CN116184458A - 一种数据处理方法、设备以及计算机可读存储介质 - Google Patents
一种数据处理方法、设备以及计算机可读存储介质 Download PDFInfo
- Publication number
- CN116184458A CN116184458A CN202111432169.0A CN202111432169A CN116184458A CN 116184458 A CN116184458 A CN 116184458A CN 202111432169 A CN202111432169 A CN 202111432169A CN 116184458 A CN116184458 A CN 116184458A
- Authority
- CN
- China
- Prior art keywords
- observation
- vector
- matrix
- posterior
- state
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/40—Correcting position, velocity or attitude
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Algebra (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本申请公开了一种数据处理方法、设备以及计算机可读存储介质,该方法包括:对第一后验速度状态向量进行预估优化处理,得到流动站在第二时刻下的第二速度和第二加速度,根据第二速度和第二加速度生成第二后验速度状态向量;根据第二后验速度状态向量,对第一后验位置状态向量进行向量预估处理,得到流动站在第二时刻下的待优化位置和待优化双差模糊度,根据待优化位置和待优化双差模糊度生成先验位置状态向量;根据观测数据以及第一后验位置状态向量,对先验位置状态向量进行向量优化处理,得到第二时刻下的第二位置。采用本申请,可以提高流动站的定位精度。本申请实施例可应用的领域包括但不限于地图、导航、车联网、车路协同和即时通信等领域。
Description
技术领域
本申请涉及互联网技术领域,尤其涉及一种数据处理方法、设备以及计算机可读存储介质。
背景技术
随着的定位技术和通信技术的不断发展,人们对定位的便利性和准确性要求越来越高,对于导航定位的需求也越来越广泛。
在流动端移动过程中,可采用实时动态载波(Real Time Kinematic,RTK)相位差分技术进行实时定位,该定位过程可以包括状态更新(即通过上一时刻的状态量预估下一时刻的状态量),以及观测更新(即通过下一时刻的观测量优化所预估的状态量)。目前,在RTK技术中状态变量均同步更新,则位置参数的状态更新是基于上一时刻的速度参数,此时,得到的先验位置预估值精度较差,从而会降低后验位置预估值的精度,故会降低流动站(包含流动端的测量站)的定位精度。
发明内容
本申请实施例提供一种数据处理方法、设备以及计算机可读存储介质,可以提高流动站的定位精度。
本申请实施例一方面提供了一种数据处理方法,包括:
获取流动站在第一时刻下的包含第一速度以及第一加速度的第一后验速度状态向量,获取流动站在第一时刻下的包含第一位置以及第一双差模糊度的第一后验位置状态向量,获取第二时刻下与流动站相关联的观测数据;第一时刻早于第二时刻;
对第一后验速度状态向量进行预估优化处理,得到流动站在第二时刻下的第二速度和第二加速度,根据第二速度和第二加速度生成第二后验速度状态向量;
根据第二后验速度状态向量,对第一后验位置状态向量进行向量预估处理,得到流动站在第二时刻下的待优化位置和待优化双差模糊度,根据待优化位置和待优化双差模糊度生成先验位置状态向量;
根据观测数据以及第一后验位置状态向量,对先验位置状态向量进行向量优化处理,得到流动站在第二时刻下的第二位置以及第二双差模糊度。
本申请实施例一方面提供了一种数据处理装置,包括:
获取数据模块,用于获取流动站在第一时刻下的包含第一速度以及第一加速度的第一后验速度状态向量,获取流动站在第一时刻下的包含第一位置以及第一双差模糊度的第一后验位置状态向量,获取第二时刻下与流动站相关联的观测数据;第一时刻早于第二时刻;
第一生成模块,用于对第一后验速度状态向量进行预估优化处理,得到流动站在第二时刻下的第二速度和第二加速度,根据第二速度和第二加速度生成第二后验速度状态向量;
第二生成模块,用于根据第二后验速度状态向量,对第一后验位置状态向量进行向量预估处理,得到流动站在第二时刻下的待优化位置和待优化双差模糊度,根据待优化位置和待优化双差模糊度生成先验位置状态向量;
第三生成模块,用于根据观测数据以及第一后验位置状态向量,对先验位置状态向量进行向量优化处理,得到流动站在第二时刻下的第二位置以及第二双差模糊度。
其中,第二生成模块,包括
第一获取单元,用于获取与第二后验速度状态向量相关联且针对第一位置的状态转移矩阵;
第一确定单元,用于根据针对第一位置的状态转移矩阵以及针对第一双差模糊度的状态转移矩阵,确定位置状态转移矩阵;
第一处理单元,用于根据位置状态转移矩阵,对第一后验位置状态向量进行向量预估处理,得到流动站在第二时刻下的待优化位置和待优化双差模糊度。
其中,第三生成模块,包括:
第二获取单元,用于获取第一后验位置状态向量对应的第一后验位置状态协方差矩阵,获取流动站在第一时刻下的第一状态转移协方差矩阵;
第一生成单元,用于根据位置状态转移矩阵、第一后验位置状态协方差矩阵以及第一状态转移协方差矩阵,生成流动站在第二时刻下的先验位置状态协方差矩阵;
第三获取单元,用于获取与第一后验位置状态向量相关联的双差载波相位观测函数,以及与第一后验位置状态向量相关联的双差伪距观测函数;
第二处理单元,用于将双差载波相位观测函数以及双差伪距观测函数组成双差观测函数,对双差观测函数进行线性处理,得到线性双差观测函数;
第二生成单元,用于根据观测数据以及线性双差观测函数,生成针对第一后验位置状态向量的位置观测矩阵,以及包括双差伪距观测值和双差载波相位观测值的位置观测向量;
第三处理单元,用于根据先验位置状态协方差矩阵、位置观测向量以及位置观测矩阵,对先验位置状态向量进行向量优化处理,得到流动站在第二时刻下的第二位置以及第二双差模糊度。
其中,第三处理单元,包括:
第一确定子单元,用于根据位置观测矩阵以及先验位置状态向量,确定位置估计观测向量;
第一获取子单元,用于获取位置估计观测向量以及位置观测向量之间的第一新息向量;
第二确定子单元,用于根据与位置观测向量相关联的先验位置观测协方差矩阵、先验位置状态协方差矩阵、位置观测矩阵以及第一新息向量,确定目标先验位置观测协方差矩阵;
第一生成子单元,用于根据先验位置状态协方差矩阵、目标先验位置观测协方差矩阵以及位置观测矩阵,生成第一增益矩阵;
第二生成子单元,用于根据第一增益矩阵以及第一新息向量,对先验位置状态向量进行向量优化处理,得到流动站在第二时刻下的第二位置以及第二双差模糊度。
其中,第三处理单元,还包括:
第三确定子单元,用于根据第一增益矩阵、位置观测矩阵以及先验位置状态协方差矩阵,确定流动站在第二时刻下的第二后验位置状态协方差矩阵;第二后验位置状态协方差矩阵是指第二后验位置状态向量对应的协方差矩阵;第二后验位置状态向量包含第二位置以及第二双差模糊度;第二后验位置状态协方差矩阵用于生成流动站在第三时刻下的第三位置;第二时刻早于第三时刻。
其中,第二确定子单元,包括:
第一处理子单元,用于根据位置观测矩阵、先验位置状态协方差矩阵以及与位置观测向量相关联的先验位置观测协方差矩阵,生成第一新息向量对应的新息协方差矩阵;
第二处理子单元,用于根据新息协方差矩阵对第一新息向量进行归一化处理,得到归一化新息向量;
第三处理子单元,用于根据归一化新息向量确定核函数矩阵,根据先验位置观测协方差矩阵以及核函数矩阵,确定目标先验位置观测协方差矩阵。
第三处理子单元,还具体用于根据每个归一化新息数值分别对应的核函数数值,确定核函数矩阵。
其中,第一生成模块,包括:
第四处理单元,用于获取与运动函数相关联的速度状态转移矩阵,对第一后验速度状态向量进行向量预估处理,得到流动站在第二时刻下的待优化加速度和待优化速度,根据待优化加速度和待优化速度生成先验速度状态向量;
第五处理单元,用于根据速度状态转移矩阵、观测数据以及第一后验速度状态向量,对先验速度状态向量进行向量优化处理,得到流动站在第二时刻下的第二速度和第二加速度。
其中,第五处理单元,包括:
第二获取子单元,用于获取第一后验速度状态向量对应的第一后验速度状态协方差矩阵,获取流动站在第一时刻下的第二状态转移协方差矩阵;
第三生成子单元,用于根据速度状态转移矩阵、第一后验速度状态协方差矩阵以及第二状态转移协方差矩阵,生成流动站在第二时刻下的先验速度状态协方差矩阵;
第四生成子单元,用于根据观测数据,生成速度观测矩阵以及速度观测向量,根据先验速度状态协方差矩阵、速度观测向量以及速度观测矩阵,对先验速度状态向量进行向量优化处理,得到流动站在第二时刻下的第二速度和第二加速度。
其中,第四生成子单元,包括:
第四处理子单元,用于获取载波相位观测函数,对载波相位观测函数进行历元间差分处理,得到差分载波相位观测函数;
第五处理子单元,用于对差分载波相位观测函数进行站间差分处理,得到双差载波相位观测函数;
第六处理子单元,用于对双差载波相位观测函数进行星间差分处理,得到三差载波相位观测函数;
第七处理子单元,用于对三差载波相位观测函数进行线性处理,得到线性三差载波相位观测函数;
第七处理子单元,还用于根据观测数据以及线性三差载波相位观测函数,确定速度观测矩阵以及包括三差载波相位观测值的速度观测向量。
其中,第六处理子单元,具体用于根据速度观测矩阵以及先验速度状态向量,确定速度估计观测向量;
第六处理子单元,还具体用于获取速度估计观测向量以及速度观测向量之间的第二新息向量;
第六处理子单元,还具体用于根据先验速度状态协方差矩阵、速度观测矩阵以及与速度观测向量相关联的先验速度观测协方差矩阵,确定第二增益矩阵;
第六处理子单元,还具体用于根据第二增益矩阵以及第二新息向量,对先验速度状态向量进行向量优化,得到流动站在第二时刻下的第二速度和第二加速度。
其中,获取数据模块,包括:
第四获取单元,用于获取流动站在第二时刻下的第一原始观测数据,获取与流动站相关联的基准站在第二时刻下的第二原始观测数据,获取与流动站相关联的卫星在第二时刻下的卫星星历数据;
第二确定单元,用于将第一原始观测数据、第二原始观测数据以及卫星星历数据确定为观测数据。
本申请一方面提供了一种计算机设备,包括:处理器、存储器、网络接口;
上述处理器与上述存储器、上述网络接口相连,其中,上述网络接口用于提供数据通信功能,上述存储器用于存储计算机程序,上述处理器用于调用上述计算机程序,以使得计算机设备执行本申请实施例中的方法。
本申请实施例一方面提供了一种计算机可读存储介质,上述计算机可读存储介质中存储有计算机程序,上述计算机程序适于由处理器加载并执行本申请实施例中的方法。
本申请实施例一方面提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中;计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行本申请实施例中的方法。
上述可知,本申请实施例先对第一时刻下的第一后验速度状态向量进行预估优化处理,得到第二时刻下的第二后验速度状态向量,再基于第二后验速度状态向量,对第一时刻下的第一后验位置状态向量进行向量预估处理,得到第二时刻下的先验位置状态向量;通过将第二后验速度状态向量替代第一后验速度状态向量,即将第一后验速度状态向量以及第一后验位置状态向量分离处理,可以提高先验位置状态向量的精度,进而可以在根据观测数据以及第一后验位置状态向量,对先验位置状态向量进行向量优化处理时,得到流动站在第二时刻下的高精度的第二位置,即可以提高流动站的定位精度。
附图说明
为了更清楚地说明本申请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,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,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是本申请实施例提供的一种系统架构示意图;
图2是本申请实施例提供的一种数据处理方法的流程示意图;
图3是本申请实施例提供的一种数据处理的场景示意图;
图4是本申请实施例提供的一种数据处理的场景示意图;
图5是本申请实施例提供的一种数据处理方法的流程示意图;
图6是本申请实施例提供的一种数据处理方法的流程示意图;
图7是本申请实施例提供的一种数据处理装置的结构示意图;
图8是本申请实施例提供的一种计算机设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
为了便于理解,首先对部分名词进行以下简单解释:
位置服务(LBS,Location Based Services):LBS服务是无线运营公司为用户提供的一种与位置有关的服务;LBS服务是利用各类型的定位技术来获取定位设备当前的所在位置,通过移动互联网向定位设备提供信息资源和基础服务。LBS服务中融合了移动通讯、互联网络、空间定位、位置信息、大数据等多种信息技术,利用移动互联网络服务平台进行数据更新和交互,使用户可以通过空间定位来获取相应的服务。
全球卫星导航系统(Global Navigation Satellite System):全球卫星导航系统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3维坐标、速度以及时间信息的空基无线电导航定位系统。常见的全球卫星导航系统包括美国全球定位系统(Global Positioning System,GPS)、中国北斗卫星导航系统(BeiDouNavigation Satellite System,BDS)、俄罗斯格洛纳斯卫星导航系统(GLONASS)和欧盟伽利略定位系统(GALILEO)四大卫星导航系统。最早出现的是美国的GPS(GlobalPositioning System),现阶段技术最完善的也是GPS系统。随着近年来BDS、GLONASS系统在亚太地区的全面服务开启,尤其是BDS系统在民用领域发展越来越快。卫星导航系统已经在航空、航海、通信、人员跟踪、消费娱乐、测绘、授时、车辆监控管理和汽车导航与信息服务等方面广泛使用,而且总的发展趋势是为实时应用提供高精度服务。在本申请实施例中,全球卫星导航系统可以用于流动站的精确定位。
智能车路协同系统(Intelligent Vehicle Infrastructure CooperativeSystems,IVICS),简称车路协同系统,是智能交通系统(ITS)的一个发展方向。车路协同系统是采用先进的无线通信和新一代互联网等技术,全方位实施车车、车路动态实时信息交互,并在全时空动态交通信息采集与融合的基础上开展车辆主动安全控制和道路协同管理,充分实现人车路的有效协同,保证交通安全,提高通行效率,从而形成的安全、高效和环保的道路交通系统。在本申请实施例中,智能车路协同系统可以用于车辆的精确定位。
实时动态载波相位差分技术(RTK)需要采用两台接收机进行定位,其中,基准站和移动站(即流动站)都是接收机,都能接收卫星信号,基准站与流动站间还有数据传递,基准站将自己的观测数据发送给流动站,流动站对基准站的观测数据、自身的观测数据以及卫星星历数据进行求差解算坐标,实现精准定位。
整周模糊度(ambiguity of whole cycles),又称整周未知数,是在全球定位系统技术的载波相位测量时,载波相位与基准相位之间相位差的首观测值所对应的整周未知数。
载波累计变化率(Accumulated delta range,ADR),指移动终端中对于GNSS信号相位变化值。本申请实施例基于ADR测速,提高流动站使用载波相位进行定位过程中模糊度的收敛速度。
请参见图1,图1是本申请实施例提供的一种系统架构示意图。如图1所示,该系统可以包括业务服务器100以及终端集群,终端集群可以包括一个或者多个终端设备,本申请不对终端设备的数量进行限制,如图1所示,该终端集群可以具体包括终端设备200a、终端设备200b、终端设备200c、…、终端设备200n。
其中,终端集群之间可以存在通信连接,例如终端设备200a与终端设备200b之间存在通信连接,终端设备200a与终端设备200c之间存在通信连接。同时,终端集群中的任一终端设备可以与业务服务器100存在通信连接,例如终端设备200a与业务服务器100之间存在通信连接,其中,上述通信连接不限定连接方式,可以通过有线通信方式进行直接或间接地连接,也可以通过无线通信方式进行直接或间接地连接,还可以通过其它方式,本申请在此不做限制。
应当理解,如图1所示的终端集群中的每个终端设备均可以安装有应用客户端,当该应用客户端运行于各终端设备中时,可以分别与上述图1所示的业务服务器100之间进行数据交互,即上述的通信连接。其中,该应用客户端可以为导航应用、直播应用、社交应用、即时通信应用、游戏应用、购物应用、支付应用、浏览器等具有定位功能的应用客户端。其中,该应用客户端可以为独立的客户端,也可以为集成在某客户端(例如,社交客户端、教育客户端以及多媒体客户端等)中的嵌入式子客户端,在此不做限定。以社交应用为例,业务服务器100可以为包括社交应用对应的后台服务器、数据处理服务器等多个服务器的集合,因此,每个终端设备均可以通过该社交应用对应的应用客户端与业务服务器100进行数据传输,如每个终端设备均可以通过社交应用的应用客户端将其定位上传至业务服务器100,进而业务服务器100可以将该定位下发给其它终端设备或传送至云服务器。
可以理解的是,在本申请的具体实施方式中,涉及到用户信息(如下文描述的原始数据以及第二位置)等相关的数据,当本申请实施例运用到具体产品或技术中时,需要获得用户许可或者同意,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。
为便于后续理解和说明,本申请实施例可以在图1所示的终端集群中选择一个终端设备作为移动终端(可以视为流动站),即可以在移动中使用的计算机设备,例如以终端设备200a作为移动终端。当获取到第二时刻下与流动站相关联的观测数据时,终端设备200a可以将第二时刻下的观测数据、自身在第一时刻下的第一后验速度状态向量(包含第一速度以及第一加速度),以及自身在第一时刻下的第一后验位置状态向量(包含第一位置以及第一双差模糊度),作为原始数据发送至业务服务器100。进一步,业务服务器100接收到终端设备200a发送的原始数据后,可以对第一后验速度状态向量进行预估优化处理,得到流动站在第二时刻下的第二速度和第二加速度,根据第二速度和第二加速度生成第二后验速度状态向量;进一步地,业务服务器100可以根据第二后验速度状态向量,对第一后验位置状态向量进行向量预估处理,得到流动站在第二时刻下的待优化位置和待优化双差模糊度,根据待优化位置和待优化双差模糊度生成先验位置状态向量;可以理解的是,第二后验速度状态向量可以表征第一时刻至第二时刻之间的平均速度以及平均加速度,相较于表征历史时刻(第一时刻的上一个时刻)至第一时刻之间的平均速度以及平均加速度的第一后验速度状态向量,其可以更好地表征流动站在第一时刻至第二时刻的状态量变化,故利用第二后验速度状态向量,对第一后验位置状态向量进行状态预估(即状态更新),可以提高先验位置状态向量的精度;进一步地,业务服务器100可以根据观测数据以及第一后验位置状态向量,对先验位置状态向量进行向量优化处理,得到流动站在第二时刻下的第二位置以及第二双差模糊度,可以理解的是,由于先验位置状态向量精确度高,故可以减小观测数据以及先验位置状态向量之间的误差,所以利用观测数据对先验位置状态向量进行向量优化处理时,可以得到流动站在第二时刻下的高精度第二位置,即提高了流动站的定位。
进一步,业务服务器100可以获取与第二位置相关联的地图数据,将第二位置、第二双差模糊度以及地图数据发送至终端设备200a,终端设备200a接收到业务服务器100发送的第二位置、第二双差模糊度以及地图数据后,可以在其对应的屏幕上显示该第二位置以及地图数据,进而终端设备200a的使用用户可以通过查看第二位置以及地图数据,确定自身所在的位置以及下一步的移动行为。
可选的,可以理解的是,系统架构中可以包括多个业务服务器,一个终端设备可以与一个业务服务器相连接,每个业务服务器可以获取到与之相连接的终端设备所上传的原始数据,从而可以处理该原始数据得到第二位置,并获取与第二位置相关联的地图数据,并将第二位置以及地图数据返回给与之相连接的终端设备。
可选的,终端设备200a可以理解为一个综合信息处理平台,具有非常丰富的通信方式,例如,可以通过全球移动通信系统(Global System for Mobile Communication,GSM)、4G(第四代通讯技术)等无线运营网通讯,也可以通过无线局域网络(Wireless-Fidelity,WiFi),蓝牙和红外线进行通信;另外,终端设备200a集成有全球卫星导航系统定位芯片,该全球卫星导航系统定位芯片可以用于处理卫星信号,并对终端设备200a的使用用户进行精准定位。故若终端设备200a的本地存储了上述地图数据,则终端设备200a可以在本地对第一后验速度状态向量进行预估优化处理、对第一后验位置状态向量进行向量预估处理,以及对先验位置状态向量进行向量优化处理,且本地处理过程与业务服务器100的处理过程一致,故此处不进行赘述,可以参见上文的描述。其中,由于生成地图数据涉及到大量的计算,因此终端设备200a本地的地图数据可以是由业务服务器100生成后发送至终端设备200a的。
需要说明的是,上述业务服务器100、终端设备200a、终端设备200b、终端设备200c...、终端设备200n均可以为区块链网络中的区块链节点,全文叙述的数据(例如原始数据、第二位置以及地图数据)可以进行存储,存储方式可以是区块链节点根据数据生成区块,并将区块添加至区块链中进行存储的方式。
区块链是一种分布式数据存储、点对点传输、共识机制以及加密算法等计算机技术的新型应用模式,主要用于对数据按时间顺序进行整理,并加密成账本,使其不可被篡改和伪造,同时可进行数据的验证、存储和更新。区块链本质上是一个去中心化的数据库,该数据库中的每个节点均存储一条相同的区块链,区块链网络可以将节点区分为核心节点、数据节点以及轻节点。核心节点、数据节点以及轻节点共同组成区块链节点。其中核心节点负责区块链全网的共识,也就是说核心节点为区块链网络中的共识节点。对于区块链网络中的交易数据被写入账本的流程可以为,区块链网络中的数据节点或轻节点获取到交易数据,将交易数据在区块链网络中传递(也就是节点以接力棒的方式进行传递),直到共识节点收到该交易数据,共识节点再将该交易数据打包进区块,对该区块执行共识,待共识完成后将该交易数据写入账本。此处以原始数据、第二位置以及地图数据示例交易数据,业务服务器100(区块链节点)在通过对交易数据的共识后,根据交易数据生成区块,将区块存储至区块链网络中;而对于交易数据(即原始数据、第二位置以及地图数据)的读取,则可以由区块链节点在区块链网络中,获取到包含该交易数据的区块,进一步,在区块中获取交易数据。
可以理解的是,本申请实施例提供的方法可以由计算机设备执行,计算机设备包括但不限于终端设备或业务服务器。其中,业务服务器可以是独立的物理服务器,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,还可以是提供云数据库、云服务、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。终端设备包括但不限于手机、电脑、智能语音交互设备、智能家电、车载终端等。其中,终端设备和业务服务器可以通过有线或无线方式进行直接或间接地连接,本申请实施例在此不做限制。
其中,可以理解的是,上述系统架构可适用于车道级导航,车道级导航可以还原真实道路场景,为用户提供精细化的车道定位结果,在需要变换车道时(例如,临近转向路口或者高速匝道),可提供更精细的车道级动作指引,降低用户对导航的理解难度,提升驾驶安全。
示例性地,以终端设备200a为智能手机为例,使用用户在智能手机上安装有手机导航应用。业务服务器100向智能手机发送地图数据,由此,智能手机结合实时定位数据(可以包括上述的第二位置)以及地图数据,确定实时的车道级定位结果。基于此,手机导航应用可以显示实时的车道级定位结果。
示例性地,以终端设备200a为车载设备为例,使用用户在车载设备上安装有车载导航应用。业务服务器100向车载设备发送地图数据,由此,车载设备结合实时定位数据以及地图数据,确定实时的车道级定位结果。基于此,车载导航应用可以显示实时的车道级定位结果。
上述系统架构还可以应用于自动驾驶、运营车辆管理以及行驶轨迹追踪等场景,这里将不对具体的业务场景进行一一列举。
进一步地,请参见图2,图2是本申请实施例提供的一种数据处理方法的流程示意图。该数据处理方法可以由业务服务器(例如,上述图1所示的业务服务器100)执行,也可以由移动终端(该移动终端可以为上述图1的终端集群中的任一终端设备,例如终端设备200a)执行,还可以由业务服务器和移动终端交互执行。为便于理解,本申请实施例以该方法由移动终端执行为例进行说明。如图2所示,该数据处理方法至少可以包括以下步骤S101-步骤S104。
步骤S101,获取流动站在第一时刻下的包含第一速度以及第一加速度的第一后验速度状态向量,获取流动站在第一时刻下的包含第一位置以及第一双差模糊度的第一后验位置状态向量,获取第二时刻下与流动站相关联的观测数据;第一时刻早于第二时刻。
具体的,获取流动站在第二时刻下的第一原始观测数据,获取与流动站相关联的基准站在第二时刻下的第二原始观测数据,获取与流动站相关联的卫星在第二时刻下的卫星星历数据;将第一原始观测数据、第二原始观测数据以及卫星星历数据确定为观测数据。
基准站是对卫星导航信号进行长期连续观测,并由通信设施将观测数据实时或定时传送至数据中心的地面固定观测站。流动站是指移动的观测站,本申请实施例中,可以等同于移动终端。
移动终端可以集成有全球卫星导航系统定位芯片,以定时获取观测数据进行定位,流动站以及基准站分别对应的观测数据均包括载波相位观测值以伪距。第一时刻可以为移动终端启动定位功能后的任意一个时刻,若第一时刻为初始时刻,则移动终端通过单点定位方法计算初始状态,该初始状态可以包括初始位置、初始速度以及初始加速度,并赋予各状态对应的方差;若第一时刻不为初始时刻,则流动站(即移动终端)在第一时刻下的状态为后验状态估计值(包括上文叙述的第一后验速度状态变量以及第一后验位置状态向量),是流动站在第一时刻下的最优估计,其生成过程与生成流动站在第二时刻下的各状态量的过程一致。第二时刻晚于第二时刻,第一时刻也可以称为第一历元,第二时刻也可以称为第二历元。可以理解的是,实际应用时,第一时刻为非初始时刻的场景较多。
流动站对应的状态量包括非观测量,具体可以包括流动站的速度、加速度、位置以及模糊度等。其中,第一速度用于表征流动站在第一时刻下的速度,第一加速度用于表征流动站在第一时刻下的加速度,第一位置用于表征流动站在第一时刻下的位置,第一双差模糊度用于表征流动站在第一时刻下的双差模糊度,可以理解的是,下文描述的第二速度、第二加速度、第二位置以及第二双差模糊度的表征含义,可以类比理解,故不进行赘述。
本申请实施例为了准确定位,将状态变量分为两类,一类状态变量包括移动终端(即流动站)的速度和加速度,一类状态变量包括移动终端的位置以及双差模糊度;为了便于叙述,本申请实施例将每个时刻下的后验状态向量分为包括速度以及加速度的后验速度状态向量,以及包括位置以及双差模糊度的后验位置状态向量;其中,第一后验速度状态向量用于表征流动站在第一时刻下的后验速度状态向量,第一后验位置状态向量用于表征流动站在第一时刻下的后验位置状态向量。
请一并参见图3,图3是本申请实施例提供的一种数据处理的场景示意图。如图3所示,移动终端302a被放置于移动交通工具30a上,移动交通工具30a在第一时刻位于三车道的中间车道。根据第一后验速度状态向量301a以及第二后验位置状态向量302c,移动终端302a可以显示导航提示信息301a,即“时速10米/秒,加速度1米/秒,距离目的地还有30m”,则使用对象可以根据导航提示信息301a了解自己的位置、速度以及加速度。
移动交通工具30a行驶至第二时刻,移动终端302a可以获取自身在第二时刻下的第一原始观测数据305a,获取基准站301d发送的其在第二时刻下的第二原始观测数据303c,以及获取各卫星分别对应的服务器302d所发送的卫星星历304c(等同于卫星星历数据)。其中,第一原始观测数据305c可以包括卫星与移动终端302a之间的伪距,以及移动终端302a所接收到的载波相位,本申请实施例不对卫星的数量进行限定,为至少两个即可,如图3所示,卫星具体可以包括卫星301b、卫星302b、…、卫星303b,此外,本申请实施例不对卫星类型进行限定,可以为GPS卫星、北斗卫星等。第二原始观测数据303c可以包括基准站301a与卫星之间的伪距,以及基准站所接收到的载波相位。
步骤S102,对第一后验速度状态向量进行预估优化处理,得到流动站在第二时刻下的第二速度和第二加速度,根据第二速度和第二加速度生成第二后验速度状态向量。
具体的,获取与运动函数相关联的速度状态转移矩阵,对第一后验速度状态向量进行向量预估处理,得到流动站在第二时刻下的待优化加速度和待优化速度,根据待优化加速度和待优化速度生成先验速度状态向量;根据速度状态转移矩阵、观测数据以及第一后验速度状态向量,对先验速度状态向量进行向量优化处理,得到流动站在第二时刻下的第二速度和第二加速度。
其中,得到流动站在第二时刻下的第二速度和第二加速度的具体过程可以包括:获取第一后验速度状态向量对应的第一后验速度状态协方差矩阵,获取流动站在第一时刻下的第二状态转移协方差矩阵;根据速度状态转移矩阵、第一后验速度状态协方差矩阵以及第二状态转移协方差矩阵,生成流动站在第二时刻下的先验速度状态协方差矩阵;根据观测数据,生成速度观测矩阵以及速度观测向量,根据先验速度状态协方差矩阵、速度观测向量以及速度观测矩阵,对先验速度状态向量进行向量优化处理,得到流动站在第二时刻下的第二速度和第二加速度。
其中,根据观测数据,生成速度观测矩阵以及速度观测向量的具体过程可以包括:获取载波相位观测函数,对载波相位观测函数进行历元间差分处理,得到差分载波相位观测函数;对差分载波相位观测函数进行站间差分处理,得到双差载波相位观测函数;对双差载波相位观测函数进行星间差分处理,得到三差载波相位观测函数;对三差载波相位观测函数进行线性处理,得到线性三差载波相位观测函数;根据观测数据以及线性三差载波相位观测函数,确定速度观测矩阵以及包括三差载波相位观测值的速度观测向量。
其中,得到流动站在第二时刻下的第二速度和第二加速度的具体过程可以包括:根据速度观测矩阵以及先验速度状态向量,确定速度估计观测向量;获取速度估计观测向量以及速度观测向量之间的第二新息向量;根据先验速度状态协方差矩阵、速度观测矩阵以及与速度观测向量相关联的先验速度观测协方差矩阵,确定第二增益矩阵;根据第二增益矩阵以及第二新息向量,对先验速度状态向量进行向量优化,得到流动站在第二时刻下的第二速度和第二加速度。
由步骤S101可知,移动终端已生成第一时刻下的各状态变量的后验状态估计值,即第一速度、第一加速度、第一位置以及第一双差模糊度,则可以根据第一时刻的第一后验速度状态向量(包括第一速度以及第一加速度)以及速度状态转移矩阵,预测第二时刻下的待优化加速度以及待优化速度。需要注意的是,本申请实施例中的状态转移矩阵包括两种类型,第一种类型的状态转移矩阵针对由速度以及加速度所组成的状态变量,第二种类型的状态转移矩阵针对由位置以及双差模糊度所组成的状态变量,为了便于叙述,本申请实施例将第一种类型的状态转移矩阵称为速度状态转移矩阵,将第二种类型的状态转移矩阵称为位置状态转移矩阵。
为了准确估计流动站在第二时刻下的待优化速度以及待优化加速度,本申请实施例采用卡尔曼滤波方法对第一后验速度状态向量进行预估,在本步骤中,状态变量为流动站的速度以及加速度,则针对第一后验速度状态向量的状态方程可以用公式(1)表示。
其中,公式(1)中的t表示第一时刻,t+1表示第二时刻,vx(t)表示第一速度在x轴上的坐标,vy(t)表示第一速度在y轴上的坐标,vz(t)表示第一速度在z轴上的坐标,ax(t)表示第一加速度在x轴上的坐标,ay(t)表示第一加速度在y轴上的坐标,az(t)表示第一加速度在z轴上的坐标;vx(t+1|t)表示待优化速度(等同于流动站在第二时刻下的先验速度状态估计值)在x轴上的坐标,vy(t+1|t)表示待优化速度在y轴上的坐标,vz(t+1|t)表示待优化速度在z轴上的坐标,ax(t+1|t)表示待优化加速度(等同于流动站在第二时刻下的先验加速度状态估计值)在x轴上的坐标,ay(t+1|t)表示待优化加速度在y轴上的坐标,az(t+1|t)表示待优化加速度在z轴上的坐标;Δt表示第一时刻至第二时刻之间的时间间隔,也可以称作时间差分算子。公式(1)右侧的第一项表示速度状态转移矩阵。
一般来说,针对速度以及加速度的状态方程假设短时间内移动终端做匀变速直线运动,并采用运动方程。在移动终端的应用场景中,为了避免由于异常数据导致加速度值较大,进而导致速度求解错误,基于对移动终端应用场景的分析,加速度保持不变,尤其是保持一个较高的加速度的情况很罕见,为提高滤波稳定性,对加速度的状态方程做了如上修改,可以理解的是,速度状态转移矩阵中针对加速度的元素,可以根据实际应用场景进行设定,本申请设为0.5。
本申请实施例可基于运动方程、第一速度以及第一加速度求解得到当前状态的待优化速度和待优化加速度,将公式(1)简化为公式(2)。
移动终端将待优化加速度以及待优化速度组合,得到先验速度状态向量;进一步,移动终端获取第一后验速度状态向量对应的第一后验速度状态协方差矩阵,并获取流动站在第一时刻下的第二状态转移协方差矩阵,其中,第一后验速度状态协方差矩阵用于表征第一后验速度状态向量对应的后验估计协方差,第二状态转移协方差矩阵用于表征速度状态转移矩阵与实际过程之间的误差。进一步,移动终端求解第二时刻针对先验速度状态向量的先验估计协方差,即先验速度状态协方差矩阵,具体为根据速度状态转移矩阵、第一后验速度状态协方差矩阵以及第二状态转移协方差矩阵,生成流动站在第二时刻下的先验速度状态协方差矩阵。上述过程可以利用公式(3)表述。
其中,公式(3)中的P1(t)表示第一后验速度状态协方差矩阵,表示第一后验速度状态协方差矩阵对应的转置矩阵,Q2(t)表示第二状态转移协方差矩阵,其可以通过统计实际测试中速度状态估计值与速度参考值之差给出;P1(t+1|t)表示先验速度状态协方差矩阵。可选的,Q2(t)的选择过程中,可以考虑移动终端当前速度状态以及加速度状态,动态调整,以进一步提升精度。
进一步,移动终端基于观测数据对先验速度状态向量进行向量优化处理,获取流动站对应的载波相位观测函数,载波相位观测函数可以如公式(4)所示。
其中,公式(4)中的i表示流动站(即移动终端),j表示卫星,表示流动站i观测卫星j的载波相位观测值,/>表示流动站与卫星j之间的电离层延迟,/>表示流动站与卫星j之间的对流层延迟,λ表示流动站与卫星j之间的相位观测值波长,Nj为针对卫星j的模糊度参数,dti表示接收机钟差,即移动终端对应的钟差,dtj表示卫星钟差。/>表示流动站与卫星j之间的几何距离,c表示为真空中的光速值。
第一原始观测数据中只包括公式(4)中的载波相位观测值,故需要对载波相位观测函数进行处理,载波相位观测值精度较高但存在模糊度参数Nj,一般来说,在不发生周跳的情况下,模糊度参数在历元间保持不变,因此,首先对载波相位观测函数做历元间差分处理,则得到针对时间(历元)的差分载波相位观测函数,如公式(5)所示。
其中,Δt为时间差分算子,可以根据实际应用场景进行设定,本申请实施例不限定时间差分算子的取值;表示载波相位观测值的历元间差分值,/>表示几何距离的历元间差分值,/>表示对流层延迟的历元间差分值,/>表示电离层延迟的历元间差分值,ΔtNj表示模糊度的历元间差分值,Δtdti表示移动终端对应的钟差的历元间差分值,Δtdtj表示卫星钟差的历元间差分值。
一般来说,采样率为1s时,电离层和对流层随时间变化较慢,而在不发生周跳的情况下,模糊度参数不变,因此ΔtT,ΔtI,ΔtN均近似等于0。因而公式(5)可简化为如下公式(6)。
其中,卫星钟差的历元差分(即钟漂)可根据获取的卫星星历中的参数计算得到,而移动终端对应的钟差的钟漂与设备有关,且由于其系数为光速,对最终解算影响较大,为解决这一问题,移动终端基于基准站的第二原始观测数据,与流动站的第一原始观测数据组三差载波相位观测函数,首先类比公式(4)-公式(6),得到基准站针对历元的差分载波相位观测函数,如公式(7)所示。
进一步,移动终端对公式(6)以及公式(7)进行站间差分处理,得到针对卫星j的双差载波相位观测函数,该函数可以用公式(8)表述。
上述公式(4)-公式(8)是移动终端针对卫星j做的双差(包括历元间差分以及站间差分)处理,类比公式(4)-公式(8),移动终端对卫星k进行双差处理,得到针对卫星k的双差载波相位观测函数,进一步,对两个双差载波相位观测函数进行星间差分处理,得到三差载波相位观测函数,该函数可以用公式(9)表示。
其中,公式(9)中的表示双差算子,包括站间差分算子以及星间差分算子,表示/>以及/>之间的星间差分值,其中,/>可以根据上文的/>含义类比理解,此处不进行赘述;/>表示/>以及/>之间的星间差分值,其中,可以根据上文的/>含义类比理解,此处不进行赘述。
其中,上述公式中的基准站b可以等同于图3中所示例的基准站301d,卫星j可以为图3所示例的卫星集群中的任意一个卫星,例如卫星301b,卫星k可以为图3所示例的卫星集群中的另一个卫星,例如卫星302b。
进一步,移动终端对三差载波相位观测函数进行线性处理,得到线性三差载波相位观测函数,该函数可以用公式(10)表示。
其中,公式(10)中的ri表示第一位置,vi表示第一速度,rk表示卫星k在第一时刻下的位置,vk表示卫星k在第一时刻下的速度,rj表示卫星j在第一时刻下的位置,vj表示卫星j在第一时刻下的速度,卫星星历数据包括rk以及rj,vk以及vj均可以通过卫星星历数据求解得到,故可以解算得到
本申请实施例采用线性卡尔曼滤波计算观测更新,其中,公式(9)中的为针对速度以及加速度的观测量,将其作为速度观测向量(即针对状态变量为速度以及加速度的观测向量),获取一个3*3的矩阵,将其与公式(10)中的/>所对应的矩阵进行拼接,得到针对状态变量为速度以及加速度的观测矩阵,为了便于叙述,将该矩阵称作速度观测矩阵。
进一步,移动终端根据速度观测矩阵以及先验速度状态向量,确定速度估计观测向量,其中,速度估计观测向量包括速度以及加速度分别对应的估计观测值,获取速度估计观测向量以及速度观测向量之间的第二新息向量,即速度估计观测向量以及速度观测向量之间的误差,上述过程可以用公式(11)表述。
其中,公式(11)中的等于/>,表示速度观测向量,表示速度观测矩阵,是状态变量(此处指代速度以及加速度)到测量(观测)的转换矩阵,表示状态(此处指代速度以及加速度)和观测(此处指三差载波相位观测值)之间的关联关系,/>表示先验速度状态向量,/>表示速度估计观测向量,/>表示第二新息向量。
进一步,移动终端根据先验速度状态协方差矩阵、速度观测矩阵以及与速度观测向量相关联的先验速度观测协方差矩阵,确定第二增益矩阵;根据第二增益矩阵以及第二新息向量,对先验速度状态向量进行向量优化,得到流动站在第二时刻下的第二速度和第二加速度;上述过程可以用公式(12)表示。
其中,公式(12)中的R1(t+1)表示先验速度观测协方差矩阵,K2表示第二增益矩阵,表示第二后验速度状态向量,包括对待优化速度进行观测优化后所得的第二速度,以及对待优化加速度进行观测优化后所得的第二加速度;I表示单位矩阵,P1(t+1)表示流动站在第二时刻下的后验速度状态协方差矩阵,即/>对应的协方差矩阵。
上述可知,本申请实施例针对移动终端载波相位观测数据周跳频繁,模糊度难以收敛的问题,基于ADR数据测速,提高移动终端使用载波相位进行定位过程中模糊度的收敛速度。
步骤S103,根据第二后验速度状态向量,对第一后验位置状态向量进行向量预估处理,得到流动站在第二时刻下的待优化位置和待优化双差模糊度,根据待优化位置和待优化双差模糊度生成先验位置状态向量。
具体的,获取与第二后验速度状态向量相关联且针对第一位置的状态转移矩阵;根据针对第一位置的状态转移矩阵以及针对第一双差模糊度的状态转移矩阵,确定位置状态转移矩阵;根据位置状态转移矩阵,对第一后验位置状态向量进行向量预估处理,得到流动站在第二时刻下的待优化位置和待优化双差模糊度。
可以理解的是,第一速度表示的是第一时刻与其上一时刻之间的平均速度,因此若根据第一后验速度状态向量对位置参数进行更新,则更新之后的位置参数精度较差,进而针对位置的观测与针对位置的状态之间的方差较大,最终会导致定位效果不佳。基于上述现有缺陷,本申请实施例将由速度以及加速度所组成的状态变量,以及由位置以及双差模糊度所组成的状态变量分离处理,即首先对第一后验速度状态向量进行滤波更新,得到第一时刻至第二时刻的平均速度,该过程请参见上文步骤S102,再根据第二后验速度状态向量对位置参数进行状态更新,在本步骤中,状态变量为流动站的位置以及模糊度(实际上是双差模糊度),首先构建包括第二后验速度状态向量以及第一位置的状态方程,该状态方程可以用公式(13)表示。
r(t+1|t)=r(t)+v(t+1)Δt+0.5a(t+1)Δt2 (13)
其中,公式(13)中的r(t+1|t)表示流动站在第二时刻下的先验位置估计值,r(t)表示第一位置,v(t+1)表示第二速度,a(t+1)表示第二加速度。
为将上述公式(13)写为标准方程,本申请实施例在位置参数中增加齐次项1,则位置状态量为r=[x,y,z,1],公式(13)可写为如下公式(14)。
其中,公式(14)中vx(t+1)表示第二后验速度状态向量在x轴上的坐标,vy(t+1)表示第二后验速度状态向量在y轴上的坐标,vz(t+1)表示第二后验速度状态向量在z轴上的坐标;rx(t)表示第一位置在x轴上的坐标,ry(t)表示第一位置在y轴上的坐标,rz(t)表示第一位置在z轴上的坐标;rx(t+1|t)表示待优化位置(等同于流动站在第二时刻下的先验位置状态估计值)在x轴上的坐标,ry(t+1|t)表示待优化位置在y轴上的坐标,rz(t+1|t)表示待优化位置在z轴上的坐标;Fr(t)表示针对位置变量的状态转移矩阵。
由于模糊度参数在历元间保持不变,因此针对模糊度的状态方程可以用公式(15)表示。
进一步,移动终端拼接针对第一位置的状态转移矩阵Fr(t)以及针对第一双差模糊度的状态转移矩阵Ins×ns,得到针对位置以及双差模糊度的位置状态转移矩阵,同理,通过拼接待优化位置以及待优化双差模糊度,得到先验位置状态向量,拼接过程可以是上述公式(14)以及上述公式(15)之间的结合,得到如下公式(16)。
上述可知,本申请实施例针对移动终端观测数据中存在大量粗差的问题,首先基于ADR解算得到第二后验速度状态向量,基于第二后验速度状态向量计算得到高精度的先验位置估计值(即待优化位置)。
步骤S104,根据观测数据以及第一后验位置状态向量,对先验位置状态向量进行向量优化处理,得到流动站在第二时刻下的第二位置以及第二双差模糊度。
具体的,获取第一后验位置状态向量对应的第一后验位置状态协方差矩阵,获取流动站在第一时刻下的第一状态转移协方差矩阵;根据位置状态转移矩阵、第一后验位置状态协方差矩阵以及第一状态转移协方差矩阵,生成流动站在第二时刻下的先验位置状态协方差矩阵;获取与第一后验位置状态向量相关联的双差载波相位观测函数,以及与第一后验位置状态向量相关联的双差伪距观测函数;将双差载波相位观测函数以及双差伪距观测函数组成双差观测函数,对双差观测函数进行线性处理,得到线性双差观测函数;根据观测数据以及线性双差观测函数,生成针对第一后验位置状态向量的位置观测矩阵,以及包括双差伪距观测值和双差载波相位观测值的位置观测向量;根据先验位置状态协方差矩阵、位置观测向量以及位置观测矩阵,对先验位置状态向量进行向量优化处理,得到流动站在第二时刻下的第二位置以及第二双差模糊度。
进一步,移动终端获取第一后验位置状态向量对应的第一后验位置状态协方差矩阵,并获取流动站在第一时刻下的第一状态转移协方差矩阵,其中,第一后验位置状态协方差矩阵用于表征第一后验位置状态向量对应的后验估计协方差,第一状态转移协方差矩阵用于表征位置状态转移矩阵与实际过程之间的误差。进一步,移动终端求解第二时刻针对先验位置状态向量的先验估计协方差,即先验位置状态协方差矩阵,具体为根据位置状态转移矩阵、第一后验位置状态协方差矩阵以及第一状态转移协方差矩阵,生成流动站在第二时刻下的先验位置状态协方差矩阵。上述过程可以利用公式(17)表述。
其中,公式(17)中的P2(t)表示第一后验位置状态协方差矩阵,表示第一后验位置状态协方差矩阵对应的转置矩阵,Q1(t)表示第一状态转移协方差矩阵,对于位置参数,可以统计测试过程中状态更新后结果与参考坐标之差的协方差作为经验值,对于模糊度参数,为对角线矩阵,对角线元素为1e-8;P2(t+1|t)表示先验位置状态协方差矩阵。可选的,Q1(t)的选择过程中,可以考虑移动终端当前位置状态,动态调整,以进一步提升精度。
进一步,移动终端获取与第一后验位置状态向量相关联的双差载波相位观测函数,以及与第一后验位置状态向量相关联的双差伪距观测函数,其中,双差载波相位观测函数是指对载波相位观测函数进行站间差分处理以及星间差分处理之后所生成的函数,双差伪距观测函数是指对伪距观测函数进行站间差分处理以及星间差分处理之后所生成的函数,两个双差函数的生成过程可以参见上文步骤S102中三差载波相位观测函数的生成过程,两者区别仅在于步骤S102中先对载波相位观测函数进行历元间差分处理,故此处不进行赘述。
移动终端将双差载波相位观测函数以及双差伪距观测函数组成双差观测函数,如公式(18)所示。
本申请实施例可将公式(18)写为如下公式(19):
进一步,移动终端对双差观测函数进行线性处理,得到线性双差观测函数,如公式(20)所示。
后续,移动终端根据先验位置状态协方差矩阵、位置观测向量以及位置观测矩阵,对先验位置状态向量进行向量优化处理,得到流动站在第二时刻下的第二位置以及第二双差模糊度,本申请实施例暂不展开描述,请参见下文图6所对应的实施例中的描述。可以理解的是,本申请实施例以步骤S103所得到的先验位置估计值为基础,结合本步骤,可以降低异常观测数据对流动站在第二时刻下的位置的影响,提高定位精度。
请一并参见图4,图4是本申请实施例提供的一种数据处理的场景示意图。如图4所示,移动终端确定第二位置后,可以从地图数据中获取第二位置的道路信息,对该道路信息进行渲染处理,显示与道路信息相关联的道路视频帧,如图4所示,该道路视频帧可以包括导航提示信息302a,即图4所示例的“时速10米/秒,距离目的地还有19m,请减速驶向右车道”,此时,使用用户可以根据该提示执行减速操作以及右转向操作;可选的,移动终端可以生成导航提示信息302a对应的导航提示语音,并进行实时播放。
请一并参见图5,图5是本申请实施例提供的一种数据处理方法的流程示意图。如图5所示,该数据处理方法可以包括步骤S201-步骤S207。
步骤S201,系统初始化。移动终端在初始时刻,通过单点定位计算初始位置、初始速度等初始状态,并赋予合适的方差。
步骤S202,速度、位置参数。若移动终端处于初始时刻,则速度以及位置等参数为移动终端通过单点定位所计算得到的初始值,若移动终端不处于初始时刻,则速度以及位置等参数为上一时刻(例如上文叙述的第一时刻)的后验估计值。
步骤S203,观测数据。移动终端获取当前时刻(例如上文叙述的第二时刻)的观测数据,该观测数据包括移动终端自身获取的第一原始观测数据、基准站发送的第二原始观测数据,以及卫星星历数据。
步骤S204,速度参数状态更新。移动终端对由第一速度以及第一加速度所组成的第一后验速度状态向量进行向量预估处理,得到移动终端在第二时刻下的先验速度状态向量。
步骤S205,速度参数观测更新。移动终端基于观测数据对先验速度状态向量进行向量优化处理,得到移动终端在第二时刻下的第二后验速度状态向量。
步骤S206,位置参数状态更新。移动终端对由第一位置以及第一双差模糊度所组成的第一后验位置状态向量进行向量预估处理,得到移动终端在第二时刻下的先验位置状态向量。
步骤S207,待抗差的位置参数观测更新。移动终端基于先验位置估计值(即待优化位置),反算估计观测值和实际观测值的误差,以判断实际观测值是否存在粗差,对粗差大的实际观测值进行降权处理,得到第二位置,同理,得到第二双差模糊度。
综上所述,本申请实施例基于三差载波相位差分的方式,可以得到高精度的速度估计值(即第二速度),且该过程在单历元即可完成,无需长时间收敛,进一步,通过第二速度可以提高位置参数状态方程的精度,故不仅可以加快位置参数和模糊度收敛的速度,还可以提高第二位置的定位精度。
此外,本申请将速度更新以及位置更新分离处理,首先对速度进行滤波更新,得到第一时刻至第二时刻的平均速度后,再对位置参数进行状态更新,通过该调整,可以极大地提高状态更新所得到的位置参数的精度,即通过分离位置参数和速度参数的滤波,可以求解得到高精度的位置参数预测值,降低了信息参数的方差,使得抗差卡尔曼滤波可以对更小的粗差起作用,故可以提升定位精度。
上述可知,本申请实施例先对第一时刻下的第一后验速度状态向量进行预估优化处理,得到第二时刻下的第二后验速度状态向量,再基于第二后验速度状态向量,对第一时刻下的第一后验位置状态向量进行向量预估处理,得到第二时刻下的先验位置状态向量;通过将第二后验速度状态向量替代第一后验速度状态向量,即将第一后验速度状态向量以及第一后验位置状态向量分离处理,可以提高先验位置状态向量的精度,进而可以在根据观测数据以及第一后验位置状态向量,对先验位置状态向量进行向量优化处理时,得到流动站在第二时刻下的高精度的第二位置,即可以提高流动站的定位精度。
进一步地,请参见图6,图6是本申请实施例提供的一种数据处理方法的流程示意图。如图6所示,该数据处理过程可以包括以下步骤S1041-步骤S1046,且步骤S1041-步骤S1046为图2所对应实施例中步骤S104的一个具体实施例。
步骤S1041,根据位置观测矩阵以及先验位置状态向量,确定位置估计观测向量。
步骤S1042,获取位置估计观测向量以及位置观测向量之间的第一新息向量。
结合步骤S1014-步骤S1042叙述,位置估计观测向量包括位置以及双差模糊度分别对应的估计观测值,获取位置估计观测向量以及位置观测向量之间的第一新息向量,即位置估计观测向量以及位置观测向量之间的误差,上述过程可以用公式(21)表述。
步骤S1043,根据与位置观测向量相关联的先验位置观测协方差矩阵、先验位置状态协方差矩阵、位置观测矩阵以及第一新息向量,确定目标先验位置观测协方差矩阵。
具体的,根据位置观测矩阵、先验位置状态协方差矩阵以及与位置观测向量相关联的先验位置观测协方差矩阵,生成第一新息向量对应的新息协方差矩阵;根据新息协方差矩阵对第一新息向量进行归一化处理,得到归一化新息向量;根据归一化新息向量确定核函数矩阵,根据先验位置观测协方差矩阵以及核函数矩阵,确定目标先验位置观测协方差矩阵。
其中,归一化新息向量包括归一化新息数值ei,i为正整数,且i小于或等于归一化新息向量的维度数量;核函数矩阵包括核函数数值;根据归一化新息向量确定核函数矩阵的具体过程可以包括:若归一化新息数值ei对应的绝对值小于或等于绝对值阈值,则将目标数值确定为核函数数值/>;若归一化新息数值ei对应的绝对值大于绝对值阈值,则将绝对值阈值与绝对值之间的比值确定为核函数数值/>;根据每个归一化新息数值分别对应的核函数数值,确定核函数矩阵。
移动终端生成第一新息向量对应的新息协方差矩阵的过程,可以用公式(22)表述。
本申请实施例利用抗差卡尔曼滤波对位置参数进行观测更新,与上文图3中步骤S102中速度参数的观测更新(即对先验速度状态向量进行向量优化)不同,本步骤利用第一新息向量,对存在较大粗差的先验位置状态向量进行降权处理,以提高定位精度,移动终端首先确定目标先验位置观测协方差矩阵,确定过程可以参见公式(23)以及公式(24)。
其中,公式(23)中的表示第一新息向量中的第i个元素,/>表示新息协方差矩阵中对角线第i个元素,ei表示归一化新息向量中的第i个元素;β表示绝对值阈值,可以根据实际应用场景进行调整,ψh表示核函数矩阵;公式(24)中的Rh(t+1)表示目标先验位置观测协方差矩阵。
步骤S1044,根据先验位置状态协方差矩阵、目标先验位置观测协方差矩阵以及位置观测矩阵,生成第一增益矩阵。
步骤S1045,根据第一增益矩阵以及第一新息向量,对先验位置状态向量进行向量优化处理,得到流动站在第二时刻下的第二位置以及第二双差模糊度。
步骤S1046,根据第一增益矩阵、位置观测矩阵以及先验位置状态协方差矩阵,确定流动站在第二时刻下的第二后验位置状态协方差矩阵;第二后验位置状态协方差矩阵是指第二后验位置状态向量对应的协方差矩阵;第二后验位置状态向量包含第二位置以及第二双差模糊度;第二后验位置状态协方差矩阵用于生成流动站在第三时刻下的第三位置;第二时刻早于第三时刻。
本申请实施通过分离位置参数和速度参数的滤波,求解得到高精度的位置参数预测值,降低了新息参数的方差,使得抗差卡尔曼滤波可以对更小的粗差起作用,进一步提升了定位精度。可选的,抗差操作中可以结合地图中周围的三维模型,对可能存在遮挡的卫星进行降权。
结合步骤S1044-步骤S1046叙述,第一新息向量反应了当前观测与状态预测值之间的误差,若观测值中存在粗差,则可通过抗差卡尔曼滤波进行计算,降低粗差对定位结果的影响,生成高精度的第二位置和第二双差模糊度。
具体地,移动终端根据先验位置状态协方差矩阵、位置观测矩阵以及目标先验位置观测协方差矩阵,确定第一增益矩阵;根据第一增益矩阵以及第一新息向量,对先验位置状态向量进行向量优化,得到流动站在第二时刻下的第二位置和第二双差模糊度;上述过程可以用公式(25)表示。
上述可知,本申请实施例先对第一时刻下的第一后验速度状态向量进行预估优化处理,得到第二时刻下的第二后验速度状态向量,再基于第二后验速度状态向量以及第一时刻下的第一后验位置状态向量,生成第二时刻下的先验位置状态向量;通过将第二后验速度状态向量替代第一后验速度状态向量,即将第一后验速度状态向量以及第一后验位置状态向量分离处理,可以提高先验位置状态向量的精度,进而可以提高流动站在第二时刻下的第二位置的精度,即可以提高流动站的定位精度。
进一步地,请参见图7,图7是本申请实施例提供的一种数据处理装置的结构示意图。上述数据处理装置可以是运行于计算机设备中的一个计算机程序(包括程序代码),例如该数据处理装置为一个应用软件;该装置可以用于执行本申请实施例提供的方法中的相应步骤。如图7所示,该数据处理装置1可以包括:获取数据模块11、第一生成模块12、第二生成模块13以及第三生成模块14。
获取数据模块11,用于获取流动站在第一时刻下的包含第一速度以及第一加速度的第一后验速度状态向量,获取流动站在第一时刻下的包含第一位置以及第一双差模糊度的第一后验位置状态向量,获取第二时刻下与流动站相关联的观测数据;第一时刻早于第二时刻;
第一生成模块12,用于对第一后验速度状态向量进行预估优化处理,得到流动站在第二时刻下的第二速度和第二加速度,根据第二速度和第二加速度生成第二后验速度状态向量;
第二生成模块13,用于根据第二后验速度状态向量,对第一后验位置状态向量进行向量预估处理,得到流动站在第二时刻下的待优化位置和待优化双差模糊度,根据待优化位置和待优化双差模糊度生成先验位置状态向量;
第三生成模块14,用于根据观测数据以及第一后验位置状态向量,对先验位置状态向量进行向量优化处理,得到流动站在第二时刻下的第二位置以及第二双差模糊度。
其中,获取数据模块11、第一生成模块12、第二生成模块13以及第三生成模块14的具体功能实现方式可以参见上述图2对应实施例中的步骤S101-步骤S104,这里不再进行赘述。
再请参见图7,第二生成模块13可以包括:第一获取单元131、第一确定单元132以及第一处理单元133。
第一获取单元131,用于获取与第二后验速度状态向量相关联且针对第一位置的状态转移矩阵;
第一确定单元132,用于根据针对第一位置的状态转移矩阵以及针对第一双差模糊度的状态转移矩阵,确定位置状态转移矩阵;
第一处理单元133,用于根据位置状态转移矩阵,对第一后验位置状态向量进行向量预估处理,得到流动站在第二时刻下的待优化位置和待优化双差模糊度。
其中,第一获取单元131、第一确定单元132以及第一处理单元133的具体功能实现方式可以参见上述图2对应实施例中的步骤S103,这里不再进行赘述。
再请参见图7,第三生成模块14可以包括:第二获取单元141、第一生成单元142、第三获取单元143、第二处理单元144、第二生成单元145以及第三处理单元146。
第二获取单元141,用于获取第一后验位置状态向量对应的第一后验位置状态协方差矩阵,获取流动站在第一时刻下的第一状态转移协方差矩阵;
第一生成单元142,用于根据位置状态转移矩阵、第一后验位置状态协方差矩阵以及第一状态转移协方差矩阵,生成流动站在第二时刻下的先验位置状态协方差矩阵;
第三获取单元143,用于获取与第一后验位置状态向量相关联的双差载波相位观测函数,以及与第一后验位置状态向量相关联的双差伪距观测函数;
第二处理单元144,用于将双差载波相位观测函数以及双差伪距观测函数组成双差观测函数,对双差观测函数进行线性处理,得到线性双差观测函数;
第二生成单元145,用于根据观测数据以及线性双差观测函数,生成针对第一后验位置状态向量的位置观测矩阵,以及包括双差伪距观测值和双差载波相位观测值的位置观测向量;
第三处理单元146,用于根据先验位置状态协方差矩阵、位置观测向量以及位置观测矩阵,对先验位置状态向量进行向量优化处理,得到流动站在第二时刻下的第二位置以及第二双差模糊度。
其中,第二获取单元141、第一生成单元142、第三获取单元143、第二处理单元144、第二生成单元145以及第三处理单元146的具体功能实现方式可以参见上述图2对应实施例中的步骤S104,这里不再进行赘述。
再请参见图7,第三处理单元146可以包括:第一确定子单元1461、第一获取子单元1462、第二确定子单元1463、第一生成子单元1464以及第二生成子单元1465。
第一确定子单元1461,用于根据位置观测矩阵以及先验位置状态向量,确定位置估计观测向量;
第一获取子单元1462,用于获取位置估计观测向量以及位置观测向量之间的第一新息向量;
第二确定子单元1463,用于根据与位置观测向量相关联的先验位置观测协方差矩阵、先验位置状态协方差矩阵、位置观测矩阵以及第一新息向量,确定目标先验位置观测协方差矩阵;
第一生成子单元1464,用于根据先验位置状态协方差矩阵、目标先验位置观测协方差矩阵以及位置观测矩阵,生成第一增益矩阵;
第二生成子单元1465,用于根据第一增益矩阵以及第一新息向量,对先验位置状态向量进行向量优化处理,得到流动站在第二时刻下的第二位置以及第二双差模糊度。
其中,第一确定子单元1461、第一获取子单元1462、第二确定子单元1463、第一生成子单元1464以及第二生成子单元1465的具体功能实现方式可以参见上述图6对应实施例中的步骤S1041-步骤S1045,这里不再进行赘述。
再请参见图7,第三处理单元146还可以包括:第三确定子单元1466。
第三确定子单元1466,用于根据第一增益矩阵、位置观测矩阵以及先验位置状态协方差矩阵,确定流动站在第二时刻下的第二后验位置状态协方差矩阵;第二后验位置状态协方差矩阵是指第二后验位置状态向量对应的协方差矩阵;第二后验位置状态向量包含第二位置以及第二双差模糊度;第二后验位置状态协方差矩阵用于生成流动站在第三时刻下的第三位置;第二时刻早于第三时刻。
其中,第三确定子单元1466的具体功能实现方式可以参见上述图6对应实施例中的步骤S1046,这里不再进行赘述。
再请参见图7,第二确定子单元1463可以包括:第一处理子单元14631、第二处理子单元14632以及第三处理子单元14633。
第一处理子单元14631,用于根据位置观测矩阵、先验位置状态协方差矩阵以及与位置观测向量相关联的先验位置观测协方差矩阵,生成第一新息向量对应的新息协方差矩阵;
第二处理子单元14632,用于根据新息协方差矩阵对第一新息向量进行归一化处理,得到归一化新息向量;
第三处理子单元14633,用于根据归一化新息向量确定核函数矩阵,根据先验位置观测协方差矩阵以及核函数矩阵,确定目标先验位置观测协方差矩阵。
其中,第一处理子单元14631、第二处理子单元14632以及第三处理子单元14633的具体功能实现方式可以参见上述图6对应实施例中的步骤S1043,这里不再进行赘述。
第三处理子单元14633,还具体用于根据每个归一化新息数值分别对应的核函数数值,确定核函数矩阵。
其中,第三处理子单元14633的具体功能实现方式可以参见上述图6对应实施例中的步骤S1043,这里不再进行赘述。
再请参见图7,第一生成模块12可以包括:第四处理单元121以及第五处理单元122。
第四处理单元121,用于获取与运动函数相关联的速度状态转移矩阵,对第一后验速度状态向量进行向量预估处理,得到流动站在第二时刻下的待优化加速度和待优化速度,根据待优化加速度和待优化速度生成先验速度状态向量;
第五处理单元122,用于根据速度状态转移矩阵、观测数据以及第一后验速度状态向量,对先验速度状态向量进行向量优化处理,得到流动站在第二时刻下的第二速度和第二加速度。
其中,第四处理单元121以及第五处理单元122的具体功能实现方式可以参见上述图2对应实施例中的步骤S102,这里不再进行赘述。
再请参见图7,第五处理单元122可以包括:第二获取子单元1221、第三生成子单元1222以及第四生成子单元1223。
第二获取子单元1221,用于获取第一后验速度状态向量对应的第一后验速度状态协方差矩阵,获取流动站在第一时刻下的第二状态转移协方差矩阵;
第三生成子单元1222,用于根据速度状态转移矩阵、第一后验速度状态协方差矩阵以及第二状态转移协方差矩阵,生成流动站在第二时刻下的先验速度状态协方差矩阵;
第四生成子单元1223,用于根据观测数据,生成速度观测矩阵以及速度观测向量,根据先验速度状态协方差矩阵、速度观测向量以及速度观测矩阵,对先验速度状态向量进行向量优化处理,得到流动站在第二时刻下的第二速度和第二加速度。
其中,第二获取子单元1221、第三生成子单元1222以及第四生成子单元1223的具体功能实现方式可以参见上述图2对应实施例中的步骤S102,这里不再进行赘述。
再请参见图7,第四生成子单元1223可以包括:第四处理子单元12231、第五处理子单元12232、第六处理子单元12233以及第七处理子单元12234。
第四处理子单元12231,用于获取载波相位观测函数,对载波相位观测函数进行历元间差分处理,得到差分载波相位观测函数;
第五处理子单元12232,用于对差分载波相位观测函数进行站间差分处理,得到双差载波相位观测函数;
第六处理子单元12233,用于对双差载波相位观测函数进行星间差分处理,得到三差载波相位观测函数;
第七处理子单元12234,用于对三差载波相位观测函数进行线性处理,得到线性三差载波相位观测函数;
第七处理子单元12234,还用于根据观测数据以及线性三差载波相位观测函数,确定速度观测矩阵以及包括三差载波相位观测值的速度观测向量。
其中,第四处理子单元12231、第五处理子单元12232、第六处理子单元12233以及第七处理子单元12234的具体功能实现方式可以参见上述图2对应实施例中的步骤S102,这里不再进行赘述。
再请参见图7,第六处理子单元12233,具体用于根据速度观测矩阵以及先验速度状态向量,确定速度估计观测向量;
第六处理子单元12233,还具体用于获取速度估计观测向量以及速度观测向量之间的第二新息向量;
第六处理子单元12233,还具体用于根据先验速度状态协方差矩阵、速度观测矩阵以及与速度观测向量相关联的先验速度观测协方差矩阵,确定第二增益矩阵;
第六处理子单元12233,还具体用于根据第二增益矩阵以及第二新息向量,对先验速度状态向量进行向量优化,得到流动站在第二时刻下的第二速度和第二加速度。
其中,第六处理子单元12233的具体功能实现方式可以参见上述图2对应实施例中的步骤S102,这里不再进行赘述。
再请参见图7,获取数据模块11可以包括:第四获取单元111以及第二确定单元112。
第四获取单元111,用于获取流动站在第二时刻下的第一原始观测数据,获取与流动站相关联的基准站在第二时刻下的第二原始观测数据,获取与流动站相关联的卫星在第二时刻下的卫星星历数据;
第二确定单元112,用于将第一原始观测数据、第二原始观测数据以及卫星星历数据确定为观测数据。
其中,第四获取单元111以及第二确定单元112的具体功能实现方式可以参见上述图2对应实施例中的步骤S101,这里不再进行赘述。
上述可知,本申请实施例先对第一时刻下的第一后验速度状态向量进行预估优化处理,得到第二时刻下的第二后验速度状态向量,再基于第二后验速度状态向量,对第一时刻下的第一后验位置状态向量进行向量预估处理,得到第二时刻下的先验位置状态向量;通过将第二后验速度状态向量替代第一后验速度状态向量,即将第一后验速度状态向量以及第一后验位置状态向量分离处理,可以提高先验位置状态向量的精度,进而可以在根据观测数据以及第一后验位置状态向量,对先验位置状态向量进行向量优化处理时,得到流动站在第二时刻下的高精度的第二位置,即可以提高流动站的定位精度。
进一步地,请参见图8,图8是本申请实施例提供的一种计算机设备的结构示意图。如图8所示,该计算机设备1000可以包括:至少一个处理器1001,例如CPU,至少一个网络接口1004,用户接口1003,存储器1005,至少一个通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。其中,用户接口1003可以包括显示屏(Display)、键盘(Keyboard),网络接口1004可选地可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。存储器1005可选地还可以是至少一个位于远离前述处理器1001的存储装置。如图8所示,作为一种计算机存储介质的存储器1005可以包括操作系统、网络通信模块、用户接口模块以及设备控制应用程序。
在图8所示的计算机设备1000中,网络接口1004可提供网络通讯功能;而用户接口1003主要用于为用户提供输入的接口;而处理器1001可以用于调用存储器1005中存储的设备控制应用程序,以实现:
获取流动站在第一时刻下的包含第一速度以及第一加速度的第一后验速度状态向量,获取流动站在第一时刻下的包含第一位置以及第一双差模糊度的第一后验位置状态向量,获取第二时刻下与流动站相关联的观测数据;第一时刻早于第二时刻;
对第一后验速度状态向量进行预估优化处理,得到流动站在第二时刻下的第二速度和第二加速度,根据第二速度和第二加速度生成第二后验速度状态向量;
根据第二后验速度状态向量,对第一后验位置状态向量进行向量预估处理,得到流动站在第二时刻下的待优化位置和待优化双差模糊度,根据待优化位置和待优化双差模糊度生成先验位置状态向量;
根据观测数据以及第一后验位置状态向量,对先验位置状态向量进行向量优化处理,得到流动站在第二时刻下的第二位置以及第二双差模糊度。
应当理解,本申请实施例中所描述的计算机设备1000可执行前文图2、图5以及图6所对应实施例中对数据处理方法的描述,也可执行前文图7所对应实施例中对数据处理装置1的描述,在此不再赘述。另外,对采用相同方法的有益效果描述,也不再进行赘述。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序包括程序指令,该程序指令被处理器执行时实现图2、图5以及图6中各个步骤所提供的数据处理方法,具体可参见上述图2、图5以及图6各个步骤所提供的实现方式,在此不再赘述。另外,对采用相同方法的有益效果描述,也不再进行赘述。
上述计算机可读存储介质可以是前述任一实施例提供的数据处理装置或者上述计算机设备的内部存储单元,例如计算机设备的硬盘或内存。该计算机可读存储介质也可以是该计算机设备的外部存储设备,例如该计算机设备上配备的插接式硬盘,智能存储卡(smart media card,SMC),安全数字(secure digital,SD)卡,闪存卡(flash card)等。进一步地,该计算机可读存储介质还可以既包括该计算机设备的内部存储单元也包括外部存储设备。该计算机可读存储介质用于存储该计算机程序以及该计算机设备所需的其他程序和数据。该计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
本申请实施例还提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备可执行前文图2、图5以及图6所对应实施例中对数据处理方法的描述,在此不再赘述。另外,对采用相同方法的有益效果描述,也不再进行赘述。
本申请实施例的说明书和权利要求书及附图中的术语“第一”、“第二”等是用于区别不同对象,而非用于描述特定顺序。此外,术语“包括”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或设备没有限定于已列出的步骤或模块,而是可选地还包括没有列出的步骤或模块,或可选地还包括对于这些过程、方法、装置、产品或设备固有的其他步骤单元。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
本申请实施例提供的方法及相关装置是参照本申请实施例提供的方法流程图和/或结构示意图来描述的,具体可由计算机程序指令实现方法流程图和/或结构示意图的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。这些计算机程序指令可提供到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或结构示意图一个方框或多个方框中指定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或结构示意图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或结构示意一个方框或多个方框中指定的功能的步骤。
以上所揭露的仅为本申请较佳实施例而已,当然不能以此来限定本申请之权利范围,因此依本申请权利要求所作的等同变化,仍属本申请所涵盖的范围。
Claims (15)
1.一种数据处理方法,其特征在于,包括:
获取流动站在第一时刻下的包含第一速度以及第一加速度的第一后验速度状态向量,获取所述流动站在所述第一时刻下的包含第一位置以及第一双差模糊度的第一后验位置状态向量,获取第二时刻下与所述流动站相关联的观测数据;所述第一时刻早于所述第二时刻;
对所述第一后验速度状态向量进行预估优化处理,得到所述流动站在所述第二时刻下的第二速度和第二加速度,根据所述第二速度和所述第二加速度生成第二后验速度状态向量;
根据所述第二后验速度状态向量,对所述第一后验位置状态向量进行向量预估处理,得到所述流动站在所述第二时刻下的待优化位置和待优化双差模糊度,根据所述待优化位置和所述待优化双差模糊度生成先验位置状态向量;
根据所述观测数据以及所述第一后验位置状态向量,对所述先验位置状态向量进行向量优化处理,得到所述流动站在所述第二时刻下的第二位置以及第二双差模糊度。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第二后验速度状态向量,对所述第一后验位置状态向量进行向量预估处理,得到所述流动站在所述第二时刻下的待优化位置和待优化双差模糊度,包括:
获取与所述第二后验速度状态向量相关联且针对所述第一位置的状态转移矩阵;
根据针对所述第一位置的状态转移矩阵以及针对所述第一双差模糊度的状态转移矩阵,确定位置状态转移矩阵;
根据所述位置状态转移矩阵,对所述第一后验位置状态向量进行向量预估处理,得到所述流动站在所述第二时刻下的待优化位置和待优化双差模糊度。
3.根据权利要求2所述的方法,其特征在于,所述根据所述观测数据以及所述第一后验位置状态向量,对所述先验位置状态向量进行向量优化处理,得到所述流动站在所述第二时刻下的第二位置以及第二双差模糊度,包括:
获取所述第一后验位置状态向量对应的第一后验位置状态协方差矩阵,获取所述流动站在所述第一时刻下的第一状态转移协方差矩阵;
根据所述位置状态转移矩阵、所述第一后验位置状态协方差矩阵以及所述第一状态转移协方差矩阵,生成所述流动站在所述第二时刻下的先验位置状态协方差矩阵;
获取与所述第一后验位置状态向量相关联的双差载波相位观测函数,以及与所述第一后验位置状态向量相关联的双差伪距观测函数;
将所述双差载波相位观测函数以及所述双差伪距观测函数组成双差观测函数,对所述双差观测函数进行线性处理,得到线性双差观测函数;
根据所述观测数据以及所述线性双差观测函数,生成针对所述第一后验位置状态向量的位置观测矩阵,以及包括双差伪距观测值和双差载波相位观测值的位置观测向量;
根据所述先验位置状态协方差矩阵、所述位置观测向量以及所述位置观测矩阵,对所述先验位置状态向量进行向量优化处理,得到所述流动站在所述第二时刻下的第二位置以及第二双差模糊度。
4.根据权利要求3所述的方法,其特征在于,所述根据所述先验位置状态协方差矩阵、所述位置观测向量以及所述位置观测矩阵,对所述先验位置状态向量进行向量优化处理,得到所述流动站在所述第二时刻下的第二位置以及第二双差模糊度,包括:
根据所述位置观测矩阵以及所述先验位置状态向量,确定位置估计观测向量;
获取所述位置估计观测向量以及所述位置观测向量之间的第一新息向量;
根据与所述位置观测向量相关联的先验位置观测协方差矩阵、所述先验位置状态协方差矩阵、所述位置观测矩阵以及所述第一新息向量,确定目标先验位置观测协方差矩阵;
根据所述先验位置状态协方差矩阵、所述目标先验位置观测协方差矩阵以及所述位置观测矩阵,生成第一增益矩阵;
根据所述第一增益矩阵以及所述第一新息向量,对所述先验位置状态向量进行向量优化处理,得到所述流动站在所述第二时刻下的第二位置以及第二双差模糊度。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
根据所述第一增益矩阵、所述位置观测矩阵以及所述先验位置状态协方差矩阵,确定所述流动站在所述第二时刻下的第二后验位置状态协方差矩阵;所述第二后验位置状态协方差矩阵是指第二后验位置状态向量对应的协方差矩阵;所述第二后验位置状态向量包含所述第二位置以及所述第二双差模糊度;所述第二后验位置状态协方差矩阵用于生成所述流动站在第三时刻下的第三位置;所述第二时刻早于所述第三时刻。
6.根据权利要求4所述的方法,其特征在于,所述根据与所述位置观测向量相关联的先验位置观测协方差矩阵、所述先验位置状态协方差矩阵、所述位置观测矩阵以及所述第一新息向量,确定目标先验位置观测协方差矩阵,包括:
根据所述位置观测矩阵、所述先验位置状态协方差矩阵以及与所述位置观测向量相关联的先验位置观测协方差矩阵,生成所述第一新息向量对应的新息协方差矩阵;
根据所述新息协方差矩阵对所述第一新息向量进行归一化处理,得到归一化新息向量;
根据所述归一化新息向量确定核函数矩阵,根据所述先验位置观测协方差矩阵以及所述核函数矩阵,确定所述目标先验位置观测协方差矩阵。
8.根据权利要求1所述的方法,其特征在于,所述对所述第一后验速度状态向量进行预估优化处理,得到所述流动站在所述第二时刻下的第二速度和第二加速度,包括:
获取与运动函数相关联的速度状态转移矩阵,根据所述速度状态转移矩阵对所述第一后验速度状态向量进行向量预估处理,得到所述流动站在所述第二时刻下的待优化加速度和待优化速度,根据所述待优化加速度和所述待优化速度生成先验速度状态向量;
根据所述速度状态转移矩阵、所述观测数据以及所述第一后验速度状态向量,对所述先验速度状态向量进行向量优化处理,得到所述流动站在所述第二时刻下的第二速度和第二加速度。
9.根据权利要求8所述的方法,其特征在于,所述根据所述速度状态转移矩阵、所述观测数据以及所述第一后验速度状态向量,对所述先验速度状态向量进行向量优化处理,得到所述流动站在所述第二时刻下的第二速度和第二加速度,包括:
获取所述第一后验速度状态向量对应的第一后验速度状态协方差矩阵,获取所述流动站在所述第一时刻下的第二状态转移协方差矩阵;
根据所述速度状态转移矩阵、所述第一后验速度状态协方差矩阵以及所述第二状态转移协方差矩阵,生成所述流动站在所述第二时刻下的先验速度状态协方差矩阵;
根据所述观测数据,生成速度观测矩阵以及速度观测向量,根据所述先验速度状态协方差矩阵、所述速度观测向量以及所述速度观测矩阵,对所述先验速度状态向量进行向量优化处理,得到所述流动站在所述第二时刻下的第二速度和第二加速度。
10.根据权利要求9所述的方法,其特征在于,所述根据所述观测数据,生成速度观测矩阵以及速度观测向量,包括:
获取载波相位观测函数,对所述载波相位观测函数进行历元间差分处理,得到差分载波相位观测函数;
对所述差分载波相位观测函数进行站间差分处理,得到双差载波相位观测函数;
对所述双差载波相位观测函数进行星间差分处理,得到三差载波相位观测函数;
对所述三差载波相位观测函数进行线性处理,得到线性三差载波相位观测函数;
根据所述观测数据以及所述线性三差载波相位观测函数,确定所述速度观测矩阵以及包括三差载波相位观测值的所述速度观测向量。
11.根据权利要求9所述的方法,其特征在于,所述根据所述先验速度状态协方差矩阵、所述速度观测向量以及所述速度观测矩阵,对所述先验速度状态向量进行向量优化处理,得到所述流动站在所述第二时刻下的第二速度和第二加速度,包括:
根据所述速度观测矩阵以及所述先验速度状态向量,确定速度估计观测向量;
获取所述速度估计观测向量以及所述速度观测向量之间的第二新息向量;
根据所述先验速度状态协方差矩阵、所述速度观测矩阵以及与所述速度观测向量相关联的先验速度观测协方差矩阵,确定第二增益矩阵;
根据所述第二增益矩阵以及所述第二新息向量,对所述先验速度状态向量进行向量优化,得到所述流动站在所述第二时刻下的第二速度和第二加速度。
12.根据权利要求1所述的方法,其特征在于,所述获取第二时刻下与所述流动站相关联的观测数据,包括:
获取所述流动站在所述第二时刻下的第一原始观测数据,获取与所述流动站相关联的基准站在所述第二时刻下的第二原始观测数据,获取与所述流动站相关联的卫星在所述第二时刻下的卫星星历数据;
将所述第一原始观测数据、所述第二原始观测数据以及所述卫星星历数据确定为所述观测数据。
13.一种计算机设备,其特征在于,包括:处理器、存储器以及网络接口;所述处理器与所述存储器、所述网络接口相连,其中,所述网络接口用于提供数据通信功能,所述存储器用于存储计算机程序,所述处理器用于调用所述计算机程序,以使得所述计算机设备执行权利要求1至12任一项所述的方法。
14.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机程序,所述计算机程序适于由处理器加载并执行,以使得具有所述处理器的计算机设备执行权利要求1-12任一项所述的方法。
15.一种计算机程序产品,其特征在于,计算机程序产品包括计算机指令,所述计算机指令存储在计算机可读存储介质中,所述计算机指令适于由处理器读取并执行,以使得具有所述处理器的计算机设备执行如权利要求1-12任一项的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111432169.0A CN116184458A (zh) | 2021-11-29 | 2021-11-29 | 一种数据处理方法、设备以及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111432169.0A CN116184458A (zh) | 2021-11-29 | 2021-11-29 | 一种数据处理方法、设备以及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116184458A true CN116184458A (zh) | 2023-05-30 |
Family
ID=86431235
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111432169.0A Pending CN116184458A (zh) | 2021-11-29 | 2021-11-29 | 一种数据处理方法、设备以及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116184458A (zh) |
-
2021
- 2021-11-29 CN CN202111432169.0A patent/CN116184458A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2022174756A1 (zh) | 一种车辆定位的方法、相关装置、设备以及存储介质 | |
US9743373B2 (en) | Concurrent dual processing of pseudoranges with corrections | |
US20140253375A1 (en) | Locally measured movement smoothing of position fixes based on extracted pseudoranges | |
US20140240170A1 (en) | Position determination of a cellular device using carrier phase smoothing | |
US20180106906A1 (en) | Positioning processing system, method, computer program, positioning processing device, and user terminal | |
Reisdorf et al. | The problem of comparable gnss results–an approach for a uniform dataset with low-cost and reference data | |
CN112327340B (zh) | 终端定位精度评估方法、装置、设备以及介质 | |
CN113568013B (zh) | 终端定位方法、装置、电子设备及计算机可读存储介质 | |
CN111736185B (zh) | 终端定位方法、装置及计算机可读存储介质和终端设备 | |
CN113063425B (zh) | 车辆定位方法、装置、电子设备及存储介质 | |
CN113406682A (zh) | 一种定位方法、装置、电子设备及存储介质 | |
Goel et al. | Cooperative localization of unmanned aerial vehicles using GNSS, MEMS inertial, and UWB sensors | |
US20230204787A1 (en) | System and method for providing gnss corrections | |
Dabove et al. | GNSS network products for post-processing positioning: limitations and peculiarities | |
Smolyakov et al. | Resilient multipath prediction and detection architecture for low‐cost navigation in challenging urban areas | |
Bento et al. | Cooperative GNSS positioning aided by road-features measurements | |
Hsu et al. | Hong Kong UrbanNav: An open-source multisensory dataset for benchmarking urban navigation algorithms | |
Bauer et al. | Evaluation of shadow maps for non-line-of-sight detection in urban GNSS vehicle localization with VANETs-The GAIN approach | |
EP3137923B1 (en) | Dead reckoning system based on locally measured movement | |
Yang et al. | Resilient smartphone positioning using native sensors and PPP augmentation | |
CN116184458A (zh) | 一种数据处理方法、设备以及计算机可读存储介质 | |
CN112731268B (zh) | 一种差分数据的处理方法和定位跟踪系统 | |
CN117250647A (zh) | 定位方法、装置、设备及存储介质 | |
Obst et al. | GNSS-based relative localization for urban transport applications within the COVEL project | |
Sandru et al. | Kalman and Butterworth filtering for GNSS/INS data |
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 |