[发明专利]一种基线长约束下的整周模糊度快速搜索算法

摘要

本发明提供了一种基线长约束下的整周模糊度快速搜索算法，属于卫星导航定位技术领域，该算法引入了缩放因子的概念，对当前搜索空间大小进行自适应地缩小和放大，能够大大降低CLAMBDA中模糊度搜索过程的耗时，在模糊度解算具有较高成功率的同时保证了其具有较高的解算效率，是对现有基线长约束下整周模糊度搜索算法的改进，进一步完善了CLAMBDA理论解算体系，确保获得较高的解算成功率，同时可以显著提高模糊度的解算效率，进而提高了卫星导航定位的精度，以满足实时、快速高精度相对定位的需求。

主权项

1.一种基线长约束下的整周模糊度快速搜索算法，其特征在于，包括以下步骤：步骤1：采用Bootstrapping估计或ILS在地面接收机接收到的数据中获取初始模糊度a₀，求取对应的混合二次型F(a₀)作为初始空间大小并设置模糊度候选个数统计指标i＝0、收缩空间次数指标k＝0；步骤2：基于FP算法搜索出模糊度向量a，并计算对应的F2(a)，更新i＝i+1；其中λ_max为模糊度方差协方差矩阵的逆阵的最大特征值，b(a)为基线向量，l为基线长度；步骤3：如果i>loopmax，则缩小的数值，缩小后的返回步骤2，并重新设置i＝0和k＝0，μ₁为缩小因子；如果i＜loopmax，判断是否成立，如果成立则进行空间收缩，更新后的空间大小为并重新设置i＝0和更新k＝k+1，返回步骤2；否则，继续搜索模糊度向量，如果搜索出模糊度向量直接返回步骤2，否则进入步骤4；步骤4：判断k＝0是否成立，如果成立则进行空间放大，放大后的返回步骤2，并重新设置i＝0；否则进入步骤5；步骤5：当F₂(a)获得的最终收缩空间为时，在的空间中基于FP算法枚举出所有的模糊度向量；其中λ_min为模糊度方差协方差矩阵的逆阵的最小特征值；步骤6：求取各个模糊度向量对应的F(a)，输出满足F(a)最小的模糊度向量amin，利用模糊度向量amin进行模糊度搜索，获取基线长约束下的基线分量固定解，得到最终的定位结果。