[发明专利]一种基于实数编码自适应遗传算法的整周模糊度快速获取方法

摘要

本发明公开了一种基于实数编码自适应遗传算法的整周模糊度快速获取方法，步骤如下S1、由载波相位观测数据，建立载波相位双差观测方程；S2、将观测方程线性化后，利用卡尔曼滤波获取整周模糊度的浮点解和相应的协方差阵；S3、利用已知基线长度作为约束条件，确定整周模糊度的搜索范围；S4、利用改进Cholesky分解法对上述浮点解及协方差阵进行降相关处理；S5、根据目标函数确定适应度函数，确定IAGA算法中各个运行参数，将问题进行实数编码，最后利用IAGA算法搜索得到整周模糊度的最优解。该发明不仅能按个体适应度非线性地调整对应的交叉变异概率，还能利用实数编码解决汉明悬崖问题，提高了整周模糊度的解算效率。

主权项

一种基于实数编码自适应遗传算法的整周模糊度快速获取方法，其特征在于，所述的整周模糊度快速获取方法包括下列步骤：S1、由载波相位观测数据，建立载波相位双差观测方程；设t时刻，k,i两接收机观测了j,o两颗卫星，则载波相位双差观测方程为：式中为双差载波相位观测量，为双差整周模糊度，λ为载波波长，R(t)为卫星到接收机的距离，V(t)为残差向量；S2、将上述载波相位双差观测方程线性化，利用卡尔曼滤波获取整周模糊度的浮点解和相应的协方差阵；建立常加速度模型下的卡尔曼滤波器，其状态方程和量测方程分别为：Xk＝Φk,k‑1Xk‑1+Γk‑1Wk‑1  (2)Zk＝HkXk+Vk  (3)式中，XK为包含接收机位置参数和双差模糊度的状态向量，Φk,k‑1为状态转移矩阵，ГK为系统噪声矩阵，ZK为双差模式下的观测值向量，HK为量测矩阵，Vk为观测噪声；当有t个历元j+1颗卫星时，估计参数的协方差矩阵为：Q＝σ2(HTM‑1H)‑1  (4)式中，σ为估计参数的单位权均方差，M为载波相位双差观测量的权矩阵；在求得的模糊度浮点解的基础上，通过搜索使下面的目标函数最小来求得整周模糊度的固定解N:J(N)=min[(N-N^)TQ(N-N^)]---(5)]]>S3、利用已知基线长度作为约束条件，确定整周模糊度的搜索范围；对于长度为L的基线，每个双差整周模糊度Nn(n＝1,2,...,j)的取值范围都在以浮点解为中心的L米基线范围内，即:‑L/λ≤Nn≤L/λ  (6)其中λ为L1载波波长；S4、利用改进Cholesky分解法对步骤S2得出的浮点解及协方差阵进行降相关处理；通过多次连续执行改进的上三角Cholesky分解和下三角Cholesky分解实现连续降相关的目的，在进行Cholesky分解之前，先对模糊度协方差矩阵的对角线元素进行排序，由最终的转换矩阵Z，可以得到变换后的模糊度协方差阵QZ和模糊度浮点解Qz=ZQZT,N^z=ZN^---(7)]]>由式(5)和式(7)可以得到降相关后的目标函数式(8)：G(N)=min[(N-N^z)TQz-1(N-N^z)]---(8)]]>S5、根据目标函数确定适应度函数，确定IAGA算法中的各个运行参数，将问题进行实数编码，最后利用IAGA算法搜索得到整周模糊度的最优解。