数据缺失情况下BDS定位性能分析

针对观测数据的缺失会影响数据处理效果、降低定位精度的问题,该文为了探明缺失数据是如何影响定位,进行静态定位实验分析3类卫星对定位误差的影响,进行动态定位实验测试了在缺失数据的真实情况下北斗卫星系统的定位性能。静态实验结果表明,在伪距单点定位中缺失GEO卫星时三维点位精度下降了85%,在缺失IGSO时定位精度下降了43.8%,缺失MEO卫星时定位精度下降了6%,在载波相位定位中缺失3类卫星数据对定位精度虽然也有影响,但不如伪距定位的影响大。在动态实验中发现在无遮挡的环境中,BDS定位精度不受影响,且定位精度较高,可与GPS相媲美;在遮挡的环境中,GPS和BDS都出现了信号质量下降的情况,BDS数据缺失比GPS严重,缺失严重时定位出现较大的误差,结果不可靠。     

动力学模型自适应滤波算法研究

在全球导航卫星系统（global navigation satellite system,GNSS）动态测量中,常采用Kalman滤波进行导航解算。但是,载体运动的不规则性经常会导致动力学模型偏差增大,从而出现定位精度下降的问题。针对此,在实时估计协同转弯模型（coordinated turn,CT）转弯率的基础上提出了两种减弱动力学模型偏差影响的自适应滤波算法。一种是实时估计转弯率的CT模型与改进的椭球约束方程相结合的滤波算法;另一种是通过对载体运动规律的分析,推导了实时估计转弯率的三维转弯模型,提出了一种三维转弯模型与新息向量构造的自适应因子相结合的自适应滤波算法。实验结果表明,这两种算法在不同的机动情况下都能较好地控制动力学模型误差的影响,其精度明显优于标准Kalman滤波和CT模型与常速度模型相结合的滤波算法。尤其是第二种算法,不仅通过自适应估计提高了动力学模型的精确性,还通过自适应因子进一步控制了动力学模型扰动的影响,显著提高了动态导航解的精度和可靠性。