CN116973961A - 目标对象定位方法、装置、计算机设备和模糊度更新方法 - Google Patents
目标对象定位方法、装置、计算机设备和模糊度更新方法 Download PDFInfo
- Publication number
- CN116973961A CN116973961A CN202211389914.2A CN202211389914A CN116973961A CN 116973961 A CN116973961 A CN 116973961A CN 202211389914 A CN202211389914 A CN 202211389914A CN 116973961 A CN116973961 A CN 116973961A
- Authority
- CN
- China
- Prior art keywords
- ambiguity
- target object
- satellite
- kalman filtering
- observation
- 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
- 238000000034 method Methods 0.000 title claims abstract description 97
- 238000001914 filtration Methods 0.000 claims abstract description 218
- 238000012545 processing Methods 0.000 claims abstract description 160
- 238000004364 calculation method Methods 0.000 claims abstract description 88
- 239000013585 weight reducing agent Substances 0.000 claims abstract description 85
- 238000004590 computer program Methods 0.000 claims abstract description 33
- 230000008569 process Effects 0.000 claims description 24
- 239000011159 matrix material Substances 0.000 claims description 19
- 230000009467 reduction Effects 0.000 claims description 14
- 239000003550 marker Substances 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 description 19
- 230000000694 effects Effects 0.000 description 16
- 238000001514 detection method Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 9
- 230000004807 localization Effects 0.000 description 7
- 238000011946 reduction process Methods 0.000 description 7
- 230000008439 repair process Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000012937 correction Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 4
- 239000004973 liquid crystal related substance Substances 0.000 description 3
- 230000010485 coping Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000005433 ionosphere Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000018199 S phase Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000000819 phase cycle Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G01S19/42—Determining position
- G01S19/43—Determining position using carrier phase measurements, e.g. kinematic positioning; using long or short baseline interferometry
- G01S19/44—Carrier phase ambiguity resolution; Floating ambiguity; LAMBDA [Least-squares AMBiguity Decorrelation Adjustment] method
-
- 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
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
- G01S19/24—Acquisition or tracking or demodulation of signals transmitted by the system
- G01S19/25—Acquisition or tracking or demodulation of signals transmitted by the system involving aiding data received from a cooperating element, e.g. assisted GPS
- G01S19/258—Acquisition or tracking or demodulation of signals transmitted by the system involving aiding data received from a cooperating element, e.g. assisted GPS relating to the satellite constellation, e.g. almanac, ephemeris data, lists of satellites in view
-
- 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
- G01S19/393—Trajectory determination or predictive tracking, e.g. Kalman filtering
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Navigation (AREA)
Abstract
本申请涉及一种目标对象定位方法、装置、计算机设备、存储介质和计算机程序产品以及模糊度更新方法,可以应用于地图领域,方法包括:获取目标对象在上一历元的卡尔曼滤波观测参数,得到目标对象的定位卫星中每一周跳卫星各自的模糊度计算结果;对模糊度计算结果符合小周跳判定条件的周跳卫星的模糊度进行降权处理,并对不符合的模糊度进行重置处理;基于修改后的模糊度,更新卡尔曼滤波观测方程以及卡尔曼滤波状态方程;将上一历元的状态参数输入更新的卡尔曼滤波状态方程,得到更新状态参数;将更新状态参数和对应的观测数据,输入更新的卡尔曼滤波观测方程,得到目标对象在当前历元的定位结果。本申请可以有效提高针对目标对象定位的准确性。
Description
技术领域
本申请涉及卫星定位领域,特别是涉及一种目标对象定位方法、装置、计算机设备、存储介质和计算机程序产品和模糊度更新方法。
背景技术
随着卫星定位的发展,出现了载波相位差分技术,通过实时处理两个测量站载波相位观测量的差分方法,将基准站采集的载波相位发给用户接收机,进行求差解算坐标得到定位结果。传统卫星定位方法中,为实现高精度定位,一般会采用载波相位差分技术来进行定位,然而当载波相位差分技术应用于移动端设备时,会受限与天线设计以及功耗等因素,其载波相位观测质量较差,尤其是周跳非常频繁。
目前,载波相位差分中应对周跳的方式一般是通过模糊度重置实现。对于模糊度重置,由于移动端观测条件较差,一般会预先在移动端的机原始观测量中标记大量周跳,然而直接通过这些标记的周跳来进行模糊度重置的话,容易导致模糊度难以收敛,最终影响基于载波相位差分技术进行定位的准确率。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高基于载波相位差分技术进行定位准确率的目标对象定位方法、装置、计算机设备、计算机可读存储介质和计算机程序产品和模糊度更新方法。
第一方面,本申请提供了一种目标对象定位方法。所述方法包括:
获取目标对象在上一历元的卡尔曼滤波观测参数,基于所述卡尔曼滤波观测参数,得到所述目标对象的定位卫星中每一周跳卫星各自的模糊度计算结果;
对模糊度计算结果符合小周跳判定条件的周跳卫星的模糊度进行降权处理,并对模糊度计算结果不符合所述小周跳判定条件的周跳卫星的模糊度进行重置处理;
基于降权处理后的模糊度,更新卡尔曼滤波观测方程,并基于降权处理后的模糊度以及重置处理后的模糊度,更新卡尔曼滤波状态方程;
将上一历元的状态参数输入更新的所述卡尔曼滤波状态方程,得到更新状态参数;
将所述更新状态参数和所述定位卫星中各无周跳卫星在当前历元的观测数据,输入更新的所述卡尔曼滤波观测方程,得到所述目标对象在当前历元的定位结果。
第二方面,本申请还提供了一种目标对象定位装置。所述装置包括:
模糊度计算模块,用于获取目标对象在上一历元的卡尔曼滤波观测参数,基于所述卡尔曼滤波观测参数,得到所述目标对象的定位卫星中每一周跳卫星各自的模糊度计算结果;
模糊度更新模块,用于对模糊度计算结果符合小周跳判定条件的周跳卫星的模糊度进行降权处理,并对模糊度计算结果不符合所述小周跳判定条件的周跳卫星的模糊度进行重置处理;
方程更新模块,用于基于降权处理后的模糊度,更新卡尔曼滤波观测方程,并基于降权处理后的模糊度以及重置处理后的模糊度,更新卡尔曼滤波状态方程;
状态参数更新模块,用于将上一历元的状态参数输入更新的所述卡尔曼滤波状态方程,得到更新状态参数;
目标对象定位模块,用于将所述更新状态参数和所述定位卫星中各无周跳卫星在当前历元的观测数据,输入更新的所述卡尔曼滤波观测方程,得到所述目标对象在当前历元的定位结果。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取目标对象在上一历元的卡尔曼滤波观测参数,基于所述卡尔曼滤波观测参数,得到所述目标对象的定位卫星中每一周跳卫星各自的模糊度计算结果;
对模糊度计算结果符合小周跳判定条件的周跳卫星的模糊度进行降权处理,并对模糊度计算结果不符合所述小周跳判定条件的周跳卫星的模糊度进行重置处理;
基于降权处理后的模糊度,更新卡尔曼滤波观测方程,并基于降权处理后的模糊度以及重置处理后的模糊度,更新卡尔曼滤波状态方程;
将上一历元的状态参数输入更新的所述卡尔曼滤波状态方程,得到更新状态参数;
将所述更新状态参数和所述定位卫星中各无周跳卫星在当前历元的观测数据,输入更新的所述卡尔曼滤波观测方程,得到所述目标对象在当前历元的定位结果。
第四方面,本申请还提供了一种计算机可读存储介质。所述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:
获取目标对象在上一历元的卡尔曼滤波观测参数,基于所述卡尔曼滤波观测参数,得到所述目标对象的定位卫星中每一周跳卫星各自的模糊度计算结果;
对模糊度计算结果符合小周跳判定条件的周跳卫星的模糊度进行降权处理,并对模糊度计算结果不符合所述小周跳判定条件的周跳卫星的模糊度进行重置处理;
基于降权处理后的模糊度,更新卡尔曼滤波观测方程,并基于降权处理后的模糊度以及重置处理后的模糊度,更新卡尔曼滤波状态方程;
将上一历元的状态参数输入更新的所述卡尔曼滤波状态方程,得到更新状态参数;
将所述更新状态参数和所述定位卫星中各无周跳卫星在当前历元的观测数据,输入更新的所述卡尔曼滤波观测方程,得到所述目标对象在当前历元的定位结果。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取目标对象在上一历元的卡尔曼滤波观测参数,基于所述卡尔曼滤波观测参数,得到所述目标对象的定位卫星中每一周跳卫星各自的模糊度计算结果;
对模糊度计算结果符合小周跳判定条件的周跳卫星的模糊度进行降权处理,并对模糊度计算结果不符合所述小周跳判定条件的周跳卫星的模糊度进行重置处理;
基于降权处理后的模糊度,更新卡尔曼滤波观测方程,并基于降权处理后的模糊度以及重置处理后的模糊度,更新卡尔曼滤波状态方程;
将上一历元的状态参数输入更新的所述卡尔曼滤波状态方程,得到更新状态参数;
将所述更新状态参数和所述定位卫星中各无周跳卫星在当前历元的观测数据,输入更新的所述卡尔曼滤波观测方程,得到所述目标对象在当前历元的定位结果。
上述目标对象定位方法、装置、计算机设备、存储介质和计算机程序产品,通过先获取目标对象在上一历元的卡尔曼滤波观测参数,基于卡尔曼滤波观测参数,来得到目标对象的定位卫星中每一周跳卫星各自的模糊度计算结果,从而可以基于上一历元下周跳卫星的模糊度来实现对周跳卫星的模糊度修复处理,而后对模糊度计算结果符合小周跳判定条件的周跳卫星的模糊度进行降权处理,并对模糊度计算结果不符合小周跳判定条件的周跳卫星的模糊度进行重置处理,通过对周跳进行分类并针对小周跳做模糊度降权处理,从而大大提升了载波相位观测值的可用性,尤其提高了在恶劣环境下的定位表现。之后可以基于处理得到的模糊度更新卡尔曼滤波观测方程和卡尔曼滤波状态方程,以对当前历元的卡尔曼滤波方程进行更新,再通过将上一历元的状态参数输入更新的卡尔曼滤波状态方程,得到更新状态参数,确定卡尔曼滤波状态方程预测的位置,最后再将更新状态参数和定位卫星中各无周跳卫星在当前历元的观测数据,输入更新的卡尔曼滤波观测方程,得到目标对象的定位结果,通过卡尔曼滤波观测方程基于目标对象的观测信息来对预测的位置进行误差修正,得到目标对象的定位结果。本申请的方案通过对周跳进行分类并针对小周跳做模糊度降权处理,保证了模糊度修复效果,从而大大提升了载波相位观测值的可用性,从而提高载波相位差分技术在恶劣环境下的定位准确性。
第六方面,本申请提供了一种模糊度更新方法。所述方法包括:
将目标对象在上一历元的状态参数输入卡尔曼滤波状态方程,得到更新状态参数;
将所述更新状态参数和所述目标对象的定位卫星中各无周跳卫星在当前历元的观测数据,输入卡尔曼滤波观测方程,得到所述目标对象的卡尔曼滤波观测参数;
获取目标对象在上一历元的卡尔曼滤波观测参数,基于所述卡尔曼滤波观测参数,得到所述目标对象的定位卫星中每一周跳卫星各自的模糊度计算结果;
对模糊度计算结果符合小周跳判定条件的周跳卫星的模糊度进行降权处理,并对模糊度计算结果不符合所述小周跳判定条件的周跳卫星的模糊度进行重置处理;
基于降权处理后的模糊度,更新卡尔曼滤波观测方程,并基于降权处理后的模糊度以及重置处理后的模糊度,更新卡尔曼滤波状态方程。
第七方面,本申请还提供了一种模糊度更新装置。所述装置包括:
状态更新模块,用于将目标对象在上一历元的状态参数输入卡尔曼滤波状态方程,得到更新状态参数;
观测更新模块,用于将所述更新状态参数和所述目标对象的定位卫星中各无周跳卫星在当前历元的观测数据,输入卡尔曼滤波观测方程,得到所述目标对象的卡尔曼滤波观测参数;
模糊度识别模块,用于获取目标对象在上一历元的卡尔曼滤波观测参数,基于所述卡尔曼滤波观测参数,得到所述目标对象的定位卫星中每一周跳卫星各自的模糊度计算结果;
模糊度调整模块,用于对模糊度计算结果符合小周跳判定条件的周跳卫星的模糊度进行降权处理,并对模糊度计算结果不符合所述小周跳判定条件的周跳卫星的模糊度进行重置处理;
方程调整模块,用于基于降权处理后的模糊度,更新卡尔曼滤波观测方程中的模糊度数据,并基于降权处理后的模糊度以及重置处理后的模糊度,更新卡尔曼滤波状态方程中的模糊度数据。
第八方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取目标对象在上一历元的卡尔曼滤波观测参数,基于所述卡尔曼滤波观测参数,得到所述目标对象的定位卫星中每一周跳卫星各自的模糊度计算结果;
对模糊度计算结果符合小周跳判定条件的周跳卫星的模糊度进行降权处理,并对模糊度计算结果不符合所述小周跳判定条件的周跳卫星的模糊度进行重置处理;
基于降权处理后的模糊度,更新卡尔曼滤波观测方程,并基于降权处理后的模糊度以及重置处理后的模糊度,更新卡尔曼滤波状态方程;
将上一历元的状态参数输入更新的所述卡尔曼滤波状态方程,得到更新状态参数;
基于降权处理后的模糊度,更新卡尔曼滤波观测方程中的模糊度数据,并基于降权处理后的模糊度以及重置处理后的模糊度,更新卡尔曼滤波状态方程中的模糊度数据。
第九方面,本申请还提供了一种计算机可读存储介质。所述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:
获取目标对象在上一历元的卡尔曼滤波观测参数,基于所述卡尔曼滤波观测参数,得到所述目标对象的定位卫星中每一周跳卫星各自的模糊度计算结果;
对模糊度计算结果符合小周跳判定条件的周跳卫星的模糊度进行降权处理,并对模糊度计算结果不符合所述小周跳判定条件的周跳卫星的模糊度进行重置处理;
基于降权处理后的模糊度,更新卡尔曼滤波观测方程,并基于降权处理后的模糊度以及重置处理后的模糊度,更新卡尔曼滤波状态方程;
将上一历元的状态参数输入更新的所述卡尔曼滤波状态方程,得到更新状态参数;
基于降权处理后的模糊度,更新卡尔曼滤波观测方程中的模糊度数据,并基于降权处理后的模糊度以及重置处理后的模糊度,更新卡尔曼滤波状态方程中的模糊度数据。
第十方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取目标对象在上一历元的卡尔曼滤波观测参数,基于所述卡尔曼滤波观测参数,得到所述目标对象的定位卫星中每一周跳卫星各自的模糊度计算结果;
对模糊度计算结果符合小周跳判定条件的周跳卫星的模糊度进行降权处理,并对模糊度计算结果不符合所述小周跳判定条件的周跳卫星的模糊度进行重置处理;
基于降权处理后的模糊度,更新卡尔曼滤波观测方程,并基于降权处理后的模糊度以及重置处理后的模糊度,更新卡尔曼滤波状态方程;
将上一历元的状态参数输入更新的所述卡尔曼滤波状态方程,得到更新状态参数;
基于降权处理后的模糊度,更新卡尔曼滤波观测方程中的模糊度数据,并基于降权处理后的模糊度以及重置处理后的模糊度,更新卡尔曼滤波状态方程中的模糊度数据。
上述模糊度更新方法、装置、计算机设备、存储介质和计算机程序产品,通过先将上一历元的状态参数输入更新的卡尔曼滤波状态方程,得到更新状态参数,确定卡尔曼滤波状态方程预测的位置,再将更新状态参数和定位卫星中各无周跳卫星在当前历元的观测数据,输入更新的卡尔曼滤波观测方程,且都卖号卡尔曼滤波观测参数,通过卡尔曼滤波观测方程基于目标对象的观测信息来对预测的位置进行误差修正,得到目标对象的卡尔曼滤波观测参数,再基于卡尔曼滤波观测参数,来得到目标对象的定位卫星中每一周跳卫星各自的模糊度计算结果,从而可以基于上一历元下周跳卫星的模糊度来实现对周跳卫星的模糊度修复处理,最后再对模糊度计算结果符合小周跳判定条件的周跳卫星的模糊度进行降权处理,并对模糊度计算结果不符合小周跳判定条件的周跳卫星的模糊度进行重置处理,通过对周跳进行分类并针对小周跳做模糊度降权处理,从而大大提升了载波相位观测值的可用性,尤其提高了在恶劣环境下的定位表现。之后则可以基于处理得到的模糊度更新卡尔曼滤波观测方程和卡尔曼滤波状态方程,以对当前历元的卡尔曼滤波方程进行更新,从而确保下一历元下卡尔曼滤波方程可以正常实现对目标对象的定位。本申请的方案通过对周跳进行分类并针对小周跳做模糊度降权处理,保证了模糊度修复效果,从而大大提升了载波相位观测值的可用性,从而提高载波相位差分技术在恶劣环境下的定位准确性。
附图说明
图1为一个实施例中目标对象定位方法的应用环境图;
图2为一个实施例中目标对象定位方法的流程示意图;
图3为一个实施例中载波相位差分定位的原理示意图;
图4为一个实施例中定位卫星的分类示意图;
图5为一个实施例中目标对象定位方法的流程框图;
图6为一个实施例中模糊度更新方法的流程示意图;
图7为一个实施例中模糊度更新方法的流程框图;
图8为一个实施例中目标对象定位装置的结构框图;
图9为一个实施例中模糊度更新装置的结构框图;
图10为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请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申请,并不用于限定本申请。
在本文中,需要理解的是,所涉及的术语:
RTK(Real-time kinematic,实时动态):载波相位差分技术,是实时处理两个测量站载波相位观测量的差分方法,将基准站采集的载波相位发给用户接收机,进行求差解算坐标。
ADR(Accumulated delta range,载波累计变化率):指终端对于全球导航卫星***(Global Navigation Satellite System,GNSS)信号相位变化值。
整周模糊度(ambiguity of whole cycles):又称整周未知数,是在全球定位***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。
本申请实施例提供的目标对象定位方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与基准站104进行通信,同时终端102和基准站104分别与多个定位卫星106通过网络进行连接,可以通过网络收发定位信号,终端102、基准站104以及定位卫星106通过载波相位差分技术来实现对终端102的定位。当终端102方的用户需要对终端102的位置进行定位时,首先会获取终端102在上一历元的卡尔曼滤波观测参数,基于卡尔曼滤波观测参数,得到终端102的定位卫星中每一周跳卫星各自的模糊度计算结果,再对模糊度计算结果符合小周跳判定条件的周跳卫星的模糊度进行降权处理,并对模糊度计算结果不符合小周跳判定条件的周跳卫星的模糊度进行重置处理;基于降权处理后的模糊度,更新卡尔曼滤波观测方程,并基于降权处理后的模糊度以及重置处理后的模糊度,更新卡尔曼滤波状态方程;将上一历元的状态参数输入更新的卡尔曼滤波状态方程,得到更新状态参数,再获取定位卫星106和基准站反馈的观测数据,并将更新状态参数和定位卫星106中各无周跳卫星在当前历元的观测数据,输入更新的卡尔曼滤波观测方程,得到目标对象在当前历元的定位结果。其中,终端102可以但不限于是各种台式计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备,物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。
在一个实施例中,如图2所示,提供了一种目标对象定位方法,该方法可以应用于终端或者服务器,下面以该方法应用于图1中的终端102为例进行说明,包括以下步骤:
步骤201,获取目标对象在上一历元的卡尔曼滤波观测参数,基于卡尔曼滤波观测参数,得到目标对象的定位卫星中每一周跳卫星各自的模糊度计算结果。
其中,目标对象是指本申请方案中的定位目标,在本实施例中,目标对象指的是需要定位的终端102,终端102可以与基准站104以及定位卫星106通过网络进行连接,并通过卫星定位技术来实现对自身的定位。上一历元指的是上一个观测历元,在天文学上,历元是为指定天球坐标或轨道参数而规定的某一特定时刻。在天文学和卫星定位中,所获数据对应的时刻也称为历元,因此上一历元具体指的是上一个观测时刻下所获得的卡尔曼滤波观测参数。卡尔曼滤波参数是指通过卡尔曼滤波处理后得到的数据,其具体包括了通过卡尔曼滤波观测修正后的目标对象在上一历元对应时刻的定位位置。卡尔曼滤波是一种利用线性***状态方程,通过***输入输出观测数据,对***状态进行最优估计的算法。由于观测数据中包括***中的噪声和干扰的影响,所以最优估计也可看作是滤波过程。数据滤波是去除噪声还原真实数据的一种数据处理技术,卡尔曼滤波在测量方差已知的情况下能够从一系列存在测量噪声的数据中,估计动态***的状态。由于它便于计算机编程实现,并能够对现场采集的数据进行实时的更新和处理,卡尔曼滤波是目前应用最为广泛的滤波方法,在通信,导航,制导与控制等多领域得到了较好的应用。本申请通过卡尔曼滤波结合RTK技术来实现定位,具体通过卫星观测值来作为观测量结合目标对象的状态量构建卡尔曼滤波方程,解算得到目标对象的实时位置,RTK技术定位的原理可以参照图3所示,在基准站上安置接收机为参考站,其对卫星进行连续观测,并将其观测数据和测站信息,而后通过无线电传输设备,实时地将这些信息发送给目标对象,目标对象在接收定位卫星的观测信号的同时,通过无线接收设备接收基准站传输的数据,结合两者确定实时位置,而卫星有时候会因为遮挡等原因出现周跳现象,因此一次需要使用多个卫星来实现定位。目标对象的定位卫星是指用于对目标对象进行定位的卫星,一般包含了至少4至5颗卫星才能实现定位。周跳卫星指的是发生了周跳(cycle slips)的定位卫星,周跳是指在全球导航卫星***技术的载波相位测量中,由于卫星信号的失锁而导致的整周计数的跳变或中断。发生了周跳后,卫星观测量序列以后的所有历元都会增加一个同样大小的整周偏差。模糊度即整周模糊度,是指是在全球定位***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。
具体地,当用户需要通过卡尔曼滤波的方法来实现对目标对象的定位时,为了获得更准确的定位结果,需要依据上一历元下的定位结果来对卡尔曼滤波中的状态方程和观测方程中发生周跳的定位卫星的模糊度进行修复,因此,可以先获取目标对象在上一历元的卡尔曼滤波观测参数,确定目标对象在上一个历元下的定位结果,再依照该定位结果,反推周跳卫星的模糊度,得到目标对象的定位卫星中每一周跳卫星各自的模糊度计算结果。在其中一个实施例中,在基于目标对象在上一历元的卡尔曼滤波观测参数,确定目标对象的位置后,可以通过下列公式来计算每一周跳卫星各自的模糊度:
其中,N表示模糊度,己表示载波相位观测值,ρ表示基于目标对象的已有位置计算得到的卫地距。表示差分,Δ为星间差分,/>为站间差分。λ为相位观测的波长。
步骤203,对模糊度计算结果符合小周跳判定条件的周跳卫星的模糊度进行降权处理,并对模糊度计算结果不符合小周跳判定条件的周跳卫星的模糊度进行重置处理。
其中,小周跳判断条件指的是用于判断周跳属于大周跳还是小周跳的条件,在其中一个实施例中,可以通过设置小周跳阈值来进行大小周跳的判断。降权处理是指仅仅降低小周跳卫星的模糊度权重,而将模糊度保持不变,其具体可以通过在卡尔曼滤波状态方程中增大小周跳卫星的模糊度方差实现。
具体地,当计算得出定位卫星中每一周跳卫星各自的模糊度计算结果后,即可基于计算得到的模糊度计算结果来进行当前历元下的模糊度修复处理。申请人发现,传统的载波相位差分技术中应对周跳的方式一般是模糊度修复或者模糊度重置,其中模糊度修复对于观测精度、坐标精度要求很高,在移动端基本无法实现模糊度修复;而由于移动终端本身天线设计受限且观测条件比较差,因此终端原始观测量中标记了大量周跳,如果对这些标记出的周跳不加分辨的进行模糊度重置,会导致模糊度难以收敛,进而导致载波相位实际并未起到其应有的作用。申请人还发现,虽然原始观测量中标记了大量周跳,而绝大部分周跳为小周跳,尽管其发生了周跳,但是大部分情况下,发生了周跳后的模糊度精度依然高于模糊度重置后的精度,因此,本申请的方案通过对周跳进行分类并针对小周跳做降权处理,并对模糊度计算结果不符合小周跳判定条件的周跳卫星的模糊度进行重置处理,从而提升了载波相位观测值的可用性,尤其提高了在恶劣环境下的定位表现,避免了由于频繁周跳导致RTK事实上回落到RTD(Real Time Differential,实时动态码相位差分技术)。
步骤205,基于降权处理后的模糊度,更新卡尔曼滤波观测方程,并基于降权处理后的模糊度以及重置处理后的模糊度,更新卡尔曼滤波状态方程。
其中,卡尔曼滤波主要通过状态方程和观测方程结合来实现,其中状态方程用于推测状态更新的表达式,通过状态转移矩阵以及上一历元的状态参数,来得到状态的预测量。而观测方程则是基于实时的观测数据所构建的方程,通过状态方程和观测方程,即可解算出目标对象的实时定位位置。
具体地,当对模糊度处理完成后,即可基于模糊度处理的结果来对当前历元下的卡尔曼滤波观测方程和卡尔曼滤波状态方程进行更新处理。其中,对于状态方程,其状态量主要包含了位置、速度以及模糊度三个数据,对于模糊度,每一个卫星都对应有一个模糊度。而更新具体是指对其中的模糊度进行更新,对于小周跳卫星的模糊度,由于其发生了周跳后的模糊度精度依然高于模糊度重置后的精度,因此只需要进行降权处理,通过增大其对应的方差即可更新卡尔曼滤波观测方程,而对于非小周跳卫星,则直接重置其模糊度来进行模糊度修复,重置具体是指通过周跳卫星计算的模糊度代替卡尔曼滤波观测方程中的模糊度。同时还需要基于降权处理后的模糊度来对上一历元的卡尔曼滤波状态方程进行更新。在其中一个实施例中,为提高发生了小周跳的卫星的模糊度快速收敛,在上述分类后再进行一次观测更新,此次观测更新仅使用标记为小周跳的卫星的载波相位观测值。通过更新可以有效提高基于卡尔曼滤波观测方程进行定位处理的准确性。
步骤207,将上一历元的状态参数输入更新的卡尔曼滤波状态方程,得到更新状态参数。
其中,上一历元的状态参数是指定位得到的终端102在上一历元的位置信息以及记录下的速度信息,还可以包括上一历元到当前历元的状态变化时间。更新状态参数则是指通过卡尔曼滤波状态方程预测得到的定位结果,包含有噪声。
通过将这些上一历元的状态参数输入更新的卡尔曼滤波状态方程,可以基于卡尔曼滤波状态方程对当前状态下终端102的位置进行预测,再结合状态噪声,即可得到终端102的更新状态参数。在其中一个实施例中,卡尔曼滤波中状态量选择位置、速度、模糊度,记为xt=[pt vt Nt]T,其中,t代表时刻。开始计算前,首先通过单点定位计算初始位置、速度,并赋予合适的方差(基于历史定位数据赋予),获得初始状态量x0及其方差P0,后续则基于这些初始状态量来进行每一个历元下位置、速度以及模糊度等数据的更新,而每一个历元的观测量都是基于上一历元观测确定的位置以及速度来计算的。
步骤209,将更新状态参数和定位卫星中各无周跳卫星在当前历元的观测数据,输入更新的卡尔曼滤波观测方程,得到目标对象在当前历元的定位结果。
其中,无周跳卫星是指通过周跳识别后所挑选出的并不存在周跳的卫星,为了确保定位的准确性,可以在卫星定位之前,先对定位卫星是否存在周跳进行识别,而后剔除掉存在周跳的卫星,再基于无周跳卫星实现精准定位。当前历元的观测数据是指定位卫星针对终端102以及基准站104进行观测后所反馈的数据,包括载波相位观测值、伪距观测值和多普勒观测值。载波相位观测值是指定位卫星发射的载波信号或副载波信号与接收机的本振信号之间的相位差。伪距观测值是指定位卫星测得的定位卫星与目标对象的距离以及定位卫星与基准站的距离,因为测得的距离含有时钟误差和大气层折射延迟,而非“真实距离”,故称伪距。多普勒观测值则是指基于多普勒频移效应测得的接收信号与发射信号的频率差异数据。
具体地,在确定定位卫星中的无周跳卫星后,即可基于这些无周跳卫星的观测数据来实现针对终端102的精准定位,通过将观测数据和更新状态参数输入到更新的卡尔曼滤波观测方程,即可通过观测数据来对更新状态参数中得出的定位位置进行修正处理,从而得到更精准的定位位置。在定位处理时,首先确定卡尔曼滤波观测方程中各观测值的描述,具体包括载波相位、伪距、和多普勒这三种观测值,其描述如下:
其中,L为载波相位观测值,i,j分别代表接收端(包括终端102和基准站104)和卫星,I,T分别为电离层延迟和对流层延迟,λ为相位观测值波长,N为模糊度参数,dti,dtj分别为接收端钟差和卫星钟差,D,P分别为多普勒观测值和伪距观测值。
通过处理后,观测更新可以写作:
xt+1|t+1=xt+1|t+Ktyt
Pt+1|t+1=(I-Kt+1Ht+1)Pk|k-1
其中,Rk为观测量的协方差矩阵,该方程通过卫星高度角、信噪比等参数基于统计数据给出。xt+1|t+1即为融合了观测数据后的位置。通过将观测量代入解算上述公式即可得到目标对象,也就是终端102的定位结果。
上述目标对象定位方法,通过先获取目标对象在上一历元的卡尔曼滤波观测参数,基于卡尔曼滤波观测参数,来得到目标对象的定位卫星中每一周跳卫星各自的模糊度计算结果,从而可以基于上一历元下周跳卫星的模糊度来实现对周跳卫星的模糊度修复处理,而后对模糊度计算结果符合小周跳判定条件的周跳卫星的模糊度进行降权处理,并对模糊度计算结果不符合小周跳判定条件的周跳卫星的模糊度进行重置处理,通过对周跳进行分类并针对小周跳做模糊度降权处理,从而大大提升了载波相位观测值的可用性,尤其提高了在恶劣环境下的定位表现。之后可以基于处理得到的模糊度更新卡尔曼滤波观测方程和卡尔曼滤波状态方程,以对当前历元的卡尔曼滤波方程进行更新,再通过将上一历元的状态参数输入更新的卡尔曼滤波状态方程,得到更新状态参数,确定卡尔曼滤波状态方程预测的位置,最后再将更新状态参数和定位卫星中各无周跳卫星在当前历元的观测数据,输入更新的卡尔曼滤波观测方程,得到目标对象的定位结果,通过卡尔曼滤波观测方程基于目标对象的观测信息来对预测的位置进行误差修正,得到目标对象的定位结果。本申请的方案通过对周跳进行分类并针对小周跳做模糊度降权处理,保证了模糊度修复效果,从而大大提升了载波相位观测值的可用性,从而提高载波相位差分技术在恶劣环境下的定位准确性。
在一个实施例中,状态参数包括位置数据、速度数据以及协方差矩阵。步骤207包括:获取目标对象在上一历元的位置数据和速度数据、以及上一历元与当前历元的时间变化量。将目标对象在上一历元的位置数据和速度数据、以及上一历元与当前历元的时间变化量输入卡尔曼滤波状态方程,得到更新状态参数中的位置数据以及速度数据。将目标对象在上一历元的协方差矩阵以及目标对象的状态噪声输入卡尔曼滤波状态方程,得到更新状态参数中的协方差矩阵。
其中,位置数据用于描述目标对象的位置状态,速度数据用于描述目标独享的速度状态。协方差矩阵则是用于描述目标对象定位的噪声。时间变化量用于描述上一历元到当前历元的时间变化。
具体地,可以先获取目标对象在上一历元的位置数据和速度数据、以及上一历元与当前历元的时间变化量,而后基于将初始的位置数据、速度数据以及时间变化量来进行卡尔曼滤波的状态更新,从而得到状态方程。其对应的公式为:
而后将目标对象在上一历元的协方差矩阵以及目标对象的状态噪声输入卡尔曼滤波状态方程。因为在确定状态预测的变化量之后,还需要考虑状态更新所带来的噪声,此时需要对协方差矩阵进行更新,记状态更新矩阵F为:
其中,I为单位矩阵,Δt为t到t+1的时间变化量,ns为卫星数量,t+1|t表示基于前t时刻的观测对t+1时刻的最优估计值。状态更新后协方差矩阵为:
Pt+1|t=FPtFT+Qt
其中,Qt为状态噪声,根据手机的速度及场景(车载、步行等)确定。本实施例中,通过对卡尔曼滤波状态矩阵的更新,能够达到有效通过卡尔曼滤波来实现针对当前历元下目标对象位置的预测,并保证位置预测的效果。
在一个实施例中,步骤201之前,还包括:获取目标对象的定位卫星对目标对象的载波相位观测值数据、以及定位卫星的原始周跳标记数据;基于载波相位观测值数据以及原始周跳标记数据识别定位卫星中的周跳卫星。
其中,对于定位卫星的原始周跳标记数据,针对各个定位卫星,都可以基于原始数据来标记部分周跳,在得到定位卫星的观测数据后,就可以基于这些原始数据来判断定位卫星是否发生了周跳,从而先直接筛选出一部分发生周跳的周跳卫星。
具体地,在进行周跳卫星的模糊度计算之前,先要计算出上一历元中用于定位的定位卫星有哪些发生了周跳,哪些未发生周跳,发生周跳的卫星需要进行模糊度的更新,而未发生周跳的卫星则可以参与定位处理的计算。而在周跳卫星的识别时,也可以通过不同的周跳探测方法来进行周跳探测。其中一个实施例中,可以基于载波相位观测值数据来识别部分定位卫星中的周跳卫星,在另一个实施例中,则可以针对部分定位卫星,基于这些定位卫星的原始周跳标记数据来识别它们中包含的周跳卫星。通过周跳卫星的分类,可以有效地基于无周跳卫星来定位出目标对象的具***置,并保证上一历元下定位的准确性。同时,基于周跳卫星的模糊度对当前历元下所用的卡尔曼滤波方程中的模糊度进行修复,保证当前历元下的定位效果。
在其中一个实施例中,基于载波相位观测值数据识别定位卫星中的周跳卫星包括:识别定位卫星中的无几何组合卫星以及非无几何组合卫星;基于无几何组合卫星之间的载波相位观测值差值,确定无几何组合卫星中的周跳卫星;基于非无几何组合卫星的载波相位观测值以及多普勒观测值,确定非无几何组合卫星中的周跳卫星。
其中,无几何组合卫星即GF(Geometry-Free and Ionosphere-Free,无几何距离消电离层组合)组合卫星,也叫电离层残差组合,可以利用无几何组合卫星的卫星定位信号中两个频率的载波相位观测数据组成无几何距离组合以探测周跳。而对于没有双频观测值的卫星,则需要通过多普勒判断是否发生周跳。
具体地,可以通过下面识别定位卫星中的无几何组合卫星以及非无几何组合卫星,再依据卫星的类型来进行周跳探测,识别周跳卫星以及无周跳卫星。其中,对于有双频观测值的卫星组GF组合,即(L为载波相位观测值):
LGF=L1-L2
而后根据下式判断该卫星是否发生周跳:
|LGF,t+1-LGF,t|<ε
其中,LGF,t+1为上个历元的双频载波相位观测值之差,LGF,t为上个历元的双频载波相位观测值之差,ε为GF组合周跳阈值,通过统计数据得到,若满足上式,则认为该卫星观测值未发生周跳,若不满足,则认为其发生周跳,并记录周跳量。
对于没有双频观测值的卫星,通过多普勒判断是否发生周跳:
ε2为多普勒判断载波相位周跳的限值,同样通过统计数据得到,若发生周跳,同样记录周跳量。在其中一个实施例中,可以先通过原始周跳标记数据识别定位卫星中的周跳卫星,而后再基于载波相位观测值数据对剩余的卫星进行筛选,确定其中包含的周跳卫星,其中周跳卫星分类的结果可以参照图4所示,先依据是否存在周跳分为周跳卫星以及无周跳卫星,而无周跳卫星则分为以及原始数据标记探得的周跳卫星,GF组合探得的周跳卫星以及多普勒探得的周跳卫星。在另一个实施例中,还可以通过双频码相组合结合无几何组合来进行周跳探测,或者基于小波变换法等单频周跳探测方法来实现周跳探测。在一个具体的实施例中,本申请适用于进行智能手机的定位,此时在智能手机端双频观测值足够多的时候,可以完全依赖GF组合进行周跳探测而不需要考虑原始观测量标记周跳,这样可以最大程度的利用原始观测量,避免由于手机错误标记周跳导致定位效果的降低。本实施例中,通过确定无几何组合卫星以及非无几何组合卫星,再基于卫星的类型,通过不同的周跳探测方法来实现定位卫星中周跳卫星的识别,从而有效保证周跳卫星识别的准确率,继而保证定位效果。
在一个实施例中,步骤209包括:将定位卫星中各无周跳卫星在当前历元对目标对象的观测数据代入更新的卡尔曼滤波观测方程;对代入观测数据后的卡尔曼滤波观测方程进行降噪处理;对降噪处理后的卡尔曼滤波观测方程进行方程线性化处理,得到线性化卡尔曼滤波观测方程;将更新状态参数代入线性化卡尔曼滤波观测方程,得到目标对象在当前历元的定位结果。
其中,卡尔曼滤波方程中包含有载波相位、伪距和多普勒三个观测值的描述式,而降噪处理是指消除卡尔曼滤波观测方程中的误差。对于其中的载波相位观测值和伪距观测值,一般采用组双差观测值的方式消除上述方程中的误差,对于多普勒观测值,由于其不包含大气误差,因此仅做星间单差就可以消除其中所包含的误差内容。
具体地,在当前历元,同样需要识别出定位卫星中的周跳卫星以及无周跳卫星,其中的周跳卫星用于更新下一个历元中的卡尔曼滤波方程,而无周跳卫星则可以用于实现对当前目标对象的精准定位。因此在进行目标对象的定位时,可以先将无周跳卫星对应的观测数据先代入来更新的卡尔曼滤波观测方程。从而构建出对应表达式。对于三个观测值,其对应的描述式为:
其描述如下:
其中,L为载波相位观测值,i,j分别代表接收端(包括终端102和基准站104)和卫星,I,T分别为电离层延迟和对流层延迟,λ为相位观测值波长,N为模糊度参数,dti,dtj分别为接收端钟差和卫星钟差,D,P分别为多普勒观测值和伪距观测值。
再具体实施例中,还需要降噪处理消除其中的误差。对于载波相位观测值和伪距观测值,一般采用组双差观测值的方式消除上述方程中的误差,对于多普勒观测值,由于其不包含大气误差,因此仅做星间单差,组合后的观测方程为:
对上述方程线性化后得到:
其中,为卫星钟漂单差值,可以通过星历参数计算得到。/>
记:
将更新状态参数代入线性化卡尔曼滤波观测方程,得到目标对象在当前历元的定位结果。
通过处理后,观测更新可以写作:
xt+1|t+1=xt+1|t+Ktyt
Pt+1|t+1=(I-Kt+1Ht+1)Pk|k-1
其中,Rk为观测量的协方差矩阵,该方程通过卫星高度角、信噪比等参数基于统计数据给出。xt+1|t+1即为融合了观测数据后的位置。通过将观测量代入解算上述公式即可得到目标对象的定位结果。本实施例中,通过将无周跳卫星的观测数据代入到卡尔曼滤波观测方程中,从而对预测得到的更新状态参数进行修正,可以有效地保证针对目标对象的定位效果。
在一个实施例中,步骤203包括:获取目标对象的定位卫星中每一周跳卫星各自的模糊度计算结果,与上一历元的卡尔曼滤波状态方程中相同的周跳卫星的模糊度之间模糊度差值;对模糊度差值小于预设模糊度差值阈值的周跳卫星的模糊度进行降权处理,并对模糊度差值大于或等于预设模糊度差值阈值的周跳卫星的模糊度进行重置处理。
具体地,对于模糊度的更新过程,可以先获取目标对象的定位卫星中每一周跳卫星各自的模糊度计算结果,再将其与上一历元的卡尔曼滤波状态方程中相同的周跳卫星的模糊度之间模糊度差值,通过差值即可得到卫星在模糊度上的变化量,而通过变化量识别出哪些周跳卫星为小周跳卫星,而哪些卫星则属于大周跳卫星。对于大小周跳卫星的识别判断过程,在通过下列公式计算出模糊度后:
其中,N表示模糊度,L表示载波相位观测值,ρ表示基于目标对象的已有位置计算得到的卫地距。表示差分,Δ为星间差分,/>为站间差分。λ为相位观测的波长。再将计算到的模糊度与上一历元卡尔曼滤波器中的模糊度比较,若二者差值小于预设模糊度差值阈值,则认为该周跳为小周跳,否则认为是大周跳。而预设模糊度差值阈值则基于经验进行总结得到,在一个具体地实施例中,可以将基于经验所确定的2米作为模糊度阈值。当模糊度差值大于或等于2米时,判定发生的周跳为大周跳,而小于2米时,发生的周跳为小周跳。本实施例中,依据预设模糊度差值阈值来对定位卫星的周跳类型进行识别,可以有效地识别出周跳卫星的周跳类型,从而有效确保模糊度修复的效果,提高针对目标对象进行定位的准确率。/>
在一个实施例中,基于降权处理后的模糊度,更新卡尔曼滤波观测方程包括:确定符合小周跳判定条件的周跳卫星的载波相位观测值;基于符合小周跳判定条件的周跳卫星的载波相位观测值、以及降权处理后的模糊度数据更新卡尔曼滤波观测方程。
具体地,为提高发生了小周跳的卫星的模糊度快速收敛,在针对周跳卫星分类完成后,可以再进行一次观测更新来更新卡尔曼滤波观测方程,此次观测更新仅使用标记为小周跳的卫星的载波相位观测值。需要先确定符合小周跳判定条件的周跳卫星的载波相位观测值;再基于符合小周跳判定条件的周跳卫星的载波相位观测值、以及降权处理后的模糊度数据更新卡尔曼滤波观测方程为:
其中,ρ为基于已有位置计算得到的卫地距,因此观测方程线性化后为:
记:
Ht+1′=[0ns′×nsat+3 A]
其中,A中元素记为aij,当第j个模糊度为第i个小周跳卫星的观测量对应的模糊度时aij=1,否则aij=0。除载波相位观测方程不同,伪距观测方程和多普勒观测方程则与卡尔曼滤波观测方程一致。本实施例中,通过更新卡尔曼滤波观测方程,可以有效提高当前历元中卡尔曼滤波观测过程的准确性,保证定位效果。
本申请还提供一种应用场景,该应用场景应用上述的目标对象定位方法。具体地,该目标对象定位方法在该应用场景的应用如下:
当用户在开车过程中,需要通过携带的智能手机来实现精准定位以及车道导航时,可以将智能手机作为目标对象,来对智能手机进行定位处理,通过得到各个历元下智能手机的定位信息来实现车道导航。首先,在导航开始时,需要进行定位***的初始化处理,设置卡尔曼滤波中的初始状态量,包括位置、速度、模糊度等,并依据历史经验数据为其赋予合适的方差。而后在定位处理过程中,针对每一个历元,其定位处理的流程可以参照图5所示。首先,通过各种周跳探测的方法来识别卫星中的周跳卫星以及无周跳卫星,通过获取智能手机的定位卫星对目标对象的载波相位观测值数据、以及定位卫星的原始周跳标记数据;再基于载波相位观测值数据以及原始周跳标记数据识别定位卫星中的周跳卫星。对于观测值数据,可以依据GF周跳探测和多普勒周跳探测来识别周跳卫星。而后获取目标对象的定位卫星中每一周跳卫星各自的模糊度计算结果,与上一历元的卡尔曼滤波状态方程中相同的周跳卫星的模糊度之间模糊度差值;对模糊度差值小于预设模糊度差值阈值的周跳卫星的模糊度进行降权处理,并对模糊度差值大于或等于预设模糊度差值阈值的周跳卫星的模糊度进行重置处理。基于降权处理后的模糊度,更新卡尔曼滤波观测方程,并基于降权处理后的模糊度以及重置处理后的模糊度,更新卡尔曼滤波状态方程;将上一历元的状态参数输入更新的卡尔曼滤波状态方程,得到更新状态参数;将更新状态参数和定位卫星中各无周跳卫星在当前历元的观测数据,输入更新的卡尔曼滤波观测方程,得到智能手机在当前历元的定位结果。
在一个实施例中,如图6所示,本申请还提供了一种模糊度更新方法,用于对目标对象对位过程中卡尔曼滤波方程中地的模糊度参数进行更新,包括以下步骤:
步骤601,将目标对象在上一历元的状态参数输入卡尔曼滤波状态方程,得到更新状态参数。
步骤603,将更新状态参数和目标对象的定位卫星中各无周跳卫星在当前历元的观测数据,输入卡尔曼滤波观测方程,得到目标对象的卡尔曼滤波观测参数。
步骤605,获取目标对象在上一历元的卡尔曼滤波观测参数,基于卡尔曼滤波观测参数,得到目标对象的定位卫星中每一周跳卫星各自的模糊度计算结果。
步骤607,对模糊度计算结果符合小周跳判定条件的周跳卫星的模糊度进行降权处理,并对模糊度计算结果不符合小周跳判定条件的周跳卫星的模糊度进行重置处理。
步骤609,基于降权处理后的模糊度,更新卡尔曼滤波观测方程中的模糊度数据,并基于降权处理后的模糊度以及重置处理后的模糊度,更新卡尔曼滤波状态方程中的模糊度数据。
具体地,相对于上述的目标对象定位方法,本实施例中的模糊度更新方法适用于对目标定位过程中各个历元中卡尔曼滤波方程进行更新,来保证目标定位的效果。因此具体实施方式可以参照上述目标对象定位方法中的实施过程。而区别在于,上述目标对象定位方法是基于上一历元下产生的定位数据来反推模糊度,实现对当前历元中卡尔曼滤波方程的更新,从而保证当前历元下定位的效果。而本申请的方案则是基于上一历元中更新后的卡尔曼滤波方程来进行目标对象的定位,而后基于目标对象的定位结果反推模糊度,从而更新针对下一历元下目标对象定位的卡尔曼滤波方程,保证下一历元下目标对象的定位效果。对于模糊度更新的过程,具体可以参照图7所示,具体包含了卡尔曼滤波状态更新和卡尔曼滤波观测更新两个过程。首先,在***初始化后,第一个历元中,先进行卡尔曼滤波状态更新,而后通过GF周跳探测等方法识别周跳卫星,并剔除掉这些周跳卫星后,通过无周跳卫星的观测数据来进行卡尔曼滤波观测更新,得到目标对象的精准位置。而后基于目标对象的位置来进行周跳分类,对于大周跳进行模糊度重置处理,对于小周跳进行方差放大的降权处理,并基于小周跳观测值来进行卡尔曼滤波观测更新。并基于模糊度修正后的模糊度来进行卡尔曼滤波状态更新,以用于下一历元的模糊度更新处理。
上述模糊度更新方法,通过先将上一历元的状态参数输入更新的卡尔曼滤波状态方程,得到更新状态参数,确定卡尔曼滤波状态方程预测的位置,再将更新状态参数和定位卫星中各无周跳卫星在当前历元的观测数据,输入更新的卡尔曼滤波观测方程,且都卖号卡尔曼滤波观测参数,通过卡尔曼滤波观测方程基于目标对象的观测信息来对预测的位置进行误差修正,得到目标对象的卡尔曼滤波观测参数,再基于卡尔曼滤波观测参数,来得到目标对象的定位卫星中每一周跳卫星各自的模糊度计算结果,从而可以基于上一历元下周跳卫星的模糊度来实现对周跳卫星的模糊度修复处理,最后再对模糊度计算结果符合小周跳判定条件的周跳卫星的模糊度进行降权处理,并对模糊度计算结果不符合小周跳判定条件的周跳卫星的模糊度进行重置处理,通过对周跳进行分类并针对小周跳做模糊度降权处理,从而大大提升了载波相位观测值的可用性,尤其提高了在恶劣环境下的定位表现。之后则可以基于处理得到的模糊度更新卡尔曼滤波观测方程和卡尔曼滤波状态方程,以对当前历元的卡尔曼滤波方程进行更新,从而确保下一历元下卡尔曼滤波方程可以正常实现对目标对象的定位。本申请的方案通过对周跳进行分类并针对小周跳做模糊度降权处理,保证了模糊度修复效果,从而大大提升了载波相位观测值的可用性,从而提高载波相位差分技术在恶劣环境下的定位准确性。
应该理解的是,虽然如上的各实施例所涉及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,如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些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中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的目标对象定位方法的目标对象定位装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个目标对象定位装置实施例中的具体限定可以参见上文中对于目标对象定位方法的限定,在此不再赘述。
在一个实施例中,如图8所示,提供了一种目标对象定位装置,包括:
模糊度计算模块801,用于获取目标对象在上一历元的卡尔曼滤波观测参数,基于卡尔曼滤波观测参数,得到目标对象的定位卫星中每一周跳卫星各自的模糊度计算结果。
模糊度更新模块803,用于对模糊度计算结果符合小周跳判定条件的周跳卫星的模糊度进行降权处理,并对模糊度计算结果不符合小周跳判定条件的周跳卫星的模糊度进行重置处理。
方程更新模块805,用于基于降权处理后的模糊度,更新卡尔曼滤波观测方程,并基于降权处理后的模糊度以及重置处理后的模糊度,更新卡尔曼滤波状态方程。
状态参数更新模块807,用于将上一历元的状态参数输入更新的卡尔曼滤波状态方程,得到更新状态参数。
目标对象定位模块809,用于将更新状态参数和定位卫星中各无周跳卫星在当前历元的观测数据,输入更新的卡尔曼滤波观测方程,得到目标对象在当前历元的定位结果。
在一个实施例中,状态参数包括位置数据、速度数据以及协方差矩阵;状态参数更新模块807具体用于:获取目标对象在上一历元的位置数据和速度数据、以及上一历元与当前历元的时间变化量;将目标对象在上一历元的位置数据和速度数据、以及上一历元与当前历元的时间变化量输入卡尔曼滤波状态方程,得到更新状态参数中的位置数据以及速度数据;将目标对象在上一历元的协方差矩阵以及目标对象的状态噪声输入卡尔曼滤波状态方程,得到更新状态参数中的协方差矩阵。
在一个实施例中,还包括周跳探测模块,用于:获取目标对象的定位卫星对目标对象的载波相位观测值数据、以及定位卫星的原始周跳标记数据;基于载波相位观测值数据以及原始周跳标记数据识别定位卫星中的周跳卫星。
在一个实施例中,周跳探测模块还用于:识别定位卫星中的无几何组合卫星以及非无几何组合卫星;基于无几何组合卫星之间的载波相位观测值差值,确定无几何组合卫星中的周跳卫星;基于非无几何组合卫星的载波相位观测值以及多普勒观测值,确定非无几何组合卫星中的周跳卫星。
在一个实施例中,目标对象定位模块具体用于:将定位卫星中各无周跳卫星在当前历元对目标对象的观测数据代入更新的卡尔曼滤波观测方程;对代入观测数据后的卡尔曼滤波观测方程进行降噪处理;对降噪处理后的卡尔曼滤波观测方程进行方程线性化处理,得到线性化卡尔曼滤波观测方程;将更新状态参数代入线性化卡尔曼滤波观测方程,得到目标对象在当前历元的定位结果。
在一个实施例中,观测数据包括载波相位观测值、伪距观测值以及多普勒观测值,目标对象定位模块809还用于:通过组双差观测值处理对载波相位观测值以及伪距观测值进行降噪处理,通过星间单差处理对多普勒观测值进行降噪处理。
在一个实施例中,模糊度更新模块803具体用于:获取目标对象的定位卫星中每一周跳卫星各自的模糊度计算结果,与上一历元的卡尔曼滤波状态方程中相同的周跳卫星的模糊度之间模糊度差值;对模糊度差值小于预设模糊度差值阈值的周跳卫星的模糊度进行降权处理,并对模糊度差值大于或等于预设模糊度差值阈值的周跳卫星的模糊度进行重置处理。
在一个实施例中,模糊度更新模块803还用于:确定符合小周跳判定条件的周跳卫星的载波相位观测值;基于符合小周跳判定条件的周跳卫星的载波相位观测值、以及降权处理后的模糊度数据更新卡尔曼滤波观测方程。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的模糊度更新方法的模糊度更新装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个目标对象定位装置实施例中的具体限定可以参见上文中对于模糊度更新方法的限定,在此不再赘述。
在一个实施例中,如图9所示,提供了一种模糊度更新装置,包括:
状态更新模块902,用于将目标对象在上一历元的状态参数输入卡尔曼滤波状态方程,得到更新状态参数。
观测更新模块904,用于将更新状态参数和目标对象的定位卫星中各无周跳卫星在当前历元的观测数据,输入卡尔曼滤波观测方程,得到目标对象的卡尔曼滤波观测参数。
模糊度识别模块906,用于获取目标对象在上一历元的卡尔曼滤波观测参数,基于卡尔曼滤波观测参数,得到目标对象的定位卫星中每一周跳卫星各自的模糊度计算结果。
模糊度调整模块908,用于对模糊度计算结果符合小周跳判定条件的周跳卫星的模糊度进行降权处理,并对模糊度计算结果不符合小周跳判定条件的周跳卫星的模糊度进行重置处理。
方程调整模块910,用于基于降权处理后的模糊度,更新卡尔曼滤波观测方程中的模糊度数据,并基于降权处理后的模糊度以及重置处理后的模糊度,更新卡尔曼滤波状态方程中的模糊度数据。
上述目标对象定位装置以及模糊度更新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。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图10所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中,处理器、存储器和输入/输出接口通过***总线连接,通信接口、显示单元和输入装置通过输入/输出接口连接到***总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种目标对象定位方法。该计算机设备的显示单元用于形成视觉可见的画面,可以是显示屏、投影装置或虚拟现实成像装置,显示屏可以是液晶显示屏或电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图10中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中,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上述各方法实施例中的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,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。
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,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
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申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (14)
1.一种目标对象定位方法,其特征在于,所述方法包括:
获取目标对象在上一历元的卡尔曼滤波观测参数,基于所述卡尔曼滤波观测参数,得到所述目标对象的定位卫星中每一周跳卫星各自的模糊度计算结果;
对模糊度计算结果符合小周跳判定条件的周跳卫星的模糊度进行降权处理,并对模糊度计算结果不符合所述小周跳判定条件的周跳卫星的模糊度进行重置处理;
基于降权处理后的模糊度,更新卡尔曼滤波观测方程,并基于降权处理后的模糊度以及重置处理后的模糊度,更新卡尔曼滤波状态方程;
将上一历元的状态参数输入更新的所述卡尔曼滤波状态方程,得到更新状态参数;
将所述更新状态参数和所述定位卫星中各无周跳卫星在当前历元的观测数据,输入更新的所述卡尔曼滤波观测方程,得到所述目标对象在当前历元的定位结果。
2.根据权利要求1所述的方法,其特征在于,所述状态参数包括位置数据、速度数据以及协方差矩阵;
所述将上一历元的状态参数输入更新的所述卡尔曼滤波状态方程,得到更新状态参数包括:
获取所述目标对象在上一历元的位置数据和速度数据、以及上一历元与当前历元的时间变化量;
将所述目标对象在上一历元的位置数据和速度数据、以及上一历元与当前历元的时间变化量输入所述卡尔曼滤波状态方程,得到更新状态参数中的位置数据以及速度数据;
将所述目标对象在上一历元的协方差矩阵以及目标对象的状态噪声输入所述卡尔曼滤波状态方程,得到更新状态参数中的协方差矩阵。
3.根据权利要求1所述的方法,其特征在于,所述获取目标对象在上一历元的卡尔曼滤波观测参数,基于所述卡尔曼滤波观测参数,得到所述目标对象的定位卫星中每一周跳卫星各自的模糊度计算结果之前,还包括:
获取目标对象的定位卫星对所述目标对象的载波相位观测值数据、以及所述定位卫星的原始周跳标记数据;
基于所述载波相位观测值数据以及所述原始周跳标记数据识别所述定位卫星中的周跳卫星。
4.根据权利要求3所述的方法,其特征在于,基于所述载波相位观测值数据识别所述定位卫星中的周跳卫星包括:
识别所述定位卫星中的无几何组合卫星以及非无几何组合卫星;
基于所述无几何组合卫星之间的载波相位观测值差值,确定所述无几何组合卫星中的周跳卫星;
基于所述非无几何组合卫星的载波相位观测值以及多普勒观测值,确定所述非无几何组合卫星中的周跳卫星。
5.根据权利要求1所述的方法,其特征在于,所述将所述更新状态参数和所述定位卫星中各无周跳卫星在当前历元的观测数据,输入更新的所述卡尔曼滤波观测方程,得到所述目标对象在当前历元的定位结果包括:
将所述定位卫星中各无周跳卫星在当前历元对所述目标对象的观测数据代入更新的所述卡尔曼滤波观测方程;
对代入观测数据后的卡尔曼滤波观测方程进行降噪处理;
对降噪处理后的卡尔曼滤波观测方程进行方程线性化处理,得到线性化卡尔曼滤波观测方程;
将所述更新状态参数代入所述线性化卡尔曼滤波观测方程,得到所述目标对象在当前历元的定位结果。
6.根据权利要求5所述的方法,其特征在于,所述观测数据包括载波相位观测值、伪距观测值以及多普勒观测值;
所述对代入观测数据后的卡尔曼滤波观测方程进行降噪处理包括:
通过组双差观测值处理对所述载波相位观测值以及所述伪距观测值进行降噪处理,通过星间单差处理对所述多普勒观测值进行降噪处理。
7.根据权利要求1所述的方法,其特征在于,所述对模糊度计算结果符合小周跳判定条件的周跳卫星的模糊度进行降权处理,并对模糊度计算结果不符合所述小周跳判定条件的周跳卫星的模糊度进行重置处理包括:
获取所述目标对象的定位卫星中每一周跳卫星各自的模糊度计算结果,与上一历元的卡尔曼滤波状态方程中相同的周跳卫星的模糊度之间模糊度差值;
对所述模糊度差值小于预设模糊度差值阈值的周跳卫星的模糊度进行降权处理,并对所述模糊度差值大于或等于所述预设模糊度差值阈值的周跳卫星的模糊度进行重置处理。
8.根据权利要求1所述的方法,其特征在于,所述基于降权处理后的模糊度,更新卡尔曼滤波观测方程包括:
确定所述符合小周跳判定条件的周跳卫星的载波相位观测值;
基于所述符合小周跳判定条件的周跳卫星的载波相位观测值、以及所述降权处理后的模糊度数据更新卡尔曼滤波观测方程。
9.一种模糊度更新方法,其特征在于,所述方法包括:
将目标对象在上一历元的状态参数输入卡尔曼滤波状态方程,得到更新状态参数;
将所述更新状态参数和所述目标对象的定位卫星中各无周跳卫星在当前历元的观测数据,输入卡尔曼滤波观测方程,得到所述目标对象的卡尔曼滤波观测参数;
获取目标对象在上一历元的卡尔曼滤波观测参数,基于所述卡尔曼滤波观测参数,得到所述目标对象的定位卫星中每一周跳卫星各自的模糊度计算结果;
对模糊度计算结果符合小周跳判定条件的周跳卫星的模糊度进行降权处理,并对模糊度计算结果不符合所述小周跳判定条件的周跳卫星的模糊度进行重置处理;
基于降权处理后的模糊度,更新卡尔曼滤波观测方程中的模糊度数据,并基于降权处理后的模糊度以及重置处理后的模糊度,更新卡尔曼滤波状态方程中的模糊度数据。
10.一种目标对象定位装置,其特征在于,所述装置包括:
模糊度计算模块,用于获取目标对象在上一历元的卡尔曼滤波观测参数,基于所述卡尔曼滤波观测参数,得到所述目标对象的定位卫星中每一周跳卫星各自的模糊度计算结果;
模糊度更新模块,用于对模糊度计算结果符合小周跳判定条件的周跳卫星的模糊度进行降权处理,并对模糊度计算结果不符合所述小周跳判定条件的周跳卫星的模糊度进行重置处理;
方程更新模块,用于基于降权处理后的模糊度,更新卡尔曼滤波观测方程,并基于降权处理后的模糊度以及重置处理后的模糊度,更新卡尔曼滤波状态方程;
状态参数更新模块,用于将上一历元的状态参数输入更新的所述卡尔曼滤波状态方程,得到更新状态参数;
目标对象定位模块,用于将所述更新状态参数和所述定位卫星中各无周跳卫星在当前历元的观测数据,输入更新的所述卡尔曼滤波观测方程,得到所述目标对象在当前历元的定位结果。
11.一种模糊度更新装置,其特征在于,所述装置包括:
状态更新模块,用于将目标对象在上一历元的状态参数输入卡尔曼滤波状态方程,得到更新状态参数;
观测更新模块,用于将所述更新状态参数和所述目标对象的定位卫星中各无周跳卫星在当前历元的观测数据,输入卡尔曼滤波观测方程,得到所述目标对象的卡尔曼滤波观测参数;
模糊度识别模块,用于获取目标对象在上一历元的卡尔曼滤波观测参数,基于所述卡尔曼滤波观测参数,得到所述目标对象的定位卫星中每一周跳卫星各自的模糊度计算结果;
模糊度调整模块,用于对模糊度计算结果符合小周跳判定条件的周跳卫星的模糊度进行降权处理,并对模糊度计算结果不符合所述小周跳判定条件的周跳卫星的模糊度进行重置处理;
方程调整模块,用于基于降权处理后的模糊度,更新卡尔曼滤波观测方程中的模糊度数据,并基于降权处理后的模糊度以及重置处理后的模糊度,更新卡尔曼滤波状态方程中的模糊度数据。
12.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至9中任一项所述的方法的步骤。
13.一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9中任一项所述的方法的步骤。
14.一种计算机程序产品,包括计算机程序,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9中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211389914.2A CN116973961A (zh) | 2022-11-08 | 2022-11-08 | 目标对象定位方法、装置、计算机设备和模糊度更新方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211389914.2A CN116973961A (zh) | 2022-11-08 | 2022-11-08 | 目标对象定位方法、装置、计算机设备和模糊度更新方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116973961A true CN116973961A (zh) | 2023-10-31 |
Family
ID=88473676
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211389914.2A Pending CN116973961A (zh) | 2022-11-08 | 2022-11-08 | 目标对象定位方法、装置、计算机设备和模糊度更新方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116973961A (zh) |
-
2022
- 2022-11-08 CN CN202211389914.2A patent/CN116973961A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11237276B2 (en) | System and method for gaussian process enhanced GNSS corrections generation | |
Liu et al. | Quality analysis of multi-GNSS raw observations and a velocity-aided positioning approach based on smartphones | |
US11624843B2 (en) | Systems and methods for reduced-outlier satellite positioning | |
US11885890B2 (en) | Method and apparatus of single epoch position bound | |
CN109477900B (zh) | 全球导航卫星***接收器中用于模糊度解算的频率间偏差的估算 | |
US20220107427A1 (en) | System and method for gaussian process enhanced gnss corrections generation | |
US9035826B2 (en) | Satellite differential positioning receiver using multiple base-rover antennas | |
JP5421903B2 (ja) | 部分探索搬送波位相整数アンビギュイティ決定 | |
CN110389364B (zh) | 定位方法、装置、计算机设备和存储介质 | |
US9291716B2 (en) | Method and apparatus for determining physical characteristics of a receiving device in a navigation system | |
WO2019218766A1 (zh) | 一种惯导辅助的北斗三频载波相位整周模糊度求解方法 | |
CN112230252B (zh) | 终端定位方法、装置、计算机设备和存储介质 | |
JP6234549B2 (ja) | 測位装置 | |
US11650324B2 (en) | Navigation apparatus and method in which measurement quantization errors are modeled as states | |
CN112505735B (zh) | 对终端进行定位的方法、装置和存储介质 | |
CN118339480A (zh) | 一种数据预处理方法、数据预处理装置和芯片 | |
Chu et al. | A new approach to modernized GPS phase-only ambiguity resolution over long baselines | |
CN112444832A (zh) | 一种一机多天线接收机的周跳修复方法 | |
CN115308781B (zh) | 基于bdgim辅助的相位平滑伪距高精度时间传递方法 | |
CN116973961A (zh) | 目标对象定位方法、装置、计算机设备和模糊度更新方法 | |
CN110412633B (zh) | 定位方法、装置、计算机设备和存储介质 | |
CN105699997B (zh) | 一种使用glonass单频信号进行差分定位的方法 | |
Hsu et al. | A new instantaneous method for attitude determination using GPS phase measurement | |
Liu et al. | 3D LiDAR Aided GNSS NLOS Correction with Direction of Arrival Estimation Using Doppler Measurements | |
Wang et al. | Adaptive Kalman filter based on integer ambiguity validation in moving base RTK |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |