买专利,只认龙图腾
首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明授权】GNSS基线向量解算定位方法、装置和导航定位设备_广州市中海达测绘仪器有限公司_201810995758.1 

申请/专利权人:广州市中海达测绘仪器有限公司

申请日:2018-08-29

公开(公告)日:2020-11-17

公开(公告)号:CN109085629B

主分类号:G01S19/44(20100101)

分类号:G01S19/44(20100101)

优先权:

专利状态码:有效-授权

法律状态:2020.11.17#授权;2019.01.18#实质审查的生效;2018.12.25#公开

摘要:本发明涉及一种GNSS基线向量解算定位方法、装置、导航定位设备和计算机可读存储介质,其中方法包括:根据获取的观测数据,构建第一误差观测模型;根据待解算状态向量的先验信息,构建虚拟观测模型,以状态预测向量作为虚拟观测模型的虚拟观测值,并将其值作为状态向量的初值,代入虚拟观测模型,得到第二误差观测模型;根据第一误差观测模型和第二误差观测模型,得到联合误差观测模型;根据联合误差观测模型,求得基线的浮点解及其协方差矩阵进行定位。上述方案,可解决传统卡尔曼滤波基线解算在观测卫星数增多时,增益矩阵运算量显著增多,导致基线解算定位效率下降的问题,有效提升GNSS基线向量解算定位效率。

主权项:1.一种GNSS基线向量解算定位方法,其特征在于,所述方法包括:根据获取的观测数据,构建第一误差观测模型;根据待解算状态向量的先验信息,构建虚拟观测模型,以状态预测向量作为虚拟观测模型的虚拟观测值,并将其值作为状态向量的初值,代入所述虚拟观测模型,得到第二误差观测模型;根据第一误差观测模型和第二误差观测模型,得到联合误差观测模型;根据所述联合误差观测模型,求得基线的浮点解及其协方差矩阵,根据所述基线的浮点解及其协方差矩阵进行定位。

全文数据:GNSS基线向量解算定位方法、装置和导航定位设备技术领域本发明涉及卫星导航定位技术领域,特别是涉及一种GNSS基线向量解算定位方法、GNSS基线向量解算定位装置、导航定位设备和计算机可读存储介质。背景技术随着俄罗斯格洛纳斯全球卫星导航系统GlobalNavigationSatelliteSystem,GLONASS的全面恢复、中国的北斗全球卫星导航系统BeiDouNavigationSatelliteSystem,BDS以及欧洲的伽利略卫星导航系统Galileosatellitenavigationsystem,Galileo的持续建设。全球导航卫星系统GlobalNavigationSatelliteSystem,GNSS卫星的可用数快速增加,多GNSS系统组合定位成为当前以及未来GNSS定位的首选,其精度和可靠性较之单系统而言都得到了提高。虽然GNSS观测卫星数增加提高了定位精度和可靠性,但是也造成了GNSS定位解算效率的下降,降低了GNSS定位的实时性,限制了高频率卫星定位信息的输出。当前,GNSS动态定位中多采用卡尔曼滤波进行基线向量解算定位,其解算效率与卫星观测方程的个数成负相关,即观测卫星数越多,则卫星观测方程越多,解算效率越低。对于GNSS多模组合定位观测卫星数较多的情况,例如GPSBDS双系统可以达到十几颗卫星,GPSBDSGLONASS三系统可以观测到二十多颗卫星。卡尔曼滤波在GNSS多模组合定位中,观测卫星数增多会导致现有的卡尔曼滤波法的运算量显著增多,基线解算定位效率显著下降。发明内容基于此,有必要针对上述技术问题,提供一种能够提升基线向量解算定位效率的GNSS基线向量解算定位方法、GNSS基线向量解算定位装置、导航定位设备和计算机可读存储介质。一种GNSS基线向量解算定位方法,所述方法包括:根据获取的观测数据,构建第一误差观测模型;根据待解算状态向量的先验信息,构建虚拟观测模型,以状态预测向量作为虚拟观测模型的虚拟观测值,并将其值作为状态向量的初值,代入所述虚拟观测模型,得到第二误差观测模型;根据第一误差观测模型和第二误差观测模型,得到联合误差观测模型;根据所述联合误差观测模型,求得基线向量的浮点解及其协方差矩阵,根据基线向量浮点解及其协方差矩阵进行定位。上述GNSS基线向量浮点解获取方法,根据获取的观测数据,构建第一误差观测方程和第二误差观测方程得到的联合误差观测方程,求得基线向量的浮点解及其协方差矩阵,根据基线向量浮点解及其协方差矩阵进行定位。本发明的上述基线向量解算定位方法不涉及传统的卡尔曼滤波增益矩阵的计算,解决传统卡尔曼滤波基线解算在观测卫星数增多时,增益矩阵运算量显著增多,导致基线解算定位效率显著下降的问题,有效提升了GNSS基线向量浮点解的获取效率,从而提升了定位效率。在一个实施例中,所述根据获取的观测数据,构建第一误差观测模型的步骤包括:根据获取的观测数据,构建第二历元时刻的基本误差观测模型;以状态向量在第二历元时刻的状态预测向量作为第二历元时刻所述状态向量的近似值,对所述基本误差观测模型进行线性化处理,得到第一误差观测模型;其中,所述第一误差观测模型包括观测向量的残差向量和第一误差观测模型的权阵。在一个实施例中,所述根据待解算状态向量的先验信息,构建虚拟观测模型,以状态预测向量作为虚拟观测模型的虚拟观测值,并将其值作为状态向量的初值,构建第二误差观测模型包括:根据状态向量的先验信息,构建虚拟观测模型,其中,所述虚拟观测模型包括状态向量在第二历元时刻的虚拟观测值向量和虚拟观测模型的权阵;以状态预测向量作为虚拟观测模型的虚拟观测值,并将其值作为状态向量的初值,代入所述虚拟观测模型,得到第二误差观测模型,其中,所述第二误差观测模型包括状态向量的残差向量和第二误差观测模型的权阵。在一个实施例中,所述根据第一误差观测模型和第二误差观测模型,得到联合误差观测模型包括:联合第一误差观测模型和第二误差观测模型得到基本联合误差观测模型;根据最小二乘平差原理,对所述基本联合误差观测模型进行简化处理,得到联合误差观测模型。上述实施例的技术方案,采用最小二乘法进行GNSS基线向量的解算获取,对基线向量解算进行运算简化,有效提升基线向量浮点解解算的效率。在一个实施例中,所述第一误差观测模型的权阵为分块对角矩阵;所述根据所述联合误差观测模型,求得基线的浮点解及其协方差矩阵的步骤包括:采用稀疏矩阵分块方法对所述联合误差观测模型进行简化求解,求得第二历元时刻状态向量相对于状态向量初值的浮点改正数;并根据所述浮点改正数以及所述联合误差观测模型,确定待解算的所述状态向量在第二历元时刻的浮点解及其协方差矩阵。上述实施例的技术方案,第一误差观测模型的权阵为分块对角阵时,观测方程的权阵也是分块对角阵,进而采用阵稀疏矩阵分块方法对所述联合误差观测模型进行简化求解,以提升基线解算的定位效率。在一个实施例中,所述第一误差观测模型表示如下:Vobs=Hk+1·dx-Zk+1-fXk+1|k,上式中,k为第一历元时刻,k+1为第二历元时刻,Vobs为观测向量的残差向量,Hk+1为第二历元时第一误差观测模型的设计矩阵,Zk+1为第二历元时刻的观测向量,Xk+1|k为第二历元时刻的状态预测向量,fXk+1|k为第二历元时刻基于状态预测向量计算得到的观测值的计算值向量,Pk+1为第一误差观测模型的权阵,Rk+1为第二历元时观测向量的噪声协方差矩阵;所述构建的虚拟观测模型表示如下:Xk+1|k=X+εx,上式中,X为状态向量,εx为误差向量,Px为虚拟观测模型的权阵,Qk+1|k为第二历元时状态预测向量的噪声协方差矩阵;所述第二误差观测模型表示如下:Vx=I·dx,上式中,Vx为状态向量的残差向量,I为单位阵,dx为第二历元时状态向量X以预测向量Xk+1|k作为初值的改正数向量;所述基本联合误差观测模型表示如下:根据最小二乘平差原理,对所述基本联合误差观测模型进行简化处理,得到的联合误差观测模型表示如下:在一个实施例中,所述第二历元时观测向量的噪声协方差矩阵表示如下:上式中,Q为观测向量的先验方差阵,上标P表示伪距,上标L表示载波,下标gps、glo、bds和gal依次表示GPS卫星导航系统、Glonass卫星导航系统、BDS卫星导航系统和Galileo卫星导航系统;所述第二历元时第一误差观测模型的设计矩阵表示如下:上式中,A为状态向量非模糊度坐标参数部分对应的设计矩阵,B为状态向量模糊度参数部分对应的设计矩阵;所述采用稀疏矩阵分块方法对所述联合误差观测模型进行简化求解,求得第二历元时刻状态向量相对于状态向量初值的浮点改正数;并根据所述浮点改正数以及所述联合误差观测模型,确定待解算的所述状态向量在第二历元时刻的浮点解及其协方差矩阵包括步骤:利用对角矩阵Pk+1和Hk+1对进行简化计算表示如下:根据所述对进行简化计算表示如下:其中,根据所述对进行简化计算表示如下:其中,上述步骤技术方案,运用稀疏矩阵分块计算对浮点解解算进行对角阵简化计算,有效提升了GNSS基线向量浮点解解算的效率。根据简化计算得到的所述和确定待解算的所述状态向量在第二历元时刻的浮点解及其协方差矩阵;其中,所述浮点解表示如下:Xk+1=Xk+1|k+dx上式中,浮点改正数dx表示如下:所述协方差矩阵表示如下:本发明的上述技术方案,采用最小二乘法进行GNSS基线向量的解算获取,解决传统的卡尔曼滤波法在GNSS基线解算中,随着卫星数目增多运算量显著增多,导致运算效率降低的问题,提升运算效率。一种GNSS基线向量解算定位装置,所述装置包括:第一模型构建模块,用于根据获取的观测数据,构建第一误差观测模型;第二模型构建模块,用于根据待解算状态向量的先验信息,构建虚拟观测模型,以状态预测向量作为虚拟观测模型的虚拟观测值,并将其值作为状态向量的初值,代入所述虚拟观测模型,得到第二误差观测模型;联合模型构建模块,用于根据第一误差观测模型和第二误差观测模型,得到联合误差观测模型;基线向量解算定位模块,用于根据所述联合误差观测模型,求得基线的浮点解及其协方差矩阵,求得基线的浮点解及其协方差矩阵,根据基线向量浮点解及其协方差矩阵进行定位。上述GNSS基线向量解算定位装置,根据获取的观测数据,构建第一误差观测方程和第二误差观测方程得到的联合误差观测方程,求解得到基线的浮点解及其协方差矩阵,根据基线向量浮点解及其协方差矩阵进行定位。本发明的上述基线向量解算定位方法不涉及传统的卡尔曼滤波增益矩阵的计算,解决传统卡尔曼滤波基线解算在观测卫星数增多时,增益矩阵运算量显著增多,导致基线解算定位效率显著下降的问题,有效提升了GNSS基线向量浮点解的获取效率,从而提升了定位效率。一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:根据获取的观测数据,构建第一误差观测模型;根据待解算状态向量的先验信息,构建虚拟观测模型,以状态预测向量作为虚拟观测模型的虚拟观测值,并将其值作为状态向量的初值,代入所述虚拟观测模型,得到第二误差观测模型;根据第一误差观测模型和第二误差观测模型,得到联合误差观测模型;根据所述联合误差观测模型,求得基线的浮点解及其协方差矩阵,根据基线向量浮点解及其协方差矩阵进行定位。上述计算机设备,其处理器执行程序时,通过实现如上步骤,从而可以根据获取的观测数据,构建第一误差观测方程和第二误差观测方程得到的联合误差观测方程,求得基线的浮点解及其协方差矩阵,根据基线向量浮点解及其协方差矩阵进行定位。本发明的上述基线向量解算定位方法不涉及传统的卡尔曼滤波增益矩阵的计算,解决传统卡尔曼滤波基线解算在观测卫星数增多时,增益矩阵运算量显著增多,导致基线解算定位效率显著下降的问题,有效提升了GNSS基线向量浮点解的获取效率,从而提升了定位效率。一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:根据获取的观测数据,构建第一误差观测模型;根据待解算状态向量的先验信息,构建虚拟观测模型,以状态预测向量作为虚拟观测模型的虚拟观测值,并将其值作为状态向量的初值,代入所述虚拟观测模型,得到第二误差观测模型;根据第一误差观测模型和第二误差观测模型,得到联合误差观测模型;根据所述联合误差观测模型,求得基线的浮点解及其协方差矩阵,根据基线向量浮点解及其协方差矩阵进行定位。上述计算机存储介质,其存储的计算机程序,通过实现如上步骤,从而可以根据获取的观测数据,构建第一误差观测方程和第二误差观测方程得到的联合误差观测方程,求得基线的浮点解及其协方差矩阵,根据基线向量浮点解及其协方差矩阵进行定位。本发明的上述基线向量解算定位方法不涉及传统的卡尔曼滤波增益矩阵的计算,解决传统卡尔曼滤波基线解算在观测卫星数增多时,增益矩阵运算量显著增多,导致基线解算定位效率显著下降的问题,有效提升了GNSS基线向量的浮点解解算效率。一种导航定位设备,其特征在于,所述导航定位设备在进行导航定位时执行如上任一实施例所述的GNSS基线向量解算定位方法的步骤。上述导航定位设备,在进行导航定位时,通过实现如上任一实施例所述的GNSS基线向量解算定位方法的步骤,从而可以根据获取的观测数据,构建第一误差观测方程和第二误差观测方程得到的联合误差观测方程,求得基线的浮点解及其协方差矩阵,根据基线向量浮点解及其协方差矩阵进行定位。本发明的上述基线向量解算定位方法不涉及传统的卡尔曼滤波增益矩阵的计算,解决传统卡尔曼滤波基线解算在观测卫星数增多时,增益矩阵运算量显著增多,导致基线解算定位效率显著下降的问题,有效提升了GNSS基线向量浮点解的获取效率,从而提升了定位效率。附图说明图1为一个实施例中GNSS基线向量解算定位方法的应用环境图;图2为一个实施例中GNSS基线向量解算定位方法的流程示意图;图3为另一个实施例中GNSS基线向量解算定位方法的流程示意图;图4为一个实施例中GNSS基线向量解算定位装置的结构框图。具体实施方式为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。本发明提供的GNSS基线向量解算定位方法,可以应用于如图1所示的应用环境中。包括流动站101、基准站102和多个卫星103,其中,流动站101与基准站102通过数据链进行通信,流动站101和基准站102分别接收卫星103的信号。其中,卫星可以包括例如GPS卫星、Glonass卫星、BDS卫星和Galileo卫星中的一种或多种组合,基准站102是对卫星导航信号进行长期连续观测或者临时架设的地面固定观测站,流动站101可以是例如手机、接收机或其它专用导航定位设备等。基准站102将其接收的卫星观测值和基准站坐标信息等差分信息一起传送给流动站101,流动站101接收基准站102的数据,并同步采集观测数据进行基线向量解算处理,获取解算得到的定位结果。在一个实施例中,如图2所示,提供了一种GNSS基线向量解算定位方法,以该方法应用于图1中的流动站101为例进行说明,包括以下步骤:S210,根据获取的观测数据,构建第一误差观测模型。其中,所述观测数据为流动站接收机采集的多个卫星的载波相位观测值、伪距观测值以及基准站同步接收并播发多个卫星的载波观测值、伪距观测值;第一误差观测模型中可以包括例如第一误差观测方程。在此步骤中,流动站根据采集获取的多个卫星的观测数据,构建第一误差观测模型。S220,根据待解算状态向量的先验信息,构建虚拟观测模型,以状态预测向量作为虚拟观测模型的虚拟观测值,并将其值作为状态向量的初值,代入所述虚拟观测模型,得到第二误差观测模型。其中,当第二历元表示基线解算的首历元时,状态预测向量表示状态初始向量,其值可以通过观测值计算得到,如位置可以通过伪距单点定位得到,速度可以由多普勒测速得到,模糊度向量初值可以由伪距与载波观测值作差得到。当第二历元表示非首历元时,状态预测向量为根据前一历元时刻状态向量结合状态参数的特性预估的下一历元时刻的预测向量,例如,坐标参数可以通过动态模型进行时间传递,而模糊度参数为非时变参数,可以由上一历元的状态传递至其下一历元作为状态预估值。虚拟观测模型可以包括虚拟观测方程,第二误差观测模型可以包括例如第二误差观测方程;在此步骤中,流动站根据待解算状态向量的先验信息,构建虚拟观测模型,以状态预测向量作为虚拟观测模型的虚拟观测值,并将其值作为状态向量的初值,代入所述虚拟观测模型,得到第二误差观测模型。S230,根据第一误差观测模型和第二误差观测模型,得到联合误差观测模型。其中,联合误差观测模型可以包括联合误差观测方程。在此步骤中,流动站将第一误差观测模型和第二误差观测模型联合起来,得到联合误差观测模型。S240,根据所述联合误差观测模型,求得基线的浮点解及其协方差矩阵,根据基线向量浮点解及其协方差矩阵进行定位。在此步骤中,流动站根据前述步骤得到的联合误差观测模型,求得基线的浮点解及其协方差矩阵,根据基线向量浮点解及其协方差矩阵对流动站进行定位,获取导航定位结果。具体地,可以根据基线向量浮点解及其协方差矩阵继续固定载波相位模糊度进而计算高精度的基线固定解以进行导航定位,或者也可以直接输出基线向量浮点解及其协方差矩阵用于导航定位。流动站可根据该步骤获取的基线向量解算结果对流动站进行定位。上述GNSS基线向量解算定位方法,根据获取的观测数据,构建第一误差观测方程和第二误差观测方程得到的联合误差观测方程,求得基线的浮点解及其协方差矩阵,根据基线向量浮点解及其协方差矩阵进行定位。本发明的上述基线向量解算定位方法不涉及传统的卡尔曼滤波增益矩阵的计算,解决传统卡尔曼滤波基线解算在观测卫星数增多时,增益矩阵运算量显著增多,导致基线解算定位效率显著下降的问题,有效提升了GNSS基线向量浮点解的获取效率,从而提升了定位效率。在一个实施例中,如图3所示,提供了一种GNSS基线向量解算定位方法,以该方法应用于图1中的流动站为例进行说明,包括以下步骤:S310,根据获取的观测数据,构建第一误差观测模型。在一个实施例中,步骤S310中所述根据获取的观测数据,构建第一误差观测模型的步骤包括:S311,根据获取的观测数据,构建第二历元时刻的基本误差观测模型;其中,基本误差观测模型可以包括基本误差观测方程。在一个实施例中,所述基本误差观测模型可以表示如下:Z=fX+ε1上式中,Z为第二历元时刻的观测向量,fX为第二历元时基于状态预测向量计算得到的观测值的计算值向量,ε为观测误差向量。S312,以状态向量在第二历元时刻的状态预测向量作为第二历元时刻待估算的状态向量Xk+1的近似值,对所述基本误差观测模型进行线性化处理,得到第一误差观测模型;其中,所述第一误差观测模型包括观测向量的残差向量和第一误差观测模型的权阵。其中,状态预测向量为状态向量在第二历元时刻的预测向量。在一个实施例中,对上述式1进行线性化,得到所述第一误差观测模型表示如下:上式中,k为第一历元时刻,k+1为第二历元时刻,Vobs为观测向量的残差向量,Hk+1为第二历元时第一误差观测模型的设计矩阵,Zk+1为第二历元时的观测向量,Xk+1|k为第二历元时刻的状态预测向量,fXk+1|k为第二历元时基于状态预测向量计算得到的观测值的计算值向量,Pk+1为第一误差观测模型的权阵,Rk+1为第二历元时观测向量的噪声协方差矩阵。其中,第二历元可以为任意历元时刻,例如可以是接收机当前采集数据的历元时刻。当第二历元不表示基线向量解算的首历元时,第一历元是第二历元的上一历元。其中,第二历元时刻的状态预测向量表示如下:Xk+1|k=Fk|k+1Xk3上式中,Xk+1|k为第二历元时刻的状态预测向量,Fk|k+1为第一历元时刻到第二历元时刻状态向量时间传递矩阵。其中,所述第二历元时观测向量的噪声协方差矩阵表示如下:上式中,Q为观测向量的先验方差阵,上标P表示伪距,上标L表示载波,下标gps、glo、bds和gal依次表示GPS卫星导航系统、Glonass卫星导航系统、BDS卫星导航系统和Galileo卫星导航系统;由于上述式4为分块对角矩阵,根据式4算得对应的所述第一误差观测模型的权阵表示如下:所述第二历元时第一误差观测模型的设计矩阵表示如下:GNSS基线向量的状态向量参数可以简单划分为非模糊度参数部分和模糊度参数部分两部分;上式中,A为状态向量非模糊度坐标参数部分对应的设计矩阵,B为状态向量模糊度参数部分对应的设计矩阵,下标gps、glo、bds和gal依次表示GPS卫星导航系统、Glonass卫星导航系统、BDS卫星导航系统和Galileo卫星导航系统。S320,根据待解算状态向量的先验信息,构建虚拟观测模型,以状态预测向量作为虚拟观测模型的虚拟观测值,并将其值作为状态向量的初值,代入所述虚拟观测模型,得到第二误差观测模型。在一个实施例中,步骤S320所述根据待解算状态向量的先验信息,构建虚拟观测模型,以状态预测向量作为虚拟观测模型的虚拟观测值,并将其值作为状态向量的初值,代入所述虚拟观测模型,得到第二误差观测模型包括:S321,根据状态向量的先验信息,构建虚拟观测模型,其中,所述虚拟观测模型包括状态向量在第二历元时刻的虚拟观测值向量和虚拟观测模型的权阵;在一个实施例中,S321所述构建的虚拟观测模型表示如下:上式中,X为第二历元时刻待估状态向量,Xk+1|k为第二历元状态向量的预测向量,在虚拟观测模型式7中作为虚拟观测值向量,εx为误差向量,Px为虚拟观测模型的权阵,Qk+1|k为第二历元时状态预测向量的噪声协方差矩阵;其中,第二历元时状态预测向量的噪声协方差矩阵表示如下:S322,以状态预测向量作为虚拟观测模型的虚拟观测值,并将其值作为状态向量的初值,代入所述虚拟观测模型,得到第二误差观测模型,其中,所述第二误差观测模型包括状态向量的残差向量和第二误差观测模型的权阵。在一个实施例中,将第二历元时刻状态预测量Xk+1|k作为第二历元时刻待估状态向量X的初值,代入式7,得到所述第二误差观测模型表示如下:上式中,Vx为状态向量的残差向量,I为单位阵,dx为第二历元时待估状态向量X以预测向量Xk+1|k作为初值的改正数向量;S330,根据第一误差观测模型和第二误差观测模型,得到联合误差观测模型。在一个实施例中,步骤S330中所述根据第一误差观测模型和第二误差观测模型,得到联合误差观测模型包括:S331,联合第一误差观测模型和第二误差观测模型得到基本联合误差观测模型;其中,基本联合误差观测模型可以包括基本联合误差观测方程。在一个实施例中,联合上述式2的第一误差观测模型的和式9的第二误差观测模型,得到的所述基本联合误差观测模型表示如下:S332,根据最小二乘平差原理,对所述基本联合误差观测模型进行简化处理,得到联合误差观测模型。在一个实施例中,根据最小二乘平差原理,对上述式10的基本联合误差观测模型进行简化处理,得到的联合误差观测模型表示如下:对上述式11进行整理得到式12:上述实施例的技术方案,采用最小二乘法进行GNSS基线向量的解算获取,对基线向量解算进行运算简化,有效提升基线向量解算的效率。S340,根据所述联合误差观测模型,求得基线的浮点解及其协方差矩阵,根据基线向量浮点解及其协方差矩阵进行定位。在一个实施例中,步骤S310中所述第一误差观测模型的权阵为分块对角矩阵;步骤S340包括:S341,采用稀疏矩阵分块方法对所述联合误差观测模型进行简化求解,求得第二历元时刻状态向量相对于状态向量初值的浮点改正数;S342,根据所述浮点改正数以及所述联合误差观测模型,确定待解算的所述状态向量在第二历元时刻的浮点解及其协方差矩阵;S343,根据所述基线的浮点解及其协方差矩阵进行定位。上述实施例的技术方案,第一误差观测模型的权阵为分块对角阵时,观测方程的权阵也是分块对角阵,进而采用阵稀疏矩阵分块方法对所述联合误差观测模型进行简化求解,以提升基线解算的定位效率。进一步地,在一个实施例中,上述步骤S341和S342中所述采用稀疏矩阵分块方法对所述联合误差观测模型进行简化求解,求得第二历元时刻状态向量相对于状态向量初值的浮点改正数;并根据所述浮点改正数以及所述联合误差观测模型,确定待解算的所述状态向量在第二历元时刻的浮点解及其协方差矩阵包括步骤:由上式4和式5可知,Rk+1为分块对角阵时,观测方程的权阵Pk+1也是分块对角阵,进而可以简化对和的求解,只需计算其对角线元素即可,能够有效减少计算量,提升基线解算效率。利用对角矩阵Pk+1和Hk+1对HTk+1Pk+1进行简化计算表示如下:根据所述对进行简化表示如下:其中,根据所述对进行简化计算表示如下:其中,现有的卡尔曼滤波算法的Qk+1|k阵为非对角阵,其增益矩阵Kk+1的计算不能只计算对角阵,只能直接进行矩阵相乘计算,计算效率较低。本发明上述实施例的技术方案,根据式14和式15对和进行稀疏矩阵分块计算,较之直接矩阵相乘计算,上述方案可以大大减少矩阵相乘的计算量,提高基线解算的效率。根据简化计算得到的所述和确定待解算的所述状态向量在第二历元时刻的浮点解及其协方差矩阵;其中,所述浮点解表示如下:Xk+1=Xk+1|k+dx16上式中,浮点改正数dx表示如下:所述协方差矩阵表示如下:现有的卡尔曼滤波法在求解状态向量浮点解时,其主要计算量在于计算增益矩阵时的求逆计算,其求逆矩阵的维数等于观测方程的个数,以单频为例,每增加一颗卫星,卡尔曼滤波法就会增加一个伪距和一个载波观测方程,即增加两个观测方程,卡尔曼滤波增益矩阵计算涉及求逆矩阵的维数很大,卫星数增多会导致卡尔曼滤波法的运算量显著增多,基线解算效率低。而采用本发明的最小二乘法即式16求解状态向量浮点解,其主要计算量在于的计算,其求逆维数为参数的个数,其维数随观测卫星数的增长较之卡尔曼滤波慢,以单频为例,每增加一颗观测卫星,只增加一个模糊度参数,最小二乘法中维数增加1,而卡尔曼滤波中增益矩阵的维数会增加2。综上所述,本发明的上述技术方案,采用最小二乘法进行GNSS基线向量的解算获取,解决传统的卡尔曼滤波法在GNSS基线解算中,随着卫星数目增多运算量显著增多,导致运算效率降低的问题,提升运算效率;进一步地,运用稀疏矩阵分块计算对浮点解解算进行对角阵简化计算,有效提升了GNSS基线向量解算的效率,提升卫星导航定位的实时性。应该理解的是,虽然图2-3的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-3中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。在一个实施例中,如图4所示,提供了一种GNSS基线向量解算定位装置,包括:第一模型构建模块410,用于根据获取的观测数据,构建第一误差观测模型;第二模型构建模块420,用于根据待解算状态向量的先验信息,构建虚拟观测模型,以状态预测向量作为虚拟观测模型的虚拟观测值,并将其值作为状态向量的初值,代入所述虚拟观测模型,得到第二误差观测模型;联合模型构建模块430,用于根据第一误差观测模型和第二误差观测模型,得到联合误差观测模型;基线向量解算定位模块440,用于根据所述联合误差观测模型,求得基线的浮点解及其协方差矩阵,根据基线向量浮点解及其协方差矩阵进行定位。上述GNSS基线向量解算定位装置,根据获取的观测数据,构建第一误差观测方程和第二误差观测方程得到的联合误差观测方程,求得基线的浮点解及其协方差矩阵,根据基线向量浮点解及其协方差矩阵进行定位。本发明的上述基线向量解算定位方法不涉及传统的卡尔曼滤波增益矩阵的计算,解决传统卡尔曼滤波基线解算在观测卫星数增多时,增益矩阵运算量显著增多,导致基线解算定位效率显著下降的问题,有效提升了GNSS基线向量浮点解的获取效率,从而提升了定位效率。在一个实施例中,第一模型构建模块410包括:基本误差观测模型构建模块411,用于根据获取的观测数据,构建第二历元时刻的基本误差观测模型;第一误差观测模型构建模块412,用于以状态向量在第二历元时刻的状态预测向量作为第二历元时刻所述状态向量的近似值,对所述基本误差观测模型进行线性化处理,得到第一误差观测模型;其中,所述第一误差观测模型包括观测向量的残差向量和第一误差观测模型的权阵。在一个实施例中,基本误差观测模型可以表示如下:Z=fX+ε上式中,Z为第一历元时刻的观测向量,fX为第一历元时基于状态预测向量计算得到的观测值的计算值向量,ε为观测误差向量。在一个实施例中,所述第一误差观测模型表示如下:Vobs=Hk+1·dx-Zk+1-fXk+1|k,上式中,k为第一历元时刻,k+1为第二历元时刻,Vobs为观测向量的残差向量,Hk+1为第二历元时第一误差观测模型的设计矩阵,Zk+1为第二历元时的观测向量,Xk+1|k为第二历元时刻的状态预测向量,fXk+1|k为第二历元时基于状态预测向量计算得到的观测值的计算值向量,Pk+1为第一误差观测模型的权阵,Rk+1为第二历元时观测向量的噪声协方差矩阵。其中,所述第二历元时观测向量的噪声协方差矩阵表示如下:上式中,Q为观测向量的先验方差阵,上标P表示伪距,上标L表示载波,下标gps、glo、bds和gal依次表示GPS卫星导航系统、Glonass卫星导航系统、BDS卫星导航系统和Galileo卫星导航系统;所述第一误差观测模型的权阵表示如下:所述第二历元时第一误差观测模型的设计矩阵表示如下:上式中,A为状态向量非模糊度坐标参数部分对应的设计矩阵,B为状态向量模糊度参数部分对应的设计矩阵,下标gps、glo、bds和gal依次表示GPS卫星导航系统、Glonass卫星导航系统、BDS卫星导航系统和Galileo卫星导航系统。在一个实施例中,第二模型构建模块420包括:虚拟观测模型构建模块421,用于根据状态向量的先验信息,构建虚拟观测模型,其中,所述虚拟观测模型包括状态向量在第二历元时刻的虚拟观测值向量和虚拟观测模型的权阵;第二误差观测模型构建模块422,用于以状态预测向量作为虚拟观测模型的虚拟观测值,并将其值作为状态向量的初值,代入所述虚拟观测模型,得到第二误差观测模型,其中,所述第二误差观测模型包括状态向量的残差向量和第二误差观测模型的权阵。在一个实施例中,所述构建的虚拟观测模型表示如下:Xk+1|k=X+εx,上式中,X为状态向量,Xk+1|k为虚拟观测值向量,εx为误差向量,Px为虚拟观测模型的权阵,Qk+1|k为第二历元时状态预测向量的噪声协方差矩阵。在一个实施例中,所述第二误差观测模型表示如下:Vx=I·dx,上式中,Vx为状态向量的残差向量,I为单位阵,dx为第二历元时待估状态向量X以预测向量Xk+1|k作为初值的改正数向量;在一个实施例中,联合模型构建模块430包括:基本联合误差观测模型构建模块431,联合第一误差观测模型和第二误差观测模型得到基本联合误差观测模型;联合误差观测模型构建模块432,根据最小二乘平差原理,对所述基本联合误差观测模型进行简化处理,得到联合误差观测模型。在一个实施例中,所述基本联合误差观测模型表示如下:在一个实施例中,联合误差观测模型表示如下:在一个实施例中,所述第一误差观测模型的权阵为分块对角矩阵;基线向量解算定位模块440包括:浮点改正数计算模块441,用于采用稀疏矩阵分块方法对所述联合误差观测模型进行简化求解,求得第二历元时刻状态向量相对于状态向量初值的浮点改正数;浮点解计算模块442,用于根据所述浮点改正数以及所述联合误差观测模型,确定待解算的所述状态向量在第二历元时刻的浮点解及其协方差矩阵。基线向量定位模块443,用于根据基线向量浮点解及其协方差矩阵进行定位。在一个实施例中,浮点改正数计算模块441和浮点解计算模块442进一步用于:利用对角矩阵Pk+1和Hk+1对HTk+1Pk+1进行简化计算表示如下:根据所述对进行简化表示如下:其中,根据所述对进行简化计算表示如下:其中,根据简化计算得到的所述和确定待解算的所述状态向量在第二历元时刻的浮点解及其协方差矩阵;其中,所述浮点解表示如下:Xk+1=Xk+1|k+dx上式中,浮点改正数dx表示如下:所述协方差矩阵表示如下:关于GNSS基线向量解算定位装置的具体限定可以参见上文中对于GNSS基线向量解算定位方法的限定,在此不再赘述。上述GNSS基线向量解算定位装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。本发明的GNSS基线向量解算定位装置与本发明的GNSS基线向量解算定位方法一一对应,在上述GNSS基线向量解算定位方法的实施例阐述的技术特征及其有益效果均适用于GNSS基线向量解算定位装置的实施例中,特此声明。在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现如上任意一个实施例所述GNSS基线向量解算定位方法的步骤。上述计算机设备,其处理器执行程序时,通过实现如上步骤,从而可以根据获取的观测数据,构建第一误差观测方程和第二误差观测方程得到的联合误差观测方程,求解得到基线向量浮点解及其协方差矩阵进行定位。本发明的上述基线向量解算定位方法不涉及传统的卡尔曼滤波增益矩阵的计算,解决传统卡尔曼滤波基线解算在观测卫星数增多时,增益矩阵运算量显著增多,导致基线解算定位效率显著下降的问题,有效提升了GNSS基线向量浮点解的获取效率,从而提升了定位效率。在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现如上任意一个实施例所述GNSS基线向量解算定位方法的步骤。上述计算机可读存储介质,其上存储的计算机程序被处理器执行时,通过实现如上步骤,从而可以根据获取的观测数据,构建第一误差观测方程和第二误差观测方程得到的联合误差观测方程,求解得到基线向量浮点解及其协方差矩阵进行定位。本发明的上述基线向量解算定位方法不涉及传统的卡尔曼滤波增益矩阵的计算,解决传统卡尔曼滤波基线解算在观测卫星数增多时,增益矩阵运算量显著增多,导致基线解算定位效率显著下降的问题,有效提升了GNSS基线向量浮点解的获取效率,从而提升了定位效率。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和或易失性存储器。非易失性存储器可包括只读存储器ROM、可编程ROMPROM、电可编程ROMEPROM、电可擦除可编程ROMEEPROM或闪存。易失性存储器可包括随机存取存储器RAM或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAMSRAM、动态RAMDRAM、同步DRAMSDRAM、双数据率SDRAMDDRSDRAM、增强型SDRAMESDRAM、同步链路SynchlinkDRAMSLDRAM、存储器总线Rambus直接RAMRDRAM、直接存储器总线动态RAMDRDRAM、以及存储器总线动态RAMRDRAM等。一种导航定位设备,其特征在于,所述导航定位设备在进行导航定位时执行如上任一实施例所述的GNSS基线向量解算定位方法的步骤。上述导航定位设备,在进行导航定位时,通过实现如上任一实施例所述的GNSS基线向量解算定位方法的步骤,从而可以根据获取的观测数据,构建第一误差观测方程和第二误差观测方程得到的联合误差观测方程,求得基线的浮点解及其协方差矩阵,根据基线向量浮点解及其协方差矩阵进行定位。本发明的上述基线向量浮点解获取方法不涉及传统的卡尔曼滤波增益矩阵的计算,解决传统卡尔曼滤波基线解算在观测卫星数增多时,增益矩阵运算量显著增多,导致基线解算定位效率显著下降的问题,有效提升了GNSS基线向量浮点解的获取效率,从而提升了定位效率。以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。

权利要求:1.一种GNSS基线向量解算定位方法,所述方法包括:根据获取的观测数据,构建第一误差观测模型;根据待解算状态向量的先验信息,构建虚拟观测模型,以状态预测向量作为虚拟观测模型的虚拟观测值,并将其值作为状态向量的初值,代入所述虚拟观测模型,得到第二误差观测模型;根据第一误差观测模型和第二误差观测模型,得到联合误差观测模型;根据所述联合误差观测模型,求得基线的浮点解及其协方差矩阵,根据所述基线的浮点解及其协方差矩阵进行定位。2.根据权利要求1所述的GNSS基线向量解算定位方法,其特征在于,所述根据获取的观测数据,构建第一误差观测模型的步骤包括:根据获取的观测数据,构建第二历元时刻的基本误差观测模型;以状态向量在第二历元时刻的状态预测向量作为第二历元时刻所述状态向量的近似值,对所述基本误差观测模型进行线性化处理,得到第一误差观测模型;其中,所述第一误差观测模型包括观测向量的残差向量和第一误差观测模型的权阵。3.根据权利要求1所述的GNSS基线向量解算定位方法,其特征在于,所述根据待解算状态向量的先验信息,构建虚拟观测模型,以状态预测向量作为虚拟观测模型的虚拟观测值,并将其值作为状态向量的初值,代入所述虚拟观测模型,得到第二误差观测模型包括:根据状态向量的先验信息,构建虚拟观测模型,其中,所述虚拟观测模型包括状态向量在第二历元时刻的虚拟观测值向量和虚拟观测模型的权阵;以状态预测向量作为虚拟观测模型的虚拟观测值,并将其值作为状态向量的初值,代入所述虚拟观测模型,得到第二误差观测模型,其中,所述第二误差观测模型包括状态向量的残差向量和第二误差观测模型的权阵。4.根据权利要求1所述的GNSS基线向量解算定位方法,其特征在于,所述根据第一误差观测模型和第二误差观测模型,得到联合误差观测模型包括:联合第一误差观测模型和第二误差观测模型得到基本联合误差观测模型;根据最小二乘平差原理,对所述基本联合误差观测模型进行简化处理,得到联合误差观测模型。5.根据权利要求1至4任意一项所述的GNSS基线向量解算定位方法,其特征在于,所述第一误差观测模型的权阵为分块对角矩阵;所述根据所述联合误差观测模型,求得基线的浮点解及其协方差矩阵的步骤包括:采用稀疏矩阵分块方法对所述联合误差观测模型进行简化求解,求得第二历元时刻状态向量相对于状态向量初值的浮点改正数;并根据所述浮点改正数以及所述联合误差观测模型,确定待解算的所述状态向量在第二历元时刻的浮点解及其协方差矩阵。6.根据权利要求4所述的GNSS基线向量解算定位方法,其特征在于,所述第一误差观测模型表示如下:上式中,k为第一历元时刻,k+1为第二历元时刻,Vobs为观测向量的残差向量,Hk+1为第二历元时第一误差观测模型的设计矩阵,Zk+1为第二历元时的观测向量,Xk+1|k为第二历元时刻的状态预测向量,fXk+1|k为第二历元时基于状态预测向量计算得到的观测值的计算值向量,Pk+1为第一误差观测模型的权阵,Rk+1为第二历元时观测向量的噪声协方差矩阵;所述构建的虚拟观测模型表示如下:上式中,X为状态向量,εx为误差向量,Px为虚拟观测模型的权阵,Qk+1|k为第二历元时状态预测向量的噪声协方差矩阵;所述第二误差观测模型表示如下:上式中,Vx为状态向量的残差向量,I为单位阵,dx为第二历元时状态向量X以预测向量Xk+1|k作为初值的改正数向量;所述基本联合误差观测模型表示如下:根据最小二乘平差原理,对所述基本联合误差观测模型进行简化处理,得到的联合误差观测模型表示如下:7.根据权利要求5所述的GNSS基线向量解算定位方法,其特征在于,所述第二历元时观测向量的噪声协方差矩阵表示如下:上式中,Q为观测向量的先验方差阵,上标P表示伪距,上标L表示载波,下标gps、glo、bds和gal依次表示GPS卫星导航系统、Glonass卫星导航系统、BDS卫星导航系统和Galileo卫星导航系统;所述第二历元时第一误差观测模型的设计矩阵表示如下:上式中,A为状态向量非模糊度坐标参数部分对应的设计矩阵,B为状态向量模糊度参数部分对应的设计矩阵;所述采用稀疏矩阵分块方法对所述联合误差观测模型进行简化求解,求得第二历元时刻状态向量相对于状态向量初值的浮点改正数;并根据所述浮点改正数以及所述联合误差观测模型,确定待解算的所述状态向量在第二历元时刻的浮点解及其协方差矩阵包括步骤:利用对角矩阵Pk+1和Hk+1对进行简化表示如下:根据所述对进行简化表示如下:其中,根据所述对进行简化表示如下:其中,根据简化计算得到的所述和确定待解算的所述状态向量在第二历元时刻的浮点解及其协方差矩阵;其中,所述浮点解表示如下:Xk+1=Xk+1|k+dx上式中,浮点改正数dx表示如下:所述协方差矩阵表示如下:8.一种GNSS基线向量解算定位装置,其特征在于,所述装置包括:第一模型构建模块,用于根据获取的观测数据,构建第一误差观测模型;第二模型构建模块,用于根据待解算状态向量的先验信息,构建虚拟观测模型,以状态预测向量作为虚拟观测模型的虚拟观测值,并将其值作为状态向量的初值,代入所述虚拟观测模型,得到第二误差观测模型;联合模型构建模块,用于根据第一误差观测模型和第二误差观测模型,得到联合误差观测模型;基线向量解算定位模块,用于根据所述联合误差观测模型,求得基线的浮点解及其协方差矩阵,根据基线向量浮点解及其协方差矩阵进行定位。9.一种导航定位设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时执行如权利要求1至7中任一项所述的GNSS基线向量解算定位方法的步骤。10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的GNSS基线向量解算定位方法的步骤。

百度查询: 广州市中海达测绘仪器有限公司 GNSS基线向量解算定位方法、装置和导航定位设备

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。