WO2023134264A1

WO2023134264A1 - 误差模型确定方法、装置、电子设备、计算机可读存储介质及计算机程序产品

Info

Publication number: WO2023134264A1
Application number: PCT/CN2022/128156
Authority: WO
Inventors: 苏景岚
Original assignee: 腾讯科技（深圳）有限公司
Priority date: 2022-01-17
Filing date: 2022-10-28
Publication date: 2023-07-20
Also published as: CN114397680A; EP4394450A1

Abstract

一种误差模型确定方法、装置、电子设备、计算机可读存储介质及计算机程序产品，可应用于地图、自动驾驶、智慧交通等场景。方法包括：获取至少两个待标定设备所采集的观测数据；根据观测数据，对预先构建的观测方程进行解算，得到数据残差序列（S301）；对数据残差序列进行网格化处理，得到数据残差网格（S302）；根据数据残差序列中的每一数据残差值，对数据残差网格进行网格误差处理，得到与数据残差网格对应的测量误差网格（S303）；对测量误差网格进行非线性拟合，得到至少两个待标定设备的数据误差模型（S304）。能够得到准确反映数据误差规律的测量误差网格，从而准确的确定出数据误差模型，实现在各类移动终端中进行准确的误差模型标定。

Description

误差模型确定方法、装置、电子设备、计算机可读存储介质及计算机程序产品

相关申请的交叉引用

本申请基于申请号为202210051258.9、申请日为2022年01月17日的中国专利申请提出，并要求该中国专利申请的优先权，该中国专利申请的全部内容在此引入本申请作为参考。

技术领域

本申请实施例涉及定位技术领域，涉及但不限于一种误差模型确定方法、装置、电子设备、计算机可读存储介质及计算机程序产品。

背景技术

随着导航技术的广泛应用，目前总的趋势是为实时应用提供高精度的服务。由于定位设备获取到的观测数据均与真实值之间存在误差，在定位之前，需要先确定出观测数据的数据误差模型，通过数据误差模型对采集的观测数据进行数据标定。

相关技术中，针对获取到的观测数据的误差标定算法复杂，计算量大，在各类移动终端中的实现难度较大，且误差标定算法和数据误差模型的普适性较低，不能适应于不同的观测场景，从而使得估计得到的观测数据的误差可靠性较差。

发明内容

本申请实施例提供一种误差模型确定方法、装置、电子设备、计算机可读存储介质及计算机程序产品，可至少应用于地图、自动驾驶、智慧交通等场景。能够实现在各类移动终端和各种观测场景下，均能准确的确定出数据误差模型，从而基于数据误差模型对观测数据进行准确的数据标定，提高数据标定的普适性。

本申请实施例的技术方案是这样实现的：

本申请实施例提供一种误差模型确定方法，所述方法由误差模型确定设备执行，所述方法包括：

获取至少两个待标定设备所采集的观测数据；根据观测数据，对预先构建的观测方程进行解算，得到数据残差序列；对所述数据残差序列进行网格化处理，得到数据残差网格；根据所述数据残差序列中的每一数据残差值，对所述数据残差网格进行网格误差处理，得到与所述数据残差网格对应的测量误差网格；对所述测量误差网格进行非线性拟合，得到所述至少两个待标定设备的数据误差模型。

本申请实施例提供一种误差模型确定装置，所述装置包括：

解算模块，配置为获取至少两个待标定设备所采集的观测数据；并根据观测数据，对预先构建的观测方程进行解算，得到数据残差序列；网格化处理模块，配置为对所述数据残差序列进行网格化处理，得到数据残差网格；网格误差处理模块，配置为根据所述数据残差序列中的每一数据残差值，对所述数据残差网格进行网格误差处理，得到与所述数据残差网格对应的测量误差网格；非线性拟合模块，配置为对所述测量误差网格进行非线性拟合，得到所述至少两个待标定设备的数据误差模型。

本申请实施例提供一种电子设备，包括：存储器，配置为存储可执行指令；处理器，配置为执行所述存储器中存储的可执行指令时，实现上述误差模型确定方法。

本申请实施例提供一种计算机程序产品，所述计算机程序产品包括可执行指令，所述可执行指令存储在计算机可读存储介质中；其中，电子设备的处理器从所述计算机可读存储介质中读取所述可执行指令，所述处理器配置为执行所述可执行指令，实现上述的误差模型确定方法。

本申请实施例提供一种计算机可读存储介质，存储有可执行指令，配置为引起处理器执行所述可执行指令时，实现上述误差模型确定方法。

本申请实施例具有以下有益效果：根据至少两个待标定设备所采集的观测数据，对预先构建的观测方程进行解算，得到数据残差序列；然后对数据残差序列进行网格化处理，并进一步根据数据残差序列中的每一数据残差值对数据残差网格进行网格误差处理，以确定出与数据残差网格对应的测量误差网格；对测量误差网格进行非线性拟合，对应得到数据误差模型，实现了对至少两个待标定设备的数据误差模型的标定。本申请实施例中，由于基于数据残差序列中的每一数据残差值，对数据残差网格进行网格误差处理，得到能够真实反映数据误差规律的测量误差网格，因此，基于该测量误差网格能够准确的确定出数据误差模型；并且，本申请实施例的方法能够实现在各类移动终端和各种观测场景下进行数据误差模型的确定，从而根据确定的数据误差模型对采集的观测数据进行标定，提高了数据标定的普适性。

附图说明

图1A是本申请实施例提供的误差模型确定系统的一个可选的架构示意图；

图1B是本申请实施例提供的待标定设备采集观测数据的示意图；

图2是本申请实施例提供的误差模型确定设备的结构示意图；

图3是本申请实施例提供的误差模型确定方法的一个可选的流程示意图；

图4是本申请实施例提供的误差模型确定方法的另一个可选的流程示意图；

图5是本申请实施例提供的误差模型确定方法的再一个可选的流程示意图；

图6是本申请实施例提供的误差模型确定方法的确定流程示意图；

图7是本申请实施例提供的伪距和载波相位观测随机误差模型确定流程示意图；

图8是本申请实施例提供的载噪比CN0和高度角网格示意图；

图9是本申请实施例提供的GPS、GLONASS、GALILEO和BDS系统网格示意图；

图10是本申请实施例提供的多普勒观测随机误差模型确定流程示意图。

具体实施方式

为了使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请作进一步地详细描述，所描述的实施例不应视为对本申请的限制，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。

在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。除非另有定义，本申请实施例所使用的所有的技术和科学术语与属于本申请实施例的技术领域的技术人员通常理解的含义相同。本申请实施例所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。

在说明本申请实施例的方案之前，首先需要说明的是，本申请实施例的卫星定位场景至少可用于实现车辆定位领域或者导航领域。

下面对本申请实施例涉及的名词进行解释：

(1)导航系统：是能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维坐标和速度以及时间信息的空基无线电导航定位系统。常见系统有全球定位系统(GPS，Global Positioning System)、北斗卫星导航系统(BDS，BeiDou Navigation Satellite System)、全球导航卫星系统(GLONASS，Global Navigation Satellite System)和伽利略卫星导航系统(GALILEO，Galileo Satellite Navigation System)四大系统。

(2)移动终端：或者叫移动通信终端，是指可以在移动中使用的计算机设备，包括手机、笔记本、平板电脑、POS机甚至包括车载电脑。随着集成电路技术的飞速发展，移动终端的处理能力已经拥有了强大的处理能力。另外移动终端集成有导航系统定位芯片，用于处理卫星信号以及进行用户的精准定位，目前已广泛用于位置服务。

(3)定位设备：用于处理卫星信号，并测量设备与卫星之间的几何距离(伪距观测值)、卫星信号的多普勒效应(多普勒观测值)以及载波相位的电子设备；定位设备通常至少包括有天线、基带信号处理等模块，集成定位设备的移动终端根据伪距和多普勒观测值计算移动终端当前位置坐标，定位设备广泛应用于地图导航、测绘、位置服务等领域，例如智能手机地图导航、高精度大地测量等。

(4)观测值：是指由定位设备输出的观测值，包括伪距观测值、伪距率和累加距离增量(ADR，Accumulated Delta Range)等参数；伪距测量的是卫星至定位设备的几何距离；伪距率测量的是定位设备与卫星的相对运动产生的多普勒效应；ADR测量的是卫星至定位设备的几何距离变化量。

(5)伪距观测值：是指定位过程中，信号接收机(例如定位设备)到卫星之间的大概距离。

(6)多普勒观测值：可以理解为通过信号接收机测定的卫星发送的无线电信号的多普勒测量或者多普勒计数。

(7)历元：是指信号接收机的观测时刻。

(8)载噪比，是用来表示载波与载波噪音关系的标准测量尺度。

(9)高度角，从信号接收机所在的点至卫星的方向线与水平面间的夹角。

(10)定位设备测量误差模型(即数据误差模型)：由于多路径效应、接收机测量噪声等影响，定位设备获取到的伪距、载波相位和多普勒观测值存在测量误差；定位设备测量误差模型表示定位设备测量误差统计特性(方差、标准差)关于信号载噪比、高度角等因素的函数关系式。

在解释本申请实施例的误差模型确定方法之前，首先对相关技术中的方法进行说明。

由于定位设备获取到的伪距测量值和多普勒观测值均与真实值之间存在误差，在定位之前，需要先确定出数据误差模型，并采用数据误差模型对误差进行标定。相关技术中，与误差标定相关的技术有以下几种：

在第一种方式中，首先，根据原始观测模型建立星间的单差观测模型；并根据建立的星间的单差观测模型建立历元间的双差观测模型；然后，选取公共星并获取该公共星相邻的两个历元的观测值，以及获取接收机的该相邻的两个历元的观测值；最后，根据建立的单差观测模型、历元间的双差观测模型、获得的公共星相邻的两个历元的观测值、以及获得的接收机的相邻的两个历元的观测值，确定观测噪声。

但是，该方式只是利用单差观测模型、历元间双差观测模型获取接收机测量噪声，而没有基于获取的接收机测量噪声序列建立伪距误差模型；该方案没有给出分析多普勒观测值噪声的相关方法。

在第二种方式中，首先，获取BDS观测值和预平差后的观测量残差，并确定BDS不同轨道类型观测值权比；然后，根据原始观测值实时求解当前历元每颗卫星的伪距观测值噪声；最后，利用观测值权比和伪距观测值方差实时分类求解观测值方差阵。

但是，该方式基于赫尔默特(Helmert)算法进行方差分量估计，算法复杂，计算量大，且估计得到的误差模型容易受到定位精度、对流层和电离层改正模型等影响，可靠性较差；该方案也没有给出分析多普勒观测值噪声的相关方法。

在第三种方式中，首先，在全球导航卫星系统(GNSS，Global Navigation Satellite System)定位数据处理过程中基于Melbourne-Wubbena(一种组合观测值算法)组合观测值和历元间三次差分的相位观测值之差的离散程度；然后，采用滑动窗口和衰减记忆法实时估计伪距和相位的噪声；最后，计算伪距和相位的噪声比作为定位随机模型中伪距-相位权比指标，通过定位随机模型实现GNSS自适应伪距-相位权比的确定。

但是，该方式采用滑动窗口和衰减记忆法实时估计伪距和相位的噪声，计算伪距和相位的噪声比作为定位随机模型中伪距-相位权比指标，实现GNSS自适应伪距-相位权比的确定，即仅估计伪距-相位权比而未标定伪距和多普勒测量误差模型，普适性不高。

在第四种方式中，首先，获取GNSS观测值；然后，确定各观测值对应的高度角、方位角和载噪比信息；并构建高度角、方位角和载噪比的定权函数；最后，将定权函数用于构建随机模型，通过该随机模型实现GNSS导航定位。

但是，该方式根据事先给定的误差模型计算GNSS观测值权重，没有考虑到不同定位设备测量噪声的差异，普适性差。

由上述相关技术中的几种实现方式可见，相关技术中，都无法针对各类移动设备同时给出伪距误差模型、载波相位误差模型和多普勒误差模型，也即数据误差模型的标定过程在各类移动终端中的实现难度较大，且误差标定算法的普适性较低，不能适应于不同的观测场景，从而使得采用数据误差模型估计得到的误差可靠性较差。

基于相关技术中所存在的上述问题，本申请实施例提供一种误差模型确定方法，该方法是一种利用功分器确定观测随机误差模型(即数据误差模型)的有效方法，由信号功分器将卫星信号分两路至两个相同的待标定设备a和b，采集两个两个相同的待标定设备a和b各自的伪距、载波相位和多普勒观测数据，通过采集的观测数据构建零基线并进行RTK解算；然后，对伪距双差残差序列、载波相位双差残差序列和多普勒单差残差序列进行网格化处理；最后，非线性拟合伪距测量误差标准差、载波相位测量误差标准差和多普勒测量误差标准差这三个误差标准差分别关于载噪比和高度角的函数关系式，从而得到至少两个待标定设备的数据误差模型。

本申请实施例提供的误差模型确定方法中，首先，获取至少两个待标定设备所采集的观测数据；然后，根据观测数据，对预先构建的观测方程进行解算，得到数据残差序列；并对数据残差序列进行网格化处理，得到数据残差网格；再然后，根据数据残差序列中的每一数据残差值，对数据残差网格进行网格误差处理，得到与数据残差网格对应的测量误差网格；最后，对测量误差网格进行非线性拟合，对应得到至少两个待标定设备的数据误差模型。如此，实现了对至少两个待标定设备的数据误差模型的标定，由于是基于数据残差序列中的每一数据残差值对数据残差网格进行网格误差处理，得到能够真实反映数据误差规律的测量误差网格，因此，能够准确的确定出数据误差模型；并且，由于该数据误差模型确定方法能够实现在各类移动终端和各种观测场景下进行数据误差模型标定，从而提高了数据误差模型确定过程的普适性，进一步提高了数据标定的普适性。

下面说明本申请实施例的误差模型确定设备的示例性应用，该误差模型确定设备是一种用于确定数据误差模型的电子设备。本申请实施例提供的误差模型确定系统至少包括待标定设备和误差模型标定设备(即误差模型确定设备)，其中，待标定设备的结构是已经确定好的，是用于观测目标观测对象并采集观测数据的设备。误差模型标定设备则可以实施为用户终端，也可以实施为服务器。在一种实现方式中，本申请实施例提供的误差模型标定设备可以实施为笔记本电脑，平板电脑，台式计算机，移动设备(例如，移动电话，便携式音乐播放器，个人数字助理，专用消息设备，便携式游戏设备)、智能机器人、智能家电、智能音箱、智能手表和车载终端等任意的具备数据处理功能的终端；在另一种实现方式中，本申请实施例提供的误差模型标定设备还可以实施为服务器，其中，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，还可以是提供云服务、云数据库、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。终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接，本申请实施例中不做限制。需要说明的是，当本申请实施例的误差模型标定设备用来确定数据误差模型中的伪距误差模型、载波相位误差模型和多普勒误差模型时，误差模型标定设备可以实施为服务器、个人电脑等数据处理设备；当误差模型标定设备用来基于伪距误差模型、载波相位误差模型和多普勒误差模型来进行定位时，误差模型标定设备可以是智能手机、车载导航设备等移动设备。下面，将说明数据处理设备实施为服务器时的示例性应用。

参见图1A，图1A是本申请实施例提供的误差模型确定系统10的一个可选的架构示意图，为实现支撑一个误差模型标定应用、基于位置服务的应用或者定位应用，本申请实施例提供的误差模型确定系统10中可以包括至少两个待标定设备(图1A中示例性的示出了待标定设备100-1和待标定设备100-2)、网络200和服务器300，其中服务器300构成本申请实施例的误差模型标定设备。其中，待标定设备100-1和待标定设备100-2通过网络200连接服务器300，网络200可以是广域网或者局域网，又或者是二者的组合。待标定设备100-1和待标定设备100-2用于观测目标观测对象，采集观测数据，并将观测数据通过网络200传输给服务器300。

在一些实施例中，误差模型确定系统还可以包括信号功分器(图中未示出)，用于将卫星信号分两路传输至两个相同的待标定设备100-1和待标定设备100-2。

在一些实施例中，误差模型确定系统还可以包括第一接收机、第二接收机、固定装置和固定板(图中未示出)，并且，待标定设备100-1、待标定设备100-2、第一接收机和第二接收机均通过固定装置被固定在固定板上。待标定设备100-1的相位中心、待标定设备100-2的相位中心、第一接收机的相位中心和第二接收机的相位中心，均保持在同一条直线上。

本申请实施例中，服务器300(即误差模型标定设备)在接收到至少两个待标定设备所采集的观测数据之后，根据所述观测数据，对预先构建的观测方程进行解算，得到数据残差序列；然后，对数据残差序列进行网格化处理，得到数据残差网格；再然后，根据数据残差序列中的每一数据残差值，对数据残差网格进行网格误差处理，得到与数据残差网格对应的测量误差网格；最后，对测量误差网格进行非线性拟合，对应得到至少两个待标定设备的数据误差模型，其中，数据误差模型用于对至少两个待标定设备的观测数据进行误差估计。在得到数据误差模型之后，服务器300通过网络200将数据误差模型反馈给待标定设备100-1和待标定设备100-2，或者，服务器300存储该数据误差模型，这样在后续对任意待定位设备进行定位时，可以基于数据误差模型来进行定位。

在一些实施例中，当误差模型标定设备实施为终端时，还可以依据数据误差模型来实现定位功能，即可以基于确定出的数据误差模型对智能手机、车载导航设备等移动设备进行准确的定位。

图1B是本申请实施例提供的待标定设备采集观测数据的示意图，如图1B所示，任一待标定设备201均可以接收不同的卫星信号，如图1B中的卫星1、卫星2和卫星3，得到观测数据，观测数据包括但不限于每一历元的伪距、载波相位和多普勒观测数据。

本申请实施例所提供的误差模型确定方法还可以基于云平台并通过云技术来实现，例如，上述服务器300可以是云端服务器，通过云端服务器根据观测数据，对预先构建的观测方程进行解算，以及对数据残差序列进行网格化处理、对测量误差网格进行非线性拟合。在一些实施例中，还可以具有云端存储器，可以将得到的数据误差模型存储至云端存储器中，以便于后续在进行定位时使用。

这里需要说明的是，云技术(Cloud technology)是指在广域网或局域网内将硬件、软件、网络等系列资源统一起来，实现数据的计算、储存、处理和共享的一种托管技术。云技术是指基于云计算模式应用的网络技术、信息技术、整合技术、管理平台技术、应用技术等的总称，可以组成资源池，按需所用，灵活便利。云计算技术将变成重要支撑。技术网络系统的后台服务需要大量的计算、存储资源，如视频网站、图片类网站和更多的门户网站。伴随着互联网行业的高度发展和应用，将来每个物品都有可能存在自己的识别标志，都需要传输到后台系统进行逻辑处理，不同程度级别的数据将会分开处理，各类行业数据皆需要强大的系统后盾支撑，通过云计算来实现。

图2是本申请实施例提供的误差模型确定设备的结构示意图，图2所示的误差模型确定设备包括：至少一个处理器310、存储器350、至少一个网络接口320和用户接口330。误差模型确定设备中的各个组件通过总线系统340耦合在一起。可理解，总线系统340用于实现这些组件之间的连接通信。总线系统340除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图2中将各种总线都标为总线系统340。

处理器310可以是一种集成电路芯片，具有信号的处理能力，例如通用处理器、数字信号处理器(DSP，Digital Signal Processor)，或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其中，通用处理器可以是微处理器或者任何常规的处理器等。

用户接口330包括使得能够呈现媒体内容的一个或多个输出装置331，包括以下至少之一：一个或多个扬声器、一个或多个视觉显示屏。用户接口330还包括一个或多个输入装置332，包括有助于用户输入的用户接口部件，比如键盘、鼠标、麦克风、触屏显示屏、摄像头、其他输入按钮和控件。

存储器350可以是可移除的，不可移除的或其组合。示例性的硬件设备包括固态存储器，硬盘驱动器，光盘驱动器等。存储器350可选地包括在物理位置上远离处理器310的一个或多个存储设备。存储器350包括易失性存储器或非易失性存储器，也可包括易失性和非易失性存储器两者。非易失性存储器可以是只读存储器(ROM，Read Only Memory)，易失性存储器可以是随机存取存储器(RAM，Random Access Memory)。本申请实施例描述的存储器350旨在包括任意适合类型的存储器。在一些实施例中，存储器350能够存储数据以支持各种操作，这些数据的示例包括程序、模块和数据结构或者其子集或超集，下面示例性说明。

操作系统351，包括用于处理各种基本系统服务和执行硬件相关任务的系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务；网络通信模块352，用于经由一个或多个(有线或无线)网络接口320到达其他计算设备，示例性的网络接口320包括：蓝牙、无线相容性认证(WiFi)、和通用串行总线(USB，Universal Serial Bus)等；输入处理模块353，用于对一个或多个来自一个或多个输入装置332之一的一个或多个用户输入或互动进行检测以及翻译所检测的输入或互动。

在一些实施例中，本申请实施例提供的装置可采用软件方式实现，图2示出了存储在存储器350中的一种误差模型确定装置354，该误差模型确定装置354可以是误差模型确定设备中的误差模型确定装置，其可以是程序和插件等形式的软件，包括以下软件模块：解算模块3541、网格化处理模块3542、网格误差处理模块3543和非线性拟合模块3544，这些模块是逻辑上的，因此根据所实现的功能可以进行任意的组合或进一步拆分。将在下文中说明各个模块的功能。

在另一些实施例中，本申请实施例提供的装置可以采用硬件方式实现，作为示例，本申请实施例提供的装置可以是采用硬件译码处理器形式的处理器，其被编程以执行本申请实施例提供的误差模型确定方法，例如，硬件译码处理器形式的处理器可以采用一个或多个应用专用集成电路(ASIC，Application Specific Integrated Circuit)、DSP、可编程逻辑器件(PLD，Programmable Logic Device)、复杂可编程逻辑器件(CPLD，Complex Programmable Logic Device)、现场可编程门阵列(FPGA，Field-Programmable Gate Array)或其他电子元件。

下面将结合本申请实施例提供的误差模型确定设备的示例性应用和实施，说明本申请实施例提供的误差模型确定方法，其中，该误差模型确定设备可以是任意一种具备数据处理功能的终端，或者也可以是服务器，即本申请实施例的误差模型确定方法可以通过终端来执行，也可以通过服务器来执行，或者还可以通过终端与服务器进行交互来执行。

参见图3，图3是本申请实施例提供的误差模型确定方法的一个可选的流程示意图，下面将结合图3示出的步骤进行说明，需要说明的是，图3中的误差模型确定方法可以是通过服务器作为执行主体来实现的。

步骤S301，获取至少两个待标定设备所采集的观测数据，并根据观测数据，对预先构建的观测方程进行解算，得到数据残差序列。

本申请实施例中，可以获取至少两个待标定设备所采集的观测数据。其中，观测数据可以为目标观测对象的观测数据，包括但不限于以下至少之一：伪距观测数据、载波相位观测数据和多普勒观测数据。待标定设备可以是RTK终端，即待标定设备可以是终端或者接收机等任意一种能够接收目标观测对象的信号，并能够基于卫星信号采集观测数据的设备。

本申请实施例可以实现对待标定设备中的移动终端进行误差模型标定，即为移动终端确定数据误差模型。本申请实施例的误差模型确定方法可以应用于以下场景：待标定设备可以处于开阔场地或者被固定在车架上，在待标定设备被固定好之后，开始观测目标观测对象，并采集所观测到的目标观测对象的观测数据，直至观测时长达到了预设时长时停止观测；在停止观测时，待标定设备将采集到的观测数据传输给服务器(即误差模型确定设备)。需要说明的是，预设时长中包括多个历元，因而，观测数据其实是由多个历元中的每个历元的子观测数据组成的。在每一子观测数据中，可以包括观测到的载噪比、高度角、伪距观测数据、载波相位观测数据和多普勒观测数据等。可以理解的是，预设时长可以为1天，也可以为3天，还可以为设置好的其他时长。

在一些实施例中，服务器接收到待标定设备发送的观测数据之后，服务器还会依据观测数据，从依据精密星历所计算出的目标观测对象的轨道数据中，选取出所观测到的目标观测对象对应的数据。在所选取出的数据中，可以包括目标观测对象的坐标、运行速度和钟差等。之后，可以基于目标观测对象的坐标、运行速度和钟差等数据，以及待标定设备的位置和每一子观测数据执行后续的步骤，来确定数据误差模型，从而实现本申请实施例的误差模型确定方法。

本申请实施例中，数据残差序列包括伪距残差序列、载波相位残差序列和多普勒残差序列。伪距残差序列至少包括伪距双差残差序列；载波相位残差序列至少包括载波相位双差残差序列；多普勒残差序列至少包括多普勒单差残差序列。

观测方程可以包括RTK观测方程和多普勒观测方程，其中RTK观测方程用于实现对伪距观测数据、载波相位观测数据的处理，以确定伪距残差序列和载波相位残差序列；多普勒观测方程用于实现对多普勒观测数据的处理，以确定多普勒残差序列。本申请实施例中，可以预先构建观测方程或者在得到观测数据后构建观测方程。

当观测方程为RTK观测方程时，RTK观测方程中的参数至少包括：伪距观测数据和载波相位观测数据、待标定设备的位置和载波相位双差模糊度。根据观测数据对预先构建的观测方程进行解算，可以是将获取的观测数据代入至观测方程中，得到方程中待标定设备的位置和载波相位双差模糊度，然后对得到的待标定设备的位置和载波相位双差模糊度进行模糊度固定处理，得到待标定设备的位置的固定解和载波相位双差模糊度固定值。之后，再将所得到的待标定设备的位置的固定解和载波相位双差模糊度固定值代入至所构建的观测方程中，即可得到伪距双差残差和载波相位双差残差值。此时，所得到的伪距双差残差和载波相位双差残差值为任一时刻(即任一历元)下的伪距双差残差和载波相位双差残差值。可以继续采用上述方式确定出其他时刻的伪距双差残差和载波相位双差残差值，如此，对于预设时长的伪距观测数据和载波相位观测数据，则可以对应确定出伪距双差残差序列和载波相位双差残差序列。

当观测方程为多普勒观测方程时，多普勒观测方程中的参数至少包括：多普勒观测数据、目标观测对象运行速度、待标定设备的钟漂和目标观测对象钟漂，观测的多个目标观测对象中具有一个参考观测对象。根据观测数据对预先构建的观测方程进行解算，可以是将多普勒观测数据代入至观测方程中，得到每个目标观测对象的多普勒观测数据与参考观测对象的多普勒观测数据之间的差值，进而根据差值确定多普勒单差残差序列。

本申请实施例中，目标观测对象可以是待标定设备观测的卫星，参考观测对象可以是参考卫星。

步骤S302，对数据残差序列进行网格化处理，得到数据残差网格。

这里，网格化处理可以是基于预先构建的网格，将每一目标观测对象对应到网格中的一个目标网格单元中，然后将与该目标观测对象对应的数据残差序列归类至该目标观测对象对应的目标网格单元中。

本申请实施例中，可以预先构建不同观测对象系统下的网格，也就是说，对于不同的观测对象系统，分别构建一个网格。举例来说，对于不同的观测对象系统，例如，GPS系统、GLONASS系统、GALILEO系统以及北斗卫星系统，则可以分别构建GPS系统下的GPS网格、GLONASS系统下的GLONASS网格、GALILEO系统下的GALILEO系网格以及北斗卫星系统下的BDS网格。每个网格中包括多个网格单元，同一网格中的全部网格单元的面积相等。

对数据残差序列进行网格化处理时，可以是将数据残差序列归类至该数据残差序列所对应的目标观测对象的目标网格单元中，得到数据残差网格。

步骤S303，根据数据残差序列中的每一数据残差值，对数据残差网格进行网格误差处理，得到与数据残差网格对应的测量误差网格。

本申请实施例中，网格误差处理是指在计算出每一时刻的数据残差序列之后，针对每一时刻的数据残差序列计算标准差，则可以对应得到每一时刻的数据测量误差标准差；然后，将所得到的数据测量误差标准差，归类至该数据测量误差标准差所对应的目标观测对象的目标网格单元中，得到测量误差网格，其中，该测量误差网格可以是观测数据测量误差标准差网格。或者，在其他实施例中，网格误差处理还可以是直接针对数据残差网格中每一网格单元中的数据残差序列进行标准差计算，得到每一网格单元的数据残差序列的标准差，进而得到测量误差网格。

步骤S304，对测量误差网格进行非线性拟合，得到至少两个待标定设备的数据误差模型。

本申请实施例中，在得到测量误差网格之后，可以通过非线性拟合算法，对测量误差网格进行非线性拟合，这时拟合所得到的函数关系式，就是至少两个待标定设备的数据误差模型。这里，对测量误差网格进行非线性拟合，实际上是指对测量误差网格中的观测数据测量误差标准差序列进行非线性拟合。数据误差模型可以包括：伪距误差模型、载波相位误差模型和多普勒误差模型。伪距误差模型、载波相位误差模型和多普勒误差模型可以共同用于对至少两个待标定设备的定位。

需要说明的是，本申请实施例中，这至少两个待标定设备可以包括第一终端和第二终端，且第一终端和第二终端的型号是相同的，第一终端和第二终端关于目标观测对象在观测时的各项指标也是相同的，因此，服务器会同时为这至少两个待标定设备确定出数据误差模型。

可以理解的是，在一些实施例中，服务器可以利用最小二乘法对测量误差网格中的观测数据测量误差标准差序列进行拟合，得到数据误差模型。在另一些实施例中，服务器还可以通过人工智能技术中的人工神经网络、卷积神经网络等，来对观测数据测量误差标准差序列进行拟合(这是由于神经网络强大的函数拟合能力)，从而得到数据误差模型。

本申请实施例提供的误差模型确定方法，根据至少两个待标定设备所采集的观测数据，对预先构建的观测方程进行解算，得到数据残差序列；然后对数据残差序列进行网格化处理，并进一步确定出与数据残差网格对应的测量误差网格；对测量误差网格进行非线性拟合，对应得到数据误差模型，实现了对至少两个待标定设备的数据误差模型的标定。该误差模型确定方法能够实现在各类移动终端中准确的确定出数据误差模型，从而基于数据误差模型对采集的观测数据进行准确的标定，提高了数据标定的普适性。

在一些实施例中，步骤S303中，根据数据残差序列中的每一数据残差值，对数据残差网格进行网格误差处理，得到与数据残差网格对应的测量误差网格，可以通过以下方式实现：首先，确定数据残差序列中的每一数据残差值在数据残差网格中对应的网格单元；然后，根据数据残差序列中的每一数据残差值，对数据残差网格进行误差计算，得到数据残差网格中的每一网格单元对应于数据残差序列的误差值；最后，根据每一网格单元对应的误差值和每一网格单元的位置，确定出与数据残差网格对应的测量误差网格。

本申请实施例中，数据残差网格对应有多个网格单元，每一网格单元中至少对应有一组伪距双差残差序列、一组载波相位双差残差序列和一组多普勒单差残差序列，也就是说，预先将数据残差序列中的伪距双差残差序列、载波相位双差残差序列和多普勒单差残差序列，归类至预先构建的网格的网格单元中。

这里，可以根据数据残差序列中的每一数据残差值，对所述数据残差网格进行标准差计算，得到所述数据残差网格中的每一网格单元对应于所述数据残差序列的误差标准差值，将误差标准差值确定为误差值。其中，数据残差值包括但不限于：伪距双差残差值、载波相位双差残差值和多普勒单差残差值。

在一些实施例中，可以根据每一网格单元的位置，将每一网格单元对应的误差标准差值，归类至对应的网格单元中，得到归类后的网格单元；并对归类后的网格单元进行汇总，得到测量误差网格。

本申请实施例中，每一网格单元的位置是指该网格单元在网格中对应的位置，其中，位置可以是网格单元的坐标位置，或者，可以对构建的网格中的每一网格单元预先添加位置标识，根据位置标识可以确定出网格单元在网格中对应的位置。

本申请实施例中，在确定与数据残差网格对应的测量误差网格时，是基于预先构建的网格来实现的，通过将数据残差序列中的每一个数据残差归类至网格中的每一个网格单元中，之后，可以基于数据残差在网格中的网格单元的位置，将计算得到的误差标准差值也归类至网格单元中，从而实现所计算的误差标准差值与数据残差序列之间的准确匹配；并且，由于预先构建的网格中包括多个具有相同面积的网格单元，因此基于该网格得到的测量误差网格，在后续进行非线性拟合时，能够对数据进行准确的拟合，得到准确的数据误差模型。

图4是本申请实施例提供的误差模型确定方法的另一个可选的流程示意图，如图4所示，方法包括以下步骤：

步骤S401，获取至少两个待标定设备所采集的观测数据。

在一些实施例中，观测数据包括多个历元中的每一历元下的子观测数据。

步骤S402，针对每一历元的子观测数据，根据子观测数据，对观测方程进行加权最小二乘解算，得到子观测数据残差值。

本申请实施例中，子观测数据包括伪距和载波相位，子观测数据残差值可以是子观测数据双差残差值，观测方程为RTK观测方程。

在一些实施例中，步骤S402可以通过以下方式实现：首先，针对每一历元，根据该历元的子观测数据，对RTK观测方程进行加权最小二乘解算，得到任一待标定设备的位置信息和载波相位模糊度浮点解；然后，对载波相位模糊度浮点解进行模糊度固定，得到载波相位模糊度固定值。再然后，对载波相位模糊度固定值进行解算，得到位置信息的固定解，并将位置信息的固定解和载波相位模糊度固定值代入RTK观测方程，得到伪距残差值和载波相位残差值。最后，将伪距残差值和载波相位残差值，确定为对应于子观测数据的子观测数据残差值。

这里，可以基于参考站的子观测数据和目标标定设备所采集的该历元的子观测数据，对RTK观测方程进行加权最小二乘解算，得到目标标定设备的位置信息和载波相位双差模糊度浮点解。

RTK观测方程中的参数至少包括：目标标定设备与每一目标观测对象的几何距离、伪距观测数据和载波相位观测数据、待标定设备的位置和载波相位双差模糊度。

由于在实际过程中，每个历元下目标标定设备所观测到的目标观测对象，与参考站所观测到的目标观测对象是不同的，观测数据残差序列需要结合目标标定设备和参考站共同观测到的每个共同的目标观测对象所对应的参数来进行标定，以及需要结合每个共同观测到的目标观测对象所对应的参考观测对象对应的参数来进行标定，将每个共同的目标观测对象所对应的参数和每个共同的目标观测对象的参考观测对象的参数，记作匹配参数。也就是说，匹配参数包括目标标定设备和参考站共同观测到的目标观测对象的参数，以及共同观测到的目标观测对象的参考观测对象的参数。

误差模型标定设备在标定观测数据残差序列时，需要对所有历元的子观测数据、所有历元的匹配参数都进行分析，才能够统计出目标标定设备和参考站在不同的载噪比和高度角下的分布情况，从而得到目标标定设备和参考站共同对应的观测数据残差序列。

可以理解的是，由于目标观测对象数据是依据观测数据从依据精密星历所计算出的各个目标观测对象的轨道数据中获取到的，因而，匹配参数也是属于依据精密星历所计算出的各个目标观测对象的轨道数据中的一部分。

本申请实施例中，可以结合每一历元的子观测数据、所有目标观测对象的匹配参数，分别对RTK观测方程进行加权最小二乘解算，得到在该历元下，任一待标定设备的位置信息和载波相位双差模糊度浮点解。该待标定设备的位置信息和载波相位双差模糊度浮点解可以作为RTK观测方程中的参数回代至RTK观测方程中，从而得到观测数据残差序列。

本申请实施例中，当子观测数据包括伪距和载波相位时，载波相位模糊度浮点解可以是载波相位双差模糊度浮点解，载波相位模糊度固定值可以是载波相位双差模糊度固定值。

本申请实施例中，子观测数据的子观测数据残差值包括伪距残差值和载波相位残差值，在一些实施例中，伪距残差值和载波相位残差值可以分别是伪距双差残差值和载波相位双差残差值。

步骤S403，根据多个历元的先后顺序，对得到的多个子观测数据残差值进行汇总，形成数据残差序列。

本申请实施例中，依次对每个历元的子观测数据进行上述步骤S4021至步骤S4025的处理，得到该历元下的伪距双差残差值和载波相位双差残差值，然后，将多个历元下的伪距双差残差值和载波相位双差残差值进行汇总，形成伪距双差残差值序列和载波相位双差残差值序列，其中，观测数据残差序列包括该伪距双差残差值序列和载波相位双差残差值序列。

步骤S404，以载噪比为纵坐标、以高度角为横坐标，按照预设载噪比间隔和预设高度角间隔，构建不同观测对象系统下的网格。

可以理解的是，两个待标定设备共同观测到的所有目标观测对象由一个或多个预设观测对象系统中的目标观测对象组成。预设观测对象系统可以包括GPS系统、GLONASS系统、GALILEO系统以及BDS系统等系统。本申请实施例中，可以获取共同观测到的目标观测对象的载噪比和高度角，并针对共同观测到的目标观测对象所属的一个或多个预设观测对象系统中的每个预设观测对象系统，都构建出多个载噪比-高度角类别单元，将这种载噪比-高度角类别单元记为系统载噪比-高度角类别单元，从而，误差模型确定设备会得到多个系统下的载噪比-高度角类别单元。可以理解的是，每个预设观测对象系统的多个系统载噪比-高度角类别单元，可以组成该预设观测对象系统对应的网格。也就是，可以以载噪比为纵坐标、以高度角为横坐标，按照预设载噪比间隔和预设高度角间隔，构建不同观测对象系统下的网格。其中，在同一网格中，预设载噪比间隔和预设高度角间隔是该网格中每个网格单元的边长。

步骤S405，针对于每一观测对象系统，根据观测载噪比和观测高度角，确定目标观测对象对应于网格中的目标网格单元的位置。

这里，对应于网格中的目标网格单元的位置的目标观测对象，是指待标定设备所观测的目标观测对象，也就是与观测数据对应的目标观测对象。可以得到该目标观测对象的观测载噪比和观测高度角，然后根据观测载噪比和观测高度角，在网格中确定出对应的网格单元，为目标网格单元。

步骤S406，将每一子观测数据残差值，归类至所对应的目标观测对象的目标网格单元中，得到数据残差网格。

本申请实施例中，可以是将每一子观测数据残差值中的伪距双差残差值和载波相位双差残差值，分别归类至所对应的目标观测对象的目标网格单元中。其中，每一目标观测对象的目标网格单元中对应有一组伪距双差残差序列和一组载波相位双差残差序列。

步骤S407，根据伪距双差残差序列中的每一伪距双差残差值，确定伪距双差残差序列的第一标准差；根据载波相位双差残差序列中的每一载波相位双差残差值，确定载波相位双差残差序列的第二标准差。

这里，可以计算每一时刻的伪距双差残差序列的第一标准差、每一时刻的载波相位双差残差序列的第二标准差。

步骤S408，根据每一目标观测对象的目标网格单元和第一标准差，确定出伪距测量误差标准差网格。

本申请实施例中，在计算出每一时刻的伪距双差残差序列的第一标准差之后，将所得到的第一标准差，归类至该第一标准差所对应的目标观测对象的目标网格单元中，得到伪距测量误差标准差网格。伪距测量误差标准差网格能够描述至少两个待标定设备的伪距测量误差标准差在目标观测对象的载噪比和高度角下的离散分布。

步骤S409，对伪距测量误差标准差网格进行非线性拟合，对应得到至少两个待标定设备的伪距误差模型。

本申请实施例中，可以对伪距测量误差标准差网格进行非线性拟合，得到伪距测量误差标准差关于载噪比和高度角的第一函数关系式，根据第一函数关系式得到至少两个待标定设备的伪距误差模型。

步骤S410，根据每一目标观测对象的目标网格单元和所述第二标准差，确定出载波相位测量误差标准差网格。

本申请实施例中，在计算出每一时刻的伪距双差残差序列的第二标准差之后，将所得到的第二标准差，归类至该第二标准差所对应的目标观测对象的目标网格单元中，得到载波相位测量误差标准差网格。载波相位测量误差标准差网格能够描述至少两个待标定设备的载波相位测量误差标准差在目标观测对象的载噪比和高度角下的离散分布。

步骤S411，对载波相位测量误差标准差网格进行非线性拟合，对应得到至少两个待标定设备的载波相位误差模型。

本申请实施例中，可以对载波相位测量误差标准差网格进行非线性拟合，得到载波相位测量误差标准差关于载噪比和高度角的第二函数关系式，根据第二函数关系式得到至少两个待标定设备的载波相位误差模型。

本申请实施例中，分别计算伪距双差残差序列的第一标准差、以及载波相位双差残差序列的第二标准差，进而基于第一标准差确定出伪距测量误差标准差网格、基于第二标准差确定出载波相位测量误差标准差网格，从而能够分别对伪距测量误差标准差网格和载波相位测量误差标准差网格进行非线性拟合后得到伪距误差模型和载波相位误差模型，其中，伪距误差模型能够实现对所观测的观测数据中的伪距进行标定，载波相位误差模型能够实现对所观测的观测数据中的载波相位进行标定。如此，分别基于两种误差模型针对性的对相应的观测数据进行误差标定，能够实现对观测数据进行更加准确的标定。

图5是本申请实施例提供的误差模型确定方法的再一个可选的流程示意图，如图5所示，方法包括以下步骤：

步骤S501，获取至少两个待标定设备所采集的观测数据。

在一些实施例中，观测数据包括多个历元中的每一历元的子观测数据。观测方程为多普勒观测方程。

步骤S502，根据每一历元的子观测数据，对多普勒观测方程进行解算，得到在该历元下的多普勒单差残差序列。

步骤S503，将每一历元下的多普勒单差残差序列，确定为数据残差序列。

步骤S504，将每一历元下的多普勒单差残差序列中的多普勒单差残差值，归类至对应的目标观测对象的目标网格单元中，得到观测数据单差残差网格。其中，每一目标观测对象的目标网格单元中对应有一组多普勒单差残差序列。

步骤S505，根据多普勒单差残差序列中的每一多普勒单差残差值，确定每一待标定设备对应的多普勒单差残差序列的第三标准差。

步骤S506，根据每一待标定设备的所述第三标准差，确定出待标定设备的多普勒标准差网格。

步骤S507，根据全部待标定设备的多普勒标准差网格，确定出多普勒测量误差标准差网格。

步骤S508，对多普勒测量误差标准差网格进行非线性拟合，对应得到至少两个待标定设备的多普勒误差模型。

本申请实施例中，可以对多普勒测量误差标准差网格进行非线性拟合，得到多普勒测量误差标准差关于载噪比和高度角的第三函数关系式，根据第三函数关系式得到至少两个待标定设备的多普勒误差模型。

本申请实施例中，通过计算多普勒单差残差序列的第三标准差，进而基于第三标准差确定出多普勒测量误差标准差网格，从而能够对多普勒测量误差标准差网格进行非线性拟合后得到多普勒误差模型，其中，多普勒误差模型能够实现对所观测的观测数据中的多普勒数据进行标定。如此，基于多普勒误差模型针对性的对相应的观测数据中的多普勒数据进行误差标定，能够实现对观测数据中的多普勒数据进行更加准确的标定。

下面，将说明本申请实施例在一个实际的应用场景中的示例性应用。

本申请实施例提供一种误差模型确定方法，该方法是一种利用信号功分器标定观测随机误差模型的方法，由信号功分器将卫星信号分两路至两个相同RTK终端(即上述待标定设备)，采集两个RTK终端中相同的定位模组a和定位模组b的伪距、载波相位和多普勒观测数据，基于观测数据构建零基线，并对观测数据进行RTK解算；然后，对伪距双差残差序列、载波相位双差残差序列和多普勒单差残差序列进行网格化处理，并非线性拟合伪距测量误差标准差关于载噪比CN0和高度角的函数关系式、载波相位测量误差标准差关于载噪比CN0和高度角的函数关系式、和多普勒测量误差标准差关于载噪比CN0和高度角的函数关系式。

图6是本申请实施例提供的误差模型确定方法的流程示意图，如图6所示，方法包括以下步骤：

步骤S601，由信号功分器61将卫星信号分两路发送至两个相同RTK终端62和RTK终端63。

步骤S602，采集两个相同RTK终端中的定位模组的观测数据：伪距观测数据、载波相位观测数据和多普勒观测数据。

步骤S603，构建零基线。

步骤S604，进行RTK解算。

步骤S605，获取伪距双差残差序列、载波相位双差残差序列和多普勒单差残差序列。

步骤S606，对不同观测对象系统进行网格化处理，构建时间序列网格。

步骤S607，根据时间序列网格计算待标定RTK终端62和RTK终端63的伪距观测数据测量误差方差和标准差、载波相位观测数据测量误差方差和标准差、和多普勒观测数据测量误差方差和标准差网格。

步骤S608，非线性拟合伪距测量误差标准差、载波相位测量误差标准差、和多普勒测量误差标准差，关于载噪比CN0和高度角的函数关系式，得到观测随机误差模型，即得到数据误差模型。

下面对伪距观测随机误差模型确定流程、载波相位观测随机误差模型确定流程和多普勒观测随机误差模型确定流程进行说明。

图7是本申请实施例提供的伪距和载波相位观测随机误差模型确定流程示意图，如图7所示，标定数据序列71为观测到的观测数据，标定数据序列71包括多个历元下观测到的标定数据单元72(即子观测数据)，标定数据单元72包括RTK终端a和RTK终端b的伪距观测数据或载波相位观测数据、RTK终端a和RTK终端b的精密坐标。在获取到标定数据单元72之后，标定流程包括以下步骤：

步骤S701，根据标定数据单元计算待标定设备(即RTK终端a和RTK终端b)精密坐标。

步骤S702，在标定数据单元中查找待标定设备观测到的相同的目标观测对象S＝{s1,s2…sm}。

步骤S703，根据载噪比和高度角计算网格单元位置。

步骤S704，构建零基线，进行RTK解算。

步骤S705，计算伪距相位双差残差值或载波相位双差残差值。

本申请实施例中，当获取到RTK终端a和RTK终端b的伪距或载波相位零基线观测数据后，对零基线观测数据进行RTK解算，假设在t时刻RTK终端a和RTK终端b共视m颗目标观测对象，则构建如下公式(1)和(2)的RTK观测方程z _ρ和

其中，

i＝1,2,...,m表示RTK终端a与目标观测对象i的几何距离；

i＝1,2,...,m表示RTK终端b与目标观测对象i的几何距离；

以此类推；其中，

i＝1,2,...,m表示RTK终端a至目标观测对象i的伪距观测值，

i＝1,2,...,m表示RTK终端b至目标观测对象i的伪距观测值，

表示RTK终端a和b与目标观测对象1和目标观测对象2组成的伪距双差观测值，以此类推；

i＝1,2,...,m表示RTK终端a至目标观测对象i的载波相位观测值，

i＝1,2,...,m表示RTK终端b至目标观测对象i的载波相位观测值，

表示RTK终端a和b与目标观测对象1和目标观测对象2组成的载波相位双差观测值，以此类推。

为双差电离层延迟，可以采用经验模型计算得到；

为双差对流层延迟，可以采用经验模型计算得到；其中，目标观测对象1可以为参考观测对象。

以RTK终端b为参考站，对上式(1)和(2)进行加权最小二乘解算或卡尔曼滤波解算，得到RTK终端a的位置r _a、载波相位双差模糊度

浮点解；载波相位双差模糊度

为整数，采用MLAMBDA方法进行模糊度固定，获取载波相位双差模糊度固定值

由载波相位模糊度固定值解算得到RTK终端a的位置r _a的固定解

将

作为已知值代入至上述RTK观测方程，可得伪距和载波相位双差残差值，见以下公式(3)和(4)：

对N个时刻的RTK终端a和RTK终端b的伪距或载波相位数据均做上述处理，即可得到N个时刻的伪距和载波相位双差残差序列。

步骤S706，将伪距或载波相位双差残差值根据观测对象系统和网格单元位置归类放置。

将载噪比CN0和高度角按照一定的间隔组成网格，这里，一定的间隔可以是网格中的每一网格单元的长度和宽度。如图8所示，是本申请实施例提供的载噪比CN0和高度角网格示意图。由于观测对象系统通常包含GPS、GLONASS、GALILEO以及北斗卫星系统，因此可以构建4个与四个观测对象系统分别相应的网格，如图9所示，是本申请实施例提供的GPS、GLONASS、GALILEO和BDS系统网格示意图。假设GPS、GLONASS(图9中以GLO表示)、GALILEO(图9中以GAL表示)和BDS网格的载噪比和高度角间隔为Δ和

则网格单元可表示为以下公式(5)：

{[a _i,b _i],[c _j,d _j]} (5)。

请继续参见图8，载噪比间隔和高度角间隔分别为ΔdBHz和

图中标号1、2、6、7和9表示目标观测对象编号：例如，当

时，若目标观测对象2的伪距观测值信噪比为21dBHz，高度角为8°，则将目标观测对象2的伪距双差残差值放至图8中的标号2处，以此类推，将所有历元的伪距双差残差值进行网格归类放置。

上述公式(5)中，[a _i,b _i]为网格单元的上下边界值，[c _j,d _j]为网格单元的左右边界值，且有以下公式(6)：

其中，i＝0,1,...；j＝0,1,...；Δ和

分别表示网格单元左右和上下间隔(即载噪比间隔和高度角间隔)。

步骤S707，构建时间序列网格。

步骤S708，根据时间序列网格计算待标定设备的伪距/载波相位测量误差方差和标准差网格。

本申请实施例中，可以利用下述步骤对伪距双差残差序列

进行网格化处理：

首先，假设目标观测对象i,i＝2,3,...,m的载噪比和高度角为CN0 _i和el _i，计算目标观测对象i的网格单元位置，即

[·]表示取整运算；然后，将伪距双差残差

归类至相应观测对象系统的网格单元中：若目标观测对象i属于GPS系统，则归类至GPS网格单元{[a _p,b _p],[c _q,d _q]}，若目标观测对象i属于GLONASS系统，则归类至GLONASS网格单元{[a _p,b _p],[c _q,d _q]}，若目标观测对象i属于GALILEO系统，则归类至GALILEO网格单元{[a _p,b _p],[c _q,d _q]}，若目标观测对象i属于BDS系统，则归类至BDS网格单元{[a _p,b _p],[c _q,d _q]}；最后，以此类推，对伪距双差残差序列

中各个元素均做上述处理。

同样地，对载波相位双差残差序列

也做上述处理；将所有时刻伪距双差残差序列均做上述处理，则每个网格单元对应一组伪距双差残差值序列，即表现为以下公式(7)：

s _SYS([a _i,b _i],[c _j,d _j])＝{z ₁,z ₂,…,z _l},i＝0,1,...；j＝0,1,...；SYS＝GPS,GLO,GAL,BDS (7)。

构建如下公式(8)至(11)的序列网格：

设最大载噪比和高度角为CN0 _max和el _max，则有如下公式(12)的关系式：

计算网格单元对应伪距双差残差值序列s _SYS([a _i,b _i],[c _j,d _j])的标准差，得到以下公式(13)：

由此，可得伪距测量误差标准差网格，即以下公式(14)至(17)：

步骤S709，非线性拟合伪距/载波相位测量误差标准差关于载噪比和高度角的函数关系式。

本申请实施例中，可以根据所得到的伪距测量误差标准差网格，非线性拟合伪距测量误差标准差关于载噪比CN0和高度角的函数关系式；同样地，对载波相位双差残差序列也做上述处理，即可得到载波相位测量误差标准差网格，根据所得到的载波相位测量误差标准差网格，非线性拟合载波相位测量误差标准差关于载噪比CN0和高度角的函数关系式。

图10是本申请实施例提供的多普勒观测随机误差模型标定流程示意图，如图10所示，标定数据序列1001为观测到的观测数据，标定数据序列1001包括多个历元下观测到的标定数据单元1002(即子观测数据)，标定数据单元1002包括多普勒观测值和终端参考运动速度。在获取到标定数据单元1002之后，标定流程包括以下步骤：

步骤S101，根据标定数据单元计算待标定设备(包括RTK终端a和RTK终端b)的坐标和速度。

步骤S102，由标定数据单元中获取待标定设备多普勒观测对象S＝{s1,s2…sm}。

步骤S103，根据载噪比和高度角计算网格单元位置。

步骤S104，选择参考观测对象并构建多普勒单差观测方程。

步骤S105，计算多普勒单差残差值。

本申请实施例中，假设在t时刻RTK终端a观测到n颗目标观测对象，则可构建如下多普勒观测方程(18)：

其中，λ为目标观测对象播发信号的波长，

i＝1,2,...,n为RTK终端a观测到目标观测对象i的多普勒观测值，v ⁱ,i＝1,2,......,n为目标观测对象i的运行速度，v _a为RTK终端a的速度，dt _r为终端接收机钟漂，c为钟漂系数；

i＝1,2,......,n为目标观测对象i钟漂；以目标观测对象1为参考观测对象，可得多普勒单差残差序列为以下公式(19)：

步骤S106，将多普勒单差残差值根据运动速度和网格单元位置归类放置。

步骤S107，构建时间序列网格。

步骤S108，根据时间序列网格计算待标定设备的多普勒测量误差标准差网格。

本申请实施例中，可以利用下述步骤对多普勒单差残差序列

进行网格化处理：首先，假设目标观测对象i,i＝2,3,...,m的载噪比和高度角为CN0 _i和el _i，计算目标观测对象i的网格单元位置，即

[·]表示取整运算；然后，将多普勒单差残差值

归类至网格单元中；最后，以此类推，对多普勒单差残差序列中的其他元素也做上述处理。

将RTK终端a和RTK终端b所有时刻多普勒单差残差序列均做上述处理，则每个网格单元对应一组多普勒单差残差序列，即表现为以下公式(20)：

s _X([a _i,b _i],[c _j,d _j])＝{z ₁,z ₂,…,z _f},i＝0,1,...；j＝0,1,...；X＝a,b (20)。

计算网格单元对应多普勒单差残差值序列s _SYS([a _i,b _i],[c _j,d _j])的标准差，即以下公式(21)：

由此可得多普勒测量误差标准差网格，即以下公式(22)至(24)：

步骤S109，根据多普勒测量误差标准差网格，拟合多普勒测量误差标准差关于载噪比和高度角的函数关系式。

本申请实施例中，可以根据所得的多普勒测量误差标准差网格

非线性拟合多普勒测量误差标准差关于载噪比CN0和高度角的函数关系式。

本申请实施例提供的误差模型确定方法，能够标定任意一种定位设备的伪距、多普勒和载波相位观测随机误差模型(即伪距误差模型、载波相位误差模型和多普勒误差模型)，从而提高了观测随机误差模型精度，有效提高终端RTK定位精度，辅助地图车道级定位导航。

可以理解的是，在本申请实施例中，涉及到用户信息的内容，例如，用户的位置信息等相关的数据，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。

下面继续说明本申请实施例提供的误差模型确定装置354实施为软件模块的示例性结构，在一些实施例中，如图2所示，误差模型确定装置354包括：解算模块3541，配置为获取至少两个待标定设备所采集的观测数据，并根据观测数据，对预先构建的观测方程进行解算，得到数据残差序列；网格化处理模块3542，配置为对所述数据残差序列进行网格化处理，得到数据残差网格；网格误差处理模块3543，配置为根据所述数据残差序列中的每一数据残差值，对所述数据残差网格进行网格误差处理，得到与所述数据残差网格对应的测量误差网格；非线性拟合模块3544，配置为对所述测量误差网格进行非线性拟合，得到所述至少两个待标定设备的数据误差模型。

在一些实施例中，网格误差处理模块还配置为：确定所述数据残差序列中的每一数据残差值在所述数据残差网格中对应的网格单元；根据所述数据残差序列中的每一数据残差值，对所述数据残差网格进行误差计算，得到所述数据残差网格中的每一网格单元对应于所述数据残差序列的误差值；确定所述每一网格单元在预先构建的网格中的位置；根据每一所述网格单元对应的所述误差值和每一网格单元的位置，确定出与所述数据残差网格对应的测量误差网格。

在一些实施例中，网格误差处理模块还配置为：根据所述数据残差序列中的每一数据残差值，对所述数据残差网格进行标准差计算，得到所述数据残差网格中的每一网格单元对应于所述数据残差序列的误差标准差值；将所述误差标准差值，确定为所述误差值；根据每一网格单元的位置，将每一所述网格单元对应的所述误差标准差值，归类至所述位置对应的网格单元中，得到归类后的网格单元；对所述归类后的网格单元进行汇总，得到所述测量误差网格。

在一些实施例中，所述观测数据包括任一目标观测对象的观测载噪比和观测高度角，所述装置还包括：网格构建模块，配置为以载噪比为纵坐标、以高度角为横坐标，按照预设载噪比间隔和预设高度角间隔，构建不同观测对象系统下的网格；网格位置确定模块，配置为针对于每一所述观测对象系统，根据所述观测载噪比和所述观测高度角，确定所述目标观测对象对应于所述网格中的目标网格单元的位置；所述网格化处理模块还配置为：将所述数据残差序列中的每一数据残差值，归类至与所述数据残差序列对应的目标观测对象的目标网格单元中，得到所述数据残差网格；其中，每一目标观测对象的目标网格单元中至少对应有一组伪距双差残差序列、一组载波相位双差残差序列和一组多普勒单差残差序列。

在一些实施例中，所述观测数据包括多个历元中的每一历元的子观测数据；所述解算模块还配置为：针对每一历元的子观测数据，根据所述子观测数据，对所述观测方程进行加权最小二乘解算，得到子观测数据残差值；根据所述多个历元的先后顺序，对得到的多个子观测数据残差值进行汇总，形成所述数据残差序列。

在一些实施例中，所述子观测数据包括伪距和载波相位，所述观测方程为RTK观测方程；所述解算模块还配置为：针对每一所述历元，根据所述历元的子观测数据，对所述RTK观测方程进行加权最小二乘解算，得到任一所述待标定设备的位置信息和载波相位模糊度浮点解；对所述载波相位模糊度浮点解进行模糊度固定，得到载波相位模糊度固定值；对所述载波相位模糊度固定值进行解算，得到所述位置信息的固定解；将所述位置信息的固定解和所述载波相位模糊度固定值代入所述RTK观测方程，得到伪距残差值和载波相位残差值；将所述伪距残差值和所述载波相位残差值，确定为对应于所述子观测数据的子观测数据残差值。

在一些实施例中，所述至少两个待标定设备中包括参考站和目标标定设备；所述解算模块还配置为：基于所述参考站的子观测数据和所述目标标定设备所采集的所述历元的子观测数据，对所述RTK观测方程进行加权最小二乘解算，得到所述目标标定设备的所述位置信息和所述载波相位模糊度浮点解。

在一些实施例中，所述测量误差网格包括：伪距测量误差标准差网格和载波相位测量误差标准差网格；所述网格误差处理模块还配置为：根据所述伪距双差残差序列中的每一伪距双差残差值，确定所述伪距双差残差序列的第一标准差；根据所述载波相位双差残差序列中的每一载波相位双差残差值，确定所述载波相位双差残差序列的第二标准差；根据每一目标观测对象的目标网格单元和所述第一标准差，确定出所述伪距测量误差标准差网格；根据每一目标观测对象的目标网格单元和所述第二标准差，确定出所述载波相位测量误差标准差网格。

在一些实施例中，所述观测数据包括多个历元中的每一历元的子观测数据；所述观测方程为多普勒观测方程；所述解算模块还配置为：根据每一历元的所述子观测数据，对所述多普勒观测方程进行解算，得到在所述历元下的多普勒单差残差序列；将每一历元下的所述多普勒单差残差序列，确定为所述观测数据残差序列。

在一些实施例中，所述数据残差网格包括观测数据单差残差网格；所述网格化处理模块还配置为：将每一历元下的所述多普勒单差残差序列中的多普勒单差残差值，归类至与所述多普勒单差残差序列对应的目标观测对象的目标网格单元中，得到所述观测数据单差残差网格；其中，每一目标观测对象的目标网格单元中对应有一组多普勒单差残差序列。

在一些实施例中，所述测量误差网格包括：多普勒测量误差标准差网格；所述网格误差处理模块还配置为：根据所述多普勒单差残差序列中的每一多普勒单差残差值，确定每一所述待标定设备对应的所述多普勒单差残差序列的第三标准差；根据每一所述待标定设备的所述第三标准差，确定出所述待标定设备的多普勒标准差网格；根据全部待标定设备的所述多普勒标准差网格，确定出所述多普勒测量误差标准差网格。

在一些实施例中，所述测量误差网格包括：伪距测量误差标准差网格、载波相位测量误差标准差网格和多普勒测量误差标准差网格；所述非线性拟合模块还配置为：对所述伪距测量误差标准差网格进行非线性拟合，得到伪距测量误差标准差关于载噪比和高度角的第一函数关系式；对所述载波相位测量误差标准差网格进行非线性拟合，得到载波相位测量误差标准差关于载噪比和高度角的第二函数关系式；对所述多普勒测量误差标准差网格进行非线性拟合，得到多普勒测量误差标准差关于载噪比和高度角的第三函数关系式；根据所述第一函数关系式、所述第二函数关系式和所述第三函数关系式，得到所述数据误差模型。

需要说明的是，本申请实施例装置的描述，与上述方法实施例的描述是类似的，具有同方法实施例相似的有益效果，因此不做赘述。对于本装置实施例中未披露的技术细节，请参照本申请方法实施例的描述而理解。

本申请实施例提供了一种计算机程序产品，该计算机程序产品包括可执行指令，该可执行指令存储在计算机可读存储介质中。电子设备的处理器从计算机可读存储介质读取该可执行指令，处理器执行该可执行指令，使得该电子设备执行本申请实施例上述的方法。

本申请实施例提供一种存储有可执行指令的存储介质，当可执行指令被处理器执行时，将引起处理器执行本申请实施例提供的方法，例如，如图3示出的方法。

在一些实施例中，存储介质可以是计算机可读存储介质，例如，铁电存储器(FRAM，Ferromagnetic Random Access Memory)、只读存储器(ROM，Read Only Memory)、可编程只读存储器(PROM，Programmable Read Only Memory)、可擦除可编程只读存储器(EPROM，Erasable Programmable Read Only Memory)、带电可擦可编程只读存储器(EEPROM，Electrically Erasable Programmable Read Only Memory)、闪存、磁表面存储器、光盘、或光盘只读存储器(CD-ROM，Compact Disk-Read Only Memory)等存储器；也可以是包括上述存储器之一或任意组合的各种设备。

在一些实施例中，可执行指令可以采用程序、软件、软件模块、脚本或代码的形式，按任意形式的编程语言(包括编译或解释语言，或者声明性或过程性语言)来编写，并且其可按任意形式部署，包括被部署为独立的程序或者被部署为模块、组件、子例程或者适合在计算环境中使用的其它单元。作为示例，可执行指令可以但不一定对应于文件系统中的文件，可以可被存储在保存其它程序或数据的文件的一部分，例如，存储在超文本标记语言(HTML，Hyper Text Markup Language)文档中的一个或多个脚本中，存储在专用于所讨论的程序的单个文件中，或者，存储在多个协同文件(例如，存储一个或多个模块、子程序或代码部分的文件)中。作为示例，可执行指令可被部署为在一个计算设备上执行，或者在位于一个地点的多个计算设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个计算设备上执行。

以上所述，仅为本申请的实施例而已，并非用于限定本申请的保护范围。凡在本申请的精神和范围之内所作的任何修改、等同替换和改进等，均包含在本申请的保护范围之内。

Claims

一种误差模型确定方法，所述方法由误差模型确定设备执行，所述方法包括：

获取至少两个待标定设备所采集的观测数据；

根据所述观测数据，对预先构建的观测方程进行解算，得到数据残差序列；

对所述数据残差序列进行网格化处理，得到数据残差网格；

根据所述数据残差序列中的每一数据残差值，对所述数据残差网格进行网格误差处理，得到与所述数据残差网格对应的测量误差网格；

对所述测量误差网格进行非线性拟合，得到所述至少两个待标定设备的数据误差模型。
根据权利要求1所述的方法，其中，所述根据所述数据残差序列中的每一数据残差值，对所述数据残差网格进行网格误差处理，得到与所述数据残差网格对应的测量误差网格，包括：

确定所述数据残差序列中的每一数据残差值在所述数据残差网格中对应的网格单元；

根据所述数据残差序列中的每一数据残差值，对所述数据残差网格进行误差计算，得到所述数据残差网格中的每一网格单元对应于所述数据残差序列的误差值；

确定所述每一网格单元在预先构建的网格中的位置；

根据每一所述网格单元对应的所述误差值和每一网格单元的位置，确定与所述数据残差网格对应的测量误差网格。
根据权利要求2所述的方法，其中，所述根据所述数据残差序列中的每一数据残差值，对所述数据残差网格进行误差计算，得到所述数据残差网格中的每一网格单元对应于所述数据残差序列的误差值，包括：

根据所述数据残差序列中的每一数据残差值，对所述数据残差网格进行标准差计算，得到所述数据残差网格中的每一网格单元对应于所述数据残差序列的误差标准差值；

将所述误差标准差值，确定为所述误差值；

对应地，所述根据每一所述网格单元对应的所述误差值和每一网格单元的位置，确定与所述数据残差网格对应的测量误差网格，包括：

根据每一网格单元的位置，将每一所述网格单元对应的所述误差标准差值，归类至所述位置对应的网格单元中，得到归类后的网格单元；

对所述归类后的网格单元进行汇总，得到所述测量误差网格。
根据权利要求3所述的方法，其中，所述观测数据包括任一目标观测对象的观测载噪比和观测高度角，所述方法还包括：

以载噪比为纵坐标、以高度角为横坐标，按照预设载噪比间隔和预设高度角间隔，构建不同观测对象系统下的网格；

针对于每一所述观测对象系统，根据所述观测载噪比和所述观测高度角，确定所述目标观测对象对应于所述网格中的目标网格单元的位置；

所述对所述数据残差序列进行网格化处理，得到数据残差网格，包括：

将所述数据残差序列中的每一数据残差值，归类至与所述数据残差序列对应的目标观测对象的目标网格单元中，得到所述数据残差网格；其中，每一目标观测对象的目标网格单元中至少对应有一组伪距双差残差序列、一组载波相位双差残差序列和一组多普勒单差残差序列。
根据权利要求1所述的方法，其中，所述观测数据包括多个历元中的每一历元的子观测数据；

所述根据所述观测数据，对预先构建的观测方程进行解算，得到数据残差序列，包括：

针对每一历元的子观测数据，根据所述子观测数据，对所述观测方程进行加权最小二乘解算，得到子观测数据残差值；

根据所述多个历元的先后顺序，对得到的多个子观测数据残差值进行汇总，形成所述数据残差序列。
根据权利要求5所述的方法，其中，所述子观测数据包括伪距和载波相位，所述观测方程为RTK观测方程；

所述针对每一历元的子观测数据，根据所述子观测数据，对所述观测方程进行加权最小二乘解算，得到子观测数据残差值，包括：

针对每一所述历元，根据所述历元的子观测数据，对所述RTK观测方程进行加权最小二乘解算，得到任一所述待标定设备的位置信息和载波相位模糊度浮点解；

对所述载波相位模糊度浮点解进行模糊度固定，得到载波相位模糊度固定值；

对所述载波相位模糊度固定值进行解算，得到所述位置信息的固定解；

将所述位置信息的固定解和所述载波相位模糊度固定值代入至所述RTK观测方程，得到伪距残差值和载波相位残差值；

将所述伪距残差值和所述载波相位残差值，确定为对应于所述子观测数据的子观测数据残差值。
根据权利要求6所述的方法，其中，所述至少两个待标定设备中包括参考站和目标标定设备；

所述根据所述历元的子观测数据，对所述RTK观测方程进行加权最小二乘解算，得到任一所述待标定设备的位置信息和载波相位模糊度浮点解，包括：

基于所述参考站的子观测数据和所述目标标定设备所采集的所述历元的子观测数据，对所述RTK观测方程进行加权最小二乘解算，得到所述目标标定设备的所述位置信息和所述载波相位模糊度浮点解。
根据权利要求4所述的方法，其中，所述测量误差网格包括：伪距测量误差标准差网格和载波相位测量误差标准差网格；

所述根据所述数据残差序列中的每一数据残差值，对所述数据残差网格进行网格误差处理，得到与所述数据残差网格对应的测量误差网格，包括：

根据所述伪距双差残差序列中的每一伪距双差残差值，确定所述伪距双差残差序列的第一标准差；

根据所述载波相位双差残差序列中的每一载波相位双差残差值，确定所述载波相位双差残差序列的第二标准差；

根据每一目标观测对象的目标网格单元和所述第一标准差，确定所述伪距测量误差标准差网格；

根据每一目标观测对象的目标网格单元和所述第二标准差，确定所述载波相位测量误差标准差网格。
根据权利要求1所述的方法，其中，所述观测数据包括多个历元中的每一历元的子观测数据；所述观测方程为多普勒观测方程；

所述根据所述观测数据，对预先构建的观测方程进行解算，得到数据残差序列，包括：

根据每一历元的所述子观测数据，对所述多普勒观测方程进行解算，得到在所述历元下的多普勒单差残差序列；

将每一历元下的所述多普勒单差残差序列，确定为所述数据残差序列。
根据权利要求9所述的方法，其中，所述数据残差网格包括观测数据单差残差网格；所述对所述数据残差序列进行网格化处理，得到数据残差网格，包括：

将每一历元下的所述多普勒单差残差序列中的多普勒单差残差值，归类至与所述多普勒单差残差序列对应的目标观测对象的目标网格单元中，得到所述观测数据单差残差网格；

其中，每一目标观测对象的目标网格单元中对应有一组多普勒单差残差序列。
根据权利要求10所述的方法，其中，所述测量误差网格包括：多普勒测量误差标准差网格；

所述根据所述数据残差序列中的每一数据残差值，对所述数据残差网格进行网格误差处理，得到与所述数据残差网格对应的测量误差网格，包括：

根据所述多普勒单差残差序列中的每一多普勒单差残差值，确定每一所述待标定设备对应的所述多普勒单差残差序列的第三标准差；

根据每一所述待标定设备的所述第三标准差，确定出所述待标定设备的多普勒标准差网格；

根据全部待标定设备的所述多普勒标准差网格，确定出所述多普勒测量误差标准差网格。
根据权利要求1所述的方法，其中，所述测量误差网格包括：伪距测量误差标准差网格、载波相位测量误差标准差网格和多普勒测量误差标准差网格；

所述对所述测量误差网格进行非线性拟合，得到所述至少两个待标定设备的数据误差模型，包括：

对所述伪距测量误差标准差网格进行非线性拟合，得到伪距测量误差标准差关于载噪比和高度角的第一函数关系式；

对所述载波相位测量误差标准差网格进行非线性拟合，得到载波相位测量误差标准差关于载噪比和高度角的第二函数关系式；

对所述多普勒测量误差标准差网格进行非线性拟合，得到多普勒测量误差标准差关于载噪比和高度角的第三函数关系式；

根据所述第一函数关系式、所述第二函数关系式和所述第三函数关系式，确定所述数据误差模型。
一种误差模型确定装置，所述装置包括：

解算模块，配置为获取至少两个待标定设备所采集的观测数据，并根据所述观测数据，对预先构建的观测方程进行解算，得到数据残差序列；

网格化处理模块，配置为对所述数据残差序列进行网格化处理，得到数据残差网格；

网格误差处理模块，配置为根据所述数据残差序列中的每一数据残差值，对所述数据残差网格进行网格误差处理，得到与所述数据残差网格对应的测量误差网格；

非线性拟合模块，配置为对所述测量误差网格进行非线性拟合，得到所述至少两个待标定设备的数据误差模型。
一种电子设备，包括：

存储器，配置为存储可执行指令；处理器，配置为执行所述存储器中存储的可执行指令时，实现权利要求1至12任一项所述的误差模型确定方法。
一种计算机可读存储介质，存储有可执行指令，配置为引起处理器执行所述可执行指令时，实现权利要求1至12任一项所述的误差模型确定方法。
一种计算机程序产品，包括可执行指令，其中所述可执行指令被处理器执行时，实现权利要求1至12任一项所述的误差模型确定方法。