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BDS/GPS组合动态变形测量系统的模糊度实时算法分析

介绍了BDS/GPS组合载波相位双差定位的解算模型,分析了通常模糊度实时算法的不足,根据工程结构变形测量中,监测点初始坐标已知且在一定范围内变化的特点,提出了一种BDS/GPS组合测量系统模糊度单历元实时算法。通过实测的实验数据,验证了本文算法的正确性。     

利用DUFCOM和DC算法的GPS单历元双差整周模糊度快速确定算法

为解决DUFCOM方法单历元解算GPS双差整周模糊度因观测卫星数多导致解算效率低而影响GPS高频数据实时动态解算这一问题,同时考虑到DC算法解算效率高的优点,对观测卫星进行筛选分级处理,提出了一种快速确定算法。算例表明,该算法可避免在应用DUFCOM方法中二级卫星对一级卫星双差整周模糊度解算效率的影响,使得GPS单历元确定双差整周模糊度的效率显著提高,达到了GPS高频数据实时动态解算的目的。     

北斗观测量时间相关随机模型构建及评估

传统多历元累积观测量随机模型通常忽略各历元间观测量的时间相关性,导致其对观测量整体随机特性刻画不准确。考虑北斗系统中GEO卫星观测量的时间相关性较强,本文提出一种适用于多历元下北斗观测量的时间相关随机模型构建方法。在传统多历元随机模型的基础上,将时间相关系数直接引入随机模型,通过观测量站间差分残差计算各历元间观测量的时间相关系数,生成多历元下北斗观测量时间相关随机模型,并利用实际试验数据对其在整周模糊度解算中的表现进行评估。试验结果表明,时间相关随机模型在一定程度上解决了传统随机模型存在的整周模糊度PCF下限估值虚高的问题,提高了整周模糊度Ratio值,有助于整周模糊度顺利通过检验。此外,相比于传统随机模型,时间相关随机模型有效减少了整周模糊度漏检及误警的情况出现,提高了整周模糊度解算的可靠性。     

基于双频GPS数据的单历元定向算法研究

在普通的基线长辅助LAMBDA搜索算法的基础上,提出了一种组合的模糊度搜索方法,确保了单历元算法的成功率和精度。实测数据的计算结果表明,本文所采用的单历元算法无论在静态还是动态情况下,都可以得到很高的成功率和很好的定向精度,也说明本文的实时单历元定向算法是可靠的,方案是可行的。     

一种GPS测定姿态的新方法——具有坐标函数约束的单历元阻尼LAMBDA算法

在作者提出的GPS单历元阻尼LAMBDA算法的基础上,结合固定边长条件,给出了一种GPS姿态定位的新方法。该方法的特点在于:(1)仅利用当前一个历元的GPS观测数据;(2)在单历元法方程中添加阻尼矩阵,克服了LAMBDA方法的局限性,提高了模糊度搜索速度;(3)利用三台接收机的固定边长条件直接平差,可以提高模糊度解算的可靠性和定位精度。     

历元差分模型在北斗卫星钟差实时解算中的应用

卫星钟差是影响卫星定位精度的重要误差源之一,而实时精密单点定位又要求卫星钟差实时更新。卫星钟差的解算可通过非差模型或历元差分模型实现,但非差模型涵盖较多的载波相位模糊度参数,相比消掉模糊度参数的历元差分模型,计算效率要慢许多。历元差分模型仅利用载波相位观测量就可获得高精度卫星钟差历元间差,恢复后的卫星钟差仍可达到一定精度水平。利用历元差分模型可实现北斗卫星钟差的实时解算,试验结果表明:通过滤波得到的卫星钟差历元间差精度优于0.02 ns,恢复后的卫星钟差精度优于0.25 ns.      

基于梯级递推的无模糊度GPS基线解算方法研究

通过考虑模糊度的整数特性及相位波长与基线非参考站坐标误差之间的约束条件,提出了一种基于梯级递推的无模糊度GPS基线解算方法。该方法不受周跳的影响,并且在基线求解过程中不用考虑模糊度参数。分别以单个历元和移动窗口的多历元两种求解方案验证了该方法的正确性和可行性,并且基线解算结果具有较高的精度。     

一种实时GPS姿态测量中的整周模糊度的解算方法

GPS实时姿态测量的核心问题是整周模糊度的解算.提出一种适合实时姿态测量的模糊度解算方法,它利用单差平滑伪距进行解算,与传统的模糊度解算方法相比具有许多优点.通过仿真试验对该方法的有效性和实用性进行了验证.     

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。