[发明专利]一种基于下三角Cholesky分解的模糊度降相关方法

摘要

本发明公开了一种基于下三角Cholesky分解的模糊度降相关方法，涉及卫星导航定位技术领域，该方法首先通过对模糊度方差‑协方差矩阵进行LDLT分解，获得单位下三角矩阵L和对角阵D，然后迭代采用高斯消元和条件方差交换两个整数变换过程，使下三角矩阵L的非对角元素降低相关性以实现对角阵D中的元素尽可能地按照升序排序，最终达到模糊度搜索椭球形状转换的目的，以减少搜索空间内包含的冗余整数候选节点数，降低搜索耗时，从而提高模糊度解算效率。

主权项

一种基于下三角Cholesky分解的模糊度降相关方法，其特征在于，该方法包括以下步骤：步骤100，根据地面接收机接收到的数据确定模糊度方差‑协方差矩阵，对于输入的原始模糊度方差‑协方差矩阵对其进行LDLT分解：Qa^a^=LDLT=L11L21L22L31L32L33D11D22D33L11TL21TL31TL22TL32TL33T]]>其中，L为单位下三角矩阵，其中任一下三角元素值为lij，1≤j≤i≤n，D为对角矩阵，其中任一对角线元素值为dj，1≤j≤n，n表示模糊度的维数，i的初值为2；步骤200，判断li(i‑1)的绝对值是否大于0.5，如果大于0.5则进行高斯消元，对L中相应的元素值进行更新，否则直接进入步骤300；步骤300，判断是否成立，如果不成立，则对此时的相邻条件方差进行交换，同时更新相应元素，当交换完成后返回步骤200；如果成立，则对次对角线以下的行向量元素逐次进行高斯消元，并更新i的值，如果i的值小于模糊度的维数，则返回步骤200，否则整个矩阵的降相关过程结束，退出循环，输出经过降相关处理的协方差矩阵，利用该协方差矩阵进行模糊度搜索，得到最终的定位结果。