CN116009041A - 一种基于卡方检验的鲁棒自适应gnss高精度定位方法 - Google Patents

一种基于卡方检验的鲁棒自适应gnss高精度定位方法 Download PDF

Info

Publication number
CN116009041A
CN116009041A CN202310301419.XA CN202310301419A CN116009041A CN 116009041 A CN116009041 A CN 116009041A CN 202310301419 A CN202310301419 A CN 202310301419A CN 116009041 A CN116009041 A CN 116009041A
Authority
CN
China
Prior art keywords
gnss
measurement
positioning
formula
covariance matrix
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.)
Granted
Application number
CN202310301419.XA
Other languages
English (en)
Other versions
CN116009041B (zh
Inventor
程俊兵
武杰
高云飞
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.)
Taiyuan University of Technology
Original Assignee
Taiyuan University of Technology
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 Taiyuan University of Technology filed Critical Taiyuan University of Technology
Priority to CN202310301419.XA priority Critical patent/CN116009041B/zh
Publication of CN116009041A publication Critical patent/CN116009041A/zh
Application granted granted Critical
Publication of CN116009041B publication Critical patent/CN116009041B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Abstract

本发明涉及信号的测量、传输、定位技术领域,尤其涉及一种基于卡方检验的鲁棒自适应GNSS高精度定位方法。首先,在已知GNSS接收机k‑1时刻状态向量的前提下,经卡尔曼滤波时间更新后得到k时刻的先验状态估计量和对应的协方差矩阵;其次,GNSS接收机根据k时刻m颗可用GNSS卫星的测量向量y并经过定位解算得到GNSS定位信息;再与先验状态估计量计算得到卡方检验量;最后,根据卡方检验量计算鲁棒自适应因子,计算出k时刻的后验状态向量和对应的协方差矩阵,同时得到GNSS可靠高精度定位信息。所述方法可用于在城市地区运动模式下的精确单点定位,实现鲁棒自适应卡尔曼滤波和异常测量值的降权,有效提高GNSS PPP定位精度并降低定位收敛时间。

Description

一种基于卡方检验的鲁棒自适应GNSS高精度定位方法
技术领域
本发明涉及信号的测量、传输、定位技术领域,尤其涉及一种基于卡方检验的鲁棒自适应GNSS高精度定位方法。
背景技术
全球导航卫星系统(Global Navigation Satellite System,GNSS)精确单点定位(Precise Point Positioning,PPP)是一种基于GNSS卫星信号载波的高精度定位方法,具有覆盖范围广、长期精度高、成本低且不受基线长度约束的优势。GNSS PPP一般通过伪距和载波相位测量以及来自卫星的精确卫星时钟和轨道产品实现单点高精度定位。只需要一个接收器就可以提供静态毫米级和动态分米级定位。尽管PPP技术具有精度高、结构简单等优点,但由于受到多种因素,特别是异常测量值和模型精度影响,获得可靠和准确的定位结果仍然是一个难题。
目前,解决以上问题的方法主要是基于期望状态、方差分量比和预测残差的自适应因子生成方法,第一种方法一般利用状态模型的预测状态与估计状态之间的差值确定自适应因子,需要更多的数据点比状态特征的数量,才能得到一个准确的状态估计。第二种方法是基于Helmert的方差分量技术,通过投影状态方差与观测状态方差之比形成自适应因子,这类通过观测计算出预期状态的方法,也需要进行冗余观测,计算成本较高。第三种方法使用投影残差生成自适应因子,这样可以节省时间和精力,消除了收集重复数据点的需要,但是定位精度仍然可能受到观测噪声、建模精度和小周跳的影响,观测值的方差由随机模型决定,不精确的随机模型会降低卡尔曼滤波器的性能,甚至会导致滤波器发散。
发明内容
为克服传统的鲁棒卡尔曼滤波(RKF)所需观测值的方差由随机模型确定,不正确的随机模型会降低卡尔曼滤波器的性能的技术缺陷,本发明提供了一种基于卡方检验的鲁棒自适应GNSS高精度定位方法。
本发明提供了一种基于卡方检验的鲁棒自适应GNSS高精度定位方法,包括如下步骤:
步骤一、在已知GNSS接收机k-1时刻状态向量的前提下,经卡尔曼滤波的时间更新过程后得到k历元时刻的先验状态估计量和先验估计误差协方差矩阵,其子步骤为:
GNSS接收机双频伪距和载波相位测量值组合形成组合测量值:
(1)
(2)
其中,是伪距P1和P2组合形成的电离层无关组合伪距测量值,是载波相位组合形成的电离层无关组合载波测量值,是GNSS播发的两个不同频率的频点,分别是对应的具体值,是卫星和接收机之间的几何距离,是光在真空中的传播速度,是接收机时钟误差,是对流层延迟,是电离层无关组合的整周模糊度,是卫星振荡器的初始相位,分别是卫星和接收机误差,是多径效应,是测量中的综合噪声;
将公式(1)和公式(2)中m颗卫星电离层无关组合伪距测量值和电离层无关组合载波测量值联合构建为测量向量
(3)
其中,表示GNSS接收到的可用卫星数目;
再将待估计的接收机位置、速度、接收机钟差、对流层延迟误差和整周模糊度组成状态向量:
(4)
其中,=是接收器的位置和速度,是接收机钟差,是天顶对流层总延时误差,为整数模糊度;
卡尔曼滤波的动态方程和测量方程为:
(5)
(6)
其中,分别表示k时刻的状态向量和测量向量,分别为动态模型和测量模型;分别为过程噪声和测量噪声;
将公式(4)中的状态向量代入公式(5)经过时间更新得到先验估计量和对应的协方差矩阵分别为:
(7)
(8)
其中,为先验状态估计值,为先验估计误差协方差矩阵;是转移矩阵,是过程噪声对应的协方差矩阵;
步骤二、GNSS接收机在k时刻接收到m颗可用GNSS卫星的原始测量值并组合形成测量向量,再根据卫星定位解算方法求得GNSS定位结果
步骤三、根据m颗可用卫星的测量向量解算得到的GNSS定位结果与公式(7)得到的先验状态估计量通过公式(9)计算得到卡方检验量
(9)
步骤四、再根据公式(9)中的卡方检验量确定鲁棒自适应因子
(10)
其中,表示鲁棒自适应因子,是在自由度中预设的卡方检验临界值,是第j个GNSS测量值种类的个数;
步骤五、根据(10)中的鲁棒自适应因子确定测量噪声的协方差矩阵为,当时,GNSS定位解算结果舍弃不用;当以及时,
(11)
其中为预设的GNSS观测环境理想情况下的测量噪声协方差矩阵;
步骤六、根据公式(11)得到的计算卡尔曼增益矩阵
(12)
步骤七、根据公式(12)得到的卡尔曼增益矩阵,计算时刻的后验状态估计量和对应的协方差矩阵
(13)
(14),
步骤八,根据步骤七得到的后验状态估计量和对应的协方差矩阵,输出GNSS可靠高精度定位信息。
本发明提供的技术方案与现有技术相比具有如下优点:该方法可用于在城市地区运动模式下的GNSS精确单点定位(PPP),实现鲁棒自适应卡尔曼滤波和异常观测值的降权,有效提高GNSS PPP定位精度并缩短定位收敛时间。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明所述一种基于卡方检验的鲁棒自适应GNSS高精度定位方法的流程图
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面将对本发明的方案进行进一步描述。需要说明的是,在不冲突的情况下,本发明的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但本发明还可以采用其他不同于在此描述的方式来实施;显然,说明书中的实施例只是本发明的一部分实施例,而不是全部的实施例。
下面结合附图对本发明的具体实施例进行详细说明。
在一个实施例中,如图1所示,公开了一种基于卡方检验的鲁棒自适应GNSS高精度定位方法,包括如下步骤:
步骤一、在已知GNSS接收机k-1时刻状态向量的前提下,经卡尔曼滤波的时间更新过程后得到k历元时刻的先验状态估计量和先验估计误差协方差矩阵,其子步骤为:
GNSS接收机双频伪距和载波相位测量值组合形成组合测量值:
(1)
(2)
其中,是伪距P1和P2组合形成的电离层无关组合伪距测量值,是载波相位组合形成的电离层无关组合载波测量值,是GNSS播发的两个不同频率的频点,分别是对应的具体值,是卫星和接收机之间的几何距离,是光在真空中的传播速度,是接收机时钟误差,是对流层延迟,是电离层无关组合的整周模糊度,是卫星振荡器的初始相位,分别是卫星和接收机误差,是多径效应,是测量中的综合噪声;
将公式(1)和公式(2)中m颗卫星电离层无关组合伪距测量值和电离层无关组合载波测量值联合构建为测量向量
(3)
其中,表示GNSS接收到的可用卫星数目;
再将待估计的接收机位置、速度、接收机钟差、对流层延迟误差和整周模糊度组成状态向量:
(4)
其中,=是接收器的位置和速度,是接收机钟差,是天顶对流层总延时误差,为整数模糊度;
卡尔曼滤波的动态方程和测量方程为:
(5)
(6)
其中,分别表示k时刻的状态向量和测量向量,分别为动态模型和测量模型;分别为过程噪声和测量噪声;
将公式(4)中的状态向量代入公式(5)经过时间更新得到先验估计量和对应的协方差矩阵分别为:
(7)
(8)
其中,为先验状态估计值,为先验估计误差协方差矩阵;是转移矩阵,是过程噪声对应的协方差矩阵;
步骤二、GNSS接收机在k时刻接收到m颗可用GNSS卫星的原始测量值并组合形成测量向量,再根据卫星定位解算方法求得GNSS定位结果
步骤三、根据m颗可用卫星的测量向量解算得到的GNSS定位结果与公式(7)得到的先验状态估计量通过公式(9)计算得到卡方检验量
(9)
步骤四、再根据公式(9)中的卡方检验量确定鲁棒自适应因子
(10)
其中,表示鲁棒自适应因子,是在自由度中预设的卡方检验临界值,是第j个GNSS测量值种类的个数;
步骤五、根据(10)中的鲁棒自适应因子确定测量噪声的协方差矩阵为,当时,GNSS定位解算结果舍弃不用;当以及时,
(11)
其中为预设的GNSS观测环境理想情况下的测量噪声协方差矩阵;
步骤六、根据公式(11)得到的计算卡尔曼增益矩阵
(12)
步骤七、根据公式(12)得到的卡尔曼增益矩阵,计算时刻的后验状态估计量和对应的协方差矩阵
(13)
(14),
步骤八,根据步骤七得到的后验状态估计量和对应的协方差矩阵,输出GNSS可靠高精度定位信息。
以上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。尽管参照前述各实施例进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离各实施例技术方案的范围,其均应涵盖权利要求书的保护范围中。

Claims (2)

1.一种基于卡方检验的鲁棒自适应GNSS高精度定位方法,其特征在于,包括如下步骤:
步骤一、在已知GNSS接收机k-1时刻状态向量的前提下,经卡尔曼滤波的时间更新过程后得到k历元时刻的先验状态估计量和先验估计误差协方差矩阵,其子步骤为:
GNSS接收机双频伪距和载波相位测量值组合形成组合测量值:
(1)
(2)
其中,是伪距P1和P2组合形成的电离层无关组合伪距测量值,是载波相位组合形成的电离层无关组合载波测量值,是GNSS播发的两个不同频率的频点,分别是对应的具体值,是卫星和接收机之间的几何距离,是光在真空中的传播速度,是接收机时钟误差,是对流层延迟,是电离层无关组合的整周模糊度,是卫星振荡器的初始相位,分别是卫星和接收机误差,是多径效应,是测量中的综合噪声;
将公式(1)和公式(2)中m颗卫星电离层无关组合伪距测量值和电离层无关组合载波测量值联合构建为测量向量
(3)
其中,表示GNSS接收到的可用卫星数目;
再将待估计的接收机位置、速度、接收机钟差、对流层延迟误差和整周模糊度组成状态向量:
(4)
其中,=是接收器的位置和速度,是接收机钟差,是天顶对流层总延时误差,为整数模糊度;
卡尔曼滤波的动态方程和测量方程为:
(5)
(6)
其中,分别表示k时刻的状态向量和测量向量,分别为动态模型和测量模型;分别为过程噪声和测量噪声;
将公式(4)中的状态向量代入公式(5)经过时间更新得到先验估计量和对应的协方差矩阵分别为:
(7)
(8)
其中,为先验状态估计值,为先验估计误差协方差矩阵;是转移矩阵,是过程噪声对应的协方差矩阵;
步骤二、GNSS接收机在k时刻接收到m颗可用GNSS卫星的原始测量值并组合形成测量向量,再根据卫星定位解算方法求得GNSS定位结果
步骤三、根据m颗可用卫星的测量向量解算得到的GNSS定位结果与公式(7)得到的先验状态估计量通过公式(9)计算得到卡方检验量
(9)
步骤四、再根据公式(9)中的卡方检验量确定鲁棒自适应因子
(10)
其中,表示鲁棒自适应因子,是在自由度中预设的卡方检验临界值,是第j个GNSS测量值种类的个数;
步骤五、根据(10)中的鲁棒自适应因子确定测量噪声的协方差矩阵为,当时,GNSS定位解算结果舍弃不用;当以及时,
(11)
其中为预设的GNSS观测环境理想情况下的测量噪声协方差矩阵;
步骤六、根据公式(11)得到的计算卡尔曼增益矩阵
(12)
步骤七、根据公式(12)得到的卡尔曼增益矩阵,计算时刻的后验状态估计量和对应的协方差矩阵
(13)
(14),
步骤八,根据步骤七得到的后验状态估计量和对应的协方差矩阵,输出GNSS可靠高精度定位信息。
2.根据权利要求1所述的一种基于卡方检验的鲁棒自适应GNSS高精度定位方法,其特征在于:公式(1)和公式(2)中=1575.42MHz和=1227.60MHz。
CN202310301419.XA 2023-03-27 2023-03-27 一种基于卡方检验的鲁棒自适应gnss高精度定位方法 Active CN116009041B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310301419.XA CN116009041B (zh) 2023-03-27 2023-03-27 一种基于卡方检验的鲁棒自适应gnss高精度定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310301419.XA CN116009041B (zh) 2023-03-27 2023-03-27 一种基于卡方检验的鲁棒自适应gnss高精度定位方法

Publications (2)

Publication Number Publication Date
CN116009041A true CN116009041A (zh) 2023-04-25
CN116009041B CN116009041B (zh) 2023-06-09

Family

ID=86025203

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310301419.XA Active CN116009041B (zh) 2023-03-27 2023-03-27 一种基于卡方检验的鲁棒自适应gnss高精度定位方法

Country Status (1)

Country Link
CN (1) CN116009041B (zh)

Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1102399A2 (en) * 1999-11-22 2001-05-23 Nokia Mobile Phones Ltd. Method and apparatus for filtering measurements used in a generalised positioning system
CA2733695A1 (en) * 2008-08-14 2010-02-18 Trueposition, Inc. Hybrid gnss and tdoa wireless location system
CN104714244A (zh) * 2015-03-31 2015-06-17 东南大学 一种基于抗差自适应Kalman滤波的多系统动态PPP解算方法
CN105487088A (zh) * 2015-09-12 2016-04-13 北京大学 一种卫星导航系统中基于卡尔曼滤波的raim算法
CN110109162A (zh) * 2019-03-26 2019-08-09 西安开阳微电子有限公司 一种gnss接收机自适应的卡尔曼滤波定位解算方法
CN110161543A (zh) * 2019-04-29 2019-08-23 东南大学 一种基于卡方检验的部分粗差抗差自适应滤波方法
CN110531392A (zh) * 2019-04-03 2019-12-03 南京航空航天大学 一种基于ppp算法的高精度定位方法和系统
CN110954132A (zh) * 2019-10-31 2020-04-03 太原理工大学 Grnn辅助自适应卡尔曼滤波进行导航故障识别的方法
CN111045048A (zh) * 2019-12-30 2020-04-21 北京航空航天大学 一种动态精密单点定位的抗差自适应分步滤波方法
CN111123315A (zh) * 2018-11-01 2020-05-08 千寻位置网络有限公司 非差非组合ppp模型的优化方法及装置、定位系统
CN111323793A (zh) * 2020-03-30 2020-06-23 中国矿业大学 一种gnss伪距单点定位状态域完好性监测方法
CN113534210A (zh) * 2021-06-07 2021-10-22 湖南北斗微芯数据科技有限公司 一种基于混合卡尔曼滤波的模糊度固定方法
CN114325786A (zh) * 2021-12-22 2022-04-12 广州南方卫星导航仪器有限公司 一种bds3-ppp定位方法及系统
CN114839651A (zh) * 2022-04-20 2022-08-02 中国人民解放军战略支援部队信息工程大学 基于新息速率优化和抗差估计的gnss/ins紧组合欺骗检测方法
CN114839657A (zh) * 2021-01-30 2022-08-02 华为技术有限公司 一种基于gnss原始观测数据的定位方法和定位装置
CN115616623A (zh) * 2022-09-20 2023-01-17 北京遥感设备研究所 一种基于当前模型卡尔曼滤波的卫星导航授时方法和装置
CN115728793A (zh) * 2022-10-26 2023-03-03 同济大学 一种基于dia理论的精密单点定位粗差探测与处理方法
CN115830457A (zh) * 2023-01-30 2023-03-21 太原理工大学 基于激光雷达检测的复杂林分生物量估测系统及方法

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1102399A2 (en) * 1999-11-22 2001-05-23 Nokia Mobile Phones Ltd. Method and apparatus for filtering measurements used in a generalised positioning system
CA2733695A1 (en) * 2008-08-14 2010-02-18 Trueposition, Inc. Hybrid gnss and tdoa wireless location system
CN104714244A (zh) * 2015-03-31 2015-06-17 东南大学 一种基于抗差自适应Kalman滤波的多系统动态PPP解算方法
CN105487088A (zh) * 2015-09-12 2016-04-13 北京大学 一种卫星导航系统中基于卡尔曼滤波的raim算法
CN111123315A (zh) * 2018-11-01 2020-05-08 千寻位置网络有限公司 非差非组合ppp模型的优化方法及装置、定位系统
CN110109162A (zh) * 2019-03-26 2019-08-09 西安开阳微电子有限公司 一种gnss接收机自适应的卡尔曼滤波定位解算方法
CN110531392A (zh) * 2019-04-03 2019-12-03 南京航空航天大学 一种基于ppp算法的高精度定位方法和系统
CN110161543A (zh) * 2019-04-29 2019-08-23 东南大学 一种基于卡方检验的部分粗差抗差自适应滤波方法
CN110954132A (zh) * 2019-10-31 2020-04-03 太原理工大学 Grnn辅助自适应卡尔曼滤波进行导航故障识别的方法
CN111045048A (zh) * 2019-12-30 2020-04-21 北京航空航天大学 一种动态精密单点定位的抗差自适应分步滤波方法
CN111323793A (zh) * 2020-03-30 2020-06-23 中国矿业大学 一种gnss伪距单点定位状态域完好性监测方法
CN114839657A (zh) * 2021-01-30 2022-08-02 华为技术有限公司 一种基于gnss原始观测数据的定位方法和定位装置
CN113534210A (zh) * 2021-06-07 2021-10-22 湖南北斗微芯数据科技有限公司 一种基于混合卡尔曼滤波的模糊度固定方法
CN114325786A (zh) * 2021-12-22 2022-04-12 广州南方卫星导航仪器有限公司 一种bds3-ppp定位方法及系统
CN114839651A (zh) * 2022-04-20 2022-08-02 中国人民解放军战略支援部队信息工程大学 基于新息速率优化和抗差估计的gnss/ins紧组合欺骗检测方法
CN115616623A (zh) * 2022-09-20 2023-01-17 北京遥感设备研究所 一种基于当前模型卡尔曼滤波的卫星导航授时方法和装置
CN115728793A (zh) * 2022-10-26 2023-03-03 同济大学 一种基于dia理论的精密单点定位粗差探测与处理方法
CN115830457A (zh) * 2023-01-30 2023-03-21 太原理工大学 基于激光雷达检测的复杂林分生物量估测系统及方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
XIAN ZHIWEN等: "Robust innovation-based adaptive Kalman filter for INS/GPS land navigation", 《2013 CHINESE AUTOMATION CONGRESS》, pages 374 - 379 *
徐波: "GNSS/INS组合导航滤波算法研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》, no. 2, pages 008 - 193 *
樊静: "GPS/BDS2/BDS3 PPP/INS/车载辅助紧组合算法研究与实现", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》, no. 5, pages 035 - 379 *
祁芳: "卡尔曼滤波算法在GPS非差相位精密单点定位中的应用研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》, no. 5, pages 008 - 117 *
程俊兵: "复杂环境中BDS快速精密定位方法研究", 《中国博士学位论文全文数据库 信息科技辑》, no. 3, pages 136 - 61 *
靳晓东: "基于整数钟固定解的GPS/BDS组合精密单点定位研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》, no. 2, pages 008 - 172 *

Also Published As

Publication number Publication date
CN116009041B (zh) 2023-06-09

Similar Documents

Publication Publication Date Title
CN107193029B (zh) 北斗三频信号的网络rtk基准站间模糊度快速确定方法
CN109581452B (zh) 一种gnss参考站载波相位整周模糊度解算方法
RU2354991C2 (ru) Способ использования трех частот gps для разрешения целочисленных неоднозначностей фазы несущей
JP5421903B2 (ja) 部分探索搬送波位相整数アンビギュイティ決定
CN102998681B (zh) 一种卫星导航系统的高频钟差估计方法
RU2451947C2 (ru) Способ использования трех gps-частот для решения неопределенности фазы несущей
CN109196379B (zh) 具有改进的模糊度解算的卫星导航接收器
CN108828640B (zh) 一种卫星导航定位观测值定权方法及装置
US10222484B2 (en) Satellite navigation receiver with improved ambiguity resolution
CN108873029B (zh) 一种实现导航接收机钟差建模的方法
JP2013019893A (ja) バイアスがかかった測定値に基づいた衛星航法システムの誤り検出
EP1891458A2 (en) Method and apparatus for validating a position in a satellite positioning system using range-rate measurements
CN114966760B (zh) 一种电离层加权的非差非组合ppp-rtk技术实现方法
CN114879239B (zh) 一种增强瞬时ppp固定解的区域三频整数钟差估计方法
CN114935770B (zh) 一种多历元加快精密单点定位收敛速度的方法及装置
CN112731496A (zh) 一种面向智能终端的gnss精密单点定位数据质量控制方法
CN110068848B (zh) 一种高性能rtk处理技术方法
CN111352137A (zh) 一种顾及广播星历误差的多模gnss异步rtk定位方法
CN110568464A (zh) 基于bds/gnss多模芯片的精密定位方法及装置
CN116953741B (zh) 一种应用于全球导航卫星系统gnss的周跳探测与修复方法
CN116009041B (zh) 一种基于卡方检验的鲁棒自适应gnss高精度定位方法
CN116430428A (zh) 一种三频精密单点定位测速方法、系统、计算机设备和可读存储介质
JP4928114B2 (ja) キャリア位相相対測位装置
CN116203603A (zh) 一种面向复杂环境低成本的ppp随机模型自适应调整方法
CN113671551B (zh) Rtk定位解算方法

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