[发明专利]一种基于整理预处理的GNSS整周模糊度解相关方法

说明书

技术领域

本发明涉及一种基于整理预处理的GNSS整周模糊度解相关方法，用于全球卫星导航系统。

背景技术

全球卫星导航系统(Global Navigation Satellite System，GNSS)飞速发展，一方面正以难以置信的速度改变着航天、航空、陆地、海洋等运动载体的导航方式和导航精度；另一方面也迅速地改变着对物体的测量方式和人们的生活方式。在系统设计水平(卫星钟差、卫星星历预报误差、观测频点)一定的前提下，基于载波相位的差分定位方式是提高GNSS的定位精度最好的解决办法，得到了广泛的应用。RTK(Real-time kinematic)和利用GNSS差分载波相位进行载体姿态测量是载波相位差分方式的两个典型应用方向。它们都涉及双差载波整周模糊度的动态确定。双差整周模糊度的解算非常困难，尤其当注意到其数值计算效率的时候。尽管国内外提出了很多方法，目前为止，还没有一种公认是最好的快速整周模糊度的解算方法，快速解算双差整周模糊度至今仍然是GNSS领域的一个研究热点和难题。Teunissen于1993年提出的LAMBDA(least-squares ambiguity decorrelation adjustment)算法是目前动态GNSS模糊度解算效果最好的方法之一。该算法的关键步骤之一是解相关处理(又称Z变换)，即通过变换矩阵对描述模糊度之间相关关系的协方差矩阵进行解相关处理，使模糊度协方差矩阵尽可能对角化。它直接影响到整周模糊度搜索的速度和成败。

国外提出以下很多典型的解相关算法，其中逆整数乔列斯基算法是利用模糊度协方差矩阵的对称性和正定性对进行LDL^T分解，对L进行取整、求逆变换后，对模糊度协方差矩阵进行变换，使得变换后的相关矩阵Qu趋近于对角阵，用公式表示为由于对L矩阵进行了取整，变换后得到的矩阵D不再是对角阵，因此变换需要迭代进行。

然而逆整数乔列斯基算法在解相关程度的性能并不理想，本发明的方法对其进行改进。本发明的方法基于逆整数乔列斯基算法对矩阵元素预先进行排序整理，排序预整理可以提高算法的解相关程度。这是由于LDL^T分解具有随着行数增加，对角线元素需减去更大的值才能进行分解的特点。所以按照对角线元素大小的预排序过程可以使LDL^T分解后D的对角线元素小于零的概率减小、转换后对角线元素之间差距减小，从而提高算法的解相关程度和预防病态Z变换的能力。本发明考虑以LDL^T分解后对角线的大小进行对角线元素排序，能达到比逆整数乔列斯基算法更好的解相关程度。

发明内容

本发明解决的技术问题是：克服现有技术的不足，提供一种基于整理预处理的GNSS整周模糊度解相关方法，可以提高解相关程度性能。

本发明技术解决方案的特点在于包括下列步骤：

1)假设按照如下步骤①～③进行LDL^T分解在第i(i＝1，2，...，n)行的整理预处理过程。

①首先用设计的计算公式计算LDL^T分解中L和D矩阵中备选的元素值h_pj和s_p(p＝i，i+1，...，n，j＜i)；其中，L是单位下三角阵，D是对角阵。注意：若矩阵元素下标号小于零，则此元素不存在，不用计算。

②然后用备选元素比较和筛选方法，确定主选元素s_i，并记录主选元素序号M_i。

③再利用设计的调整方法对模糊度协方差矩阵进行处理。

Q_i＝S_i(i，M_i)Q_i-1S_i(i，M_i)^T。

其中，S_i(i，M_i)是第i次变换的初等置换矩阵。

2)步骤1)结束后，得到矩阵和D＝diag(d₁，d₂，…，dn)。

3)将得到的矩阵L和D结合得到的主选元素序号综合对模糊度协方差矩阵进行转换，得到一次迭代处理后的模糊度协方差矩阵。

4)以上步骤1)～3)循环执行，直到L为单位阵或者解相关程度不再向好的方向进行时为止。得到最终转化的值即是解相关后的模糊度协方差矩阵。