CN116859432A - 一种gnss双天线定向状态约束方法和系统 - Google Patents

Abstract

本发明提出了一种GNSS双天线定向状态约束方法和系统，该方法包括计算卡尔曼滤波估计的主从天线间的基线长度，通过卡尔曼滤波估计的基线状态信息更新状态方差协方差矩阵；在卡尔曼滤波收敛时，判断卡尔曼滤波估计的基线状态信息是否可用；在基线状态信息可用时，计算双天线的状态约束增益；根据所述状态约束增益修正通过卡尔曼滤波估计基线状态信息，以及修正状态方差协方差矩阵。基于一种GNSS双天线定向状态约束方法，还提出了一种GNSS双天线定向状态约束系统。本发明是基于卡尔曼滤波估计的验后信息进行独立的基线长约束算法，可以改善多径环境下双天线定向精度，提高移动载体在遮挡比较严重的复杂环境下航向的稳定性。

Description

一种GNSS双天线定向状态约束方法和系统

技术领域

本发明属于无人机飞行控制系统卫星导航技术领域，特别涉及一种GNSS双天线定向状态约束方法和系统。

背景技术

目前，双天线定向技术在开阔无遮挡环境下可以获得高精度、高可靠的基线向量固定解，进而求得高精度航向信息，但随着社会的飞速发展，像城市峡谷之类的环境越来越多，移动载体在该场景下遮挡严重，玻璃建筑也会导致卫星信号产生多径影响。因此，在遮挡严重的多径场景下，载波相位存在频繁的失锁情况，这使得模糊度固定比较困难，获取高精度航向信息比较困难，一般需要相应的约束方法提高固定的成功率，优化恶劣环境下获取的航向精度。

现有方法是将基线约束加入到LAMBDA技术中，即基于附加基线长约束的最小二乘模糊度降相关搜索算法，该方法复杂度较高且依赖可靠性较高的模糊度浮点解，若浮点模糊度精度低，则会直接影响搜索椭球的半径，使椭球搜索半径变大，这不仅影响模糊度固定的成功率，而且也会降低模糊度搜索效率；还有就是将基线约束融入观测方程中，与双差载波相位观测值、双差伪距观测值一同进行滤波估计，获得基线向量的浮点解，该方法缺点是若预测的基线向量误差较大，会影响位置、浮点模糊度等状态参数的估计精度。

发明内容

为了解决上述技术问题，本发明提出了一种GNSS双天线定向状态约束方法和系统。可以改善多径环境下双天线定向精度，提高移动载体在遮挡比较严重的复杂环境下航向的稳定性。

为实现上述目的，本发明采用以下技术方案：

一种GNSS双天线定向状态约束方法，包括以下步骤：

通过卡尔曼滤波估计的基线状态信息更新状态方差协方差矩阵；在卡尔曼滤波收敛时，判断卡尔曼滤波估计的基线状态信息是否可用；

在基线状态信息可用时，计算双天线的状态约束增益；根据所述状态约束增益修正通过卡尔曼滤波估计基线状态信息，以及修正状态方差协方差矩阵。

进一步的，所述通过卡尔曼滤波估计基线状态信息更新状态方差协方差之前还包括计算卡尔曼滤波估计的主从天线间的基线长度。

进一步的，所述计算卡尔曼滤波估计的主从天线间的基线长度的过程包括：

令主天线M和从天线S安装于移动载体上，主天线M和从天线S所在的直线平行于载体运动的方向；其中，主天线M在ECEF坐标系下的位置为r_m＝(x_m,y_m,z_m)，其中，r_m为主天线M在ECEF坐标系下的位置矢量，x_m、y_m、z_m分别表示主天线M在ECEF坐标系X轴、Y轴、Z轴的坐标分量；

从天线S在ECEF坐标系下位置矢量为 分别表示从天线在ECEF坐标系X轴、Y轴、Z轴的坐标分量估计值；所以载波相位差分卡尔曼滤波估计的主从天线间的方向矢量/>

故卡尔曼滤波估计的主从天线间的基线长度，即预测的基线长度

进一步的，所述通过卡尔曼滤波估计基线状态信息更新状态方差协方差的过程为：

在相应的量测噪声为ε时，估计值误差其中，l为双天线实际基线长度；

载波相位差分卡尔曼滤波估计得到的状态方差协方差矩阵分块表示为其中/>表示3x3大小的位置协方差矩阵，含有3个状态参数；/>表示k×k大小的速度、加速度、浮点模糊度协方差矩阵，含有k个状态参数；/>和/>表示位置与速度、加速度、浮点模糊度之间的相关系数矩阵。

进一步的，判断卡尔曼滤波收敛的方法为：

其中，K表示比例因子，为位置协方差矩阵的迹；若T₁≤0说明卡尔曼滤波状态收敛；若T₁>0则退出。

进一步的，所述判断基线状态信息可用的方法为：

T₂＝|v|-α；

a表示判断阈值；若T₂<0，说明卡尔曼滤波估计的基线信息误差满足要求；若T₂≥0则退出。

进一步的，所述计算双天线的状态约束增益的过程为：

根据主从天线间的方向矢量计算主天线M到从天线S的单位向量/>

状态约束增益常值C＝e·σ_1,1 ²·e^T+ε²，G为(3+k)×1大小的列向量。

进一步的，所述根据所述状态约束增益修正通过卡尔曼滤波估计基线状态信息，以及修正状态方差协方差矩阵的过程包括：

采用进行状态向量修正；其中/>为载波相位差分卡尔曼滤波估计得到的从天线S的状态向量；表示为：/> 分别表示估计的从天线S的位置、速度和加速度矢量，/>为估计的浮点模糊度状态向量；/>为修正后的浮点模糊度状态向量；

计算修正后的的基线状态方向矢量

并对状态方差协方差矩阵P₁进行反馈修正，得到状态约束修正后的方差协方差矩阵P₂：P₂＝P₁-G·e·[σ_1,1 ²σ_1,2 ²]。

进一步的，所述修正状态方差协方差矩阵之后还包括：

将修正后的从天线S的浮点模糊度状态向量和修正后的方差P₂应用到LAMBDA整周模糊度的固定中。

本发明还提出了一种GNSS双天线定向状态约束系统，包括预处理模块和修正模块；

所述预处理模块用于通过卡尔曼滤波估计的基线状态信息更新状态方差协方差矩阵；在卡尔曼滤波收敛时，判断卡尔曼滤波估计的基线状态信息是否可用；

所述修正模块用于在基线状态信息可用时，计算双天线的状态约束增益；根据所述状态约束增益修正通过卡尔曼滤波估计基线状态信息，以及修正状态方差协方差矩阵。

发明内容中提供的效果仅仅是实施例的效果，而不是发明所有的全部效果，上述技术方案中的一个技术方案具有如下优点或有益效果：

本发明提出了一种GNSS双天线定向状态约束方法和系统，该方法包括计算卡尔曼滤波估计的主从天线间的基线长度，通过卡尔曼滤波估计的基线状态信息更新状态方差协方差矩阵；在卡尔曼滤波收敛时，判断卡尔曼滤波估计的基线状态信息是否可用；在基线状态信息可用时，计算双天线的状态约束增益；根据所述状态约束增益修正通过卡尔曼滤波估计基线状态信息，以及修正状态方差协方差矩阵。基于一种GNSS双天线定向状态约束方法，还提出了一种GNSS双天线定向状态约束系统。本发明基于卡尔曼滤波估计的验后信息进行的独立基线长约束算法，算法复杂度低，且使用灵活，不仅提高了估计的状态参数的稳定性，避免了误差过大的基线向量信息对其它状态参数的影响；也提高了浮点模糊度的精度，使浮点模糊度不容易发散，可以提高下一步LAMBDA模糊度固定的成功率。总之，本发明可以改善多径环境下双天线定向精度，提高移动载体在遮挡比较严重的复杂环境下航向的稳定性。

本发明将基线长约束作为一种独立的约束算法，既不融入观测方程中共同估计，也不加入LAMBDA算法中，是以卡尔曼滤波估计的验后高精度基线向量信息为基础，单独建立约束方程，对状态参数进行反馈修正，进而实现对状态向量的约束，使用更加灵活；避免了误差过大的基线向量信息对其它状态参数的影响；同时也约束了浮点模糊度，使浮点模糊度不容易发散，进而提高了浮点模糊度的精度。

附图说明

如图1为本发明实施例1提出的一种GNSS双天线定向状态约束方法流程图；

如图2为本发明实施例2提出的一种GNSS双天线定向状态约束系统示意图。

具体实施方式

为能清楚说明本方案的技术特点，下面通过具体实施方式，并结合其附图，对本发明进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。此外，本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意，在附图中所图示的部件不一定按比例绘制。本发明省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。

实施例1

本发明实施例1提出的一种GNSS双天线定向状态约束方法，在卡尔曼滤波状态估计和LAMBDA模糊度固定之间增加独立的基线约束，间接对卡尔曼滤波状态进行约束。首先，利用卡尔曼滤波状态估计的验后高精度基线信息作为基线长度的预测值，以此作为状态约束的输入信息；其次，将预测的基线长度信息与实际基线长度求差值，作为状态约束的误差信息；然后，根据卡尔曼滤波估计得到的状态方差协方差信息和单位基线向量等信息计算约束增益；最后，对状态参数及相应的状态方差协方差阵进行修正。

如图1为本发明实施例1提出的一种GNSS双天线定向状态约束方法流程图；

在步骤S100中，开始处理该流程；

在步骤S110中，计算卡尔曼滤波估计的主从天线间的基线长度。

通过卡尔曼滤波估计基线状态信息更新状态方差协方差之前还包括计算卡尔曼滤波估计的主从天线间的基线长度。

计算卡尔曼滤波估计的主从天线间的基线长度的过程包括：

令主天线M和从天线S安装于移动载体上，主天线M和从天线S所在的直线平行于载体运动的方向；其中，主天线M在ECEF坐标系下的位置为r_m＝(x_m,y_m,z_m)，其中，r_m为主天线M在ECEF坐标系下的位置矢量，x_m、y_m、z_m分别表示主天线M在ECEF坐标系X轴、Y轴、Z轴的坐标分量；

从天线S在ECEF坐标系下位置矢量为 分别表示从天线在ECEF坐标系X轴、Y轴、Z轴的坐标分量估计值；所以载波相位差分卡尔曼滤波估计的主从天线间的方向矢量/>

故卡尔曼滤波估计的主从天线间的基线长度，即预测的基线长度

载波相位差分卡尔曼滤波估计得到的状态方差协方差矩阵分块表示为其中/>表示3x3大小的位置协方差矩阵，含有3个状态参数；/>表示k×k大小的速度、加速度、浮点模糊度协方差矩阵，含有k个状态参数；/>和/>表示位置与速度、加速度、浮点模糊度之间的相关系数矩阵。

在步骤S120中，在相应的量测噪声为ε时，估计值误差其中，l为双天线实际基线长度；

在步骤S130中，判断卡尔曼滤波是是否收敛，如果未收敛，则执行步骤S170。如果收敛，则执行步骤S140。

判断卡尔曼滤波收敛的方法为：

其中，K表示比例因子，K>0，需要根据经验进行设置；为位置协方差矩阵的迹；若T₁≤0说明卡尔曼滤波状态收敛；可以继续进行下一步处理。若T₁>0则退出状态约束，不进行之后的操作。

比例因子K实际意义是位置方差所允许的最大误差占比，例如K＝0.5表示位置方差需要在0.5倍的基线长度范围内判定为收敛。

在步骤S140中，判断基线状态信息可用，如果不可用，则执行步骤S170，如果可用，则执行步骤S150。

其中判断基线状态信息可用的方法为：

T₂＝|v|-α；

a表示判断阈值，需要根据经验进行设置；若T₂<0，说明卡尔曼滤波估计的基线信息误差满足要求；可以继续进行下一步处理，若T₂≥0则退出状态约束，不进行之后的操作。

在步骤S150中，计算约束状态增益。顾及了卡尔曼滤波状态方差和基线长度量测噪声，以此确定状态约束增益。

其中，计算双天线的状态约束增益的过程为：

根据主从天线间的方向矢量计算主天线M到从天线S的单位向量/>

状态约束增益常值C＝e·σ_1,1 ²·e^T+ε²，G为(3+k)×1大小的列向量。

在步骤S160中，根据所述状态约束增益修正通过卡尔曼滤波估计基线状态信息，以及修正状态方差协方差矩阵。

具体包括：采用进行状态向量修正；其中/>为载波相位差分卡尔曼滤波估计得到的从天线S的状态向量；表示为：/> 分别表示估计的从天线S的位置、速度和加速度矢量，/>为估计的浮点模糊度状态向量；/>为修正后的浮点模糊度状态向量；

计算修正后的的基线状态方向矢量

并对状态方差协方差矩阵P₁进行反馈修正，得到状态约束修正后的方差协方差矩阵P₂：P₂＝P₁-G·e·[σ_1,1 ² σ_1,2 ²]。

在步骤S170中，将修正后的从天线S的浮点模糊度状态向量和修正后的方差P₂应用到LAMBDA整周模糊度的固定中。

本发明实施例1提出的一种GNSS双天线定向状态约束方法，基于卡尔曼滤波估计的验后信息进行的独立基线长约束算法，算法复杂度低，且使用灵活，不仅提高了估计的状态参数的稳定性，避免了误差过大的基线向量信息对其它状态参数的影响；也提高了浮点模糊度的精度，使浮点模糊度不容易发散，可以提高下一步LAMBDA模糊度固定的成功率。总之可以改善多径环境下双天线定向精度，提高移动载体在遮挡比较严重的复杂环境下航向的稳定性。

本发明实施例1提出的一种GNSS双天线定向状态约束方法，作为一种独立的约束算法，既不融入观测方程中共同估计，也不加入LAMBDA算法中，是以卡尔曼滤波估计的验后高精度基线向量信息为基础，单独建立约束方程，对状态参数进行反馈修正，进而实现对状态向量的约束，使用更加灵活；避免了误差过大的基线向量信息对其它状态参数的影响；同时也约束了浮点模糊度，使浮点模糊度不容易发散，进而提高了浮点模糊度的精度。

实施例2

基于本发明实施例1提出的一种GNSS双天线定向状态约束方法，本发明实施例2还提出了一种GNSS双天线定向状态约束系统，如图2为本发明实施例2提出的一种GNSS双天线定向状态约束系统示意图，该系统包括：预处理模块和修正模块；

预处理模块用于通过卡尔曼滤波估计的基线状态信息更新状态方差协方差矩阵；在卡尔曼滤波收敛时，判断卡尔曼滤波估计的基线状态信息是否可用；

修正模块用于在基线状态信息可用时，计算双天线的状态约束增益；根据所述状态约束增益修正通过卡尔曼滤波估计基线状态信息，以及修正状态方差协方差矩阵。

其中预处理模块执行的过程包括：

令主天线M和从天线S安装于移动载体上，主天线M和从天线S所在的直线平行于载体运动的方向；其中，主天线M在ECEF坐标系下的位置为r_m＝(x_m,y_m,z_m)，其中，r_m为主天线M在ECEF坐标系下的位置矢量，x_m、y_m、z_m分别表示主天线M在ECEF坐标系X轴、Y轴、Z轴的坐标分量；

从天线S在ECEF坐标系下位置矢量为 分别表示从天线在ECEF坐标系X轴、Y轴、Z轴的坐标分量估计值；所以载波相位差分卡尔曼滤波估计的主从天线间的方向矢量/>

故卡尔曼滤波估计的主从天线间的基线长度，即预测的基线长度

载波相位差分卡尔曼滤波估计得到的状态方差协方差矩阵分块表示为其中/>表示3x3大小的位置协方差矩阵，含有3个状态参数；/>表示k×k大小的速度、加速度、浮点模糊度协方差矩阵，含有k个状态参数；/>和/>表示位置与速度、加速度、浮点模糊度之间的相关系数矩阵。

在相应的量测噪声为ε时，估计值误差其中，l为双天线实际基线长度；

判断卡尔曼滤波是是否收敛，其中判断卡尔曼滤波收敛的方法为：

其中，K表示比例因子，K>0，需要根据经验进行设置；为位置协方差矩阵的迹；若T₁≤0说明卡尔曼滤波状态收敛；可以继续进行下一步处理。若T₁>0则退出状态约束，不进行之后的操作。

比例因子K实际意义是位置方差所允许的最大误差占比，例如K＝0.5表示位置方差需要在0.5倍的基线长度范围内判定为收敛。

修正模块执行的过程包括：

判断基线状态信息可用，其中判断基线状态信息可用的方法为：

T₂＝|v|-α；

a表示判断阈值，需要根据经验进行设置；若T₂<0，说明卡尔曼滤波估计的基线信息误差满足要求；可以继续进行下一步处理，若T₂≥0则退出状态约束，不进行之后的操作。

计算约束状态增益。顾及了卡尔曼滤波状态方差和基线长度量测噪声，以此确定状态约束增益。

其中，计算双天线的状态约束增益的过程为：

根据主从天线间的方向矢量计算主天线M到从天线S的单位向量/>

状态约束增益常值C＝e·σ_1,1 ²·e^T+ε²，G为(3+k)×1大小的列向量。

据所述状态约束增益修正通过卡尔曼滤波估计基线状态信息，以及修正状态方差协方差矩阵。

具体包括：采用进行状态向量修正；其中/>为载波相位差分卡尔曼滤波估计得到的从天线S的状态向量；表示为：/> 分别表示估计的从天线S的位置、速度和加速度矢量，/>为估计的浮点模糊度状态向量；/>为修正后的浮点模糊度状态向量；

计算修正后的的基线状态方向矢量

并对状态方差协方差矩阵P₁进行反馈修正，得到状态约束修正后的方差协方差矩阵P₂：P₂＝P₁-G·e·[σ_1,1 ² σ_1,2 ²]。

在修正模块执行完后还包括：将修正后的从天线S的浮点模糊度状态向量和修正后的方差P₂应用到LAMBDA整周模糊度的固定中。

本发明实施例2提出的一种GNSS双天线定向状态约束系统，基于卡尔曼滤波估计的验后信息进行的独立基线长约束算法，算法复杂度低，且使用灵活，不仅提高了估计的状态参数的稳定性，避免了误差过大的基线向量信息对其它状态参数的影响；也提高了浮点模糊度的精度，使浮点模糊度不容易发散，可以提高下一步LAMBDA模糊度固定的成功率。总之可以改善多径环境下双天线定向精度，提高移动载体在遮挡比较严重的复杂环境下航向的稳定性。

本申请实施例2提供的一种GNSS双天线定向状态约束系统中相关部分的说明可以参见本申请实施例1提供的一种GNSS双天线定向状态约束方法中对应部分的详细说明，在此不再赘述。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。另外，本申请实施例提供的上述技术方案中与现有技术中对应技术方案实现原理一致的部分并未详细说明，以免过多赘述。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制。对于所属领域的技术人员来说，在上述说明的基础上还可以做出其它不同形式的修改或变形。这里无需也无法对所有的实施方式予以穷举。在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (10)

1.一种GNSS双天线定向状态约束方法，其特征在于，包括以下步骤：

通过卡尔曼滤波估计的基线状态信息更新状态方差协方差矩阵；在卡尔曼滤波收敛时，判断卡尔曼滤波估计的基线状态信息是否可用；

在基线状态信息可用时，计算双天线的状态约束增益；根据所述状态约束增益修正通过卡尔曼滤波估计基线状态信息，以及修正状态方差协方差矩阵。

2.根据权利要求1所述的一种GNSS双天线定向状态约束方法，其特征在于，所述通过卡尔曼滤波估计基线状态信息更新状态方差协方差之前还包括计算卡尔曼滤波估计的主从天线间的基线长度。

3.根据权利要求2所述的一种GNSS双天线定向状态约束方法，其特征在于，所述计算卡尔曼滤波估计的主从天线间的基线长度的过程包括：

令主天线M和从天线S安装于移动载体上，主天线M和从天线S所在的直线平行于载体运动的方向；其中，主天线M在ECEF坐标系下的位置为r_m＝(x_m,y_m,z_m)，其中，r_m为主天线M在ECEF坐标系下的位置矢量，x_m、y_m、z_m分别表示主天线M在ECEF坐标系X轴、Y轴、Z轴的坐标分量；

从天线S在ECEF坐标系下位置矢量为 分别表示从天线在ECEF坐标系X轴、Y轴、Z轴的坐标分量估计值；所以载波相位差分卡尔曼滤波估计的主从天线间的方向矢量/>

故卡尔曼滤波估计的主从天线间的基线长度，即预测的基线长度

4.根据权利要求3所述的一种GNSS双天线定向状态约束方法，其特征在于，所述通过卡尔曼滤波估计基线状态信息更新状态方差协方差的过程为：

在相应的量测噪声为ε时，估计值误差其中，l为双天线实际基线长度；

载波相位差分卡尔曼滤波估计得到的状态方差协方差矩阵分块表示为其中/>表示3x3大小的位置协方差矩阵，含有3个状态参数；/>表示k×k大小的速度、加速度、浮点模糊度协方差矩阵，含有k个状态参数；/>和/>表示位置与速度、加速度、浮点模糊度之间的相关系数矩阵。

5.根据权利要求4所述的一种GNSS双天线定向状态约束方法，其特征在于，判断卡尔曼滤波收敛的方法为：

其中，K表示比例因子，为位置协方差矩阵的迹；若T₁≤0说明卡尔曼滤波状态收敛；若T₁>0则退出。

6.根据权利要求4所述的一种GNSS双天线定向状态约束方法，其特征在于，所述判断基线状态信息可用的方法为：

T₂＝|v|-α；

a表示判断阈值；若T₂<0，说明卡尔曼滤波估计的基线信息误差满足要求；若T₂≥0则退出。

7.根据权利要求3所述的一种GNSS双天线定向状态约束方法，其特征在于，所述计算双天线的状态约束增益的过程为：

根据主从天线间的方向矢量计算主天线M到从天线S的单位向量/>

状态约束增益常值C＝e·σ_1,1 ²·e^T+ε²，G为(3+k)×1大小的列向量。

8.根据权利要求7所述的一种GNSS双天线定向状态约束方法，其特征在于，所述根据所述状态约束增益修正通过卡尔曼滤波估计基线状态信息，以及修正状态方差协方差矩阵的过程包括：

采用进行状态向量修正；其中/>为载波相位差分卡尔曼滤波估计得到的从天线S的状态向量；表示为：/> 分别表示估计的从天线S的位置、速度和加速度矢量，/>为估计的浮点模糊度状态向量；/>为修正后的浮点模糊度状态向量；

计算修正后的的基线状态方向矢量

并对状态方差协方差矩阵P₁进行反馈修正，得到状态约束修正后的方差协方差矩阵P₂：P₂＝P₁-G·e·[σ_1,1 ² σ_1,2 ²]。

9.根据权利要求8所述的一种GNSS双天线定向状态约束方法，其特征在于，所述修正状态方差协方差矩阵之后还包括：

将修正后的从天线S的浮点模糊度状态向量和修正后的方差P₂应用到LAMBDA整周模糊度的固定中。

10.一种GNSS双天线定向状态约束系统，其特征在于，包括预处理模块和修正模块；

所述预处理模块用于通过卡尔曼滤波估计的基线状态信息更新状态方差协方差矩阵；在卡尔曼滤波收敛时，判断卡尔曼滤波估计的基线状态信息是否可用；

所述修正模块用于在基线状态信息可用时，计算双天线的状态约束增益；根据所述状态约束增益修正通过卡尔曼滤波估计基线状态信息，以及修正状态方差协方差矩阵。