高精度GPS差分载波相位多普勒/INS新型全组合解算机载TLS外方位元素

在提出单历元解算GPS模糊度技术的基础上 ,使用INS间接法误差模型 ,提出了一种GPS双差载波相位多普勒 /INS全组合Kalman滤波的新方法 ,高精度直接解算机载TLS中的外方位元素。仿真数据试验表明 ,其姿态精度高于 1 0″,位置精度高于 1 0cm。     

实时GLONASS相位频间偏差粒子群优化估计方法

针对GLONASS相位频间偏差与模糊度线性相关所导致的难以对两者进行快速分离的问题,提出了一种实时GLONASS相位频间偏差估计方法。通过分析相位IFB与RATIO值之间的关系,将相位IFB估计问题归结为求解最优化问题,并将优化方法中的粒子群优化算法引入相位IFB估计中,该方法可在不增加待估参数数量以及先验信息的条件下,高效可靠地搜索出IFB变化率参数,实现GLONASS模糊度实时固定。测试结果表明,该方法在单历元解算条件下每历元平均搜索次数为32次,远低于基于粒子滤波的相位频间偏差估计方法的200次;在采用Kalman滤波方法进行解算条件下,每历元平均搜索次数仅为9次。无论采用单历元解还是滤波解,模糊度固定成功率均高于96.2%,模糊度固定解的最大坐标偏差均小于4 cm。     

基于距离和姿态观测量的GNSS基线网平差方法

针对目前单历元算法需要连续观测较长时间才能够得到较为精确的解算结果的问题,利用载具同时架设3台GNSS接收机,获得基线观测量,同时事先精确测定接收机之间的距离,并利用陀螺仪获得载具的姿态角,通过增加距离和姿态观测量,与基线观测量共同进行平差处理,可以得到单历元较为稳定而精确的坐标解算结果。试验表明,平面精度在10 mm以内,高程精度在3 cm以内,相较于不添加距离和姿态观测量的结果精度提高了15%以上。     

姿态测量中GPS双频观测的应用

随着GPS定位技术的发展和完善,利用GPS进行动态载体的姿态测量具有广阔的发展前景.姿态测量问题中,实时、高精度的解算整周模糊度是关键.利用双频观测、RATI0检验等方法进行单历元整周模糊度的解算,得到较好的结果.因此,这一方法可以应用到动态载体姿态测量当中去.     

一种适用于小变形监测的单历元单差算法

利用GPS进行变形监测在各个领域中的应用越来越广泛。如何利用GPS的观测数据进行变形量的高精度单历元解算是一个难点。国内学者提出了单历元似单差算法进行小变形的单历元解算,但需要利用其他方法对接收机钟差进行计算。根据站间单差观测方程之间的相关性,可以将接收机钟差之差及其他一些通过站间单差未能消除的未知量作为一个未知参数在单历元观测方程中与变形量一同求解。利用该方法对小变形试验数据的解算结果精度达到了毫米级。     

GPS/BDS组合姿态测量及精度分析

给出了GPS/BDS组合双差观测模型和姿态测量解算算法,采用Kalman滤波进行动态基线解算的参数估计,利用LAMBDA方法固定双系统模糊度,获得动态基线固定解,最后通过基线的坐标系转换获得姿态角。比较了单系统和GPS/BDS双系统静态姿态角与动态短基线解算结果。试验结果表明,GPS/BDS组合姿态测量的精度和可靠性较GPS单系统都有显著提高。     

附加原子钟物理模型的PPP时间传递算法

传统精密单点定位(PPP)时间传递算法通常把接收机钟差当作相互独立的白噪声逐历元进行估计,而忽略了钟差参数历元间的相关性。针对这一问题,本文提出了一种附加原子钟物理模型的PPP时间传递算法。该算法通过利用Kalman滤波对高稳定度的原子钟钟差进行建模,拓展传统PPP时间传递模型中的接收机钟差参数,并给出了Kalman滤波过程噪声协方差和初始状态向量的确定方法。试验结果表明:该算法可以有效避免传统算法时间传递结果需要一定收敛时间的问题,使解算结果更加符合原子钟的物理特性,能够显著提高时间传递结果的精度和稳定性,可将单站时间传递精度平均提高58%,站间时间传递精度平均提高51%。     

一种提高单历元解算大高差短基线精度的方法

单历元基线解算可以避开传统基线解算中周跳探测等复杂的数据预处理过程。但是当两站高差较大时,即使是短基线,通过双差技术也不能充分消除对流层延迟,且残余对流层误差对单历元基线解算的影响较大,定位精度无法达到毫米级水平。针对以上问题,该文提出了采用半参数广义补偿最小二乘对大高差短基线进行单历元解算,削弱残余对流层误差影响的方法。实际算例表明,与常规的最小二乘法相比,该方法能很好地分离GPS残余对流层误差,各方向定位精度能达到毫米级水平。     

不同随机模型在GPS单历元定位中解算性能分析研究

基于GPS单历元解算中随机模型对解算精度的重要性,分析了常见的四种随机模型建模条件。通过实测基线算例从流动站定位结果与定位标准偏差对它们进行分析与比较,明确了不同随机模型的适用条件,为进一步提高GPS单历元定位精度提供了理论基础。      

BDS/GPS单历元短基线动对动定位性能分析

针对在城市峡谷环境下观测卫星较少、观测质量差和周跳频繁,导致动对动定位过程中双差模糊度不连续的问题,提出了一种GPS/BDS组合系统的单历元模糊度解算方法。通过GPS/BDS组合定位提高了卫星的可用数量,利用单历元模糊度固定减弱了周跳频繁带来的影响。实验采用GPS/BDS组合的7组数据,分析了在不同高度角下动对动定位单历元解的模糊度固定率、解算失败率、粗差率和定位精度。结果表明,GPS/BDS组合动对动定位单历元模糊度解算方法,在高遮挡的城市峡谷环境仍然可以取得较好的定位结果。     

后向平滑与抗差估计融合的SRCKF滤波

将后向平滑平方根容积卡尔曼滤波用于GPS动态单点定位数据处理,并探讨了粗差对后向平滑滤波的影响。借鉴经典卡尔曼滤波抗差估计思想,给出平方根容积卡尔曼滤波的抗差算法以抵抗量测粗差,而当判断不含粗差时使用后向平滑算法,在有效提高滤波精度的同时避免了抗差滤波对每个历元都需进行迭代运算。实测GPS动态数据验证了算法的有效性。     

顾及有色噪声的卡尔曼滤波在多路径误差削弱中的应用

多路径误差为一时空环境效应,难以构建准确数学模型消除其影响,且该误差在基线两端不具有空间相关性,运用现有差分技术也无法很好消除,是高精度短基线测量中主要误差之一．为进一步削弱多路径误差,本文以监测站坐标时间序列中多路径误差为研究对象,根据多路径误差在历元间的时变特性,建立多路径误差状态空间模型,采用标准卡尔曼滤波和顾及有色噪声的卡尔曼滤波从监测站第一天双差固定解坐标残差序列中估计多路径误差改正序列,并根据多路径误差的周日重复特性,利用第一天得到的多路径误差改正序列对之后各天坐标序列进行改正．最后通过实验分析,得出顾及有色噪声的卡尔曼滤波估计方法优于标准卡尔曼滤波的结论．研究方法对提高GNSS定位精度具有重要实用价值．      

Android智能手机GNSS高精度实时动态定位

本文基于智能手机GNSS观测值的质量和性质,利用手机载波相位观测值不确定度进行粗差处理,使用星间单差法消除智能手机伪距和载波相位观测值之间差值不固定特性的影响,针对手机观测值修改滤波过程中的观测值噪声方差数值,采用不固定载波相位整周模糊度的常加速度动态单频Kalman滤波模型实现实时PPP和RTK两种定位方法,提高手机实时GNSS定位精度。使用某智能手机进行验证,单频实时动态PPP定位在99s内达到稳定状态,平面定位精度为1.51 m,高程精度为2.79 m;RTK定位在27 s内达到稳定状态,平面定位精度为0.73 m,高程精度为0.78 m。测试结果表明目前智能手机的GNSS定位模块具有提供更加精准的位置服务能力,甚至在某些特定场景下具有实施测绘作业的潜能。     

抗差估计在RTK／INS紧组合中的应用研究

针对动态环境下GNSS／INS导航定位结果常受粗差影响的问题,提出了一种基于抗差卡尔曼滤波的GPS／BDS双系统RTK／INS紧组合导航定位算法,根据方差膨胀模型,建立抗差卡尔曼算法,得到GNSS／INS紧组合抗差解,并通过两个不同区域的实测车载实验进行了算法验证. 实验结果表明:本方法相较于传统方法，在N、E、D三个方向的导航精度分别提高1.4～4.6 cm,0.7～9 cm,1.5～2 cm,模糊度固定成功率提高10.3％～25.6％,导航精度及可靠性得到显著提高,对动态环境下车载或自动驾驶等应用具有一定的理论参考和实用价值.      

基于抗差EKF的GNSS/INS紧组合算法研究

提出了GNSS/INS紧组合导航的抗差EKF算法,采用21状态GNSS/INS紧组合状态方程,根据多余观测分量及预测残差统计构造抗差等价增益矩阵,建立抗差EKF算法,通过迭代给出GNSS/INS组合导航的抗差解,并开发GNSS/INS紧组合导航模拟平台,通过对观测值加入单粗差、多粗差及缓慢增长三类误差,测试本文算法对不同粗差的抑制能力。分析表明,抗差EKF可以将三类粗差抑制在相应观测值的残差中,达到削弱其对状态参数估计的影响。本文算例证明,抗差EKF算法可将导航解的误差精度从dm级提高为cm级甚至mm级,导航精度及可靠性得到明显提高。     

Using Allan variance to improve stochastic modeling for accurate GNSS/INS integrated navigation

MEMS-based integrated system of a global navigation satellite system (GNSS) and an inertial navigation system (INS) has been widely used in various navigation applications. However, such integration encounters some major limitations. On the one hand, the noisy MEMS-based INS undermines the accuracy with time during the frequently occurring GNSS outages caused by signal blockage or attenuation in certain situations such as urban canyon, tunnels, and high trees. On the other hand, the model mismatch between actual GNSS error and the assumed one would also degrade the obtained accuracy even with continuous GNSS aiding. To improve the overall performance for GNSS/MEMS-INS, better error models can be obtained using Allan variance (AV) analysis technique for modeling inertial sensor errors instead of the commonly recommended auto-regressive processes, and on the other hand, the measurement update in Kalman filter is improved using innovation filtering and AV calculation. The performance of each method and the combined algorithm is evaluated by a field test with either differential GNSS (DGNSS) or single-point positioning (SPP) as external aid. In addition to the considerable navigation enhancement brought by each method, the experimental results show the combined algorithm accomplishes overall accuracy improvements by about 18% (position), 8% (velocity), and 38% (attitude) for integration with DGNSS, and by about 15% (position), 75% (velocity), and 77% (attitude) for that with SPP, compared with corresponding traditional counterparts.     

GNSS/INS紧组合最大熵卡尔曼滤波算法

针对实际环境中量测噪声易被野值污染而呈现非高斯分布,进而导致传统卡尔曼滤波(KF)算法性能降低的问题,提出了最大熵卡尔曼滤波(MCKF)算法. 该算法基于最大熵准则(MCC)和M估计的思想推导得到. 与KF相比,所提算法能够给异常量测值分配较小的权重以减轻其对于状态估计的影响,与基于Huber函数的卡尔曼滤波(HKF)算法相比,其能够更有效地利用量测信息,因此所提算法相比于KF和HKF而言更加鲁棒. 在全球卫星导航系统(GNSS)与惯性导航系统(INS)的紧组合模式下进行车载实测实验,由于GNSS的伪距与伪距率等原始量测信息质量不佳,因此KF和HKF的性能均受到影响,而所提MCKF算法能够有效地抑制异常量测值的影响,能够更快地收敛且得到更高的估计精度.      

New method for single epoch, single frequency land vehicle attitude determination using low-end GPS receiver

Stand-alone, unaided, single frequency, single epoch attitude determination is the most challenging case of GNSS compass processing. For land vehicle applications, the baseline approximately lies in the plane of the local geodetic horizon. This provides an important constraint that can be exploited to directly aid the ambiguity resolution process. We fully integrate the constraint into the observation equations, which are transformed orthogonally. Our method can acquire the high-quality float solution by means of a heading search strategy. The fixed solution is obtained by weighted constrained integer least squares for each possible heading. The correct solution is identified by three consecutive steps: Kolmogorov?CSmirnov test, heading verification, and global minimizer of the fixed ambiguity objective function. The analysis focuses on single frequency, single epoch land vehicle attitude determination using low-end GPS receivers with very low precision of carrier phase and code measurements. The error analysis is given for choosing a proper baseline length in practical application. Experimental results demonstrate that this scheme can improve the ambiguity success rate for very short baseline.     

GPS/GALLIEO导航系统的抗差EKF模型研究

首先给出扩展卡尔曼滤波(Extended Kalman Filter,EKF)的原理,通过分析粗差在EKF模型中传递特性,给出新的抗差EKF模型。模型根据多余观测分量及预测残差统计,构造抗差等价增益矩阵,通过迭带给出GNSS抗差导航解。为提高模型在动态导航应用中的效率,文章结合统计模型,仅对存在粗差的观测历元进行抗差估计,进一步提高模型实时运行效率。并模拟GPS/Galileo多卫星导航星座及接收机平台的动态轨迹。采用加速度导航方程验证本文模型,并对不同模型运行的时间进行比较。结果表明在粗差存在的情况下,本文模型仍能正确导航,并且改进后的模型能明显提高实时导航的效率。     

Development of an instantaneous GNSS/MEMS attitude determination system

Global navigation satellite systems (GNSS) are well suited for attitude determination. The key to high-precision GNSS-attitude determination is the ambiguity resolution. In case of kinematic applications, the rapidity of this process is of particular importance. We present a new instantaneous attitude determination system for GNSS-challenged environments. The single-epoch ambiguity resolution is performed by the ambiguity function method aided by a micro-electro-mechanical system (MEMS), leading to success rates above 99 %. The GNSS/MEMS fusion is realized by the use of an extended Kalman filter. When the system is stationary, a state vector augmentation with a shaping filter reduces systematic effects in the GNSS-attitudes. By means of two field experiments, the system was tested successfully. Despite poor GNSS measurement conditions, it provided reliable and accurate results, with empirical standard deviations in the range of 0.03–0.1 deg for the yaw angle.