一种基于MAP噪声改进的相对定位方法技术

本发明专利技术涉及定位技术领域，尤其涉及一种基于MAP噪声改进的相对定位方法，降低时变噪声对导航滤波算法精度的影响，提高了时间更新和量测更新阶段的自适应能力，提高相关定位的实时性，同时利用Sigma Point变换法来更精确的逼近真实均值和方差，在非线性情况下，sigma point卡尔曼滤波提高了滤波精度，在非线性环境下用sigma point卡尔曼滤波代替扩展卡尔曼滤波，克服EKF局部线性化和雅克比矩阵计算繁琐的问题，更准确的判断运动状态。更准确的判断运动状态。更准确的判断运动状态。

【技术实现步骤摘要】
一种基于MAP噪声改进的相对定位方法


[0001]本专利技术涉及定位
，尤其涉及一种基于MAP噪声改进的相对定位方法。

技术介绍

[0002]随着计算机技术的发展，很多领域都需要对接收到的信号进行降噪处理，“滤波”是对含噪声的接收信号进行降噪处理并提取出有效信息。传统的滤波方法如维纳滤波、卡尔曼滤波，但都是线性滤波，只用于线性系统，在线性系统中，卡尔曼滤波就是最优滤波器。而实际应用中的系统往往具备非线性，往往都不是线性系统，所以衍生出了扩展卡尔曼滤波(EKF)，它是将非线性系统线性化，用线性化后的模型再进行卡尔曼滤波。
[0003]对于非线性系统，且在复杂环境下工作时，定位结果会受到噪声统计特征时变性的影响，因此，需要对时变噪声的情况下的非线性系统在定位算法上提出更高的要求，扩展卡尔曼滤波是导航数据处理领域中被广泛采用的一种非线性滤波算法，该算法是将非线性系统线性化，也就是说通过对非线性模型进行线性化来估计非线性系统，但近几十年来人们已经意识到EKF在应用中存在很多难以实现和难以解决的问题，例如局部线性化和雅克比矩阵计算繁琐的问题。

技术实现思路

[0004]本专利技术的目的在于提供一种基于MAP噪声改进的相对定位方法，旨在降低时变噪声对导航滤波定位精度的影响，解决扩展卡尔曼滤波方法计算繁琐的问题。
[0005]为实现上述目的，本专利技术提供了一种基于MAP噪声改进的相对定位方法，包括下列步骤：
[0006]接收机获取观测和导航数据；
[0007]单点定位获取所述接收机的位置；
[0008]构建载波相位双差观测方程；
[0009]求解所述载波相位双差观测方程，获得站间单差整周模糊度；
[0010]筛选所述站间单差整周模糊度并进行单差转双差处理，获得整周模糊度最优估计值；
[0011]检验所述整周模糊度最优估计值，输出结果。
[0012]其中，在接收机获取观测和导航数据的过程中，观测数据和导航数据通过接收北斗或GPS卫星信号后解码获得，数据格式为rinex格式。
[0013]其中，在单点定位获取所述接收机的位置的过程中，从观测数据中提取伪距观测值，进行单点定位计算接收机的位置，同时为卡尔曼滤波的时间更新过程提供位置初始值。
[0014]其中，所述载波相位双差观测方程在选取参考站和监测站间的共视卫星后构建。
[0015]其中，在求解所述载波相位双差观测方程，获得站间单差整周模糊度的过程中，使用基于MAP噪声改进的sigmapoint卡尔曼滤波算法求解载波相位双差观测方程，计算得到监测站位置以及站间单差整周模糊度的浮点状态矩阵及其协方差阵。
[0016]其中，基于MAP噪声改进的sigmapoint卡尔曼滤波算法求解载波相位双差观测方程的过程，包括下列步骤：
[0017]在K时刻进行产生当前时刻的Sigma点；
[0018]在K时刻进行卡尔曼的时间更新；
[0019]经过MAP处理过程噪声，然后通过卡尔曼对预测值进行更新；
[0020]经过MAP处理量测噪声，通过卡尔曼对状态值进行更新；
[0021]计算卡尔曼增益；
[0022]利用预测的误差协方差进行量测更新，得到K+1时刻的状态估计值和状态误差协方差，以及更新当前时刻的Sigma点，完成对系统的状态估计。
[0023]其中，所述整周模糊度最优估计值，采用MLAMBDA算法搜索获得。
[0024]其中，在检验所述整周模糊度最优估计值，输出结果的过程中，采用Ratio算法对所述整周模糊度最优估计值进行确认，
[0025]如判定成功，输出整周模糊度固定解；
[0026]判定失败，则输出浮点解。
[0027]本专利技术的提供了一种基于MAP噪声改进的相对定位方法，降低时变噪声对导航滤波算法精度的影响，提高了时间更新和量测更新阶段的自适应能力，提高相关定位的实时性，同时利用Sigma Point变换法来更精确的逼近真实均值和方差，在非线性情况下，sigma point卡尔曼滤波提高了滤波精度，在非线性环境下用sigmapoint卡尔曼滤波代替扩展卡尔曼滤波，克服EKF局部线性化和雅克比矩阵计算繁琐的问题，更准确的判断运动状态。
附图说明
[0028]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0029]图1是本专利技术的一种基于MAP噪声改进的相对定位方法的流程示意图。
[0030]图2是本专利技术的基于MAP噪声改进的sigmapoint卡尔曼滤波流程图。
[0031]图3是EKF下的相关定位误差仿真图。
[0032]图4是本专利技术基于MAP噪声改进的sigmapoint卡尔曼滤波下的相关定位误差仿真图。
[0033]图5是EKF下的速度变化图。
[0034]图6是本专利技术改进滤波下的速度变化图。
具体实施方式
[0035]下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本专利技术，而不能理解为对本专利技术的限制。
[0036]请参阅图1，本专利技术提出了一种基于MAP噪声改进的相对定位方法，包括下列步骤：
[0037]S1：接收机获取观测和导航数据；
[0038]S2：单点定位获取所述接收机的位置；
[0039]S3：构建载波相位双差观测方程；
[0040]S4：求解所述载波相位双差观测方程，获得站间单差整周模糊度；
[0041]S5：筛选所述站间单差整周模糊度并进行单差转双差处理，获得整周模糊度最优估计值；
[0042]S6：检验所述整周模糊度最优估计值，输出结果。
[0043]在接收机获取观测和导航数据的过程中，观测数据和导航数据通过接收北斗或GPS卫星信号后解码获得，数据格式为rinex格式。
[0044]在单点定位获取所述接收机的位置的过程中，从观测数据中提取伪距观测值，进行单点定位计算接收机的位置，同时为卡尔曼滤波的时间更新过程提供位置初始值。
[0045]所述载波相位双差观测方程在选取参考站和监测站间的共视卫星后构建。
[0046]在求解所述载波相位双差观测方程，获得站间单差整周模糊度的过程中，使用基于MAP噪声改进的sigmapoint卡尔曼滤波算法求解载波相位双差观测方程，计算得到监测站位置以及站间单差整周模糊度的浮点状态矩阵及其协方差阵。
[0047]请参阅图2，基于MAP噪声改进的sigmapoint卡尔曼滤波算法求解载波相位双差观测方程的过程，包括下列步骤：
[0048]S21：在K时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于MAP噪声改进的相对定位方法，其特征在于，包括下列步骤：接收机获取观测和导航数据；单点定位获取所述接收机的位置；构建载波相位双差观测方程；求解所述载波相位双差观测方程，获得站间单差整周模糊度；筛选所述站间单差整周模糊度并进行单差转双差处理，获得整周模糊度最优估计值；检验所述整周模糊度最优估计值，输出结果。2.如权利要求1所述的基于MAP噪声改进的相对定位方法，其特征在于，在接收机获取观测和导航数据的过程中，观测数据和导航数据通过接收北斗或GPS卫星信号后解码获得，数据格式为rinex格式。3.如权利要求1所述的基于MAP噪声改进的相对定位方法，其特征在于，在单点定位获取所述接收机的位置的过程中，从观测数据中提取伪距观测值，进行单点定位计算接收机的位置，同时为卡尔曼滤波的时间更新过程提供位置初始值。4.如权利要求1所述的基于MAP噪声改进的相对定位方法，其特征在于，所述载波相位双差观测方程在选取参考站和监测站间的共视卫星后构建。5.如权利要求1所述的基于MAP噪声改进的相对定位方法，其特征在于，在求解所述载波相位双差观测方程，获得站间单差整周模糊度的过程中，使用基于MAP噪...

【专利技术属性】
技术研发人员：孙希延，李振宇，纪元法，梁维彬，贾茜子，付文涛，郭宁，白杨，符强，严素清，赵松克，李晶晶，李龙，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：