顾及频间钟差的BDS/GPS三频非组合精密单点定位方法

采用传统精密钟差产品进行多频精密单点定位(PPP)时,频间钟差(IFCB)会对定位结果产生明显的系统性偏差,针对此问题,提出了基于无几何模型的BDS/GPS频间钟差估计方法,并推导了其在三频非组合PPP模型中的应用方法。通过全球184个监测站连续7天的数据实验,验证分析了IFCB的时变特性。结果表明:GPS和BDS GEO/IGSO卫星的IFCB周期性明显,BDS的IFCB量级小于GPS,一般不超过3 cm;对于静态PPP,与不改正IFCB相比,IFCB改正后,单GPS点位精度提高83.4%,GPS和BDS GEO/IGSO/MEO卫星的相位验后残差标准差分别减小了75.0%、54.5%、32.1%和19.2%;对于动态PPP,单GPS和BDS/GPS双系统组合的点位精度分别提高59.6%和54.7%。该方法解决了传统钟差产品与多频精密定位的兼容问题。     

在实时单点定位中基于残差信息的改进抗差滤波方法

在利用卫星导航定位系统进行单点导航定位时,为了进一步提高导航定位的精度、实时性和可靠性,针对实时观测信息中存在粗差问题,基于残差分析理论,比较分析了最小二乘法、M估计、抗差滤波估计方法在GNSS单点导航定位中参数估计问题。在此基础上,针对观测量与动力学模型不准确的情况,利用残差信息,构建了有效的改进的基于残差信息的抗差滤波。其特点是观测信息误差比较大的情况下不会导致滤波精度明显下降。在GPS单点导航定位解算中,编程并计算,通过比较分析,结果验证了构建的滤波在单点定位中抗差的优越性,并在导航定位算法选择上得到一些有益结论。     

时间序列异常值探测的Bayes方法及其GNSS数据质量控制中的应用

GNSS卫星精密定轨定位的观测量验后残差分析是数据质量控制的重要组成部分。目前的方法都是根据经验设定异常值判断的阈值,没有利用验后残差序列的时间序列特性。引入基于识别变量的AR模型异常值探测的Bayes方法对验后残差序列中的异常值进行探测;将异常值探测问题转化为识别变量后验概率值的计算问题,并给出明确的判别阈值,通过后验概率值与事先给定的阈值进行比较判别出异常值的位置;运用Gibbs抽样设计了识别变量后验概率值的计算方法和异常值的估算方法。实测数据对该算法的验证表明该算法能够准确地探测出异常值的位置,将异常值剔除之后的观测值序列应用到精密单点定位中,结果表明该算法的使用提高了精密单点定位的定位精度。     

单频GPS/BDS/MEMS IMU紧组合模糊度固定抗差模型

针对高精度GNSS/INS组合定位中,伪距多路径误差严重影响模糊度固定效率及系统定位精度的问题,引入抗差估计函数,建立INS辅助GPS/BDS模糊度快速固定抗差模型。首先建立了单频GPS/BDS/INS紧组合动力学模型以及观测模型,继而研究了紧组合系统INS辅助下GNSS模糊度快速分解模型,分析了伪距观测值粗差对于模糊度参数估值的影响。为减弱异常观测值对于模糊度固定成功率的影响,提出了附有INS定位约束的模糊度解算抗差算法。最后利用实测导航定位数据验证了算法的有效性。结果表明:对比不考虑观测值粗差影响的模糊度固定算法,模糊度固定抗差算法显著提高了模糊度固定的可靠性,抗差算法的模糊度固定效率不受粗差值大小的影响;对于模拟的伪距多粗差情形,抗差算法对GPS/INS、BDS/INS和GPS/BDS/INS三种组合方案的模糊度固定Ratio均值分别提高了100.8%、47.7%以及19.5%;在INS定位松约束条件下,抗差算法提高了模糊度固定成功率。     

历元间载波相位差分的GPS/BDS精密单点测速算法

针对单系统历元间载波相位差分测速出现跳变的问题,提出一种顾及广播星历更新计算卫星钟差的方法。通过当前的历元信息判别卫星钟差的基准,进而消除因历元间基准变换引起的测速异常。在此基础上,分析GNSS系统间偏差对组合系统精密测速的影响,发现系统间偏差对GPS/BDS精密测速的影响基本可以忽略。最后,利用MGEX测站和车载数据进行静态和动态试验,验证GPS/BDS组合测速的有效性。结果表明:动态测速时,GPS、BDS、GPS/BDS的3D均方根误差在0～10 mm/s范围内所占的比率分别约为61%、58%、83%,GPS/BDS组合测速精度和稳定性更优。     

基于抗差自适应Kalman滤波的车辆定位新方法（英文）

针对车辆定位的特点,提出一种基于旋转调制技术及运动学约束的车辆定位新方法。首先,对量测方程进行改进,并对量测噪声进行白化;然后,针对系统存在动态模型误差及观测异常情况,采用抗差自适应Kalman滤波算法抑制上述误差对状态参数估计的影响;最后,将该方法应用到实际的车辆定位系统中。实验结果显示,与传统Kalman滤波法的结果相比,新方法得到的东向和北向最大位置误差均小于Kalman滤波算法,定位精度较Kalman滤波算法提高26.7%,表明该方法具有很好的鲁棒性和自适应能力,能有效抑制系统模型误差及观测异常对系统的影响,从而提高车辆定位精度。     

动态系统的抗差Kalman滤波及其影响函数

离散历元动态测量及其相应的动态模型可能存在异常，若在数据处理不中考虑对这些异常的特别处理，则动态模型参数估值及其所提供的动态信息将极不可靠。对于GPS动态定位数据的处理，按抗差估计原理，构造了状态向量和观测值对模糊度的影响函数，并由此建立了动态GPS定位的抗差Kalman滤波解法。实际计算验证了该方法的实用性和可靠性。     

基于方差分量估计的多模GNSS/声学联合定位方法

由于海洋环境的特殊性,现阶段通常采用卫星定位与声脉冲测距相结合的方式建立海洋大地测量控制网。针对BDS/声学联合定位海底点时存在收敛慢、精度受限等问题,提出融合BDS、GPS、Galileo多系统观测数据的多模GNSS/声学联合定位方法,并进一步引入Helmert方差分量估计,以改善因随机模型不准确而影响融合定位性能的情况。采用海上实测数据和模拟水下测距数据进行了实验验证,结果表明:较之单BDS/声学定位模式,多模GNSS观测数据的加入可以加速组合滤波收敛,提高定位精度和稳定性;引入Helmert方差分量估计精化随机模型后,双系统模式下三维点位误差RMS值约为0.2 m,三系统模式下三维点位误差RMS值约为0.1 m,联合定位性能得到进一步提升。     

一种采用小波神经网络的GPS精密单点定位方法

针对GPS精密单点定位对高精度的需求,提出了一种采用小波神经网络的GPS精密单点定位解算方法。该方法利用小波变换和神经网络学习功能,无需准确系统先验信息,误差函数能够快速收敛,逼近真实误差模型,从而提高GPS精密单点定位精度。仿真结果表明,静态条件下与传统最小二乘法和卡尔曼滤波算法相比,该算法定位收敛时间缩短50%,定位精度分别提升90%和50%。动态情况下,较最小二乘法和卡尔曼滤波算法定位精度提高20%~80%。     

GPS/GALILEO组合系统观测数据的模拟

针对因无法得到GALILEO原始观测数据而限制了对GPS/GALILEO组合定位深入研究的问题,通过分析GALILEO卫星运动情况,仿真出GALILEO卫星历书文件;参照GPS定轨定位中的主要误差,分别采用Klobuchar模型和Hopfield模型对电离层和对流层误差进行了模拟.利用已知任意历元卫星的三维位置,恢复该历元卫星可观测到的卫星信号,最后生成RINEX观测文件.生成的GPS/GALILEO数据能够较好地反映出观测的实际情况,为GPS/GALILEO组合定位的研究提供了数据基础.     

GPS 动态滤波的新方法

本文提出一种ＧＰＳ动态定位滤波的新方法。该方法直接从ＧＰＳ接收机输出的定位结果入手，将各种误差因素的影响等效为输出定位结果的总误差，视为有色噪声，建立线性卡尔曼滤波模型对位置和速度信息进行估计。与以往采用的非线性卡尔曼滤波器相比，滤波后定位误差明显减小，且模型简单，系统运算量降低，实时性较好。另外，为了提高滤波器的动态性能，还提出了一种有效的次优加权自适应卡尔曼滤波算法     

一种带速度观测量的GPS动态定位自适应卡尔曼滤波算法

提出了一种应用于GPS动态定位滤波的自适应卡尔曼滤波算法,此自适应滤波器算法简单,与常规滤波器相比,可实现快速有效地提高GPS定位精度。计算机仿真实例表明应用该算法具有良好的效果。     

Galileo系统动态滤波的研究

提出一种Galileo动态定位滤波的方法。该方法从Galileo系统接收机输出的定位结果入手，将各种误差因素的影响等效为一个总误差，对Galileo系统接收机的机动载体加速度采用当前统计模型，利用线性卡尔曼滤波器进行动态定位数据的处理，并将次优加权自适应卡尔曼滤波算法应用到Galileo系统动态定位中。该模型简单，实时性好，滤波后定位精度得到提高。     

基于交互式多模型滤波的船体变形惯性测量方法

基于惯性测量单元的匹配滤波算法是测量船体变形的发展趋势,然而在实际航行中,船体变形模型参数是未知或存在不确定性,模型参数的这一特性对滤波估计结果影响较大。针对此问题,利用"速度+角速度"匹配算法分析了模型参数未知对滤波估计效果的影响,引入交互式多模型卡尔曼滤波方法,利用不同模型参数的似然函数进行概率分配。最后通过仿真对提出的方法进行了验证,结果表明,与传统卡尔曼滤波相比,估计精度提高了5%~10%,收敛时间提高了1倍,动态变形角的收敛时间在10 s以内,静态变形角的收敛时间在5s以内,提高了系统的环境适应性。     

微惯性/卫星组合导航高精度事后基准确定方法

针对高性能MEMS组合导航系统的高精度定位定姿需求,提出了一种基于GNSS(Global Navigation Satellite System)精密相对定位RTK(Real-time Kinematic Positioning)和MIMU(MEMS-based Inertial Measurement Unit)组合的高精度事后基准确定算法,该算法在MIMU/RTK组合导航正向Kalman滤波的基础上,采用RTS(Rauch-Tung-Striebel)反向平滑再次进行信息融合,提升了组合导航结果的事后处理精度。另外,通过Allan方差分析技术实现对MIMU随机误差精细建模和MIMU/RTK组合导航相对精度分析。对实测的车载动态试验数据处理结果的均方根误差和Allan方差分析表明:相对于传统正向滤波方法,RTS反向平滑方法能够将MIMU/RTK组合导航定位、定姿精度分别提升45.2%和54.1%。该方法可作为GNSS/INS组合导航高精度参考基准的确定方法。     

MEMS-IMU/GPS组合导航中的多模态Kalman滤波器设计

一般的Kalman滤波器要求有准确的动态和统计模型,而低成本的MEMS-IMU性能随着温度急剧变化,故在MEMS-IMU/GPS组合导航系统中使用一般的Kalman滤波器存在很多的局限性。针对低成本的MEMS-IMU/GPS组合导航系统,提出了多模态自适应滤波算法在MEMS-IMU/GPS组合导航系统中的应用;针对普通的多模态算法中的问题,采用修正的多模态自适应滤波算法来提高MEMS-IMU/GPS组合导航系统的性能。使用静态实时测试数据,验证了所提出的算法。测试结果表明,与普通Kalman滤波器相比,修正的多模态滤波算法提高了MEMS-IMU/GPS组合导航系统的性能;采用所提出的算法,MEMS-IMU/GPS组合导航系统的短时间静态位置精度小于5m(标准差),速度精度小于0.1m/s(标准差),姿态角精度小于0.5°(标准差)。     

权值自适应调整Unscented粒子滤波及其在组合导航中的应用

针对粒子滤波存在的重要性密度函数难以选取和粒子退化问题,提出了一种新的权值自适应调整Unscented粒子滤波算法。该算法在Unscented粒子滤波的采样过程中吸收权值自适应调整的优点,考虑最新量测影响,通过欧氏距离和反映量测噪声统计特性的精度因子来自适应的调整粒子对应权值分布,增加有用粒子的权值,降低粒子退化程度,保持粒子多样性。同时Unscented变换提高了滤波精度,使该算法能更好地适用于非线性、非高斯系统模型的计算。将提出的算法应用于GPS/DR组合导航系统进行仿真验证,结果表明,提出的权值自适应调整Unscented粒子滤波算法得到的东向定位误差控制在±5.5 m附近,北向定位误差则在±5.2 m附近,滤波性能明显优于扩展卡尔曼滤波和Unscented粒子滤波,能提高GPS/DR组合导航系统解算精度。     

MIMU/GNSS紧组合精密单点定位协方差成形自适应滤波方法

针对精密单点定位应用需求,研究了MIMU/GNSS紧组合协方差成形自适应滤波方法。给出了"位臵滤波器+速度滤波器"的分布式滤波器设计方案以降低计算复杂度;推导了地理系紧组合导航系统模型,并把伪距测量不一致性偏差扩展至系统状态向量中予以估计,从而提高系统对于动态环境下伪距测量偏差抖动的适应能力。协方差成形自适应滤波算法利用Frobenius范数来衡量系统残差噪声水平建模状态与实际状态的匹配程度,并以最小化Frobenius范数作为优化指标,动态调节滤波增益,以此来提高状态估计精度、平稳性与鲁棒性。地面静态试验表明:紧组合协方差成形自适应滤波器定位误差均值与均值稳定性均优于标准卡尔曼滤波器,定位精度提高了约50%,能够提供亚米级单点定位导航服务。相较于集中式滤波器设计方案,分布式滤波器方案计算复杂度降低了63.5%。