[发明专利]一种基于卡尔曼滤波的GNSS单点定位的方法及装置

说明书

技术领域

本发明涉及卫星导航领域，尤指一种基于卡尔曼滤波的全球卫星导航定位系统(GNSS)单点定位的方法及装置。

背景技术

目前，全球卫星导航定位系统(GNSS)由美国的全球卫星定位系统(GPS)，俄罗斯的格洛纳斯卫星导航系统(GLONASS)，中国的北斗导航系统(BeiDou)以及欧盟的Galileo卫星导航系统组成。其中GPS和GLONASS系统已经全部建设完成，具备全球定位的功能。中国的BeiDou目前已经发射了16颗卫星，其中包括5颗中地球轨道(MEO，Medium Earth Orbit)卫星，5颗倾斜地球同步轨道(IGSO，Inclined Geosynchronous Satellite Orbit)卫星和6颗地球静止轨道(GEO，Geostationary Earth Orbit)卫星，实现了亚太地区的定位功能。欧盟的Galileo系统则有四颗卫星可用。日本和印度也在研制自己的区域卫星导航定位系统。不难看出，GNSS行业目前发展势头迅猛，已经形成了产业化，因而可靠的导航定位算法及结果则显得尤为重要。

传统的GNSS单点定位方法采用最小二乘估计，由单个历元的观测量，通过所建立的观测模型和随机模型，根据加权残差平方和最小的原则，估计出相对于初始坐标的坐标增量，从而得到最终的坐标及其他一起估计的参数，如钟差等。其中，建立的观测模型如公式(1)所示：

z_k＝Hx_k+ε_k(1)

建立的随机模型如公式(2)所示：

p(ε_k)～N(0，R) (2)

其中，z_k为接收机在k时刻的观测值(GNSS单点定位中的观测量减去可计算出来的已知值)。x_k表示接收机在k时刻的状态值，ε_k表示观测模型的随机误差，R表示观测误差方差阵，H表示设计矩阵，N(0，R)表示随机误差服从0期望和R方差。

从理论上来讲，所估计的坐标值的确是根据已有的观测信息得出的最优值。在观测量可靠的情况下，由最小二乘所得到的定位结果基本可以稳定在米级，满足大多数的应用。然而，在一些复杂场景下，如信号重捕，高楼遮挡，过桥等，观测量有限且观测质量比较差，此时的定位结果一般都存在较大的偏差，严重降低了定位结果的可用性。

发明内容

为了解决上述技术问题，本发明提供了一种基于卡尔曼滤波的全球卫星导航定位系统(GNSS)单点定位的方法及装置，能够提高定位结果的精度和可用性。

为了达到本发明目的，本发明提供了一种基于卡尔曼滤波的GNSS单点定位的方法，包括：

根据动态误差方差阵和状态转移矩阵建立卡尔曼滤波的动态模型以及根据观测误差方差阵和设计矩阵建立卡尔曼滤波的观测模型；

根据建立的卡尔曼滤波的动态模型和观测模型，分别获取第一预测的状态值和第一预测的状态值的方差矩阵；

根据获得的第一预测的状态值的方差矩阵、设计矩阵和观测误差方差阵，计算增益矩阵；

根据获得的第一预测的状态值和设计矩阵、观测值以及增益矩阵计算第二预测的状态值；根据获得的第一预测的状态值的方差矩阵、增益矩阵和设计矩阵，计算第二预测的状态值的方差矩阵；

获取平滑速度，根据获得的平滑速度和第二预测的状态值以及第二预测的状态值的方差矩阵计算下一时刻的状态值及状态值的方差矩阵。

进一步地，按照下式建立所述动态模型：

x_k＝Фx_k-1+w_k-1；

按照下式建立所述观测模型：

z_k＝Hx_k+ε_k；

其中，x_k-1和x_k分别表示接收机在(k-1)时刻和k时刻的状态值，Ф表示状态转移矩阵，H为设计矩阵，z_k为接收机在k时刻的观测值；w_k-1和ε_k分别表示动态模型的随机误差和观测模型的随机误差，并且分别服从下列分布：

p(w_k-1)～N(0，Q)

p(ε_k)～N(0，R)

Q和R分别表示动态误差方差阵和观测误差方差阵。

进一步地，按照下式获取第一预测的状态值：

按照下式获取第一预测的状态值的方差矩阵；