CN114355410B - 基于并行计算的卫星导航实时精密单点定位***及方法 - Google Patents
基于并行计算的卫星导航实时精密单点定位***及方法 Download PDFInfo
- Publication number
- CN114355410B CN114355410B CN202111537803.7A CN202111537803A CN114355410B CN 114355410 B CN114355410 B CN 114355410B CN 202111537803 A CN202111537803 A CN 202111537803A CN 114355410 B CN114355410 B CN 114355410B
- Authority
- CN
- China
- Prior art keywords
- real
- time
- clock
- error
- observation data
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000012545 processing Methods 0.000 claims abstract description 61
- 238000007781 pre-processing Methods 0.000 claims abstract description 23
- 238000003908 quality control method Methods 0.000 claims description 60
- 238000001514 detection method Methods 0.000 claims description 50
- 230000008439 repair process Effects 0.000 claims description 26
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 238000012937 correction Methods 0.000 claims description 14
- 238000001914 filtration Methods 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000013507 mapping Methods 0.000 claims description 11
- 238000013500 data storage Methods 0.000 claims description 7
- 239000005433 ionosphere Substances 0.000 claims description 7
- 230000000737 periodic effect Effects 0.000 claims description 5
- 238000007670 refining Methods 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 5
- 238000007689 inspection Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 230000036962 time dependent Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 description 17
- 238000005516 engineering process Methods 0.000 description 15
- 238000004364 calculation method Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 7
- 238000011161 development Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 238000003089 Pariser Parr Pople method Methods 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 239000005436 troposphere Substances 0.000 description 2
- 238000004804 winding Methods 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000005295 random walk Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Landscapes
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种基于并行计算的卫星导航实时精密单点定位***和方法,所述***包括预处理模块、输入处理模块和输出处理模块,其中,预处理模块用于对获取的原始观测数据数据流、实时钟差产品数据流和实时轨道产品数据流进行解码和预处理,获得预处理后的观测数据、精密轨道和精密钟差;输入处理模块建立随机模型和函数模型,并采用参数估计方法以获得实时精密单点定位结果;输出处理模块用于对输入处理模块获取的实时精密单点定位结果进行外部检核和内部检核。本发明采用模块化处理,可对观测数据源采用不同模块参数配置同步并行计算多种模式,后续可根据不同实时模式的运算结果,对中间及最后结果综合分析与评估,确定较优的解算模式。
Description
技术领域
本发明属于卫星导航定位技术领域,具体涉及一种基于并行计算的卫星导航实时精密单点定位***及方法。
背景技术
近年来,无人驾驶技术日益受到社会关注,共享汽车、网约车逐步走入公众生活,车辆的实时定位精度成为这些行业快速发展的重要制约因素之一,传统高精度定位技术多为GNSS(Global Navigation Satellite System,全球导航卫星***)差分定位技术,GNSS差分定位技术想要获取高精度位置必须依靠高密度的基准站,但是基准站建设时间长,运维成本高,基于此,产生了一种高精度定位技术:PPP(precise point positioning,精密单点定位)技术。
当前的定位技术主要分为相对定位技术和绝对定位技术,PPP定位技术属于绝对定位技术,无需依赖参考站,单机作业灵活,在综合考虑各类误差后,可以达到厘米级精度,因而更加具有发展前景。一般来说,外部精密产品滞后时间较长,传统PPP多基于事后模式,同时为了提高定位结果的可靠性、连续性和可用性,部分学者还对其事后PPP进行了质量控制研究。
历经十余年的快速发展,精密单点定位的基本理论与实践问题已经得到较好的解决,目前正在朝工程化应用阶段迈进,随着人们对实时性和可靠性的日益需求,现阶段工程化应用中仍然以事后为主的PPP技术,大多数用户仍然以单***PPP应用为主。而随着近年来全球导航卫星***的快速发展,多***数据处理迎来了新的发展机遇和挑战。首先,多***GNSS以超过120颗的在轨卫星数目,多达五频的信号频率资源,以及均匀的空间覆盖率等整体上提高了数据可用率和冗余度,进而提高了定位结果的可靠性、可用性。但是,多***GNSS数据处理也有诸多新挑战,GNSS星座结构、信号结构、数据精度等差异需要进行深入分析,研究不同的数据处理方法。另外定位结果很大程度上依赖于观测数据和使用产品的质量,随着IGS(International GNSS Service,国际GNSS服务)实时产品的逐步发展和全球卫星导航***的现代化,PPP技术也在飞速发展与进步,因此基于数据质量控制的GNSS实时PPP技术已成为当前PPP应用的关注焦点,实时精密单点定位在完全收敛后,其精度可达到厘米级,影响精密单点定位参数解算收敛的时间的因素有很多,如观测数据质量、观测数据采样间隔、误差估计模型、卫星空间几何结构、用户所要求的精度等。但是目前鲜有学者对实时精密单点定位的质量控制体系进行深入研究。
发明内容
为了解决现有技术中存在的上述问题,本发明提供了一种基于并行计算的卫星导航实时精密单点定位***及方法。本发明要解决的技术问题通过以下技术方案实现:
本发明的一个方面提供了一种基于并行计算的卫星导航实时精密单点定位***,包括预处理模块、输入处理模块和输出处理模块,其中,
所述预处理模块用于对获取的原始观测数据数据流、实时钟差产品数据流和实时轨道产品数据流进行解码,并对解码后观测数据中的粗差、周跳和钟跳进行探测及修复,对解码后的实时轨道和实时钟差进行预处理,获得预处理后的观测数据、精密轨道和精密钟差;
所述输入处理模块用于根据预处理后的观测数据、精密轨道和精密钟差,建立随机模型和函数模型,并采用参数估计方法,获得实时精密单点定位结果;
所述输出处理模块用于对所述输入处理模块获取的实时精密单点定位结果进行外部检核和内部检核。
在本发明的一个实施例中,所述预处理模块包括解码单元、数据存储单元、观测数据质量控制单元和实时产品质量控制单元,其中,
所述解码单元用于解码以RTCM3格式获取的原始观测数据数据流、实时钟差产品数据流和实时轨道产品数据流,获得解码后的观测数据、实时轨道和实时钟差;
所述数据存储单元用于将解码后的观测数据、实时轨道和实时钟差以一定数据结构进行存储;
所述观测数据质量控制单元用于检测所述观测数据中的粗差、周跳和钟跳,并对粗差、周跳和钟跳进行标记、删除或修复;
所述实时产品质量控制单元用于对解码后的实时轨道和实时钟差进行质量分析处理,通过拉格朗日插值法进行轨道产品中断后的修复,通过含有周期项的二次多项式钟差预报模型在钟差产品中断后进行预报修复,并采用空间信号精度对实时轨道和实时钟差进行综合质量控制,获得处理后的精密轨道和精密钟差。
在本发明的一个实施例中,所述观测数据质量控制单元包括粗差探测子单元、周跳探测子单元和钟跳探测子单元,其中,
所述粗差探测子单元用于对观测数据进行多频伪距粗差探测,并对探测出的粗差进行剔除;
所述周跳探测子单元用于采用单频、双频、三频、四频实时周跳探测与周跳修复算法,探测各卫星***下载波相位观测量中的周跳并对周跳进行修复;
所述钟跳探测子单元用于通过对观测数据进行连续性分析,对所述观测数据进行实时钟跳探测与修复。
在本发明的一个实施例中,所述粗差探测子单元具体用于:
构造粗差检验量:
其中,下标1、x分别表示不同卫星***下的第1频点和与第一频点不同的第x频点,C1和P1分别表示第1频点的粗码观测值和精码观测值,Px表示第x频点的精码观测值,dC1P1表示观测值C1和P1之间的偏差,dP1Px表示第1频点和第x频点之间的精码观测值偏差,表示第1频点卫星的观测值C1与P1之间的偏差,表示第1频点和第x频点之间的卫星精码偏差,表示第1频点接收机观测值C1与P1之间的偏差,表示第1频点和第x频点之间的接收机精码偏差,表示不同检验量与时间相关的部分,dion为电离层延迟残余项,ε和分别表示不同检验量残余误差和噪声项之和;
构造粗差判断准则:
其中,k1、k2均为探测阈值;
利用所述粗差检验量和所述粗差判断准则对观测数据中的多频伪距进行粗差识别和定位,并将具有粗差的观测数据进行删除。
在本发明的一个实施例中,所述钟跳探测子单元具体用于:
构建表达式:
其中,k和m分别表示历元和卫星,和分别表示第m个卫星第k个历元的伪距观测值和载波相位观测值,和分别表示第m个卫星第k-1个历元的伪距观测值和载波相位观测值,和分别表示第m个卫星第k个历元和第k-1个历元间的伪距观测值变化量和载波相位观测值变化量;
构建钟跳探测量:
其中,Tx m为钟跳探测量,x表示频点序号,m表示第m颗卫星;
计算得到钟跳的具体数值:
其中,M表示当前历元卫星总数;
利用钟跳修正表达式进行钟跳修复,所述钟跳修正表达式为:
在本发明的一个实施例中,所述输入处理模块包括函数模型质量控制单元、随机模型质量控制单元和参数估计质量控制单元,其中,
所述函数模型质量控制单元用于建立所需参数的函数模型并对所述函数模型进行补偿和精化;
所述随机模型质量控制单元用于建立所需参数的随机模型并对所述随机模型进行补偿和精化;
所述参数估计质量控制单元用于利用扩展Kalman滤波递推公式对建立的观测方程进行线性化和滤波,获得实时精密单点定位结果。
在本发明的一个实施例中,所述函数模型为GMF映射函数模型。
在本发明的一个实施例中,所述随机模型为:
其中,和分别表示伪距和载波观测值精度,和分别表示伪距和载波观测方程对应的方差,E表示卫星高度角,和分别表示伪距和载波信号噪声,和分别表示经过空间信号距离误差修正后的伪距和载波信号噪声,SISRE为空间信号距离误差,α为空间信号距离误差权重系数。
在本发明的一个实施例中,所述输出处理模块包括内部检核单元和外部检核单元,其中,
所述外部检核单元用于通过外部方式获取的定位结果对所述实时精密单点定位结果进行检核并统计精度,输出精度符合要求的结果;
所述内部检核单元用于根据位置参数重复性指标或保护水平设计指标对所述实时精密单点定位结果进行检核并统计精度。
本发明的另一方面提供了一种基于并行计算的卫星导航实时精密单点定位方法,利用上述实施例中任一项所述的基于并行计算的卫星导航实时精密单点定位执行,所述方法包括:
S1:对获取的原始观测数据数据流、实时钟差产品数据流和实时轨道产品数据流进行解码,并对解码后观测数据中的粗差、周跳和钟跳进行探测及修复,对解码后的实时轨道和实时钟差进行预处理,获得预处理后的观测数据、精密轨道和精密钟差;
S2:根据预处理后的观测数据、精密轨道和精密钟差,建立随机模型和函数模型,并采用参数估计方法获得实时精密单点定位结果;
S3:对所述输入处理模块获取的实时精密单点定位结果进行外部检核和内部检核。
与现有技术相比,本发明的有益效果在于:
1、本发明基于并行计算的卫星导航实时精密单点定位***包括预处理模块、输入处理模块和输出处理模块,采用模块化处理,可对观测数据源采用不同模块参数配置同步并行计算多种模式,不同模块之间互不影响,多种模式并行运行,后续可根据不同实时模式的运算结果,对中间及最后结果综合分析与评估,确定较优的解算模式;同时后期可扩展新功能到原有模块和增加新模块,模块向下兼容,能够保证算法不断优化和丰富功能。
2、本发明预处理模块、输入处理模块和输出处理模块的算法组成了完整的GNSS实时精密单点定位质量控制体系,实时PPP的质量控制充分利用GNSS可用信息,设计和改进传统算法,发挥GNSS数据资源优势,优化算法执行方式,监测分析产品状态,探测数据、算法、产品异常并及时改进,从全过程角度出发,设计实时PPP质量控制体系,保证了实时PPP定位***结果的高可用性、连续性和完好性。
3、本发明可应用于***级算法的使用,可将本发明的方法应用于云***中,不同用户的数据共同发送给***,***通过各个模块并行化处理,最终可得到最优的结果,降低未来用户终端的价格,使得终端能够趋于小型化,功能单一化发展,扩大未来高精度的应用市场。
以下将结合附图及实施例对本发明做进一步详细说明。
附图说明
图1是本发明实施例提供的一种基于并行计算的卫星导航实时精密单点定位***的模块图;
图2是本发明实施例提供的一种基于并行计算的卫星导航实时精密单点定位***的处理过程流程图;
图3是本发明实施例提供的一种三频实时周跳探测与修复流程图;
图4是本发明实施例提供的一种顾及历史信息约束的Kalman滤波方法流程图。
具体实施方式
为了进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及具体实施方式,对依据本发明提出的一种基于并行计算的卫星导航实时精密单点定位***及方法进行详细说明。
有关本发明的前述及其他技术内容、特点及功效,在以下配合附图的具体实施方式详细说明中即可清楚地呈现。通过具体实施方式的说明,可对本发明为达成预定目的所采取的技术手段及功效进行更加深入且具体地了解,然而所附附图仅是提供参考与说明之用,并非用来对本发明的技术方案加以限制。
应当说明的是,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物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素。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物品或者设备中还存在另外的相同要素。
实施例一
请参见图1和图2,图1是本发明实施例提供的一种基于并行计算的卫星导航实时精密单点定位***的模块图,图2是本发明实施例提供的一种基于并行计算的卫星导航实时精密单点定位***的处理过程流程图。该实时精密单点定位***包括预处理模块1、输入处理模块2和输出处理模块3,其中,预处理模块1用于对获取的原始观测数据数据流、实时钟差产品数据流和实时轨道产品数据流进行解码,并对解码后观测数据中的粗差、周跳和钟跳进行探测及修复,对解码后的实时轨道和实时钟差进行预处理,获得预处理后的观测数据、精密轨道和精密钟差;输入处理模块2用于根据预处理后的观测数据、精密轨道和精密钟差,建立随机模型和函数模型,并采用参数估计方法获得实时精密单点定位结果,输出处理模块3用于对所述输入处理模块获取的实时精密单点定位结果进行外部检核和内部检核。
进一步地,预处理模块1包括解码单元11、数据存储单元12、观测数据质量控制单元13、实时产品质量控制单元14,其中,解码单元11包括观测数据解码子单元和实时产品解码子单元,分别用于解码以RTCM3格式获取的原始观测数据数据流和实时产品数据流(包括实时钟差产品数据流和实时轨道产品数据流),获得解码后的观测数据、实时轨道和实时钟差;数据存储单元12用于将解码后的观测数据、实时轨道和实时钟差以一定数据结构进行存储;观测数据质量控制单元13用于检测所述观测数据中的粗差、周跳和钟跳,并对粗差、周跳和钟跳进行标记、删除或修复;实时产品质量控制模块14用于对解码后的实时轨道和实时钟差进行质量分析处理,通过拉格朗日插值法进行轨道产品中断后的修复,通过含有周期项的二次多项式钟差预报模型在钟差产品中断后进行预报修复,并采用空间信号精度对实时轨道及钟差进行综合的质量控制,获得处理后的精密轨道和精密钟差。
需要说明的是,精密单点定位技术采用非差方式,具有其灵活性,但也是制约其定位精度和实时应用的主要原因,提供高精度的实时卫星钟差产品对于实时精密单点定位的应用具有重要现实意义,同时考虑利用载波观测值进行高精度定位需要考虑整周模糊度的问题,实际上,精密单点定位的收敛过程主要是模糊度参数的收敛,整周模糊度参数收敛后,则精密单点定位可以判定为收敛,因此本实施例基于并行计算原理对精密单点定位***的各个模块应用了质量控制理论,对质量控制过程采用并行计算设计。
在GNSS实时数据处理过程中,一般在收到跟踪站或其他方式传来的实时观测数据和实时产品(包括实时卫星轨道和实时卫星钟差)后,首先要对这些数据进行预处理,存储为一定的数据结构并且进行质量控制。本实施例的观测数据质量控制单元13主要检测观测数据中可能含有的粗差,探测载波相位观测值的周跳、钟跳,并对这些粗差、周跳和钟跳进行标记、删除或修复。随后实时产品质量控制模块14对实时轨道和实时钟差的可用性、中断修复方法、延时精度等进行分析控制,使得最后得到最优精度的轨道和钟差,经过这些处理才能进行后续的相关参数估计,因此观测数据和实时产品的质量控制是后续数据处理的基础。
在本实施例中,所述观测数据包括伪距观测值和载波观测值,以双频(f1和f2)伪距和载波观测值为例,无电离层组合模型可表达为
其中,和分别为无电离层组合的伪距和载波观测值,s、Z和r分别为卫星号、卫星***和接收机,所述卫星***包括GPS、GOLONASS、BDS、Galileo***,和表示与频率相关的放大因子,p和l分别表示伪距和载波观测值,为方向余弦,x为接收机的位置坐标增量,c表示光速,为卫星的精密钟差改正,和Zw分别为湿投影函数和天顶湿延迟改正,为无电离层整周模糊度;为无电离层组合与频率相关的伪距硬件延迟,为无电离层组合伪距噪声及残余误差,为无电离层组合载波相位噪声及残余误差。
无电离层组合模型的待估参数向量为:
本实施例的观测数据质量控制单元13包括粗差探测子单元、周跳探测子单元和钟跳探测子单元。
所述粗差探测子单元用于对观测数据进行多频伪距粗差探测,具体过程如下:
在多频伪距粗差探测中,构造以下粗差检验量:
其中,下标1、x分别表示不同卫星***下的第1频点和与第一频点不同的其他频点,C1和P1分别表示第1频点的粗码观测值和精码观测值,Px表示第x频点的精码观测值,dC1P1表示观测值C1和P1之间的偏差,dP1Px表示第1频点和第x频点之间的精码观测值偏差,表示第1频点卫星的观测值C1与P1之间的偏差,表示第1频点和第x频点之间的卫星精码偏差,表示第1频点接收机观测值C1与P1之间的偏差,表示第1频点和第x频点之间的接收机精码偏差,另外,这些码偏差同单频一样短时间变化缓慢;表示不同检验量与时间相关的部分;dion为电离层延迟残余项,ε和分别表示不同检验量残余误差和噪声项之和。
由dC1P1、dP1Px分析可知,与单频伪距探测原理相同,检验量相对比较稳定,适合用于检测伪距观测值中的粗差,粗差判断的准则如下所示:
其中,k1、k2均为探测阈值,考虑到电离层,k1<k2,k1取值10,k2取值30。若观测值C1、P1只有一个存在时,该观测值在下式中用P1表示,粗差判断的准则应为:
随后,利用所述粗差检验量和所述粗差判断准则对观测数据中的多频伪距进行粗差识别和定位,并在完成粗差识别和定位后,将具有粗差的观测数据进行删除。
进一步地,所述周跳探测子单元用于对观测数据进行周跳探测和修复。在周跳探测与修复过程中,分别采用单频、双频、三频、四频实时周跳探测与周跳修复算法,实现各卫星***下载波相位观测量中的周跳并对周跳进行修复,其中,单频采用了联合相位伪距组合法、相位变化率法及改进多项式拟合法进行探测与修复;双频采用联合使用码伪距与相位伪距组合、MW(Melbourne-Wbbena)组合及电离层残差组合法进行探测与修复;三频采用基于原始观测值的超宽巷(EWL)组合,宽巷组合(WL)和窄巷组合(NL),通过三种组合连续三步法确定周跳探测并修复,请参见图3,图3是本发明实施例提供的一种三频实时周跳探测与修复流程图;在四频中,Galileo***(伽利略定位***)采用联合三个无几何载波相位组合和一个最优无几何无电离层组合进行周跳探测与修复,而BDS3***采用双独立双频周跳探测与修复法进行周跳探测与修复。
所述钟跳探测子单元用于对观测数据进行实时钟跳探测与修复,在实时钟跳探测与修复中,通过对观测值的连续性进行分析,以此探测钟跳是否发生。具体地,构建如下表达式:
其中,k和m分别表示历元和卫星,和分别表示第m个卫星第k个历元的伪距观测值和载波相位观测值,和分别表示第m个卫星第k-1个历元的伪距观测值和载波相位观测值,和分别表示第m个卫星第k个历元和第k-1个历元间的伪距观测值变化量和载波相位观测值变化量。
构建钟跳探测量T:
其中,M表示当前历元卫星总数。
与周跳修复不同,在发生类型2钟跳后,钟跳修复是将连续的载波相位观测值调整为跳跃模式,这样恢复了伪距观测值与载波相位观测值的一致性,接收机发生钟跳后,破坏了时标、伪距和载波相位观测值的一致性,因此根据影响情况可将钟跳分成多类,其中,时标和载波相位观测值连续,伪距观测值发生阶跃的钟跳称为类型2钟跳。
本实施例具体的钟跳修正表达式为:
进一步地,实时产品质量控制单元14用于对解码后的实时轨道和实时钟差进行质量分析处理,获得处理后的精密轨道和精密钟差。在实时产品质量控制单元14中,对实时轨道和实时钟差的可用性、中断修复方法、延时精度等进行分析控制,使得得到最优精度的轨道和钟差。通过拉格朗日插值法进行轨道产品中断后的修复,通过含有周期项的二次多项式钟差预报模型在钟差产品中断后进行预报修复,并采用空间信号精度对实时轨道及钟差进行综合的质量控制。
具体地,含有周期项的二次多项式模型进行钟差预报的计算公式为:
其中,δti表示实时产品中实时钟差中断时间内预报的精密钟差,a0为参考时刻t0时的卫星钟差,a1为参考时刻t0时的卫星钟漂,a2为参考时刻t0时的卫星钟漂移率,ti表示待求解时刻,q是正弦周期项的数量,Ak是周期Tk的振幅,φk是周期Tk的相位角,ε为钟差噪声。
令δti=ti-t0,sk=Akcosφk,ck=Aksinφk,且接收到的广播星历和SSR(StateSpace Representation,状态空间表达式)钟差改正的二次系数通常为零。此外,GNSS卫星在钟差的最大外推时间设置为1h,因而二次项系数可以忽略不计,则式(9)可以改写为
由此,根据上述公式即可完成对实时钟差产品进行质量分析控制,获得精密钟差。
进一步地,输入处理模块2包括函数模型质量控制单元21、随机模型质量控制单元22和参数估计质量控制单元23,其中,函数模型质量控制单元21用于建立所需参数的函数模型并对函数模型进行补偿和精化;随机模型质量控制单元22用于建立所需参数的随机模型并对随机模型进行补偿和精化;参数估计质量控制单元23用于对建立的观测方程进行线性化和滤波,获得实时精密单点定位结果。
在实时精密单点定位中,不仅需要对接收的原始实时数据流进行预处理,形成干净的数据,同时还要建立合理的随机模型和函数模型,采用适当的参数估计方法,以获得精密单点定位结果。
本实施例的输入处理模块2根据卫星***、使用频点数、动静态模式等组成多种计算模型,例如BDS3单***四频实时PPP计算模型、Galileo四频实时PPP计算模型、BDS2/BDS3双频实时PPP计算模型、GPS/BDS2/GLONASS/Galileo四***双频实时PPP计算模型。在处理阶段中,建立合理的随机模型和函数模型,采用适当的参数估计方法进行处理,函数模型是建立观测方程,观测方程表示观测值与待估参数,误差模型之间的联系。随机模型描述的是观测值与观测值之间,待估参数与待估参数之间的联系。常规的误差模型改正模块根据精密单点定位厘米级精度要求,利用预处理模块1中获得的精密星历和钟差产品对卫星星历和钟差进行改正,针对GNSS信号发射、传播、接收的特点,对可予以模型化改正的卫星天线相位中心偏差、相位缠绕偏差、广义相对论效应、引力延迟、对流程湿分量延迟以及测站相关的地球自转、地球固体潮、大气负荷等施加相应的改正模型,以对卫星天线相位中心偏差、相位缠绕偏差、广义相对论效应、引力延迟、对流程湿分量延迟以及测站相关的地球自转、地球固体潮、大气负荷进行改正。
函数模型误差产生的原因是多方面,主要表现为所建模型中参数不足或过多,函数模型质量控制的方法可以通过函数模型精化方式进行,在实时PPP诸多误差项中,对流层延迟是较为明显的一项误差。不同的映射函数会有不同的影响,现在常用的映射函数表达式如下:
其中,E为卫星高度角,a、b、c是对应的模型系数,上式(11)中不同的模型系数对应不同的映射函数模型,常用的映射函数模型主要有NMF(Neil Mapping Function Neil,投影函数)、VMF1(Vienna Mapping Function,维也纳投影函数)和GMF(GMF Global MappingFunction,全球投影函数),通过大量数据测试得NMF是基于北半球的少数探空站观测数据来解算系数,全球覆盖性不强,映射函数VMF1和GMF则弥补了NMF的不足,映射函数VMF1和GMF有利于提高定位精度。GMF参数计算过程简洁,提高模型实时处理的能力,且在全球范围内适用,在整体精度相当的情况下,优先选择GMF映射函数。
函数模型主要通过载体运动规律的状态方程和观测方程表征其物理意义,函数模型误差产生的原因是多方面。准确的随机模型是指模型误差和观测误差的方差-协方差矩阵应能精确地反映载体运动信息和观测信息的精度和可信程度。准确的函数模型和随机模型以及合理的估计方法是确保PPP获得高精度和高可靠性解的重要前提。
在随机模型方面,传统的PPP随机模型可表示为:
但是传统的随机模型不能精确地反映载体运动信息和观测信息的精度,因而需要采用顾及实时产品空间信号精度模型进行处理,基于以上考虑,本文针对式(12)进行如下改进,具体模型为:
其中,和分别为伪距和载波观测值精度,和分别为伪距和载波观测方程对应的方差,E为卫星高度角,和分别为伪距和载波信号噪声,和分别为经过空间信号距离误差修正后的伪距和载波信号噪声,SISRE(Signal-in-Space Range Error)为空间信号距离误差,α为空间信号距离误差权重系数,其根据不同***会有变化。在实际应用中,实时轨道和钟差之间有很强的相关性,影响用户定位的误差主要有空间信号距离误差和用户等效距离误差,空间信号距离误差主要是由于卫星星历不准确引起,后者是各类误差源影响站星距离测量误差的估值,本文在应用中主要利用前者,结合观测值本身的信号噪声,可获得相对应的采用实时产品的方差另外,不同卫星导航***实时轨道和钟差产品精度也有差异,此时,在应用实时产品后,不同***的伪距和载波测量的精度会发生变化,而再不是传统高度角模型下的伪距和载波测量的精度使用的常数值。
由于GNSS定位的观测值多,待估参数也相对较多,计算量大,必须采用一种合适的参数估计方法才能快速估计参数,Kalman(卡尔曼)滤波方法具有数据存储量小以及高计算效率特点,因而正好符合GNSS定位参数解算需求,,常被用于参数估计中,假设Kalman滤波观测方程和状态方程为:
其中,Xk为历元k的n维状态向量,Φk,k-1为根据k-1历元预测的k历元的n×n维状态转移矩阵,Wk-1为历元k-1的***噪声向量,Lk为历元k的m维观测向量;Hk为历元k的m×n维观测方程阵,Vk为历元k的观测噪声,定义Qk,Rk分别为***历元k的噪声方差阵和量测噪声方差阵。请参见图4,图4是本发明实施例提供的一种顾及历史信息约束的Kalman滤波流程图。在实际数据处理中,需要对观测方程进行线性化,然后再进行滤波,称之为扩展Kalman滤波(Extended Kalman Filter,EKF),设***状态向量初值为初始方差矩阵P0,历元k的状态估计向量为则本实施例的扩展Kalman滤波递推公式如下:
对于***状态初值及方差矩阵的初值设定,主要为:初始坐标和接收机钟差可通过标准单点定位获取,模糊度参数初值可由伪距和载波观测值相减得到,对流层可由先验模型获取。
***噪声参数的设定根据不同参数情况进行设定,其中位置参数被描述为时不变参数,初始方差设定为1002m2。采用白噪声来描述钟差,初始方差为1002m2,对于模糊度参数,在未发生周跳时,通常当作常数估计,否则,在探测出周跳不进行修复时,需要重新初始化,其方差设置同初始时刻的初始方差,其值为1002m2。而对流层延迟视作随机游走过程,且变化较为缓慢,其噪声计算表达式为:
其中,q为对流层参数谱密度,具体大小取决于大气变化特性,Vt表示历元间时间差。
需要说明的是,实时PPP需要一定的时间才能收敛,这是制约其应用的关键因素之一。影响收敛的因素有很多,其中数据中断会造成实时PPP重收敛,这将会极大地降低实时PPP的实用性。而在实时定位过程中,由于网络以及其他原因会导致观测值出现中断现象,中断时间内历元信息缺失,Kalman滤波状态重新归于初始状态,使得定位结果变差或出错,这势必导致定位结果的不连续。为了解决这个问题,从参数估计角度考虑,构建一种顾及历史信息约束的GNSS实时PPP参数估计方法,该算法的思想是存储一定历史历元的状态参数和参数的方差-协方差矩阵。在计算时,若该历元的观测值信息发生中断,则利用历史信息推估当前历元信息,具体流程如图4,具体地,本实施例的顾及历史信息约束的Kalman滤波方法的主要流程为:
2)判断当前历元观测数据状态,若处于连续状态,则进入步骤3),否则进入步骤4)。
3)观测数据连续,按照上述扩展Kalman滤波递推公式进行参数估计,在估计完成后,输出并存储当前历元的状态量及其方差-协方差信息,为在后续的历元参数估计中使用做好准备。
4)利用存储历史历元的信息,预测当前历元的状态向量Xt+Δt|t-1。
本实施例主要通过速度和加速度信息,预测当前历元的状态向量,具体的计算公式为:
其中,t+Δt表示当前历元;vt-1为中断前历元的速度,at-1中断前历元的加速度,vt-1和at-1可以通过历史历元位置信息对时间微分求得,计算公式为:
其中,Xt-1∣t-1表示前一个历元的状态向量,Xt-2∣t-2表示前两个历元的状态向量,Δtt-1表示前一个历元的中断时间。
若历史观测值连续,则加速度at-1及状态向量Xt+Δt∣t-1可分别表示为:
其中,下标t-2,t-3分别表示中断前的第2个历元及第3个历元。
根据误差传播定律,假设历史坐标相互线性独立,因而可求解出当前历元的预测状态量方差-协方差矩阵,计算公式为
式(17)是对位置参数部分进行预测,对于模糊度部分,其状态量以及其方差-协方差信息都要恢复到初始化时刻的状态,对流层延迟残差部分的处理与模糊度大不相同,并不需要重新初始化相关信息,其原因是对流层在短期内特别稳定,可以继续使用历史历元的信息。
5)结果输出。利用上一步计算得出的预测状态量及其方差-协方差矩阵,联合当前历元观测方程,代入Kalman滤波公式中,计算当前历元的状态量估值,同时更新状态向量的状态信息。
进一步地,输出处理模块3用于所述输入处理模块获取的所述实时精密单点定位结果进行外部检核和内部检核。
采用在测量领域一些通用的指标,结合***层面实时应用角度,分析对实时PPP的质量控制效果。另外GNSS实时PPP输出阶段的质量控制主要体现为检核和分析,这样最后保证输出结果的可靠性,本实施例的实时PPP定位结果质量检核的主要体现在外部检核以及内部检核两方面质量控制。
具体地,所述外部检核具体是指通过外部方式获取的精度较高的结果对实时PPP结果进行检核,然后统计精度保证输出结果可靠后再进行输出。外部检核具体体现为传统意义上的外部符合精度。外部符合精度表示实际值(即利用本发明实施例的卫星导航实时精密单点定位***获得的结果)与参考值(即通过外部方式获取的精度较高的结果)之间的偏差程度,其参考值一般会采用更高精度设备采集数据然后采用精确算法解算得出的结果。由于实时PPP的实时性特征,用户终端因其本身功能、存储、通信等多种限制无法获取精确值,因此,针对这一问题,结合网络高带宽、低延时优势,提出基于云平台***资源以其他方式获取精度相对较高的外部参考值,用户只需上传观测数据,然后通过多种方法获取参考值。
进一步地,在没有外部检核条件对实时PPP结果进行检核与分析等质量控制时,还可以从实时PPP***内部出发,建立合适的指标衡量结果。其中内部符合质量控制就是其中的一种,具体体现为传统意义上的内符合精度。根据实时PPP模式的不同,内部符号精度计算方法也有所区别。
在静态实时PPP(这里的静态是指待定位的载体为静态的)中,参考GNSS网平差中精度评定时使用的重复性指标衡量定位结果的内部精度,不同历元时刻得到的位置参数序列X1,X2,L Xn,由一段时间窗口历元求得测站坐标的加权平均值为式中,则位置参数重复性指标PR定义为:
在动态实时PPP中,参数估值的方差-协方差矩阵可反映参数的内符合精度,能在在一定程度上反映出参数的解算质量。
在实时精密单点定位中,借鉴完好性中的保护水平设计指标,对实时PPP定位结果的精度和可靠性分析与检核也采用保护水平进行分析。保护水平是对定位精度最大容忍阈值,超过这个保护水平说明定位结果不可靠,不宜发给用户。保护水平主要有水平保护水平、垂直保护水平两类。保护水平的计算是为了检核定位精度是否满足要求,是一种监测实时PPP定位精度是否可靠的重要方法。解算结果好的话发给用户使用,不好的结果表明定位精度差,不建议采纳使用。
在实时PPP中,Kalman滤波的相关信息也可以用于计算保护水平,通过将后验残差统计量投影到位置域,充分利用观测量的后验残差信息,计算用户保护水平。
其中,kIBPL表示完好性风险等级常量,可以依据完好性风险查表获得,在本实施例中设置为6.18,‖V‖表示后验残差的欧氏距离,σ11,σ22表示状态向量方差协方差矩阵的第1和第2个对角线元素,σH、σU分别表示水平方向和垂直方向中误差,HPL、VPL分别表示水平保护水平、垂直保护水平。该方法不仅能够有效的计算用户的保护水平,而且未被探测的粗差也将体现在保护水平当中。
本实施例本发明基于并行计算的卫星导航实时精密单点定位***包括预处理模块、输入处理模块和输出处理模块,采用模块化处理,可对观测数据源采用不同模块参数配置同步并行计算多种模式,不同模块之间互不影响,多种模式并行运行,后续可根据不同实时模式的运算结果,对中间及最后结果综合分析与评估,确定较优的解算模式;同时后期可扩展新功能到原有模块和增加新模块,模块向下兼容,能够保证算法不断优化和丰富功能。预处理模块、输入处理模块和输出处理模块的算法组成了完整的GNSS实时精密单点定位质量控制体系,实时PPP的质量控制充分利用GNSS可用信息,设计和改进传统算法,发挥GNSS数据资源优势,优化算法执行方式,监测分析产品状态,探测数据、算法、产品异常并及时改进,从全过程角度出发,设计实时PPP质量控制体系,保证了实时PPP定位***结果的高可用性、连续性和完好性。
实施例二
在实施例一的基础上,本实施例提供了一种基于并行计算的卫星导航实时精密单点定位方法,所述方法包括:
S1:对获取的原始观测数据数据流、实时钟差产品数据流、实时轨道产品数据流进行解码,并对解码后观测数据中的粗差、周跳和钟跳进行探测和修复,对解码后的实时轨道和实时钟差进行质量分析控制,获得预处理后的观测数据、精密轨道和精密钟差;
S2:根据预处理后的观测数据、精密轨道和精密钟差,建立随机模型和函数模型,并采用参数估计方法,获得实时精密单点定位结果;
S3:对所述输入处理模块获取的实时精密单点定位结果进行外部检核和内部检核。
具体步骤的详细描述,请参见实施例一,这里不再赘述。
本实施例可应用于***级算法的使用,可将上述本发明的方法应用于云***中,不同用户的数据共同发送给***,***通过各个模块并行化处理,最终可得到最优的结果,降低未来用户终端的价格,使得终端能够趋于小型化,功能个单一化发展,扩大未来高精度的应用市场。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (8)
1.一种基于并行计算的卫星导航实时精密单点定位***,其特征在于,包括预处理模块、输入处理模块和输出处理模块,其中,
所述预处理模块用于对获取的原始观测数据数据流、实时钟差产品数据流和实时轨道产品数据流进行解码,并对解码后观测数据中的粗差、周跳和钟跳进行探测及修复,对解码后的实时轨道和实时钟差进行预处理,获得预处理后的观测数据、精密轨道和精密钟差;
所述输入处理模块用于根据预处理后的观测数据、精密轨道和精密钟差,建立随机模型和函数模型,并采用参数估计方法获得实时精密单点定位结果;
所述输出处理模块用于对所述输入处理模块获取的实时精密单点定位结果进行外部检核和内部检核;
所述预处理模块包括观测数据质量控制单元,所述观测数据质量控制单元用于检测所述观测数据中的粗差、周跳和钟跳,并对粗差、周跳和钟跳进行标记、删除或修复;
所述观测数据质量控制单元包括粗差探测子单元、周跳探测子单元和钟跳探测子单元,其中,
所述粗差探测子单元用于对观测数据进行多频伪距粗差探测,并对探测出的粗差进行剔除;
所述周跳探测子单元用于采用单频、双频、三频、四频实时周跳探测与周跳修复算法,探测各卫星***下载波相位观测量中的周跳并对周跳进行修复;
所述钟跳探测子单元用于通过对观测数据进行连续性分析,对所述观测数据进行实时钟跳探测与修复;
所述粗差探测子单元具体用于:
构造粗差检验量:
其中,下标1、x分别表示不同卫星***下的第1频点和与第一频点不同的第x频点,C1和P1分别表示第1频点的粗码观测值和精码观测值,Px表示第x频点的精码观测值,dC1P1表示观测值C1和P1之间的偏差,dP1Px表示第1频点和第x频点之间的精码观测值偏差,表示第1频点卫星的观测值C1与P1之间的偏差,表示第1频点和第x频点之间的卫星精码偏差,表示第1频点接收机观测值C1与P1之间的偏差,表示第1频点和第x频点之间的接收机精码偏差,表示不同检验量与时间相关的部分,dion为电离层延迟残余项,ε和分别表示不同检验量残余误差和噪声项之和;
构造粗差判断准则:
其中,k1、k2均为探测阈值;
利用所述粗差检验量和所述粗差判断准则对观测数据中的多频伪距进行粗差识别和定位,并将具有粗差的观测数据进行删除。
2.根据权利要求1所述的基于并行计算的卫星导航实时精密单点定位***,其特征在于,所述预处理模块包括解码单元、数据存储单元、观测数据质量控制单元和实时产品质量控制单元,其中,
所述解码单元用于解码以RTCM3格式获取的原始观测数据数据流、实时钟差产品数据流和实时轨道产品数据流,获得解码后的观测数据、实时轨道和实时钟差;
所述数据存储单元用于将解码后的观测数据、实时轨道和实时钟差以一定数据结构进行存储;
所述观测数据质量控制单元用于检测所述观测数据中的粗差、周跳和钟跳,并对粗差、周跳和钟跳进行标记、删除或修复;
所述实时产品质量控制单元用于对解码后的实时轨道和实时钟差进行质量分析处理,通过拉格朗日插值法进行轨道产品中断后的修复,通过含有周期项的二次多项式钟差预报模型在钟差产品中断后进行预报修复,并采用空间信号精度对实时轨道和实时钟差进行综合质量控制,获得处理后的精密轨道和精密钟差。
3.根据权利要求1所述的基于并行计算的卫星导航实时精密单点定位***,其特征在于,所述钟跳探测子单元具体用于:
构建表达式:
其中,k和m分别表示历元和卫星,和分别表示第m个卫星第k个历元的伪距观测值和载波相位观测值,和分别表示第m个卫星第k-1个历元的伪距观测值和载波相位观测值,和分别表示第m个卫星第k个历元和第k-1个历元间的伪距观测值变化量和载波相位观测值变化量;
构建钟跳探测量:
计算得到钟跳的具体数值:
其中,M表示当前历元卫星总数;
利用钟跳修正表达式进行钟跳修复,所述钟跳修正表达式为:
4.根据权利要求1所述的基于并行计算的卫星导航实时精密单点定位***,其特征在于,所述输入处理模块包括函数模型质量控制单元、随机模型质量控制单元和参数估计质量控制单元,其中,
所述函数模型质量控制单元用于建立所需参数的函数模型并对所述函数模型进行补偿和精化;
所述随机模型质量控制单元用于建立所需参数的随机模型并对所述随机模型进行补偿和精化;
所述参数估计质量控制单元用于利用扩展Kalman滤波递推公式对建立的观测方程进行线性化和滤波,获得实时精密单点定位结果。
5.根据权利要求4所述的基于并行计算的卫星导航实时精密单点定位***,其特征在于,所述函数模型为GMF映射函数模型。
7.根据权利要求1所述的基于并行计算的卫星导航实时精密单点定位***,其特征在于,所述输出处理模块包括内部检核单元和外部检核单元,其中,
所述外部检核单元用于通过外部方式获取的定位结果对所述实时精密单点定位结果进行检核并统计精度,输出精度符合要求的结果;
所述内部检核单元用于根据位置参数重复性指标或保护水平设计指标对所述实时精密单点定位结果进行检核并统计精度。
8.一种基于并行计算的卫星导航实时精密单点定位方法,其特征在于,利用权利要求1至7中任一项所述的基于并行计算的卫星导航实时精密单点定位***执行,所述方法包括:
S1:对获取的原始观测数据数据流、实时钟差产品数据流和实时轨道产品数据流进行解码,并对解码后观测数据中的粗差、周跳和钟跳进行探测及修复,对解码后的实时轨道和实时钟差进行预处理,获得预处理后的观测数据、精密轨道和精密钟差;
S2:根据预处理后的观测数据、精密轨道和精密钟差,建立随机模型和函数模型,并采用参数估计方法获得实时精密单点定位结果;
S3:对所述输入处理模块获取的实时精密单点定位结果进行外部检核和内部检核。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111537803.7A CN114355410B (zh) | 2021-12-15 | 2021-12-15 | 基于并行计算的卫星导航实时精密单点定位***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111537803.7A CN114355410B (zh) | 2021-12-15 | 2021-12-15 | 基于并行计算的卫星导航实时精密单点定位***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114355410A CN114355410A (zh) | 2022-04-15 |
CN114355410B true CN114355410B (zh) | 2022-10-25 |
Family
ID=81099377
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111537803.7A Active CN114355410B (zh) | 2021-12-15 | 2021-12-15 | 基于并行计算的卫星导航实时精密单点定位***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114355410B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115598676B (zh) * | 2022-10-17 | 2023-05-05 | 北京航天飞行控制中心 | 星载多模gnss融合精密定轨方法和装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108196279B (zh) * | 2017-12-23 | 2021-10-15 | 航天恒星科技有限公司 | 基于实时数据流的卫星钟差解算及预报方法 |
CN108196272A (zh) * | 2017-12-29 | 2018-06-22 | 中国电子科技集团公司第二十研究所 | 一种基于实时精密单点定位的卫星导航定位装置及方法 |
CN108415050B (zh) * | 2018-06-04 | 2020-05-26 | 北京未来导航科技有限公司 | 一种基于低轨星座导航增强***的ppp-rtk定位方法 |
CN109782313A (zh) * | 2019-01-17 | 2019-05-21 | 上海卫星工程研究所 | 地面精密单点定位数据处理方法 |
CN111208541B (zh) * | 2020-01-19 | 2021-07-16 | 山东大学 | 一种基于gpu的大规模gnss数据处理方法 |
CN112540393A (zh) * | 2020-11-23 | 2021-03-23 | 许昌学院 | 海上精密单点定位保护水平质量检核方法及*** |
-
2021
- 2021-12-15 CN CN202111537803.7A patent/CN114355410B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114355410A (zh) | 2022-04-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11237276B2 (en) | System and method for gaussian process enhanced GNSS corrections generation | |
US11860260B2 (en) | Systems and methods for high-integrity satellite positioning | |
US9557419B2 (en) | Methods for generating accuracy information on an ionosphere model for satellite navigation applications | |
US20240118433A1 (en) | Method and apparatus of single epoch position bound | |
US7961143B2 (en) | Partial search carrier-phase integer ambiguity resolution | |
US20240142637A1 (en) | System and method for gaussian process enhanced gnss corrections generation | |
US20220187475A1 (en) | System and method for reconverging gnss position estimates | |
US20230018631A1 (en) | System and method for satellite positioning | |
CN116953741B (zh) | 一种应用于全球导航卫星***gnss的周跳探测与修复方法 | |
CN114355410B (zh) | 基于并行计算的卫星导航实时精密单点定位***及方法 | |
JP2008039691A (ja) | 搬送波位相式測位装置 | |
Farooq et al. | Survey of cycle slip detection & correction techniques for single frequency receivers | |
US20240134065A1 (en) | System and method for distributed integrity monitoring | |
US12013468B2 (en) | System and method for determining GNSS corrections | |
US11474263B2 (en) | System and method for GNSS ambiguity resolution | |
Elsayed et al. | Bounding of correlated double-differenced GNSS observation errors using NRTK for precise positioning of autonomous vehicles | |
CN114488233A (zh) | 全球卫星导航终端及其导航定位方法 | |
CN110941002B (zh) | 一种自适应抗差的序贯最小二乘精密单点定位方法 | |
Ouassou et al. | Reliability Analysis of Network Real‐Time Kinematic | |
Zhang et al. | MPARELAM: a robust approach for ambiguity resolution in complex RTK positioning scenarios | |
Próchniewicz et al. | Quality indicator for ionospheric biases interpolation in the Network RTK | |
Zhilinskiy | GLONASS Satellite Pseudorange Errors Mitigation Using Gradient Boosting Machine | |
CN118091718B (zh) | 通过低轨卫星下行导航信号改善ut1解算精度的方法 | |
Kim et al. | Kalman-filter-based GPS ambiguity resolution for real-time long-baseline kinematic applications | |
US20230113888A1 (en) | Methods and systems for estimating an expected accuracy using navigation satellite system observations |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |