[发明专利]GPS双频实时星载数据处理方法

说明书

技术领域

本发明涉及星载数据处理技术领域，尤其涉及一种GPS双频实时星载数据处理方法。

背景技术

在轨道确定中，参数估计主要包括两种方法：批处理算法和序贯处理算法。

所谓批处理就是将所有需要处理的观测资料一起解算，参考轨道可以循环迭代，数据处理精度相对较高，数值稳定性较好，因此该方法适合于事后精密定轨，但对估计参数初值、计算机的内存和计算速度要求较高。

所谓序贯处理算法是一种递推算法，对观测资料逐条处理，参考轨道不能循环迭代，对计算机的内存要求不高，可适用于实时定轨。

Kalman于1960年提出的滤波算法是最为常用的序贯处理算法，称为经典Kalman滤波。由于经典Kalman滤波存在如下三个缺陷：

1)如果参考轨道和真实轨道相差较大，使得线性化残差较大，导致滤波发散；

2)随着观测量增多状态参数的方差-协方差矩阵趋近于0，使得观测更新时先验状态权重过大，导致解对观测值不敏感；

3)在未知参数方差-协方差矩阵更新时，由于受到计算机位数限制，导致方差-协方差矩阵失去对称、正定性质。

针对以上Kalman滤波算法的缺点，许多学者分别提出相应算法加以解决。为了减少线性化带来的截断误差，通常采用推广Kalman滤波算法，该算法不使用事先预报的标称轨道作为线性化的初值，而是使用滤波估计的轨道进行线性化。为了避免经典Kalman滤波中未知参数方差-协方差矩阵趋近于0，在滤波状态方程中引入均值为0而协方差不为0阵的过程噪声，通过引入过程噪声在保持卫星运动状态估计值不变的情况下，可以通过状态噪声的方差-协方差有效改善卫星状态协方差矩阵特性，避免其趋于0阵。为了克服由于计算机内存限制所引起的滤波发散问题，美国喷气动力实验室(JPL)的C.L.Thornton于1967年提出均方根滤波算法，该算法将法阵的逆阵——信息矩阵根据Cholesky分解为一个上三角矩阵与其转置阵的乘积，这样避免了卫星状态的方差-协方差矩阵负定所引起的滤波发散，均方根信息滤波算法已成功应用于美国喷气动力实验室(JPL)开发的GPS数据处理软件GIPSY。

以上滤波算法，主要根据当前历元观测值来更新其预报值，但是对之前历元的卫星运动状态不做更新，此时采用更新的当前历元卫星运动状态积分预报下一历元卫星运动状态，则需要采用单步法积分求解，但是单步法需要多次计算右函数值，这样会增加计算时间，因此其不适合于快速实时精密定轨。如果采用多步法，由于之前历元卫星运动状态未进一步更新，如此会使得积分历元卫星运动状态的精度较低。

发明内容

针对上述存在的技术问题，本发明的目的是提供一种GPS双频实时星载数据处理方法，以解决实时精密定轨中快速估计卫星轨道的技术问题，提高卫星实时定轨精度和速度。

为达到上述目的，本发明采用如下的技术方案：

①利用窗口末端历元处的观测值，对整个窗口内所有历元卫星运动状态进行平滑，从而得到窗口内所有历元卫星状态更新值；

②利用窗口内所有历元卫星运动状态和已有状态转移矩阵，采用多步法积分预报窗口末端历元至下一历元的状态转移矩阵和该历元卫星的运动状态；

③更新窗口历元，向后移动窗口至新的历元；

④判断当前历元是否存在观测值，如果有观测值存在则执行步骤①，否则执行步骤⑤；

⑤结束。

所述步骤②采用Adams预估-校正方法来实现，其中Adams-Bashforth公式为：