基于多普勒观测值约束的强跟踪卡尔曼滤波单点定位计算方法、设备、介质、产品技术

本发明专利技术提供基于多普勒观测值约束的强跟踪卡尔曼滤波单点定位计算方法，包括以下步骤：建立标准滤波方程，引入多普勒观测值，多粗差探测，强跟踪调整噪声，高精度定位。本发明专利技术涉及一种电子设备、存储介质、程序产品，用于执行基于多普勒观测值约束的强跟踪卡尔曼滤波单点定位计算方法。本发明专利技术通过引入多普勒观测值，并采用卡尔曼滤波的方式，建立速度与位置的相应关系；采用更为复杂的抗差策略，来应对实际动态环境中的多粗差问题，并且根据实际解算状态，动态调整过程噪声，适用各种载体的动态运动场景，使滤波器更加稳健可靠，最终的定位结果也更为平滑稳定。位结果也更为平滑稳定。位结果也更为平滑稳定。

【技术实现步骤摘要】
基于多普勒观测值约束的强跟踪卡尔曼滤波单点定位计算方法、设备、介质、产品


[0001]本专利技术涉及GNSS卫星导航定位
，尤其涉及基于多普勒观测值约束的强跟踪卡尔曼滤波单点定位计算方法、设备、介质、产品。

技术介绍

[0002]单点定位技术是根据接收机的原始观测值及卫星广播星历确定接收机在地球坐标系中的绝对坐标的方法，也称为绝对定位。其优点为只需用一台接收机即可独立定位，实施较为方便自由，数据处理也较为简单，其基本原理为后方交会，具体如下：
[0003]伪距观测的观测方程为
[0004][0005]式中，为伪距观测值，X
i
,Y
i
,Z
i
为卫星位置，X,Y,Z为接收机位置，c为光速，为接收机钟差，为卫星钟差，V
ion
为电离层偏差，V
trop
为对流层偏差。
[0006]将上式进行泰勒级数展开并进行线性化可得误差方程：
[0007]V
i
＝
‑
l
i
V
x
‑
m
i
V
y
‑
n
i
V
z
‑
cV
tR
+L
i
[0008][0009]式中，V
i
为残余误差，l
i
,m
i
,n
i
为三个方向线性化系数，V
xr/>,V
y
,V
z
为三个方向改正数，L
i
为常数项，为信号发射时刻卫星位置与信号到达时刻接收机近似位置之间的距离。
[0010]以单GPS系统为例，待估参数为三个坐标参数和一个钟差参数，故当接收到的卫星数大于等于4颗时即可进行单点定位解算。
[0011]单点定位算法作为最基础的定位算法，其主要依托于伪距的数据质量和卫星的几何分布，伪距精度一般在
±
3m，故受限于伪距自身的精度，单点定位的精度一般在米级抖动，故在实际行人、单车、车载等大众领域无法获得较为平滑的解算结果，具体问题如下：
[0012]1)定位精度米级跳跃，连续性差
[0013]优于采用最小二程算法，且伪距的误差本身就在米级，同时考虑其他误差的随机影响，故在进行实时单点定位时，正常情况下可维持在米级精度，但其相邻历元间并无关联性，导致整体轨迹的连续性较差，定位精度在米级抖动，无法满足行人、单车、车载等大众领域需求。
[0014]2)观测环境不好时，可靠性差
[0015]一般情况下，单点定位的精度可稳定在米级，但是当周边环境出现异常，甚至多粗差时，采用标准单点定位算法将难以达到较好的解算结果，精度会显著下降，可靠性较低，无法满足可靠性要求较高的应用场景。
[0016]3)仅采用伪距观测值，忽略多普勒观测值的贡献
[0017]标准单点定位仅采用伪距观测值进行最小二程解算，并没有有效利用到可解算出速度信息的多普勒观测值，多普勒观测值的测速精度最高可达厘米级，仅采用伪距观测值，整体方程较为脆弱，当伪距出现问题时无法及时发现，从而最终导致结果的异常。

技术实现思路

[0018]为了克服现有技术的不足，本专利技术的目的在于提供基于多普勒观测值约束的强跟踪卡尔曼滤波单点定位计算方法，解决了单点定位结果精度差，轨迹不连续且可靠性低的问题。
[0019]本专利技术提供基于多普勒观测值约束的强跟踪卡尔曼滤波单点定位计算方法，包括以下步骤：
[0020]建立标准滤波方程，采用动态卡尔曼滤波算法，建立相邻历元间的位置关联性；
[0021]引入多普勒观测值，将多普勒观测值引入所述标准滤波方程，得到引入多普勒观测值后的观测方程；
[0022]多粗差探测，采用分段法进行抗差卡尔曼滤波，且对伪距观测值和多普勒观测值分开进行抗差判定；
[0023]强跟踪调整噪声，采用强跟踪自适应算法调整过程噪声，当速度较大时，增大当前观测值权重，当速度较小时，降低当前观测值权重；
[0024]高精度定位，将原始的伪距观测值和多普勒观测值代入引入多普勒观测值后的观测方程，并通过接收机实际的运动情况对过程噪声进行调整，解算得出最终的坐标位置及速度信息，传递到下一历元，最终得到每个历元的精确位置和速度。
[0025]进一步地，所述标准滤波方程包括卡尔曼滤波的状态方程和观测方程；其中，所述状态方程为：
[0026]X
k
＝Φ
k，k
‑1X
k
‑1Γ
k，k
‑1W
k
‑1[0027]所述观测方程为
[0028]Z
k
＝H
k
X
k
+V
k
[0029]其中，X
k
为k时刻的n维状态矢量，Φ
k，k
‑1为从k
‑
1时刻到k时刻的n*n维的一步状态转移矩阵，X
k
‑1为k
‑
1时刻的n维状态矢量，Γ
k，k
‑1为n*p维的噪声输入矩阵，W
k
‑1为p维的过程噪声序列；Z
k
为k时刻的m维观测矢量，H
k
为m*n维的观测矩阵，V
k
为m维的观测噪声序列。
[0030]进一步地，所述引入多普勒观测值后的观测方程为：
[0031][0032]其中，V
s
为观测矢量，V
s_
为第1颗卫星的伪距观测值，V
s_
为第1颗卫星的多普勒观测值，l,m,n为方向余弦，l
P1
,m
P1
,n
P1
为第1颗卫星伪距观测值的方向余弦，l
D1
,m
D1
,n
D1
为第1颗卫星多普勒观测值的方向余弦，c为光速，Δt为时间变化量，X,Y,Z为待估位置参数，t为待估钟差参数，为待估的三个方向的速度参数，为待估的钟速参数，l
′
为残余项，l
′
s_p1
为第1颗卫星伪距观测值的残余项,l
′
s_D1
为第1颗卫星多普勒观测值的残余项。
[0033]进一步地，所述多粗差探测步骤中，伪距抗差阈值为3m。
[0034]进一步地，所述多粗差探测步骤中，在求取标准化残差时，引入中位数进行计算，具体形式如下：
[0035][0036]其中，v
i
为观测值残差，为标准化残差，a
med
为中位数，σ为方差。
[0037]进一步地，所述多粗差探测步骤中，每次对标准化残差最大的卫星观测值进行处理，再进行迭代处理和多次抗差，若抗差次数大于阈本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于多普勒观测值约束的强跟踪卡尔曼滤波单点定位计算方法，其特征在于，包括以下步骤：建立标准滤波方程，采用动态卡尔曼滤波算法，建立相邻历元间的位置关联性；引入多普勒观测值，将多普勒观测值引入所述标准滤波方程，得到引入多普勒观测值后的观测方程；多粗差探测，采用分段法进行抗差卡尔曼滤波，且对伪距观测值和多普勒观测值分开进行抗差判定；强跟踪调整噪声，采用强跟踪自适应算法调整过程噪声，当速度较大时，增大当前观测值权重，当速度较小时，降低当前观测值权重；高精度定位，将原始的伪距观测值和多普勒观测值代入引入多普勒观测值后的观测方程，并通过接收机实际的运动情况对过程噪声进行调整，解算得出最终的坐标位置及速度信息，传递到下一历元，最终得到每个历元的精确位置和速度。2.如权利要求1所述的基于多普勒观测值约束的强跟踪卡尔曼滤波单点定位计算方法，其特征在于：所述标准滤波方程包括卡尔曼滤波的状态方程和观测方程；其中，所述状态方程为：X
k
＝Φ
k，k
‑1X
k
‑1+Γ
k，k
‑1W
k
‑1所述观测方程为Z
k
＝H
k
X
k
+V
k
其中，X
k
为k时刻的n维状态矢量，Φ
k，k
‑1为从k
‑
1时刻到k时刻的n*n维的一步状态转移矩阵，X
k
‑1为k
‑
1时刻的n维状态矢量，Γ
k，k
‑1为n*p维的噪声输入矩阵，W
k
‑1为p维的过程噪声序列；Z
k
为k时刻的m维观测矢量，H
k
为m*n维的观测矩阵，V
k
为m维的观测噪声序列。3.如权利要求2所述的基于多普勒观测值约束的强跟踪卡尔曼滤波单点定位计算方法，其特征在于：所述引入多普勒观测值后的观测方程为：其中，V
s
为观测矢量，V
s_P1
为第1颗卫星的伪距观测值，V
s_D1
为第1颗卫星的多普勒观测值，l，m，n为方向余弦，l
P1
，m

【专利技术属性】
技术研发人员：单弘煜，
申请(专利权)人：广州市中海达测绘仪器有限公司，
类型：发明
国别省市：