CN115900527B - 基于gnss系统误差递推半参数建模的变形监测方法 - Google Patents
基于gnss系统误差递推半参数建模的变形监测方法 Download PDFInfo
- Publication number
- CN115900527B CN115900527B CN202310016877.9A CN202310016877A CN115900527B CN 115900527 B CN115900527 B CN 115900527B CN 202310016877 A CN202310016877 A CN 202310016877A CN 115900527 B CN115900527 B CN 115900527B
- Authority
- CN
- China
- Prior art keywords
- error
- observation
- vector
- system error
- systematic
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000012544 monitoring process Methods 0.000 title claims abstract description 34
- 230000009897 systematic effect Effects 0.000 claims abstract description 55
- 239000013598 vector Substances 0.000 claims abstract description 54
- 239000011159 matrix material Substances 0.000 claims description 17
- 238000012360 testing method Methods 0.000 claims description 11
- 238000009499 grossing Methods 0.000 claims description 8
- 238000013461 design Methods 0.000 claims description 3
- 230000008521 reorganization Effects 0.000 claims description 3
- 238000012937 correction Methods 0.000 description 8
- 230000001934 delay Effects 0.000 description 6
- 238000001914 filtration Methods 0.000 description 5
- 230000000875 corresponding effect Effects 0.000 description 4
- 238000000354 decomposition reaction Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000005433 ionosphere Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 238000013105 post hoc analysis Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 235000002020 sage Nutrition 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Abstract
本发明公开了一种基于GNSS系统误差递推半参数建模的变形监测方法,方法内容包括:对GNSS观测数据双差得到载波双差观测值,建立包括系统误差和坐标参数的双差观测方程;根据系统误差的光滑性先验信息预测下一历元的系统误差向量,构建系统误差的虚拟观测方程;综合上述双差观测方程及其系统误差的虚拟观测方程,根据广义最小二乘准则估计变形监测的待估参数向量和系统误差向量。本发明构建半参数模型更加符合变形监测实际情况,基于广义最小二乘对系统误差进行递推估计,实现高精度变形监测。
Description
技术领域
本发明属于GNSS(Global Navigation Satellite System,全球导航卫星系统)技术领域,具体涉及一种基于GNSS系统误差递推半参数建模的变形监测方法。
背景技术
变形监测环境中GNSS观测值常受到多路径误差、残余大气延迟等系统误差影响,这些系统误差兼有系统性和随机性,严重制约定位结果的精度。
现有的GNSS系统误差处理方法主要有以下几种:
方法一:差分或线性组合
该类方法采用原始的伪距和相位观测值,经差分或线性组合形成各种派生观测值。文献[1]指出,在GNSS测量中,差分和线性组合可消除共同误差(如钟差)、削弱相关误差(包含空间相关的大气延迟、频率相关的电离层延迟、时间相关的多路径延迟等)。
方法二:外部精密数据或专项模型改正
文献[2]指出,对于静态和非实时应用,外部改正是消除系统误差最直接有效的方式。例如使用精密轨道和钟差数据产品、对流层电离层改正产品、硬件延迟改正产品等。专项模型改正则需要基于足够数量的观测数据,采用后处理模式构建专用的模型对特定系统误差进行建模。例如在对流层延迟改正过程中,常使用Hopfield模型、Saastamoinen模型等经验模型。这些经验模型需要输入测站的气象元素温度、气压和相对湿度等信息,若缺乏实测气象元素时,常采用标准气象元素代替,或利用标准大气模型和测站的高程进行推算,则模型精度会有所下降。
方法三:数值逼近和分解
数值逼近属于次优估计,例如,当系统非线性时,采用扩展Kalman等非线性滤波方法对观测模型做局部近似,或者利用多个Kalman滤波加权平均逼近非线性模型(例如无迹Kalman)。文献[3]提出可利用神经网络等复杂算法逼近拟合函数。数值逼近的思想也适用于对非高斯噪声的近似,典型例子包括高斯混合滤波和粒子滤波。数值逼近方法有较强的数据适应能力。另外一种数值类方法是利用经验模式分解或小波等信号处理手段将系统误差从变形序列中剥离出来,这类方法通常供事后分析使用。
方法四:函数模型补偿
函数模型描述参数与观测值间的关系,函数模型补偿即在函数模型中扩增参数向量用以顾及系统误差。该方法适合于系统误差形式已知或较为简单的情况,常用的有常量补偿模型、多项式拟合、核估计等权函数法、时间序列法、样条法等[4-5]。函数模型补偿典型的处理对象包括硬件偏差、时间系统偏差等,这些偏差通常被假设为常数或者分段常数。函数模型补偿方法常用于静态定位,一方面数据量较充足,另一方面位置固定时系统误差的可观测性较好。
方法五:随机模型补偿
GNSS观测的主要观测误差被改正后,残余部分可当作随机噪声合并到观测误差,即由随机模型负责处理。许多自适应滤波方法就是从随机模型的角度去补偿系统误差,例如方差分量估计、Sage滤波等,其基本思想是通过自适应因子不断调整协方差阵[6]。
传统的GNSS系统误差处理方案存在诸多局限。例如,差分、线性组合方法在系统误差相关性较弱的情况下无法有效将其消除或削弱;外部精密数据或专项模型改正存在时延,难以及时获取;数值逼近和分解方法非最优且时效性不足;函数模型和随机模型补偿等参数估计方法的假设难以准确符合实际。
GNSS系统误差与基线两端环境、测站运动特性、设备条件等因素有关,产生机制和误差性质都十分复杂,难以完全用传统的参数模型描述,导致定位结果在理论上有偏。
参考文献:
[1]Schüler T. Impact ofsystematic errors on precise long-baselinekinematic GPS positioning [J]. GPSSolutions, 2006, 10(2): 108-125.
[2]Kouba J. A guide to using International GNSS Service (IGS)products[EB]. 2015, December 01, Available from:http://kb.igs.org/hc/en-us/article_attachments/203088448/UsingIGSProductsVer21_cor.pdf
[3]陈阳, 胡伍生, 严宇翔, 龙凤阳, 张良. 基于神经网络模型误差补偿技术的对流层延迟模型研究[J].大地测量与地球动力学, 2018, 38(06): 577-580+586.
[4]陶本藻. 测量数据处理的统计理论和方法 [M]. 北京: 测绘出版社, 2007.
[5]Yu W, Ding X, Dai W, Chen W. Systematic error mitigationin multi-GNSS positioning based on semiparametric estimation [J]. Journal ofGeodesy,2017, 91(12): 1491-1502.
[6]Yang Y, Xu T. An adaptive Kalman filter based on Sagewindowingweights and variance components [J]. The Journal of Navigation, 2003,56(2):231-240.
发明内容
本发明提供一种基于GNSS系统误差递推半参数建模的变形监测方法,在GNSS观测方程中引入非参数分量以构建半参数模型,使其更加符合GNSS变形监测的实际情况,再基于广义最小二乘对GNSS系统误差递推估计,从而解决GNSS系统误差导致最小二乘、Kalman等传统参数估计的定位结果在理论上有偏的问题。
为实现上述技术目的,本发明采用如下技术方案:
一种基于GNSS系统误差递推半参数建模的变形监测方法,包括:
对GNSS观测数据进行双差得到载波双差观测值,建立包括系统误差和坐标参数的双差观测方程:
式中,分别为载波双差观测向量、设计矩阵、变形监测的待估参数向量、系统误差向量、双差观测误差向量、单位权方差因子和权阵;和分别是观测数个数和待估参数个数;和分别是期望和方差算子;
根据系统误差的先验信息预测下一历元的系统误差向量,将其构建系统误差的观测值向量,构建系统误差的虚拟观测方程:
式中,分别是系统误差虚拟观测的系数矩阵、观测误差向量和权阵;为单位权因子;表示虚拟观测的观测数个数;
综合利用双差观测向量和系统误差的虚拟观测,并根据以下广义最小二乘准则估计变形监测的待估参数向量和系统误差向量:
式中,和分别表示双差观测误差向量和虚拟观测误差向量的估计值。
进一步地,所述虚拟观测方程中:
式中,是预测的下一历元的系统误差向量;为单位阵;是事先给定的对称正定阵;是光滑虚拟观测的权因子,称为系统误差的平滑因子;是系统误差的先验幅度因子。
进一步地,待估参数向量和系统误差向量的估计值分别为:
式中,和分别表示和的估计值;和为相应的协方差矩阵,和均为中间量。
进一步地,先验幅度因子的设置方法为:
令移动窗口为,零假设与备择假设分别为:
其中,为Allan方差,;为均方差,;零假设成立时其比值满足:
重新组织公式得到如下检验量:
利用检验量检测系统误差的显著性:若检验量大于预设置信率则拒绝零假设,接受备择假设,认定GNSS观测值中存在显著的系统误差;
若系统误差不显著则将先验幅度因子设置为给定的较小值,若系统误差显著则将先验幅度因子的数值向大调整。
进一步地,以核函数方法预测下一历元的系统误差向量,表示为:
其中,为历元
k的系统误差预测值;分别表示双差观测得到历元的系统误差估计值、历元的残差和事先给定的历元的权值。
进一步地,利用预测得到历元k的系统误差构建系统误差的光滑虚拟观测方程:
其中,是光滑虚拟观测误差,由给定的权值和平滑因子控制其方差大小。
有益效果
在GNSS变形监测中,传统的GNSS系统误差处理方案无法完全消除系统误差,外部精密数据或专项模型改正存在时延难以及时获取,时效性不足,函数模型和随机模型补偿等参数估计方法的假设无法完全符合实际。
本发明的变形监测方法,在传统的参数模型中增加非参数部分,即在观测模型中顾及系统误差以精化函数模型,从而提高变形监测的精度。为实现非参数部分的估计,基于广义最小二乘理论框架,将系统误差的光滑性、幅度等先验信息作为虚拟观测值,使用开窗的方式进行递推估计,得到高精度的变形监测。
本发明基于广义最小二乘利用递推半参数估计提高GNSS动态定位的无偏性,在动态变形监测等复杂环境下,提供较传统方法更灵活有效的GNSS动态系统误差处理方法。
附图说明
图1是本申请实施例所述方法的总体框架图。
具体实施方式
下面对本发明的实施例作详细说明,本实施例以本发明的技术方案为依据开展,给出了详细的实施方式和具体的操作过程,对本发明的技术方案作进一步解释说明。
GNSS作为地表物体变形监测的主流手段,近年来正由单系统向多系统、由事后向实时加速发展,有力地推动高精度GNSS定位在桥梁、高层建筑等动态变形监测领域的实际应用。然而,GNSS为高精度动态变形监测带来机遇的同时,也对系统误差处理提出了挑战。典型的较为棘手的GNSS系统误差包括多路径误差、残余大气延迟,以及随多频多模信号的出现而受到广泛关注的时变硬件延迟等,如何有效地处理这些系统误差是目前高精度GNSS定位的难点问题。
本发明提出基于GNSS系统误差递推半参数建模的变形监测方法,核心思想概括为:为精化函数模型以顾及系统误差,在传统的参数模型中增加非参数部分(参数和非参数的主要区别在于是否事先假定了变量的先验分布);为实现非参数部分的估计,基于广义最小二乘理论框架,将系统误差的光滑性、幅度等先验信息作为虚拟观测值,使用开窗的方式进行递推估计。
本实施例基于GNSS系统误差递推半参数建模的变形监测方法,参考图1所示,包括以下步骤:
步骤1,构建变形监测的双差观测。
对GNSS观测数据进行双差得到载波双差观测值,建立包括系统误差和坐标参数的双差观测方程:
(1)
式中,分别为双差观测向量、设计矩阵、变形监测的待估参数向量、系统误差向量、双差观测误差向量、单位权方差因子和权阵;和分别是观测数个数和待估参数个数;和分别是期望和方差算子。
由于系统误差随着测量对象、设备和环境等因素变化,既有系统性又有随机性,在应用GNSS进行变形监测时完全找到系统性原因加以排除很难实现。传统定位方法忽略系统误差而直接利用最小二乘估计,使得的估值在理论上有偏。本实施例的半参数模型将式(1)作为观测方程,除了待估的参数部分,还增加了非参数部分,因此能够更加精确地描述实际定位问题。
具体地,将上述由矩阵构成的双差观测方程拆分得到:
(2)
其中,为时刻测站a和参考站b之间对卫星i和参考卫星j形成的双差观测值;为相应的坐标项系数向量;和为时刻坐标改正数向量和坐标近似值向量;为载波波长;为双差整周模糊度;为时刻系统误差;为时刻观测噪声。
基于观测方程(2)的定位模型由于增加了系统误差未知数,缺少足够有效观测,因此无法用传统最小二乘直接求解,需要利用系统误差的光滑性等先验信息参与解算。另外,为减少变量间的耦合,也可在完成模糊度固定后再增加系统误差未知数。
步骤2,构建系统误差的虚拟观测。
根据系统误差的先验信息预测下一历元的系统误差向量,将其构建系统误差的观测值向量,构建系统误差的虚拟观测方程:
(3)
式中,分别是系统误差虚拟观测的系数矩阵、观测误差向量和权阵;为单位权因子;表示虚拟观测的观测数个数。表示协方差算子,即假定真实双差观测与虚拟观测之间不相关。要求虚拟观测值的个数大于参数个数以满足方程可解。
2.1 虚拟观测来源:
系统误差的虚拟观测的主要来源包括光滑先验信息和幅度信息,可写作:
(4)
其中是根据历史残差信息,并基于权函数、时间序列等非参数光滑方法得到的当前历元系统误差的预测值向量(预测方法参考现有技术:丁士俊等的《测量数据的建模与半参数估计》);为单位阵;是光滑虚拟观测的权因子,因其控制着系统误差的平滑程度所以称为平滑因子;是事先给定的对称正定阵;是系统误差的先验幅度因子。
2.2 预测系统误差作为观测值:
以核函数方法预测下一历元的系统误差,表示为:
(5)
其中,为历元系统误差预测值;分别表示双差观测得到历元的系统误差估计值、历元的残差和事先给定的历元的权值。
预测得到后,建构系统误差的光滑虚拟观测方程:
(6)
其中,是光滑虚拟观测误差,由给定的权值和平滑因子控制其方差大小。
2.3 调整先验幅度因子
先验幅度因子,可以根据系统误差的显著性检验调整大小,设置方法为:
(1)令移动窗口为,零假设与备择假设分别为:
(7)
其中,为Allan方差,;为均方差,;零假设成立时比值满足:
(8)
(2)重新组织公式得到如下检验量:
(9)
(3)利用检验量检测系统误差的显著性:若检验量大于预设置信率则拒绝零假设,接受备择假设,认定GNSS观测值中存在显著的系统误差;
(4)若系统误差不显著则将先验幅度因子设置为很小的值,例如1e-6,若系统误差显著则将先验幅度因子的数值调大,例如1e6。
步骤3,综合利用双差观测向量和系统误差的虚拟观测,并根据以下广义最小二乘准则估计变形监测的待估参数向量和系统误差向量:
(10)
式中,和分别表示双差观测误差向量和虚拟观测误差向量的估计值。
根据广义最小二乘准则估计待估参数向量和系统误差向量的估计值分别为:
(11)
式中,和分别表示和的估计值;和为相应的协方差矩阵,和均为中间量。
本发明在变形监测传统参数模型的基础上顾及系统误差构建半参数模型,在广义最小二乘框架下求解半参数模型,预测变形监测各历元的待估计参数和系统误差S。其中顾及的系统误差的光滑虚拟观测是利用非参数估计法(如常值法、核估计等权函数法、时间序列法、多项式、样条法等)预测得到。
另外,由于GNSS动态定位中的待估基本参数较多(包括位置参数和模糊度参数),为了避免病态问题,本发明基于历史残差对移动窗口内的系统误差进行假设检验,当系统误差显著时再进行模型补偿。当系统误差不显著,移除对应的非参数或者将先验幅度设置为很小的值,同时将平滑因子设置成很大的数值。
以上实施例为本申请的优选实施例,本领域的普通技术人员还可以在此基础上进行各种变换或改进,在不脱离本申请总的构思的前提下,这些变换或改进都应当属于本申请要求保护的范围之内。
Claims (6)
1.一种基于GNSS系统误差递推半参数建模的变形监测方法,其特征在于,包括:
对GNSS观测数据进行双差得到载波双差观测值,建立包括系统误差和坐标参数的双差观测方程:
式中, 分别为载波双差观测向量、设计矩阵、变形监测的待估参数向量、系统误差向量、双差观测误差向量、单位权方差因子和权阵;和分别是观测数个数和待估参数个数;和分别是期望和方差算子;
根据系统误差的先验信息预测下一历元的系统误差向量,将其构建系统误差的观测值向量,构建系统误差的虚拟观测方程:
式中,分别是系统误差虚拟观测的系数矩阵、观测误差向量和权阵;为单位权因子;表示虚拟观测的观测数个数;
综合利用双差观测向量和系统误差的虚拟观测,并根据以下广义最小二乘准则估计变形监测的待估参数向量和系统误差向量:
式中,和分别表示双差观测误差向量和虚拟观测误差向量的估计值。
2.根据权利要求1所述的变形监测方法,其特征在于,所述虚拟观测方程中:
式中,是预测的下一历元的系统误差向量;为单位阵;是事先给定的对称正定阵;是光滑虚拟观测的权因子,称为系统误差的平滑因子;是系统误差的先验幅度因子。
3.根据权利要求1所述的变形监测方法,其特征在于,待估参数向量和系统误差向量的估计值分别为:
式中,和分别表示和的估计值;和为相应的协方差矩阵,和均为中间量;为单位阵。
4.根据权利要求2所述的变形监测方法,其特征在于,先验幅度因子的设置方法为:
令移动窗口为,零假设与备择假设分别为:
其中,为Allan方差,;为均方差,;零假设成立时其比值满足:
重新组织公式得到如下检验量:
利用检验量检测系统误差的显著性:若检验量大于预设置信率则拒绝零假设,接受备择假设,认定GNSS观测值中存在显著的系统误差;
若系统误差不显著则将先验幅度因子设置为给定的较小值,若系统误差显著则将先验幅度因子的数值向大调整。
5.根据权利要求2所述的变形监测方法,其特征在于,以核函数方法预测下一历元的系统误差向量,表示为:
其中,为历元k的系统误差预测值;分别表示双差观测得到历元的系统误差估计值、历元的残差和事先给定的历元的权值。
6.根据权利要求5所述的变形监测方法,其特征在于,利用预测得到历元k的系统误差构建系统误差的光滑虚拟观测方程:
其中,是光滑虚拟观测误差,由给定的权值和平滑因子控制其方差大小。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310016877.9A CN115900527B (zh) | 2023-01-06 | 2023-01-06 | 基于gnss系统误差递推半参数建模的变形监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310016877.9A CN115900527B (zh) | 2023-01-06 | 2023-01-06 | 基于gnss系统误差递推半参数建模的变形监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115900527A CN115900527A (zh) | 2023-04-04 |
CN115900527B true CN115900527B (zh) | 2023-05-05 |
Family
ID=85744614
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310016877.9A Active CN115900527B (zh) | 2023-01-06 | 2023-01-06 | 基于gnss系统误差递推半参数建模的变形监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115900527B (zh) |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU1900199A (en) * | 1997-10-02 | 1999-04-27 | Airsys Atm, Inc. | Gps augmentation system |
GB9922736D0 (en) * | 1999-09-24 | 1999-11-24 | Racal Res Ltd | Global navigation satellite systems and methods |
US8659474B2 (en) * | 2011-01-12 | 2014-02-25 | Navcom Technology, Inc. | Navigation system and method for resolving integer ambiguities using double difference ambiguity constraints |
CN110275186B (zh) * | 2019-07-11 | 2020-04-03 | 武汉大学 | Leo卫星增强的gnss电离层归一化与融合建模方法 |
CN111586837A (zh) * | 2020-05-07 | 2020-08-25 | 广东电网有限责任公司电力科学研究院 | 一种移动终端定位方法及移动终端 |
KR102263393B1 (ko) * | 2020-05-25 | 2021-06-11 | 서울대학교산학협력단 | 다중 수신기의 반송파 위상 측정치를 활용한 rtk 시스템의 보정정보 생성 방법 및 이를 이용한 위성 항법 보강 시스템 |
CN114545458A (zh) * | 2021-10-23 | 2022-05-27 | 闽江学院 | 一种高精度电离层实时建模方法 |
CN114859389A (zh) * | 2022-04-18 | 2022-08-05 | 华力智芯(成都)集成电路有限公司 | 一种gnss多系统抗差自适应融合rtk解算方法 |
CN115096303B (zh) * | 2022-08-25 | 2022-11-22 | 中南大学 | 一种gnss多天线与ins紧组合定位定姿方法和设备 |
-
2023
- 2023-01-06 CN CN202310016877.9A patent/CN115900527B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115900527A (zh) | 2023-04-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Dai et al. | Comparison of interpolation algorithms in network‐based GPS techniques | |
Zhang et al. | Benefits of the third frequency signal on cycle slip correction | |
EP3336584B1 (en) | Outlier-tolerant navigation satellite system positioning method and system | |
US8400351B2 (en) | GNSS moving base positioning | |
CN107966722B (zh) | 一种gnss钟差解算方法 | |
Chu et al. | GPS/Galileo long baseline computation: method and performance analyses | |
KR20180091372A (ko) | 레이더의 표적 위치 추적 방법 | |
CN110146901A (zh) | 基于径向基神经网络和无迹卡尔曼滤波多径估计方法 | |
US20140139371A1 (en) | The positioning quality of global navigation satellite system receivers | |
Yu et al. | Systematic error mitigation in multi-GNSS positioning based on semiparametric estimation | |
Narasimhappa et al. | An innovation based random weighting estimation mechanism for denoising fiber optic gyro drift signal | |
CN114167457A (zh) | 一种gnss系统时间偏差监测评估方法 | |
Zhang et al. | A noise analysis method for GNSS signals of a standalone receiver | |
Nielsen | Relationship between dilution of precision for point positioning and for relative positioning with GPS | |
Bischoff et al. | A procedure for estimating the variance function of linear models and for checking the appropriateness of estimated variances: a case study of GPS carrier-phase observations | |
CN115900527B (zh) | 基于gnss系统误差递推半参数建模的变形监测方法 | |
CN116734864B (zh) | 一种常值观测偏差条件下航天器自主相对导航方法 | |
KR101502721B1 (ko) | 적응형 상호작용 다중모델 추정기를 이용한 정밀 위치정보 제공 방법 및 장치 | |
US9664792B2 (en) | Positioning quality of global navigation satellite system receivers | |
Chu et al. | A new approach to modernized GPS phase-only ambiguity resolution over long baselines | |
Selezneva et al. | Modification of the federated Kalman filter using the observability degree criterion of state variables | |
CN110716219A (zh) | 一种提高定位解算精度的方法 | |
Schön et al. | A comparative analysis of uncertainty modelling in GPS data analysis | |
RU2517176C1 (ru) | Способ определения положения потребителей навигационной информации спутниковых навигационных систем | |
CN115980803B (zh) | 基于双频码伪距和载波相位观测量进行伪距平滑的方法 |
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 |