[发明专利]一种基于非差非组合模型的网络RTK模糊度解算方法

权利要求书

1.一种基于非差非组合模型的网络RTK模糊度解算方法，其特征在于，首先使用非差非组合模型对全网的单站非差模糊度进行估计，其中将卫星钟作为未知参数，实时卫星钟差产品作为伪观测量加入；然后根据用户位置，提取用户相邻站点的非差模糊度，在相邻站点中选择一个作为基准站点，利用差分算子还原得到双差模糊度的整数特性，单历元获得具有整数特性的双差模糊度结果。

2.根据权利要求1所述的基于非差非组合模型的网络RTK模糊度解算方法，其特征在于，包括如下具体步骤：

步骤1)，使用各站点的原始观测值，对各站点的的单站非差模糊度进行估计，并将卫星钟差作为未知参数进行估计，如式(1.1)所示：

Pj,ks=ρks+cδtk-cδts+Tks+αjIks+dk,Pj-dPjs+ϵk,otherss+ϵk,PjsΦj,ks=ρks+cδtk-cδts+Tks-αjIks+bk,Φj-bΦjs+ϵk,otherss+λjNj+ϵk,Φjs---(1.1)]]>

其中：s表示卫星，k表示基准站接收机，j代表各观测值频率，j＝1、2；表示卫星s与站点k间在频率j上的伪距观测量，表示卫星s与站点k间在频率j上的相位观测量，表示卫星到接收机天线相位中心的几何距离，δt_k表示接收机钟差，δt^s表示卫星钟差，表示对流层延迟，表示电离层延迟；α_j是频率比值，f_j表示频率j的值；分别表示频率j上的接收机和卫星的硬件延迟；是其它可模型化的误差；分别表示频率j上的接收机和卫星的相位小数偏差；λ_j是频率j上的载波波长，N_j是频率j上的相位模糊度；是频率j上的伪距观测值和相位观测值噪声；c表示光速；

根据式(1.1)，使用卡尔曼滤波对未知参数进行估计，得到非差浮点模糊度，包括如下具体步骤：

步骤a)，设置未知参数向量X_i，如式(1.2)所示：

Xi=ZTDw,kδtk′Iks′δts′N1sN2sT,(s=1...n)]]>

其中，未知参数X_i分为时变和时不变两个部分，时变部分包括天顶湿延迟ZTD_w，k；吸收接收机无电离层硬件延迟的接收机钟差δt_k′，其中吸收接收机及卫星频率相关硬件延迟部分的n维电离层倾斜延迟Iks′=Iks+f22f12-f22(Bk-Bs),]]>其中Bk=dk,P2-dk,P1,Bs=dP2s-dP1s,]]>n为该历元观测卫星数，吸收卫星无电离层硬件延迟的n维卫星钟差δt^s′，cδts′=cδts+dPifs,dPifs=f12f12-f22dP1s-f22f12-f22dP2s;]]>时不变部分包括n维非差初始N1整周模糊度和n维非差初始N2整周模糊度Iks′,Iks′=Iks+f22f12-f22(Bk-Bs),]]>

步骤b)，设置卡尔曼滤波的设计矩阵B_i和观测向量L_i，如式(1.3)所示：

Li=Φ1,ksP1,ksΦ2,ksP2,ksδtIGSs,Bi=BMFwBδtk′BI-Bδts′00BMFwBδtk′f12f22BI-Bδts′00BMFwBδtk′-BI-Bδts′BN10BMFwBδtk′-f12f22BI-Bδts′0BN2000Bδts′00---(1.3)]]>

其中，所述观测向量L_i包含四个非差观测值以及一个实时卫星钟差产品结果作为伪观测值，分别表示卫星s与站点k间分别在频率1，2上的相位观测量，分别表示卫星s与站点k间分别在频率1，2上的伪距观测量；

n表示该历元观测卫星数，θⁿ表示第n个卫星该历元的卫星高度角，MF_w(θ)为天顶湿延迟与卫星高度角相关的映射函数，c表示光速，λ₁，λ₂分别代表频率1，2的波长；

根据所述未知参数向量X_i以及设计矩阵B_i和观测向量L_i，进行卡尔曼滤波得到非差浮点模糊度

步骤2)，根据用户位置与站点的距离，提取至少三个用户相邻站点的非差模糊度，各用户相邻站点的非差模糊度如式(1.5)所示：

Xks2n×1=N1,k1...N1,knN2,k1...N2,knT---(1.5)]]>

其中，分别为对应相邻站点中第1到第n颗卫星的非差基础模糊度N1；分别为对应相邻站点中第1到第n颗卫星的非差基础模糊度N2；

步骤3)，首先在所述各用户相邻站点中选择一个站点作为基准站点，其他相邻站点作为非基准站点；然后设置所述基准站点与非基准站点的站间差分算子C_kd和参考卫星与非参考卫星的星间差分算子C^sd，根据所述差分算子C_kd和C^sd还原站间星间具有整数特性的双差模糊度，所述还原步骤如式(1.6)所示：

Xk1,k2s,r2(n-1)×1=Csd·Ckd·Xk1sXk2s=N1,k1,k2s,rN2,k1,k2s,rT---(1.6)]]>

其中，k1、k2分别为基准站点与非基准站点，r为参考卫星，s为非参考卫星，为站间星间双差模糊度，分别为站点k1和k2的非差模糊度，分别为双差基础模糊度N1、N2；

步骤4)，使用LAMBDA算法进行模糊度搜索固定，具体为：先将所述双差基础模糊度N1、N2转换为宽巷模糊度和N1模糊度部分再采用LAMBDA算法得到固定的整数宽巷模糊度，最后使用宽巷模糊度作为已知值，确定N1模糊度整数值。