[发明专利]基于GNSS的Kalman相对定位方法

说明书

本发明公开了一种基于GNSS的Kalman相对定位方法，包含一：双差载波相位建立；二：三差载波相位相对定位；三：自适应改进Kalman滤波动力学模型；四：Kalman滤波状态更新；五：卫星几何构型变化处理；六：Kalman滤波测量更新；七：整周模糊度解算；八：相对位置信息输出。本发明更好地适应变加速运动载体的相对定位，同时提高了模糊度浮点解的精度和整周模糊度固定成功率，缩短了相对定位系统的初始化时间，增强了相对定位的实时性和可靠性。

技术领域

本发明属于卫星导航技术领域，更具体的是涉及一种基于卫星导航的相对定位方法。

背景技术

全球卫星导航系统(GNSS，Global Navigation Satellite System)是一种利用人造地球卫星发射的无线电信号进行导航的综合系统，能在全球范围内提供导航服务的卫星导航系统，可为用户提供全球、全天候、实时的三维导航服务。基于GNSS的相对定位是将两套GNSS接收机和天线设备分别固定安装在两个载体上，同时接收GNSS测量信息，通过通信数据链将一个载体接收到的GNSS测量信息实时传输到另一个载体接收机设备中，利用相对定位方法处理同时接收到的测量信息，即可获得两个载体之间相对位置信息。相比其他导航技术而言，GNSS相对定位技术具有低成本、高精度、无漂移、覆盖范围广、高实时性等技术优势，其应用可为地面静止和运动载体，也可为空间低速、高速运动的飞行器提供分米级到厘米级相对定位精度。

伪距测量和载波相位测量是GNSS两个基本测距信息。基于伪距和载波相位的相对定位精度分别在米级和厘米量级，因此，高精度相对定位技术是基于载波相位测量信息解算精确的相对位置。然而载波相位测量存在整周模糊度未知的问题，一周整周模糊度估计偏差就可引起0.2m左右的相对定位误差，所以要实现高精度相对定位，必须正确求解整周模糊度，而模糊度浮点解精度是影响整周模糊度能否正确解算的关键因素之一。

模糊度浮点解精度主要取决于相对定位最优估计算法和测量模型。目前，常用的相对定位最优估计算法是最小二乘法和卡尔曼滤波(Kalman Filter)，Kalman滤波能够有效利用动力学模型信息提高参数估计精度，因而得到更广泛的应用。然而，目前常用的Kalman滤波相对定位最优估计算法尚存在如下不足：

(1)常用的Kalman滤波采用匀速运动动力学模型，通过设置很大的动力学噪声，以弱化在各类不确定运动条件下动力学模型对导航系统的影响，而仅采用测量信息进行滤波估计，对于匀加速运动、变加速运动载体，难以构建精密的动力学模型，进而带来较大相对定位浮点解误差。

(2)常用的Kalman滤波方法构建非匀速运动动力学模型时，必须依赖外部传感器，譬如惯导数据，针对仅采用基于GNSS的相对定位系统的非匀速运动载体而言，难以进行实时高精度相对定位。

(3)常用的Kalman滤波未充分利用载波相位测量信息，没有构建三差载波相位测量模型辅助动力模型，得到模糊度浮点解精度较低，造成整周模糊度固定时间较长和固定成功率低，降低了相对定位系统的实时性和可靠性。

发明内容

本发明的发明目的在于一种基于GNSS的Kalman相对定位方法，该方法仅用伪距和载波相位测量信息进行相对定位；首先采用三差载波相位测量模型解算初始的高精度相对位置信息，然后利用该相对位置信息自适应地改进Kalman滤波动力学模型中状态转移矩阵和状态转移噪声阵，最后利用双差伪距和双差载波相位测量信息进行Kalman滤波测量更新，获取高精度的相对位置解。载波相位观测量的观测精度很高，其三差载波相位测量模型消去了整周模糊度，能够快速求解相对位置；本方法在传统的Kalman滤波动力学模型基础上引入该三差载波相位测量模型先验信息以强化动力学模型，更好地适应变加速运动载体的相对定位，同时提高模糊度浮点解的精度，加快整周模糊度快速固定，缩短飞行器和地面载体相对定位的初始化时间，增强相对定位的实时性和可靠性。

本发明的发明目的通过以下技术方案实现：