一种GPS整周模糊度的解算方法

初始整周模糊度的求解是利用GPS载波相位进行测量的关键问题,文中提出了一种GPS整周模糊度快速解算方法。该方法：首先,对双差观测方程中指向卫星的方向阵进行QR分解;然后,通过比较估计出的基线长度和真实的基线长度建立起整周模糊度初始搜索范围;最后,综合利用快速剔除不合理模糊度解的检验方法以得到最终的模糊度解。文中对所提出的算法进行了理论推导,并进行了基于实测数据的实验与分析。实验结果表明,该算法计算量小,快速准确,适合整周模糊度的快速动态求解。     

GPS姿态测量的载波相位整周模糊度快速解算

 根据 ARCE方法可以将模糊度搜索空间从所观测到的 m颗卫星的 m -1维降为 3维独立整周模糊度搜索空间,结合整数高斯变换及基线长度约束减小模糊度搜索空间,利用 Cholesky分解提高模糊度搜索效率,实验结果证明该方法能够快速解算整周模糊度适于实时姿态确定等应用。     

一种适合单频GPS动态求解整周模糊度的方法

对于高精度测量和导航,GPS载波相位整周模糊度的快速求解仍然是一个难点,尤其对于单频接收机。本文提出一种动态快速求解整周模糊度的方法,其基本思想先对系数阵进行QR分解,然后通过矩阵变换使模糊度参数和位置参数分离,从而降低矩阵的维数,满足实时动态求解的要求,最后应用LAMBDA方法搜索模糊度。为验证该算法,我们用单频GPS接收机进行了两种实验(静态和动态),利用本文方法解算,静态误差小于1．5cm,动态误差小于4cm。实验结果表明：对于动态用户,该方法是快速和有效的。该方法可应用于高精度的导航和定位。     

自适应渐消Kalman滤波算法在RTK中的应用研究

在动态载波相位差分定位(RTK)中,由于观测环境复杂,会经常发生周跳、卫星信号失锁等情况,严重影响基线解算的连续性和可靠性。针对动态应用环境,提出了一种Kalman滤波算法在RTK技术中的应用方法。该方法可以实时估计模糊度浮点解及其协方差矩阵,在需要重新固定模糊度时可直接用于搜索,起到了周跳修复的作用。此外,采用了自适应渐消Kalman滤波算法提高算法的动态适应性,并引入独立的滑动窗进行新息的收集和处理,解决了由于参考星变化或卫星信号失锁造成观测量中断而无法准确计算新息协方差的难题。仿真结果表明,该算法能够在模糊度发生变化时快速收敛,并且相对于一般Kalman滤波算法在高动态下提高了模糊度浮点解的精度,提高了后续模糊度搜索的效率和固定成功率。     

基于整周模糊度精确解算的空间站伴随飞行器DGPS相对导航技术研究

研究了基于载波相位差分GPS的空间站伴随飞行器相对导航技术,建立了相对导航滤波的系统状态空间模型,并且系统状态向量中包含了GPS整周模糊度;采用扩展卡尔曼滤波EKF实现了相对导航滤波的最优状态估计,并提出了浮点解和定点解相结合的GPS整周模糊度解算方法,以提高相对导航精度。仿真结果表明,与仅采用EKF对GPS整周模糊度进行最优估计获得浮点解的方法相比,采用浮点解和定点解相结合的GPS整周模糊度解算方法,可有效提高相对导航滤波精度。     

一种基于GPS的单频单历元姿态解算算法

本文提出了一种将GPS L1波段的载波相位观测方程和码相位观测方程相融合的新算法,使得单历元之内就可以求解整周模糊度的浮点解,克服了传统方法中仅用载波相位观测方程无法在单历元获得浮点解的缺点并提出了一种将低精度浮点解映射到固定解的方法,降低了LAMBDA算法对高精度浮点解的依赖性,避免了多个历元求解高精度浮点解,从而实现了单频单历元的整周模糊度估计,对于快速动态定姿具有重要意义。通过实际数据测试,该算法在10°俯仰角约束的条件成功率约为96%,能够有效地用于实时动态姿态解算。     

基于自适应遗传算法的DGPS整周模糊度快速解算

 鉴于遗传算法(GA)所具有的全局搜索特性,也为了更快速准确地解算差分全球定位系统(DGPS)整周模糊度,将自适应遗传算法(AGA)引入DGPS整周模糊度的搜索中。首先根据全球定位系统(GPS)载波相位双差方程求解出双差整周模糊度的浮点解,并以基线长度作为约束条件确定整周模糊度的搜索范围;然后利用白化滤波的方法对整周模糊度进行降相关处理,降低整周模糊度各分量之间的相关性;最后将自适应遗传算法应用在整周模糊度的解算过程中,搜索整周模糊度的最优解。仿真计算结果表明,与LAMBDA算法和简单遗传算法相比,自适应遗传算法能够快速地求解整周模糊度,也具有较好的可靠性和鲁棒性。     

导航卫星载波相位模糊度自主解算方法

当有4颗以上导航卫星同步观测航天器(卫星、导弹)时,本文提出应用自主定位和自校准技术来自主解算导航卫星载波相位整周模糊度的方法,并以此获取航天器的高精度飞行轨道。     

带有加权基线长约束的GPS/BDS单历元姿态解算算法研究

研究基于GNSS信号的实时载体动态姿态测量算法具有重要意义,多频多模姿态测量算法是目前的研究热点和难点。本文提出一种基于GPS L1/L2和BDS B1三频点观测数据进行联合定姿的新算法,可实现单历元整周模糊度解算,且该算法对周跳不敏感,克服了单频点定姿可靠性差、精度低的缺点。针对多频多模观测时天线相位中心的差异性问题,采用基于加权基线长度约束和上下边界函数的方法实现整周模糊度搜索空间的压缩,提高了整周模糊度解算的效率。最后基于实际测试数据评估定姿精度,实验表明,采用L1/L2/B1三频点联合估计,航向角和俯仰角的精度可达0.1?/m和0.2?/m,比单频观测的精度高约2倍。     

GPS载体姿态测量中的LAMBDA方法研究

研究了采用双基线方案测量载体的姿态,利用 GPS载波相位干涉测量基线矢量,引入 LAMBDA法解算整周模糊度,由 CPU时间图可以看出这种方法能快速而准确地解算整周模糊度,对于实时姿态测量(RAD)系统具有很好的应用价值。     

基于差分卫星导航的着舰引导技术分析

着舰引导技术是航母/舰载机系统的核心技术,差分卫星导航相对定位精度高,广泛应用于近距离相对定位,基于差分卫星导航的着舰引导技术是当前着舰引导技术研究的热点.载波相位周跳是影响差分卫星导航相对定位精度的关键因素.本文在分析基于差分卫星导航的着舰引导系统架构的基础上,提出一种改进的包含周跳的卡尔曼滤波模型.该模型能够削弱差分卫星导航相对定位处理流程中载波相位周跳影响,提高相对定位精度,试验结果证明了本文所提卡尔曼滤波模型的有效性.     

GPS移动基准站差分定位算法

相对导航定位技术在空中加油任务中起着至关重要的引导作用。针对传统差分定位模式受限于基准站位置固定、覆盖范围有限等问题,研究了一种无固定基准站差分定位方案,实现了短基线高精度动态相对定位。该方案首先基于实时伪距单点定位求得移动站近似坐标,结合载波信息进行站间差分,求得单差模糊度浮点解及更高精度的移动站坐标。之后,再利用双差观测方程,并采用扩展Kalman滤波(Extended Kalman Filtering,EKF)算法获得移动站精确坐标和双差模糊度浮点解。最后,采用LAMBDA算法进行模糊度快速固定,获得最终定位结果。实验结果表明,所采用的无固定基准站差分定位方案使得基线长度均方差小于5cm,达到了较高的动态相对定位精度。     

5G微基站环境下GNSS接收机性能及观测质量分析

我国已全面进入5G时代，为研究5G微基站电磁环境对全球卫星导航系统（GNSS）接收机工作性能及观测数据质量的影响，基于自主建设差分基准站的零基线观测数据，采用静态相对定位方法，通过观测数据质量分析、载波与伪距的双差残差序列、对比相对静态定位结果，综合评估5G微基站对GNSS接收机工作性能及观测数据质量的影响。实验表明：当前环境下，GNSS差分基准站及接收机处于近距离建设的5G微基站时，载波相位观测噪声变化范围为5cm，伪距观测噪声变化范围为15cm，零基线测试结果变化范围为1mm。在实验距离内，5G微基站对于GNSS接收机工作性能及数据观测质量影响较小，可以忽略。     

面向室内场景的惯性磁感应定位方法

针对卫星拒止的室内导航问题，在现有磁信标定位技术的基础上，通过分析低频旋转磁场的特点，建立了一种不受传感器姿态和磁信标磁矩信息影响的磁感应矢量夹角观测模型，并结合MEMS惯性导航的误差模型提出了一种以磁感应矢量夹角的正余弦值为量测信息的惯性磁感应动态定位方法，避免了磁传感器姿态误差和磁矩误差对定位结果的影响。利用实验室的双轴磁信标实验系统进行静态测试，验证了磁感应定位模型具有不受传感器姿态、环境中遮挡物以及磁矩影响的特点；通过数值仿真的方式对基于无迹卡尔曼滤波（UKF）的惯性磁感应定位方法进行验证，结果表明该方法能有效地抑制惯性导航的发散，且位置最大误差小于0.75 m，满足大多数室内场景下的高精度导航定位需求。     

基于多模态感知与融合的无人车韧性导航系统

针对野外复杂环境下的无人车自主导航需要,建立了一种基于多源融合定位、语义建图与运动规划的智能导航系统.首先,针对IMU、轮式里程计、视觉SLAM与激光雷达SLAM等测量子系统,设计了误差状态扩展卡尔曼滤波器进行融合定位.其次,基于改进的CNN语义分割网络生成环境的语义图像,与3D激光雷达点云融合,并使用最大概率更新算法构建语义3D地图.接着,在语义和几何信息投影获得可通行性代价的基础上,提出了一种语义动态窗口的局部路径规划方法.最后,将以上感知、定位与规划方法整合成完整的智能导航系统,在城市与野外典型场景的测试中,相对定位误差小于0.4％D,具备一定的韧性导航定位和智能感知规划能力.     

基于半参数估计的智能手机WiFi RTT定位方法

近年来，以智能、智慧为特征的新经济社会形态不断涌现，依托智能手机实现低成本高精度泛在定位的需求日益迫切。总体上看，以卫星导航传感器为核心，融合异构化测距信号是实现高精度定位的主要手段。在简要分析了WiFi-RTT测距信号质量的基础上，定量分析了WiFi-RTT系统的误差特点，利用半参数方法构造了WiFi-RTT定位的观测模型和随机模型，并通过实测数据对该方法的精度和可靠性进行了验证。试验表明：WiFi-RTT定位在静态和动态条件下可实现精度优于0.4m和0.6m的定位。相关研究对于推动智能手机的高精度定位应用具有重要参考价值。     

基于惯性递推原理的行人自主定位方法综述及展望

在室内环境或者卫星信号遮挡环境下,如何实现单兵或者行人的自主定位是目前研究的热点问题.其中,基于惯性递推原理的行人自主定位方法由于无需提前布设基础设施,且具有体积小、成本低、完全自主、不受干扰、实时性高等特点,因此具有广泛的研究价值和意义.本文围绕基于惯性递推原理的行人自主定位方法展开介绍,针对动态步态分析、零速区间检测、惯性器件误差约束、运动误差约束方法和融合算法等方面技术进行了综述.最后,对基于惯性递推原理的行人自主定位方法的发展方向进行了展望.     

基于Starlink机会信号/INS的组合导航方法

针对全球卫星导航系统(GNSS)因频点单一、落地功率低、易受电磁干扰以及存在覆盖较差区域等潜在的被拒止或被干扰导致的导航系统性能降低甚至失效的问题,提出了一种基于星链(Starlink)机会信号融合惯性导航系统(INS)的飞行器动态组合导航方法。首先分析了星链信号体制,建立了基于星链星座卫星下行机会信号的瞬时多普勒定位观测模型,设计了一种基于频率细分的快速最大似然多普勒频率估计方法,然后建立了基于扩展卡尔曼滤波(EKF)的Starlink机会信号/INS的组合导航模型,并对该导航方法进行了实验及分析。结果表明,该方法可为飞行器提供长航时、连续、高精度的导航。动态飞行情况下,该方法可实现平均优于25 m的三维定位精度和平均优于0.1 m/s的速度估计精度,比相同观测时间下的惯导精度提高了1～2个数量级,显著提高了飞行器的导航精度,可为战略导航提供方法和技术支撑。     

双频Android手机GPS/BDS伪距单点定位增强方法与性能评估CSCD

针对双频GNSS手机不同运动状态下的定位性能,从原始观测值质量入手进行分析,设计并比较了多种定位算法的有效性。首先,采集了华为mate30、荣耀20pro、小米10三款双频手机的原始观测数据,从DOP值、信噪比、伪距残差等方面对观测数据质量进行了分析评估。其次,设计了静态和动态实验,利用最小二乘法(LSM)、加权最小二乘法(WLS)(高度角定权、信噪比定权)、Kalman滤波法进行单点定位解算。静态测试结果表明,基于LSM的三款手机定位精度在E、N方向上分别优于2.04m和2.24m,信噪比定权相比高度角定权可使平面定位精度平均提高8.5%;动态测试结果表明,Kalman滤波可有效提高精度性能,平面定位精度平均提高7.2%,但三款手机的动态测试表现明显低于静态测试。     

Random Weighting Estimation Method for Dynamic Navigation Positioning

This paper presents a new random weighting estimation method for dynamic navigation positioning.This method adopts the concept of random weighting estimation to estimate the covariance matrices of system state noises and observation noises for controlling the disturbances of singular observations and the kinematic model errors.It satisfies the practical requirements of the residual vector and innovation vector to sufficiently utilize observation information,thus weakening the disturbing effect of the kinematic model error and observation model error on the state parameter estimation.Theories and algorithms of random weighting estimation are established for estimating the covariance matrices of observation residual vectors and innovation vectors.This random weighting estimation method provides an effective solution for improving the positioning accuracy in dynamic navigation.Experimental results show that compared with the Kalman filtering,the extended Kalman filtering and the adaptive windowing filtering,the proposed method can adaptively determine the covariance matrices of observation error and state error,effectively resist the disturbances caused by system error and observation error,and significantly improve the positioning accuracy for dynamic navigation.