此计算验后标准化残差对模糊度进行精筛选。本发明可以为定位解算选择高精度观测数据，提高固定率，进而提升定位精度，同时减少矩阵运算带来的计算资源消耗。

Description

一种模型和数据双重驱动的GNSS RTK定位选星方法及系统

技术领域

本发明属于GNSS导航定位领域，具体涉及一种模型和数据双重驱动的GNSS RTK定位选星方法及系统。

背景技术

随着我国北斗三号(BDS-3)全球系统于2020年7月正式建成，全球卫星导航系统(GNSS)已进入GPS、BDS、GLONASS、GALILEO等多系统融合发展的新时代，目前已有超过100颗在轨GNSS卫星向全球用户提供十余个不同频率的卫星信号。这些新兴的卫星导航系统和丰富的频率资源极大改善了卫星几何构型，带来更多的观测值，从而缩短了定位收敛时间，提高了GNSS定位的精度和可靠性，给导航定位带来了新的发展机遇。

如今，GNSS提供的精密位置服务逐渐从专业领域的有限需求走向大众用户的广泛需求，低成本定位终端凭借其低成本、低功耗、高灵敏度等特点，已成为导航与位置服务的主流载体。但是，多频多模的卫星信号和以城市为主的应用场景给低成本定位终端带来了新的挑战：一方面，受限于计算资源和电池容量等因素，在可视卫星数较多时，GNSS定位的观测方程维数较大，导致矩阵运算带来极大的计算资源消耗；另一方面，受到低成本、低功耗的GNSS器件限制和复杂多变的应用环境影响，GNSS原始观测值中容易出现大量粗差等异常观测，这不仅增加了抗差迭代次数、降低了解算效率，同时也破坏了定位的精度和可靠性。

为了兼顾计算效率和定位性能，满足低成本导航模块实时高精度定位的需求，本发明给出了一种模型和数据双重驱动的GNSS RTK定位选星方法，结合高度角、信噪比、GDOP混合模型驱动的预选星方法，验前残差数据驱动的粗选星方法，以及验后标准化残差数据驱动的精选星方法，能够有效地识别并剔除粗差观测值，从而实现对RTK定位精度的提升，并降低定位解算带来的计算资源消耗。

发明内容

本发明提出了一种模型和数据双重驱动的GNSS RTK定位选星方法，可以在兼顾定位性能的同时有效降低计算负荷，提高计算效率，满足低成本、低功耗的GNSS模块实时解算在计算资源和效率方面的需求。本发明的方法总体结构如图1所示，技术方案如下所述：

一种模型和数据双重驱动的GNSS RTK定位选星方法，

进行第一次卫星剔除：利用伪距噪声与高度角、信噪比的混合模型剔除质量差的卫星；

进行第二次卫星剔除：对剩余的每颗卫星根据其对GDOP的贡献值大小进行预筛选；

进行第三次卫星剔除：对于预筛选得到的卫星依据其当前历元的预报位置计算其验前伪距、相位双差残差，剔除离群值，完成粗筛选。

进行第四次卫星剔除：粗筛选后的卫星进入RTK浮点解算，并基于验后标准化残差对卫星进行精筛选后进入模糊度固定。

在上述的一种模型和数据双重驱动的GNSS RTK定位选星方法，进行第一次卫星剔除之前，高度角、信噪比的混合模型构建方法是：采集涵盖城市典型复杂场景的大样本GNSS原始观测数据，代入位置真值提取出每颗卫星的真实伪距噪声，从而构建伪距噪声与高度角、信噪比的混合模型。

在上述的一种模型和数据双重驱动的GNSS RTK定位选星方法，进行第三次卫星剔除时，利用粗筛选后的卫星进行多普勒测速解算，得到高精度速度信息，构建载体历元间位置变化方程，进而计算当前历元的预报位置。将预报位置代入伪距双差和相位双差观测方程中计算验前残差，利用Grubbs准则剔除验前残差中的离群值从而完成对卫星的粗筛选。

在上述的一种模型和数据双重驱动的GNSS RTK定位选星方法，进行第四次卫星剔除时，构建码相组合双差观测值实时估计观测噪声，进而构建双差伪距/相位的方差协方差阵。浮点解算完成后，利用验后残差和观测方差计算每个观测值的验后标准化残差v，剔除v超限的卫星后进入模糊度固定。

在上述的一种模型和数据双重驱动的GNSS RTK定位选星方法，提取大样本原始观测数据的伪距噪声，提取方式如下：

上式为伪距非差观测方程，其中，

为伪距原始观测值，ρ代表卫地距，δt_R和δt_S分别代表接收机钟差和卫星钟差，δ_trop和δ_ion分别代表对流层延迟误差和电离层延迟误差，δ_mul和ε_ρ分别为多路径误差和伪距观测噪声。

在上述的一种模型和数据双重驱动的GNSS RTK定位选星方法，通过分析伪距噪声与信噪比、高度角的相关性，构建信噪比、高度角混合模型以计算理论噪声值。卫星i在第f频点的理论噪声模型δ_i,f构建如下：

其中，q₁、a₁、b₁、q₂、a₂、b₂为待拟合的经验参数，el_i代表卫星i的高度角，SNR_i,f代表卫星i第f频点的信号强度。将大样本数据提取出的真实噪声、信噪比和高度角代入上式，可拟合出六个经验参数。

当获取到实时数据时，由式(2)可计算出理论噪声δ_i,f，当理论噪声满足δ_i,f≤δ₀，即选为可用卫星。

在上述的一种模型和数据双重驱动的GNSS RTK定位选星方法，计算剩余的每颗卫星对GDOP的贡献

公式如下：

其中，h_j是第i颗卫星对应的观测向量，H_n为n颗卫星对应的观测矩阵。

在上述的一种模型和数据双重驱动的GNSS RTK定位选星方法，定义测站u，r同时对GNSS卫星i，j进行观测，则GNSS伪距双差观测方程和载波相位双差观测方程分别如下式：

其中，P为伪距观测值，λ为载波波长，

为载波相位观测值，ρ为卫星和接收机之间的几何距离，I和T分别为电离层延迟和对流层延迟残余误差，短基线模式下，大气残余误差可忽略不计，ε为伪距观测噪声和多路径误差等的综合项，ζ为相位观测噪声和多路径误差等的综合项。

在上述的一种模型和数据双重驱动的GNSS RTK定位选星方法，

构造卫星i的CMC组合观测值并对其进行站间差分和星间差分，得到双差CMC组合观测值(图4中简称为Ci)：

其中，▽Δ为双差算子，双差模糊度

为常数项，

并判断是否发生周跳，若发生周跳，则令C_i为初始误差C₀，观测噪声W_i为W_i-1后，构建观测噪声矩阵W。否则，构建CMC三差观测量C_i-C_i-1，并形成观测噪声矩阵W。

根据构建的观测噪声矩阵W进行Kalman滤波，Kalman滤波完成后，计算各相位观测值的标准化残差v_s,i，如下式所示：

其中，v_i为相位观测值i的验后残差，σ_i为CMC组合观测值构造的相位观测值方差阵的对角线元素，若满足v_s,i＜k₀,k₀＝1.5，则选为可用浮点模糊度，进入模糊度固定环节，否则，剔除卫星i后重新进行Kalman滤波，计算标准化残差，并再次判断是否通过检验。

一种模型和数据双重驱动的GNSS RTK定位选星系统，包括

第一模块：被配置为用于进行第一次卫星剔除：利用伪距噪声与高度角、信噪比的混合模型剔除质量差的卫星；

第二模块：被配置为用于进行第二次卫星剔除：对剩余的每颗卫星根据其对GDOP的贡献值大小进行预筛选；

第三模块：被配置为用于进行第三次卫星剔除：对于预筛选得到的卫星依据其当前历元的预报位置计算其验前伪距、相位双差残差，剔除离群值，完成粗筛选。

第四模块：被配置为用于进行第四次卫星剔除：粗筛选后的卫星进入RTK浮点解算，并基于验后标准化残差对卫星进行精筛选后进入模糊度固定。

本发明提出的模型和数据双重驱动的GNSS RTK定位选星方法有如下优点：

1.通过采集涵盖城市典型复杂场景的大样本GNSS数据拟合伪距噪声与高度角、信噪比的混合模型，提高了噪声理论值与真实值的符合程度，从而有利于准确识别城市场景下粗差较大的卫星。

2.利用高精度测速信息传递上一历元的位置，提高了预报位置的准确性，从而可以通过验前残差有效探测粗差。

3.通过构建CMC组合双差观测方程，可以实时估计观测噪声，由此构建的观测值方差协方差阵可以更好地反映真实的观测噪声，有利于提高RTK浮点解算精度，同时可以通过验后标准化残差有效地选取质量较好的模糊度进入模糊度固定解算，提高模糊度固定率。

4.通过使用模型与数据双重驱动的GNSS RTK选星方法，选取较高质量卫星进行GNSS解算，在保证定位性能的同时，减少了计算负荷，提高了计算速率，可以满足受限于计算资源和电池容量等因素的低成本导航模块实时解算需求。

附图说明

图1为本发明实例的模型和数据双重驱动的GNSS RTK定位选星方法总流程图；

图2为本发明实例的混合模型驱动预选星流程图；

图3为本发明实例的验前数据驱动粗选星流程图；

图4为本发明实例的验后数据驱动精选星流程图。

具体实施方式

以下将结合具体实施方法对本发明的各模块进行详细说明。

一、混合模型驱动预选星方法。

开展低成本GNSS导航模块的车载测试，最大程度涵盖城市典型的复杂环境，获取大样本GNSS原始观测数据。对GNSS导航模块进行短基线观测，通过将高精度参考坐标代入双差模型，提取大样本原始观测数据的伪距噪声，提取方式如下：

上式为伪距非差观测方程，其中，

为伪距原始观测值，ρ代表卫地距，δt_R和δt_S分别代表接收机钟差和卫星钟差，δ_trop和δ_ion分别代表对流层延迟误差和电离层延迟误差，δ_mul和ε_ρ分别为多路径误差和伪距观测噪声。对非差观测方程作星间单差和站间单差，从而消除接收机钟差项、卫星钟差项、电离层延迟误差和对流层延迟误差，代入高精度参考坐标以计算出较为准确的卫地距项，扣除以上误差已知项和卫地距项后即可提取包含多路径误差和伪距观测噪声等的综合噪声项δ。通过分析伪距噪声与信噪比、高度角的相关性，构建信噪比、高度角混合模型以计算理论噪声值。卫星i在第f频点的理论噪声模型δ_i,f构建如下：

其中，q₁、a₁、b₁、q₂、a₂、b₂为待拟合的经验参数，el_i代表卫星i的高度角，SNR_i,f代表卫星i第f频点的信号强度。将大样本数据提取出的真实噪声、信噪比和高度角代入上式，可拟合出六个经验参数。

当获取到实时数据时，由式(2)可计算出理论噪声δ_i,f，当理论噪声满足δ_i,f≤δ₀，即选为可用卫星，δ₀的取值视具体导航模块特性而定。

经过高度角、信噪比混合模型初步筛选后，计算剩余的每颗卫星对GDOP的贡献

公式如下：

其中，h_j是第i颗卫星对应的观测向量，H_n为n颗卫星对应的观测矩阵。将

排序，其值越大，说明该卫星对GDOP的贡献越大，因此选取排序后的前m颗卫星，

二、验前数据驱动粗选星方法。

假设测站u，r同时对GNSS卫星i，j进行观测，则GNSS伪距双差观测方程和载波相位双差观测方程分别如下式：

其中，P为伪距观测值，λ为载波波长，

为载波相位观测值，ρ为卫星和接收机之间的几何距离，I和T分别为电离层延迟和对流层延迟残余误差，短基线模式下，大气残余误差可忽略不计，ε为伪距观测噪声和多路径误差等的综合项，ζ为相位观测噪声和多路径误差等的综合项。因此，若要提取误差综合项，需要已知接收机的概略位置。本发明通过多普勒测速得到高精度速度信息，将上一历元的滤波解传递下来，为当前历元提供较高精度的预报位置，从而提取验前误差综合项，作为卫星粗筛选的检验量。

非差多普勒观测方程如下式：

其中，D为多普勒观测值，r_R和

分别为接收机位置和速度向量，r^S _i和

分别为卫星S_i的位置和速度向量，

为接收机钟变化率，

为卫星钟变化率，

和

分别为对流层、电离层延迟变化率，由于大气变化缓慢，因此该变化率可忽略不计，γ为多普勒观测噪声和多路径误差的综合误差项。

对上式进行线性化，得到多普勒测速的函数模型：

其中，m_x、m_y、m_z代表各卫星接收机对的线性化系数，(VxVyVz)代表载体在当前历元的瞬时速度，

为接收机钟速项，各系统和各频点之间的差异可忽略不计。若要得到载体从第i到第i+1个历元的位置变化量，常采用常加速度模型，计算如下：

在此基础上，获得当前历元的预报位置。通过将预报位置代入伪距双差方程(6)和相位双差方程(7)，提取每颗卫星的验前双差残差，使用Grubbs法则剔除离群值，则完成了对卫星的粗筛选。

三、验后数据驱动精选星方法。

GNSS定位算法中，随机模型反映了不同观测值的精度，需要通过合理的随机模型，最大程度地反映GNSS观测数据的统计特性，从而有效提高接收机的定位精度和性能。由于导航模块在不同观测环境中受到的多路径效应影响不同，观测值特性存在差异，难以依赖某种经验模型准确反映全场景下的随机误差大小。因此，本发明使用码相组合双差观测值来实时估计观测噪声，以有效解决经验模型适用性差的问题。构造卫星i的CMC组合观测值：

其中，δt_ρ和

分别为接收机伪距钟差和载波相位钟差，无法通过CMC组合消除钟差的影响，但可以通过星间差分的方式削弱。

和

分别为伪距多路径误差和相位多路径误差，由于相位多路径误差最大值为1/4个波长(约5cm)，与米级的伪距多径误差相比可以忽略不计。N_i为模糊度项，在载波相位连续观测时为常数，

为电离层延迟误差，在短基线观测中，可以通过站间差分的方式进行消除。因此对上式进行站间差分和星间差分，得到双差CMC组合观测值(图4中简称为Ci)：

其中，▽Δ为双差算子，双差模糊度

为常数项，可通过与前一历元求三差的方式扣除。通过事后分析发现上述双差CMC组合观测值和事后代入真实位置提取的双差伪距残差一样能够反映伪距多路径和噪声的综合误差，进而构建双差伪距观测值的方差协方差阵。由于载波相位观测噪声和多路径误差等综合误差项难以提取，因此通过伪距噪声与相位噪声的经验比值得到双差相位观测值的噪声矩阵W。

首先判断双差CMC组合观测值Ci是否发生周跳，若发生周跳，则令C_i为初始误差C₀，观测噪声W_i为W_i-1后，构建观测噪声矩阵W。否则，构建CMC三差观测量C_i-C_i-1，并形成观测噪声矩阵W。

根据构建的观测噪声矩阵W进行Kalman滤波，Kalman滤波完成后，计算各相位观测值的标准化残差v_s,i，如下式所示：

其中，v_i为相位观测值i的验后残差，σ_i为CMC组合观测值构造的相位观测值方差阵的对角线元素，若满足v_s,i＜k₀,k₀＝1.5，则选为可用浮点模糊度，进入模糊度固定环节，否则，剔除卫星i后重新进行Kalman滤波，计算标准化残差，并再次判断是否通过检验，由此完成对卫星的精筛选。

本发明还涉及一种模型和数据双重驱动的GNSS RTK定位选星系统，包括

第一模块：被配置为用于进行第一次卫星剔除：利用伪距噪声与高度角、信噪比的混合模型剔除质量差的卫星；

第二模块：被配置为用于进行第二次卫星剔除：对剩余的每颗卫星根据其对GDOP的贡献值大小进行预筛选；

第三模块：被配置为用于进行第三次卫星剔除：对于预筛选得到的卫星依据其当前历元的预报位置计算其验前伪距、相位双差残差，剔除离群值，完成粗筛选。

第四模块：被配置为用于进行第四次卫星剔除：粗筛选后的卫星进入RTK浮点解算，并基于验后标准化残差对卫星进行精筛选后进入模糊度固定。

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (10)

1.一种模型和数据双重驱动的GNSS RTK定位选星方法，其特征在于：包括

进行第一次卫星剔除：利用伪距噪声与高度角、信噪比的混合模型剔除质量差的卫星；

进行第二次卫星剔除：对剩余的每颗卫星根据其对GDOP的贡献值大小进行预筛选；

进行第三次卫星剔除：对于预筛选得到的卫星依据其当前历元的预报位置计算其验前伪距、相位双差残差，剔除离群值，完成粗筛选；

进行第四次卫星剔除：粗筛选后的卫星进入RTK浮点解算，并基于验后标准化残差对卫星进行精筛选后进入模糊度固定。

2.如权利要求1所述的一种模型和数据双重驱动的GNSS RTK定位选星方法，其特征在于：进行第一次卫星剔除之前，高度角、信噪比的混合模型构建方法是：采集涵盖城市典型复杂场景的大样本GNSS原始观测数据，代入位置真值提取出每颗卫星的真实伪距噪声，从而构建伪距噪声与高度角、信噪比的混合模型。

3.如权利要求1所述的一种模型和数据双重驱动的GNSS RTK定位选星方法，其特征在于：进行第三次卫星剔除时，利用粗筛选后的卫星进行多普勒测速解算，得到高精度速度信息，构建载体历元间位置变化方程，进而计算当前历元的预报位置，将预报位置代入伪距双差和相位双差观测方程中计算验前残差，利用Grubbs准则剔除验前残差中的离群值从而完成对卫星的粗筛选。

4.如权利要求1所述的一种模型和数据双重驱动的GNSS RTK定位选星方法，其特征在于：进行第四次卫星剔除时，构建码相组合双差观测值实时估计观测噪声，进而构建双差伪距/相位的方差协方差阵，浮点解算完成后，利用验后残差和观测方差计算每个观测值的验后标准化残差v，剔除v超限的卫星后进入模糊度固定。

5.如权利要求1所述的一种模型和数据双重驱动的GNSS RTK定位选星方法，其特征在于：提取大样本原始观测数据的伪距噪声，提取方式如下：

上式为伪距非差观测方程，其中，

为伪距原始观测值，ρ代表卫地距，δt_R和δt_S分别代表接收机钟差和卫星钟差，δ_trop和δ_ion分别代表对流层延迟误差和电离层延迟误差，δ_mul和ε_ρ分别为多路径误差和伪距观测噪声。

6.如权利要求1所述的一种模型和数据双重驱动的GNSS RTK定位选星方法，其特征在于：通过分析伪距噪声与信噪比、高度角的相关性，构建信噪比、高度角混合模型以计算理论噪声值；卫星i在第f频点的理论噪声模型δ_i,f构建如下：

其中，q₁、a₁、b₁、q₂、a₂、b₂为待拟合的经验参数，el_i代表卫星i的高度角，SNR_i,f代表卫星i第f频点的信号强度，将大样本数据提取出的真实噪声、信噪比和高度角代入上式，可拟合出六个经验参数；

当获取到实时数据时，由式(2)可计算出理论噪声δ_i,f，当理论噪声满足δ_i,f≤δ₀，即选为可用卫星。

7.如权利要求1所述的一种模型和数据双重驱动的GNSS RTK定位选星方法，其特征在于：计算剩余的每颗卫星对GDOP的贡献

公式如下：

其中，h_j是第i颗卫星对应的观测向量，H_n为n颗卫星对应的观测矩阵。

8.如权利要求1所述的一种模型和数据双重驱动的GNSS RTK定位选星方法，其特征在于：定义测站u，r同时对GNSS卫星i，j进行观测，则GNSS伪距双差观测方程和载波相位双差观测方程分别如下式：

其中，P为伪距观测值，λ为载波波长，

为载波相位观测值，ρ为卫星和接收机之间的几何距离，I和T分别为电离层延迟和对流层延迟残余误差，短基线模式下，大气残余误差可忽略不计，ε为伪距观测噪声和多路径误差等的综合项，ζ为相位观测噪声和多路径误差等的综合项。

9.如权利要求1所述的一种模型和数据双重驱动的GNSS RTK定位选星方法，其特征在于：

构造卫星i的CMC组合观测值并对其进行站间差分和星间差分，得到双差CMC组合观测值(图4中简称为Ci)：

其中，

为双差算子，双差模糊度

为常数项，通过伪距噪声与相位噪声的经验比值得到双差相位观测值的方差阵；

并判断是否发生周跳，若发生周跳，则令C_i为初始误差C₀，观测噪声W_i为W_i-1后，构建观测噪声矩阵W，否则，构建CMC三差观测量C_i-C_i-1，并形成观测噪声矩阵W；

根据构建的观测噪声矩阵W进行Kalman滤波，Kalman滤波完成后，计算各相位观测值的标准化残差v_s,i，如下式所示：

其中，v_i为相位观测值i的验后残差，σ_i为CMC组合观测值构造的相位观测值方差阵的对角线元素，若满足v_s,i＜k₀,k₀＝1.5，则选为可用浮点模糊度，进入模糊度固定环节，否则，剔除卫星i后重新进行Kalman滤波，计算标准化残差，并再次判断是否通过检验。

10.一种模型和数据双重驱动的GNSS RTK定位选星系统，其特征在于：包括

第一模块：被配置为用于进行第一次卫星剔除：利用伪距噪声与高度角、信噪比的混合模型剔除质量差的卫星；

第二模块：被配置为用于进行第二次卫星剔除：对剩余的每颗卫星根据其对GDOP的贡献值大小进行预筛选；

第三模块：被配置为用于进行第三次卫星剔除：对于预筛选得到的卫星依据其当前历元的预报位置计算其验前伪距、相位双差残差，剔除离群值，完成粗筛选；

第四模块：被配置为用于进行第四次卫星剔除：粗筛选后的卫星进入RTK浮点解算，并基于验后标准化残差对卫星进行精筛选后进入模糊度固定。

Images