[发明专利]模糊度域信息整合的高精度后处理定位方法及系统

说明书

本发明提供一种模糊度域信息整合的高精度后处理定位方法及系统，包括构建基准统一，模糊度数值特征一致的多个模糊度域，结合首次前后向卡尔曼滤波的解算信息，逐个对每个模糊度域依次进行模糊度信息整合分析，获得正确的模糊度固定值后即可实现模糊度域内全时段固定，最后对坐标参数进行更新，从而实现后处理模式下的高精度定位。本发明可以明显提高GNSS高精度定位中的模糊度固定率和可靠性，进而获得厘米级定位精度，在移动测图和航空重力领域具有重要的实际应用价值。

技术领域

本发明属于GNSS高精度定位领域，具体涉及一种模糊度域信息整合的高精度后处理定位方法及系统。

背景技术

GNSS(Global Navigation Satellite Systems)精密定位技术是指利用全球导航卫星系统，包括中国北斗系统，美国GPS系统，俄罗斯GLONASS系统和欧盟的Gailieo系统，国际全球导航卫星服务组织(International GNSS Service，IGS)提供的精密产品，综合考虑各项误差模型的精确改正，利用伪距和载波相位观测值实现单站精密绝对定位(PrecisePoint Positioning，PPP)和相对定位(Post Processing Kinamic,PPK)的方法。相位模糊度准确固定是高精度定位的前提和关键，然而在PPP和长基线单站PPK场景下，模糊度中耦合了残留大气延迟和各类误差，使得模糊度固定困难，固定率不及常规短基线相对定位，难以满足高精度动态场景的应用需求。

卡尔曼滤波器被广泛应用于动态定位领域中，其本身是一个递归滤波器，参数估计仅依赖当前和之前的数据信息，定位精度和参数收敛时间都受到限制。为了解决这一问题，学者们提出了后处理融合算法。传统的后处理方法主要包括双向滤波平滑和RTSS平滑。前者利用前、后向卡尔曼滤波分别解算，最后根据双向结果的方差协方差矩阵对结果进行加权融合；后者考虑到状态参数在相邻时间内的相互关系，对首次滤波结果进行逐个平滑。两种方案使用简便，已经被广泛应用于导航定位领域。但它们都仅在坐标域内进行结果融合和平滑，对于模糊度固定率的提升没有贡献。假设首次GNSS解算结果大多为浮点解，那么使用这两种方法得到的结果精度也只能是浮点解的精度水平。这极大地限制了GNSS在复杂城市环境或者长基线相对定位场景下的应用。

事实上，模糊度参数是接收机跟踪某颗卫星时，无法被准确确定的整数部分，这个参数在卫星被连续跟踪的情况下具有唯一整数特性。在这个背景下，本发明提出了一种模糊度域信息整合的高精度后处理定位方法，首先为每颗卫星构建合适的模糊度域，然后在模糊度域中寻找准确的整周模糊度，最终以得到的整周模糊度为观测约束，更新其他状态参数。利用这个方法可以显著改善模糊度固定效果，利用准确的相位观测值进而获得厘米级的定位精度。

发明内容

本发明提出了一种模糊度域信息整合的高精度后处理定位技术方案，具有广域内精密定位的能力以及抗复杂环境的优点。

为达到上述目的，本发明的技术方案提供一种模糊度域信息整合的高精度后处理定位方法，构建基准统一，模糊度数值特征一致的多个模糊度域，结合首次前后向卡尔曼滤波的解算信息，逐个对每个模糊度域依次进行模糊度信息整合分析，获得正确的模糊度固定值后即可实现模糊度域内全时段固定，最后对坐标参数进行更新，从而实现后处理模式下的高精度定位。

而且，所述构建基准统一，模糊度数值特征一致的多个模糊度域，实现方式如下，

选择一颗连续跟踪时长最长的卫星作为参考星，通过星间单差的状态转移矩阵将后续历元的星间单差固定值调整到统一的基准下；根据模糊度重新初始化信息，对每颗卫星进行弧段分割，保证每个弧段内有且仅有一个整周模糊度。

而且，所述模糊度信息整合分析，实现方式如下，