[发明专利]一种基于惯导辅助的整周模糊度Kalman滤波算法

说明书

本发明公开了一种基于惯导辅助的整周模糊度Kalman滤波算法，它包括如下步骤：卫星捕获跟踪与同步；观测量提取；确定卫星位置速度计算；建立Kalman滤波模型；滤波估计；整周模糊度解算。本发明的优点是，它利用基于惯导辅助的Kalman滤波器实时估计整周模糊度浮点解，提高了模糊度求解的动态适应性，算法应用简单，无复杂或运算量巨大的算式，实时性和运算量方面都可保证在DSP或FPGA硬件平台上的算法编程实现，即易于工程实现。

技术领域

本发明属于一种卫星导航差分接收机计算方法，具体涉及一种基于惯导加速度信息辅助的Kalman滤波算法，用以提高模糊度浮点解求解动态适应性。

背景技术

基于载波相位的动态差分技术(RTK技术)是一种高精度的定位技术，它的应用领域广泛，比如高精度导航制导、无人机进场着陆等等。RTK技术的关键是整周模糊度的快速准确求解。其中，应用最为广泛的模糊度求解算法是LAMBDA算法，它分为模糊度实数估计和模糊度整数搜索两个过程。模糊度的实数估计为模糊度参数提供一个搜索初始值，通常情况下是浮点数。高精度的模糊度浮点解能够减小后续的搜索空间，有助于提高模糊度固定的成功率，缩短整数搜索时间。

目前模糊度实数估计常用的方法有常规最小二乘法和Kalman滤波法。最小二乘法的矩阵维数会随着历元数的增加而增加，当历元间间隔过小时会存在病态性问题，因此在实际的使用中受到了极大限制。Kalman滤波法能够有效解决上述问题。但由于机动载体的运动复杂多变，系统模型很难准确建立。当载体实际的运动状态与滤波器的动态模型不相符时，容易造成发散。针对这一问题，一些学者提出了一阶时间相关模型(Singer模型)、“当前”统计模型等动态模型，用以提高滤波器的动态适应性，但仍然无法从根本上解决滤波发散问题。因此，在RTK技术中，需要一种能够适应各种复杂动态的滤波算法。

发明内容

本发明的目的是提供一种基于惯导辅助的整周模糊度Kalman滤波算法，它能够克服了模型不准确带来的发散现象，从而很好的解决高动态求解问题。

本发明是这样实现的，一种基于惯导辅助的整周模糊度Kalman滤波算法，它包括如下步骤：

(1)卫星捕获跟踪与同步；

(2)观测量提取；

(3)确定卫星位置速度计算；

(4)建立Kalman滤波模型；

(5)滤波估计；

(6)整周模糊度解算。

所述的步骤(1)为基准站和流动站依次捕获卫星导航信号，对跟踪卫星进行位同步和帧同步。

所述的步骤(2)为提取帧同步后的卫星伪距和载波相位观测量，并获得完成帧同步后的各颗导航卫星的星历参数。

所述的步骤(3)为按照卫星导航接口控制文件(ICD)提供的卫星位置计算方法，输入卫星发射时刻和星历参数计算得到卫星位置。

所述的步骤(4)为设待估计的状态向量x为

x＝(r,v,N₁,N₂)^T (1)

其中，r＝(x,y,z)为接收机的位置参数，v＝(v_x,v_y,v_z)为接收机的速度参数，为所有卫星的站间单差整周模糊度参数，下标i代表载波L_i对应的载波相位；在等速模型的基础上，将惯导系统输出的加速度a作为滤波器状态转移函数的输入量u，则位置和速度对应的状态转移函数可以写为