基于VRS的GPS网络RTK差分改正方法

为实现网络差分系统的高精度差分定位,利用虚拟参考站技术提出一种网络RTK差分改正信息的生成方法。利用VRS技术建模生成了虚拟参考站的双频伪距观测值、双频载波相位观测值,重点推导了关键的载波相位数据项参数的算法公式,遵循RTCM2.3国际标准协议编码生成了RTCM3、RTCM18、RTCM19号差分改正电文,通过同步实验的方法与标准RTCM相应的主要参数进行了数值对比。实验表明,该方法生成的差分改正信息主要数据项与标准值的误差小于0.04cycle,当被用于GPS网络差分定位时,移动站的平面精度优于5cm.     

北斗广域差分信息与CNES实时改正信息的性能评估对比

北斗系统和法国宇航中心(CNES)均提供了支持北斗系统实时高精度定位的改正参数。针对服务区内用户对不同来源参数的选择问题,对比分析了CNES提供的CLK93实时数据流中的改正信息和北斗广域差分(BDSWADS)参数的可用性,并采用服务区内监测站数据进行定位解算,对两套改正参数的改正效果进行评估。北斗广域差分信息中的轨道和钟差改正数在连续性和可用性方面优于CNES实时数据流,但CLK93数据流中IGSO/MEO卫星改正数据更加完整。定位结果显示,对于B1B2伪距消电离层组合单点定位,用户可优先选择北斗广域差分参数。加入BDS WADS参数后,服务区内用户定位精度在水平和高程方向分别得到17.1%和17.2%的提升。在无可用分区综合改正数情况下,用户可选择CNES改正信息,获得北斗单系统静态厘米级,动态分米级定位结果。对于分区综合改正数服务覆盖范围内的用户,利用BDS WADS分区综合改正数可实现比CNES改正信息略高的精密定位精度。     

地球重力场模型计算点向径取值对模型重力场元影响

利用地球重力场模型计算重力场元时,为提高计算速度,有时将计算点的高程近似为0,为提高精度,在球面对计算点高程进行泰勒级数展开。但是,考虑到地球表面真实情况,这种近似将会引入巨大的距离误差,同时也会影响计算点的地心纬度值。针对此,分析了计算点向径不同取值之间的差异及对计算点地心纬度、模型垂线偏差计算结果的影响,引入等效高程讨论了按照泰勒级数展开快速计算模型垂线偏差方法的适用性,采用实测数据比较了计算点向径不同取值计算模型垂线偏差的精度。实验结果表明:将计算点向径近似为地球长半轴与计算点高程之和,造成的距离误差可达20 km,而近似为参考椭球面向径与地面点高程之和造成的距离误差最大不超过6 cm,对模型垂线偏差的影响则不足0.05',这为精确快速计算模型重力场元提供了参考。     

基于伪距宽巷组合的GPS模糊度固定方法

中长基线模糊度快速解算是GPS网络差分技术的核心内容。根据网络差分模糊度固定只用于基线解算而不用于定位的特点,通过对常用GPS原始观测数据组合方式的分析,提出伪距宽相组合的数据处理方法,有效消除了电离层、对流层传播误差,形成抗差性强、大气误差自由的GPS组合观测值;在此基础上引入双差伪距宽相组合进行模糊度浮点解并建立法方程,应用高度角与大气误差的关系构造权阵,对常规LAMBDA算法进行了改进,形成一种适合GPS网络差分的中长基线模糊度解算方法。对三个参考站同步观测数据的实际测试结果表明：使用该方法网络模糊度解算时间小于300s,基线长超过60km,并满足闭合性原则。     

伽利略卫星导航系统的初步性能评估

伽利略卫星导航系统是由欧盟和欧洲航天局联合打造的全球卫星导航系统。基于MGEX全球数据监测网的实测数据,对伽利略卫星导航系统的观测数据质量、单点定位和精密单点定位性能展开了评估。评估结果显示:目前伽利略系统导航卫星数较少,尚不具备全天时导航定位能力;伽利略系统多路径误差大小量级为分米级,E5频段信号的多路径效应最小,而E5b频段信号的多路径效应最为严重;一般情况下伪距单点定位平面精度可达5 m以内,高程精度可达10 m以内;动态精密单点定位平面精度可达5 dm以内,高程精度可达5 dm以内。     

基于多源信息融合的行人航位推算室内定位方法

传统行人航位推算(Pedestrian Dead Reckoning,PDR)定位技术存在严重的误差累积问题。针对因航向偏差引起的误差累积,提出一种借助建筑几何信息实现行人航向的实时补偿方案,通过提高定向精度来抑制定位误差的累积传递。分析利用外源绝对位置改善PDR定位结果,试验一种自适应模型噪声的扩展卡尔曼滤波(Extended Kalman Filter,EKF)滤波算法,实现PDR与WIFI定位源的滤波融合。通过实验对比分析,基于改正航向的PDR相较于传统PDR,有效抑制了误差的累积,将整体误差控制在5 m左右;传统PDR与WIFI源滤波融合,比单纯传统PDR提高了82.8%的精确度;航向改正PDR与WIFI源相融合,则比单纯传统PDR和航向改正PDR分别提高了90.2%和49.5%的精确度。结果表明:补偿改正航向和借助外源绝对位置滤波融合均可有效控制传统PDR的误差累积,根据条件约束可知航向改正PDR及其与WIFI源融合方案较适用于规则室内环境,而原始航向PDR与WIFI源融合方案则不受室内结构影响,在多次滤波后逐渐提高行人定位精度,从而可满足行人室内定位精度需求。     

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。     

GPS RTK技术用于滑坡动态实时变形监测的研究

为了研究GPS RTK技术用于滑坡动态变形监测的精度和可靠性,本文结合某类滑坡的大型物理模型试验,在滑坡体上布设了若干监测点,并用GPS RTK技术、全站仪三维测量技术和GPS单历元定位技术实时跟踪监测了该滑坡在自然状态下从稳定到产生破坏的全部过程。通过对监测数据的处理和分析,获得了RTK技术用于滑坡变形监测的可靠性和精度等技术参数,即在基准站和流动站同步观测到的卫星数在7颗以上且RTK系统的数据链能够正常工作的情况下,RTK测量的平面和高程精度就能分别控制在15mm和20mm以内。研究结果表明,RTK技术在一定条件下完全可用于滑坡灾害的动态实时变形监测。     

单基线GPS动态航向测量与误差分析

针对GPS天线安装偏差在动态、实时情况下导致测量设备空间参考基准不一致,进而产生GPS航向测量误差的问题,采用空间投影的方法,分析了船体纵横摇、GPS天线高程差、方位偏差、GPS测量基线长和基座高程差等因素对GPS航向的影响,推导了GPS动态航向测量模型的误差补偿方程。仿真结果表明,方位偏差和船体横摇角分别是舰船静态和动态情况下GPS航向测量误差的主要影响因素。以某型高精度INS导航参数为基准,对GPS实测数据进行评估,试验结果表明,误差补偿后的GPS航向与INS航向的差值在均值统计上相差0.001°,证实了补偿模型提高GPS航向测量精度的有效性。     

GNSS网络实时动态模糊度解算病态性解决策略

针对GNSS网络实时动态(RTK)参考站间模糊度解算病态性问题,分析了病态性对模糊度浮点解影响,并基于无电离层组合解算模糊度基本模型,提出了改善模型病态性的两种策略。1参数选取策略:针对高仰角卫星,采用相对天顶对流层参数代替常规双天顶对流层参数设置,减少待估参数以改善病态性;2参数相关性优化策略:将GNSS卫星模糊度解算分为较易固定和较难固定两类,首先获取较易固定模糊度整数解,并反演天顶对流层延迟信息,再将该信息作为先验信息对较难固定模糊度解算模型进行约束,通过减小天顶对流层与模糊度相关性改善病态性。算例分析表明:两种策略在初始历元法方程病态性就明显优于常规模型,且只要通过少数十几个甚至几个历元就能够快速减弱法方程的病态性。该方法不需要考虑附加矩阵或参数的设置,易于实际工程应用。     

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     

降阶扩展卡尔曼滤波算法在船用INS/GPS组合导航系统中的应用

TNNS(真航向导航系统)由MS860接收机、INS及处理数据的PC/104架构的嵌入式工控机构成。针对TNNS推导了INS(惯性导航系统)的误差模型,提出了适合于TNNS的降阶扩展卡尔曼滤波算法组合GPS和INS。系统在东海作了三次海试,软件及滤波算法平台由C/C 编制。海上试验表明,组合滤波后,INS的位置误差由100m降低到40m以下;进行最优化滤波后的航向误差σ由原来的0.105°减小为0.034°,纵横摇的误差也大幅减小。整个海试结果表明,在TNNS中组合GPS/INS采用的降阶扩展卡尔曼滤波算法,大幅提高了系统精度和可靠性。     

基于北斗差分定位的炮载惯导外场标定

针对炮载惯导设备在外场标定过程中依赖固定基准点的问题,提出了一种基于卫星差分定位的误差标定新方法。该方法将北斗天线的安装误差、惯性器件的失准角以及安装误差等角度误差统一归为非对准误差。首先利用北斗测姿技术提供姿态基准,粗标出上述误差;精标阶段采用卫星差分技术来提供高精度位置信息,完成误差角的精确标定。多组标定结果与传统工厂标定方法结果相差均在0.3mil以内,达到了较高的精度。该方法不仅回避了对固定基准点的依赖,而且避免了滤波带来的繁琐过程,即能保证长时导航的精度,又提高了标定的实时性。     

基于神经网络的差分方程快速求解方法

近年来, 人工神经网络(artificial?neural?networks, ANN), 尤其是深度神经网络(deep?neural?networks, DNN)由于其在异构平台上的高计算效率与对高维复杂系统的拟合能力而成为一种在数值计算领域具有广阔前景的新方法. 在偏微分方程数值求解中, 大规模线性方程组的求解通常是耗时最长的步骤之一, 因此, 采用神经网络方法求解线性方程组成为了一种值得期待的新思路. 但是, 深度神经网络的直接预测仍在数值精度方面仍有明显的不足, 成为其在数值计算领域广泛应用的瓶颈之一. 为打破这一限制, 本文提出了一种结合残差网络结构与校正迭代方法的求解算法. 其中, 残差网络结构解决了深度网络模型的网络退化与梯度消失等问题, 将网络的损失降低至经典网络模型的1/5000; 修正迭代的方法采用同一网络模型对预测解的反复校正, 将预测解的残差下降至迭代前的10?5倍. 为验证该方法的有效性与通用性, 本文将该方法与有限差分法结合, 对热传导方程与伯格方程进行了求解. 数值结果表明, 本文所提出的算法对于规模大于1000的方程组具有10倍以上的加速效果, 且数值误差低于二阶差分格式的离散误差.      

惯性导航系统的误差估计

惯性导航系统（INS）以其自主的工作能力广泛应用于军事武备的导航、制导与控制系统和国民经济的诸多领域。它的主要缺点是定位误差随其工作时间的增长而增大。对惯导系统的误差进行估计和补偿是在保证性能价格比的前提下，提高惯性导航系统精度的有效途径。目前，对惯导系统的误差修正均采用外信息（如GPS的输出信息）校正，即在INS工作的全部时间内，定期地利用GPS输出的速度和位置信息与INS输出的相应信息的差值作为观测量，对INS误差进行估计和补偿。Kalman滤波的方法广泛地应用于惯导系统的误差修正初始对准。本研究了当地水平惯导系统的误差估计和补偿问题。分析结果表明，采用Kalman滤波的方法，可以精确地估计惯导系统的误差（包括陀螺漂移和加速度计零偏），误差估计的精度高，并且估计的方差阵收敛快。     

Data assimilation of forecasted errors in hydrodynamic models using inter‐model correlations

Data‐assimilation techniques of the Kalman filter type are considered to be the state‐of‐the‐art approach for combining data information and deterministic numerical models with the objective of operational forecasting. This paper introduces, as an alternative, a faster and simpler data‐assimilation technique that exploits inter‐model correlations to distribute predicted errors. This scheme is performed in two steps: (i) prediction of the deterministic model errors at observation points using so‐called local linear models and (ii) distribution of the forecasted errors over the computational domain employing a scheme based on deterministic inter‐model correlations which describe the spatial nature of error structure. The method's advantage is that systematic error can be predicted by the error correction scheme, while the dynamics remain described by the deterministic model, which also establishes a basis for the spatial error distribution scheme. This relatively simple approach is inspired by original Kalman filter techniques but distinguishes error prediction and distribution in two different stages, hence allowing for data‐driven error forecasting and off‐line correction. In order to test the scheme's performance, a deterministic model of an artificial bay was constructed and run. The system was driven by specific forcing conditions and characterized by physical parameters that, in subsequent simulations, were deliberately manipulated to introduce errors into the model and test the scheme's capability. Copyright © 2007 John Wiley & Sons, Ltd.     

基于Bagging模型的惯导系统误差抑制方法

由惯性导航系统(SINS)和卫星导航系统(GPS)构成的组合导航系统一直是陆用车辆的主要导航设备。当GPS失锁时,SINS的定位误差将随着时间不受控制的迅速增长。为了提高惯导系统的定位精度,相比较于单一的神经网络,集成学习算法中的Bagging模型能够深度学习惯导误差之间的内在关系,进一步提高导航性能。在智能算法和组合导航系统的框架下提出了惯导系统的误差抑制方案,即在GPS存在时训练组合导航系统数据,当GPS失锁时预测惯导系统位置增量。试验结果表明,该方案能够在GPS丢失时抑制惯导系统定位误差发散,相比较于BP算法,Bagging模型的定位精度在5 min时提高了约49%,15 min时提高了约41%。     

车载紧耦合MIMUs/GPS的神经网络辅助强跟踪滤波方法

微惯性测量单元由三轴正交的微机械陀螺、加速度计和微型地磁传感器组成.将上述装置与GPS接收机组合,可构成最佳导航定位模型,其中紧耦合MIMUs/GPS对全导航参数(位置、速度及姿态)的测量精度可大幅提高.由于微惯性传感器具有大漂移特性,为获得具有自适应的线性参数模型,提出了融合滤波的信息处理方法,利用强跟踪滤波实现状态预测,二阶EKF实现测量更新,并借用神经网络技术完成对状态预测的修正.由于系统组件具有非线性,该神经网络辅助的强跟踪滤波方法旨在逼近MIMUs/GPS的真实特性,并为车载用户提供更为精准的导航参数信息.动态环境下的仿真试验表明,尽管MEMS惯性传感器的精度有限,所提出的方法能够有效用于实际的导航参数解算.     

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%。