本發(fā)明屬于衛(wèi)星定位系統(tǒng)和定位測(cè)量
技術(shù)領(lǐng)域：
，具體涉及一種基于粒子群優(yōu)化算法的實(shí)時(shí)GLONASS相位偏差估計(jì)方法。
背景技術(shù)：
：2011年12月8日俄羅斯GLONASS系統(tǒng)控制中心宣布GLONASS己具有全運(yùn)行能力。迄今為止，除了GPS以外，僅有GLONASS具有全球定位和授時(shí)能力，因此很多研究團(tuán)隊(duì)對(duì)GLONASS的精密定位方法進(jìn)行研究。GLONASS采用頻分多址技術(shù)，由于衛(wèi)星所采用的頻率不同，不同衛(wèi)星在GLONASS接收機(jī)端的未校準(zhǔn)相位延遲(uncalibratedphasedelays，UPD)也不同，這個(gè)差異稱為接收機(jī)端相位觀測(cè)值的頻率間偏差(inter-frequencybias，IFB)。盡管GLONASS衛(wèi)星端的UPD可以通過(guò)站間差分消除，但對(duì)于具有不同頻率的衛(wèi)星之間組成的雙差模糊度，由于受到接收機(jī)端的IFB影響，將不再具備整數(shù)特性，不能固定為整數(shù)。相同品牌的GLONASS接收機(jī)間具有近似的IFB值，但是對(duì)于不同品牌的GLONASS接收機(jī)，IFB可能會(huì)不同(WanningerL.Carrier-phaseinter-frequencybiasesofGLONASSreceivers：JournalofGeodesy，2012，86(2)：139-148)；為避免由于接收機(jī)間的IFB不同而造成模糊度無(wú)法固定的問(wèn)題，需要使用相同品牌的接收機(jī)進(jìn)行基線數(shù)據(jù)采集。但這個(gè)要求在實(shí)際野外數(shù)據(jù)采集過(guò)程中并不現(xiàn)實(shí)：由于GLONASS接收機(jī)生產(chǎn)廠家不斷增加，使用不同品牌接收機(jī)共同作業(yè)的概率也在增加；此外，天線、天線連接線長(zhǎng)度以及接收機(jī)的重啟，也會(huì)對(duì)IFB產(chǎn)生影響(ChenJ，XiaoP，ZhangY，etal.GPS/GLONASSsystembiasestimationandapplicationinGPS/GLONASScombinedpositioning：ChinaSatelliteNavigationConference(CSNC)2013Proceedings，2013：323-333)，這些情況均使得GLONASS模糊度固定變得更加復(fù)雜。目前針對(duì)IFB特性的研究發(fā)現(xiàn)，IFB具有隨頻率線性變化的特征，相同類型接收機(jī)的IFB基本一致，兩個(gè)頻率(L1/L2)上IFB對(duì)應(yīng)的幾何距離偏差是一致的(WanningerL，Wallstab-FreitagS.CombinedprocessingofGPS，GLONASS，andSBAScodephaseandcarrierphasemeasurements：ProceedingsofIONGNSS，2007：866-875)。根據(jù)這些特征，提出多種GLONASS模糊度固定的方法。其主要思想是預(yù)先求出IFB參數(shù)，處理時(shí)作為改正數(shù)。然而，由于模糊度參數(shù)與IFB的線性相關(guān)性，這些方法在估計(jì)IFB時(shí)一般要求有相當(dāng)長(zhǎng)的觀測(cè)數(shù)據(jù)和己知的測(cè)站坐標(biāo)，在確定IFB時(shí)還要用同步的GPS觀測(cè)數(shù)據(jù)來(lái)增加模糊度參數(shù)的穩(wěn)定性，最終得到相應(yīng)的IFB信息。也正是因?yàn)檫@個(gè)原因，這些方法的效率很低，精度也有待提高。同時(shí)，這樣的方法也很難滿足實(shí)時(shí)定位中對(duì)IFB的快速野外標(biāo)定的需要，因?yàn)镮FB可能會(huì)受到環(huán)境的變化以及接收機(jī)重新啟動(dòng)的影響而發(fā)生變化。為了實(shí)現(xiàn)IFB的快速估計(jì)，Tian等學(xué)者采用粒子濾波對(duì)IFB進(jìn)行估計(jì)，進(jìn)而實(shí)現(xiàn)GLONASS模糊度快速固定(TianY，GeM，NeitzelF.Particlefilter-basedestimationofinter-frequencyphasebiasforreal-timeGLONASSintegerambiguityresolution：JournalofGeodesy，2015，89(11)：1145-1158)。這種方法的優(yōu)點(diǎn)為(1)在沒(méi)有增加待估參數(shù)數(shù)量情況下，采用搜索的方式實(shí)現(xiàn)GLONASS模糊度固定；(2)在沒(méi)有IFB先驗(yàn)信息的情況下，采用較少歷元的GLONASS數(shù)據(jù)便可實(shí)現(xiàn)模糊度固定。但該方法也存在一些不可忽視的缺點(diǎn)：已有研究結(jié)果表明，IFB變化率的取值范圍非常小，通常只有給定的IFB變化率值距離真值在±4mm/FN范圍內(nèi)才能使GLONASS模糊度固定。因此在使用粒子濾波進(jìn)行參數(shù)估計(jì)過(guò)程中，粒子的采樣間隔一般設(shè)置為1mm/FN。由于最大的IFB變化率值小于0.10m/FN，因此粒子的取值區(qū)間設(shè)為[-0.10，0.10]m/FN。根據(jù)粒子采樣間隔以及取值區(qū)間，可以得出在粒子集合中粒子的總數(shù)為200個(gè)。這說(shuō)明在進(jìn)行參數(shù)估計(jì)過(guò)程中，每一歷元需要進(jìn)行200次的法方程構(gòu)建，解算以及模糊度固定，而其中只有少數(shù)的幾次解算才是有效的，這表明該算法的效率并不高，增加了計(jì)算負(fù)擔(dān)，并且當(dāng)GLONASS衛(wèi)星個(gè)數(shù)較多或GLONASS與其它GNSS系統(tǒng)進(jìn)行組合定位時(shí)，進(jìn)行上述解算需要更多的時(shí)間，很難滿足實(shí)時(shí)模糊度固定的要求；此外，由于粒子濾波采用加權(quán)平均方法進(jìn)行參數(shù)計(jì)算，可能會(huì)使解算出來(lái)的結(jié)果十分接近IFB變化率真值，但并不在±4mm/FN范圍內(nèi)，如果使用這樣的估值對(duì)IFB變化率參數(shù)進(jìn)行改正，這將導(dǎo)致模糊度并不能成功固定。粒子群優(yōu)化算法(PSO)是一種進(jìn)化計(jì)算技術(shù)，該算法模擬鳥(niǎo)群覓食的行為，通過(guò)鳥(niǎo)之間的集體協(xié)作使得群體達(dá)到最優(yōu)。與遺傳算法(GA)類似，系統(tǒng)初始化為一組隨機(jī)解，通過(guò)迭代搜尋最優(yōu)值。它也是一種基于群體迭代搜尋最優(yōu)解的優(yōu)化工具，但它無(wú)需進(jìn)行交叉和變異操作，而是通過(guò)粒子在解空間追隨最優(yōu)的粒子進(jìn)行搜索。PSO以其結(jié)構(gòu)簡(jiǎn)單、容易實(shí)現(xiàn)、精度高、收斂快等優(yōu)點(diǎn)引起了學(xué)術(shù)界的重視，目前己廣泛應(yīng)用于函數(shù)優(yōu)化、神經(jīng)網(wǎng)絡(luò)訓(xùn)練、模糊系統(tǒng)控制以及其他遺傳算法的應(yīng)用領(lǐng)域。技術(shù)實(shí)現(xiàn)要素：針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明提出一種基于粒子群優(yōu)化算法的實(shí)時(shí)GLONASS相位偏差估計(jì)方法，以達(dá)到解決由于IFB和模糊度線性相關(guān)所帶來(lái)的問(wèn)題，提高搜索IFB變化率的準(zhǔn)確性，避免由于觀測(cè)條件變化導(dǎo)致已有的IFB變化率校正參數(shù)不可用現(xiàn)象的目的。一種基于粒子群優(yōu)化算法的實(shí)時(shí)GLONASS相位偏差估計(jì)方法，包括以下步驟：步驟1：獲取基準(zhǔn)站和移動(dòng)站的GLONASS觀測(cè)數(shù)據(jù)，包括GLONASS偽距和載波觀測(cè)數(shù)據(jù)，并逐歷元進(jìn)行讀??；步驟2、獲取基準(zhǔn)站和流動(dòng)站概略坐標(biāo)，選擇基準(zhǔn)站和流動(dòng)站的共視衛(wèi)星，對(duì)位置坐標(biāo)、對(duì)流層延遲、電離層延遲以及模糊度參數(shù)進(jìn)行初始化或更新，對(duì)基準(zhǔn)站和移動(dòng)站雙差觀測(cè)方程進(jìn)行線性化處理，采用kalman濾波獲得單差模糊度參數(shù)向量及其方差協(xié)方差陣；步驟3、在將以周為單位的單差模糊度參數(shù)投影為以周為單位的雙差模糊度參數(shù)的過(guò)程中，利用IFB變化率粒子對(duì)所有單差模糊度參數(shù)進(jìn)行改正，采用LAMBDA方法進(jìn)行雙差模糊度固定，將獲得的RATIO值作為評(píng)價(jià)每個(gè)粒子的適應(yīng)度，并使用粒子群優(yōu)化算法對(duì)IFB變化率粒子的群體最優(yōu)位置進(jìn)行搜索，最終獲得最優(yōu)IFB變化率估值；步驟4、將確定出來(lái)的接收機(jī)端相位觀測(cè)值的頻率間偏差變化率估值作為改正數(shù)對(duì)單差模糊度參數(shù)進(jìn)行改正，采用LAMBDA方法進(jìn)行雙差模糊度固定，即完成對(duì)GLONASS模糊度的實(shí)時(shí)固定。步驟2所述的獲取基準(zhǔn)站和流動(dòng)站概略坐標(biāo)，選擇基準(zhǔn)站和流動(dòng)站的共視衛(wèi)星，對(duì)位置坐標(biāo)、對(duì)流層延遲、電離層延遲以及模糊度參數(shù)進(jìn)行初始化或更新，對(duì)基準(zhǔn)站和移動(dòng)站雙差觀測(cè)方程進(jìn)行線性化處理，采用kalman濾波獲得單差模糊度參數(shù)向量及其方差協(xié)方差陣；具體步驟如下：步驟2-1、采用偽距單點(diǎn)定位方法獲得基準(zhǔn)站和移動(dòng)站的概率坐標(biāo)；步驟2-2、根據(jù)基準(zhǔn)站和流動(dòng)站的觀測(cè)數(shù)據(jù)選擇共視衛(wèi)星；步驟2-3、在忽略IFB影響的基礎(chǔ)上，構(gòu)建基準(zhǔn)站和移動(dòng)站的非差觀測(cè)方程；步驟2-4、判斷當(dāng)前是否為首歷元，若是，則對(duì)包含位置、對(duì)流層延遲、電離層延遲以及模糊度參數(shù)的狀態(tài)向量及其方差協(xié)方差陣進(jìn)行初始化，否則根據(jù)上一歷元的狀態(tài)向量對(duì)當(dāng)前歷元的狀態(tài)向量進(jìn)行預(yù)測(cè)；步驟2-5、在步驟2-3的基礎(chǔ)上構(gòu)建基準(zhǔn)站和移動(dòng)站雙差觀測(cè)方程；短基線情況下的雙差觀測(cè)方程，具體公式如下：Pabij=ρabij+ξabij---(1)]]>其中，表示根據(jù)和求雙差而獲得的偽距雙差觀測(cè)值，表示衛(wèi)星i與接收機(jī)a之間的偽距觀測(cè)值；表示衛(wèi)星j與接收機(jī)a之間的偽距觀測(cè)值；表示衛(wèi)星i與接收機(jī)b之間的偽距觀測(cè)值；表示衛(wèi)星j與接收機(jī)b之間的偽距觀測(cè)值；表示根據(jù)和獲得的雙差值；表示衛(wèi)星i與接收機(jī)a之間的幾何距離；表示衛(wèi)星j與接收機(jī)a之間的幾何距離；表示衛(wèi)星i與接收機(jī)b之間的幾何距離；表示衛(wèi)星j與接收機(jī)b之間的幾何距離；表示根據(jù)和獲得的偽距雙差觀測(cè)值測(cè)量噪聲；表示衛(wèi)星i與接收機(jī)a之間偽距的測(cè)量噪聲；表示衛(wèi)星j與接收機(jī)a之間偽距的測(cè)量噪聲；表示衛(wèi)星i與接收機(jī)b之間偽距的測(cè)量噪聲；表示衛(wèi)星j與接收機(jī)b之間偽距的測(cè)量噪聲；表示衛(wèi)星i在接收機(jī)a和b之間的相位單差觀測(cè)值；表示衛(wèi)星j在接收機(jī)a和b之間的相位單差觀測(cè)值；表示衛(wèi)星i頻段n的載波波長(zhǎng)；表示衛(wèi)星j頻段n的載波波長(zhǎng)；表示衛(wèi)星i在接收機(jī)a和b之間的單差模糊度；表示衛(wèi)星j在接收機(jī)a和b之間的單差模糊度；表示根據(jù)和獲得的載波相位雙差測(cè)量值測(cè)量噪聲；表示衛(wèi)星i與接收機(jī)a之間的載波相位觀測(cè)值的測(cè)量噪聲；表示衛(wèi)星j與接收機(jī)a之間的載波相位觀測(cè)值的測(cè)量噪聲；表示衛(wèi)星i與接收機(jī)b之間的載波相位觀測(cè)值的測(cè)量噪聲；表示衛(wèi)星j與接收機(jī)b之間的載波相位觀測(cè)值的測(cè)量噪聲；步驟2-6、對(duì)公式(1)和公式(2)進(jìn)行線性化，獲得誤差方程；具體公式如下：v＝HX-Z(3)其中，v為誤差項(xiàng)；H表示系數(shù)陣；X表示狀態(tài)向量；Z為OMC值；步驟2-7、采用kalman濾波對(duì)狀態(tài)向量進(jìn)行求解。步驟2-3所述的在忽略IFB影響的基礎(chǔ)上，構(gòu)建基準(zhǔn)站和移動(dòng)站的非差觀測(cè)方程；具體公式如下：Pai=ρai-c(dti-dta)-Iai+Tai+ξai---(4)]]>其中，c表示光速；dti表示衛(wèi)星i的鐘差；dta表示接收機(jī)a的鐘差；表示衛(wèi)星i與接收機(jī)a之間的電離層延遲，表示衛(wèi)星i與接收機(jī)a之間的對(duì)流層延遲；表示衛(wèi)星i與接收機(jī)a之間的載波相位觀測(cè)值；表示衛(wèi)星i與接收機(jī)a之間的載波相位觀測(cè)值所對(duì)應(yīng)的非差模糊度。步驟2-4所述的根據(jù)上一歷元的狀態(tài)向量對(duì)當(dāng)前歷元的狀態(tài)向量進(jìn)行預(yù)測(cè)；預(yù)測(cè)公式如下：X^k|k-1=Fk-1X^k-1|k-1Pk|k-1=Fk-1Pk-1Pk-1|k-1Fk-1T+Qk-1---(6)]]>其中，表示k時(shí)刻的狀態(tài)向量預(yù)測(cè)值；Fk-1表示k-1時(shí)刻系統(tǒng)狀態(tài)轉(zhuǎn)移矩陣；表示k-1時(shí)刻的狀態(tài)向量；Pk|k-1表示k時(shí)刻的狀態(tài)向量的方差協(xié)方差陣預(yù)測(cè)值；Pk-1|k-1表示k-1時(shí)刻的狀態(tài)向量的方差協(xié)方差陣；Qk-1表示k-1時(shí)刻過(guò)程噪聲的方差協(xié)方差陣。步驟2-7所述的采用kalman濾波對(duì)狀態(tài)向量進(jìn)行求解；具體公式如下：X^k|k=X^k|k-1+Kk(Zk-HkX^k|k-1)Pk|k=Pk|k-1-Pk|k-1-HkT(HkPk|k-1HkT+RkT)-1HkPk|k-1Kk=Pk|k-1HkT(HkPk|k-1HkT+RkT)-1---(7)]]>其中，表示k時(shí)刻經(jīng)過(guò)濾波計(jì)算所獲得的狀態(tài)向量；Kk表示k時(shí)刻的濾波增益矩陣；Zk表示k時(shí)刻的OMC值；Hk表示k時(shí)刻的系數(shù)陣；Pk|k表示k時(shí)刻經(jīng)過(guò)濾波計(jì)算所獲得的狀態(tài)向量的方差協(xié)方差陣；Rk表示k時(shí)刻的觀測(cè)值的方差協(xié)方差陣。步驟3所述的在將以周為單位的單差模糊度參數(shù)投影為以周為單位的雙差模糊度參數(shù)的過(guò)程中，利用IFB變化率粒子對(duì)所有單差模糊度參數(shù)進(jìn)行改正，采用LAMBDA方法進(jìn)行雙差模糊度固定，將獲得的RATIO值作為評(píng)價(jià)每個(gè)粒子的適應(yīng)度，并使用粒子群優(yōu)化算法對(duì)IFB變化率粒子的群體最優(yōu)位置進(jìn)行搜索，最終獲得最優(yōu)IFB變化率估值；具體步驟如下：步驟3-1、確定由單差模糊度向雙差模糊度投影的投影矩陣，將單差模糊度參數(shù)對(duì)應(yīng)的方差協(xié)方差陣投影為雙差模糊度對(duì)應(yīng)的方差協(xié)方差陣；步驟3-2、將IFB變化率作為粒子群優(yōu)化算法的搜索目標(biāo)，對(duì)粒子群參數(shù)進(jìn)行設(shè)置，包括粒子個(gè)數(shù)、群體最大迭代次數(shù)、最大和最小慣性因數(shù)、學(xué)習(xí)因子、粒子位置變量的最大值和最小值、粒子速度變量的最大值和最小值以及迭代停止條件；步驟3-3、在指定的范圍內(nèi)，對(duì)粒子群進(jìn)行隨機(jī)初始化，包括隨機(jī)位置和速度；步驟3-4、計(jì)算每個(gè)粒子的適應(yīng)度；步驟3-5、根據(jù)粒子適應(yīng)度更新粒子個(gè)體的歷史最優(yōu)位置；步驟3-6、根據(jù)所有粒子個(gè)體的歷史最優(yōu)位置更新粒子群體的歷史最優(yōu)位置；步驟3-7、根據(jù)粒子個(gè)體的歷史最優(yōu)位置和粒子群體的歷史最優(yōu)位置更新粒子的位置和速度；步驟3-8、判斷更新后的位置或速度是否超出指定的范圍，若是，則對(duì)該粒子的位置或速度重新進(jìn)行初始化，并執(zhí)行步驟3-9；否則直接執(zhí)行步驟3-9；步驟3-9、判斷當(dāng)前粒子群體的歷史最優(yōu)位置所對(duì)應(yīng)的適應(yīng)度是否大于給定閾值或者當(dāng)前迭代次數(shù)是否大于群體最大迭代次數(shù)，若是，則當(dāng)前粒子群體的歷史最優(yōu)位置作為IFB變化率的最優(yōu)估值，否則，重復(fù)執(zhí)行步驟3-4至步驟3-9，直到滿足迭代停止條件。步驟3-1所述的確定由單差模糊度向雙差模糊度投影的投影矩陣，將單差模糊度參數(shù)對(duì)應(yīng)的方差協(xié)方差陣投影為雙差模糊度對(duì)應(yīng)的方差協(xié)方差陣；投影過(guò)程公式如下：DPDT＝P′(8)其中，P′表示投影后狀態(tài)向量的方差協(xié)方差陣；P表示投影前狀態(tài)向量的方差協(xié)方差陣；投影矩陣如下：其中，m為觀測(cè)到的GLONASS衛(wèi)星個(gè)數(shù)。步驟3-4所述的計(jì)算每個(gè)粒子的適應(yīng)度；具體步驟如下：步驟3-4-1、利用IFB變化率粒子對(duì)所有單差模糊度參數(shù)進(jìn)行改正；改正公式如下：B~abj=Babj+kjxiλnj---(10)]]>其中，表示改正后的衛(wèi)星j在接收機(jī)a和b之間的單差模糊度參數(shù)；表示改正前的衛(wèi)星j在接收機(jī)a和b之間的單差模糊度參數(shù)；kj表示GLONASS衛(wèi)星j所對(duì)應(yīng)的頻率編號(hào)；表示GLONASS衛(wèi)星j在第n頻段上的波長(zhǎng)；xi表示當(dāng)前IFB變化率粒子的位置；步驟3-4-2、利用投影矩陣，將改正后的單差模糊度參數(shù)投影為雙差模糊度參數(shù)；投影過(guò)程公式如下：DX＝X′(11)其中，X表示投影前的狀態(tài)向量，具體公式如下：X=xyzBab1Bab2...Babm---(12)]]>公式(12)中，x、y、z為位置參數(shù)，該參數(shù)在投影前后保持不變；為衛(wèi)星i在接收機(jī)a和b之間的單差模糊度參數(shù)，i∈[1，m]，m為觀測(cè)到的GLONASS衛(wèi)星個(gè)數(shù)；X′表示投影后的狀態(tài)向量，具體公式如下：X′=xyzNab12...Nab1m---(13)]]>公式(13)中，為投影后的和之間的雙差模糊度參數(shù)，為衛(wèi)星1在接收機(jī)a和b之間的單差模糊度參數(shù)，為衛(wèi)星j在接收機(jī)a和b之間的單差模糊度參數(shù)，j∈[2，m]；步驟3-4-3、在投影后的參數(shù)向量及方差協(xié)方差陣中提取出與雙差模糊度有關(guān)的部分，采用LAMBDA方法進(jìn)行雙差模糊度固定，將獲取到的RATIO值作為當(dāng)前粒子的適應(yīng)度。本發(fā)明優(yōu)點(diǎn)：1、本發(fā)明采用搜索的方式對(duì)IFB進(jìn)行估計(jì)，解決了由于IFB和模糊度線性相關(guān)所帶來(lái)的問(wèn)題；2、本發(fā)明在不增加待估參數(shù)個(gè)數(shù)以及先驗(yàn)信息條件下，采用粒子群優(yōu)化算法高效準(zhǔn)確搜索出IFB變化率參數(shù)；3、本發(fā)明可以實(shí)時(shí)在線對(duì)IFB變化率進(jìn)行估計(jì)，可避免由于觀測(cè)條件變化導(dǎo)致已有的IFB變化率校正參數(shù)不可用現(xiàn)象，適合于實(shí)時(shí)動(dòng)態(tài)定位；4、本發(fā)明采用實(shí)時(shí)的GLONASS相位偏差估計(jì)方法實(shí)現(xiàn)了GLONASS實(shí)時(shí)模糊度固定，可以進(jìn)一步拓展GLONASS的應(yīng)用領(lǐng)域。附圖說(shuō)明圖1為本發(fā)明一種實(shí)施方式的基于粒子群優(yōu)化算法的實(shí)時(shí)GLONASS相位偏差估計(jì)方法流程圖；圖2為本發(fā)明一種實(shí)施方式的步驟2的具體流程圖；圖3為本發(fā)明一種實(shí)施方式的步驟3的具體流程圖；圖4為本發(fā)明一種實(shí)施方式的利用粒子群優(yōu)化算法單歷元估計(jì)IFB變化率最優(yōu)值及所需搜索次數(shù)的時(shí)間序列示意圖；圖5為本發(fā)明一種實(shí)施方式的利用粒子群優(yōu)化算法單歷元估計(jì)IFB變化率最優(yōu)值所對(duì)應(yīng)的模糊度固定解定位精度統(tǒng)計(jì)示意圖；圖6為本發(fā)明一種實(shí)施方式的利用粒子群優(yōu)化算法逐歷元估計(jì)IFB變化率最優(yōu)值及所需搜索次數(shù)的時(shí)間序列示意圖；圖7為本發(fā)明一種實(shí)施方式的利用粒子群優(yōu)化算法逐歷元估計(jì)IFB變化率最優(yōu)值所對(duì)應(yīng)的模糊度固定解定位精度統(tǒng)計(jì)。具體實(shí)施方式下面結(jié)合附圖對(duì)本發(fā)明一種實(shí)施例做進(jìn)一步說(shuō)明。本發(fā)明實(shí)施例中，基于粒子群優(yōu)化算法的實(shí)時(shí)GLONASS相位偏差估計(jì)方法，如圖1所示，包括以下步驟：步驟1：獲取基準(zhǔn)站和移動(dòng)站的GLONASS觀測(cè)數(shù)據(jù)，包括GLONASS偽距和載波觀測(cè)數(shù)據(jù)，并逐歷元進(jìn)行讀??；本發(fā)明實(shí)施例中，選用一條8.6km長(zhǎng)的基線數(shù)據(jù)，該基線采用兩種不同類型的接收機(jī)進(jìn)行數(shù)據(jù)采集，兩類接收機(jī)分別為TRIMBLENETR9和JPSEGGDT，對(duì)應(yīng)的天線分別為TRM57971.00和AOAD/M_T；基線數(shù)據(jù)采樣間隔為30s，觀測(cè)時(shí)長(zhǎng)為11h20min；步驟2、獲取基準(zhǔn)站和流動(dòng)站概略坐標(biāo)，選擇基準(zhǔn)站和流動(dòng)站的共視衛(wèi)星，對(duì)位置坐標(biāo)、對(duì)流層延遲、電離層延遲以及模糊度參數(shù)進(jìn)行初始化或更新，通過(guò)對(duì)基準(zhǔn)站和移動(dòng)站雙差觀測(cè)方程進(jìn)行線性化處理的方式獲得誤差，采用kalman濾波獲得單差模糊度參數(shù)向量及其方差協(xié)方差陣；具體流程圖如圖2所示，具體步驟如下：步驟2-1、采用偽距單點(diǎn)定位(SPP)方法獲得基準(zhǔn)站和移動(dòng)站的概率坐標(biāo)(-2491490.2616，-4660803.2317，3559129.0005)和(-2493304.6796，-4655215.1032，3565497.5918)；步驟2-2、根據(jù)基準(zhǔn)站和流動(dòng)站的觀測(cè)數(shù)據(jù)選擇共視衛(wèi)星；共視衛(wèi)星的數(shù)量會(huì)隨著時(shí)間變化而變化，在本實(shí)施中，共視衛(wèi)星數(shù)量的變化范圍為[5，9]顆；步驟2-3、在忽略IFB影響的基礎(chǔ)上，構(gòu)建基準(zhǔn)站和移動(dòng)站的非差觀測(cè)方程；具體公式如下：Pai=ρai-c(dti-dta)-Iai+Tai+ξai---(4)]]>其中，c表示光速；dti表示衛(wèi)星i的鐘差；dta表示接收機(jī)a的鐘差；表示衛(wèi)星i與接收機(jī)a之間的電離層延遲，表示衛(wèi)星i與接收機(jī)a之間的對(duì)流層延遲；表示衛(wèi)星i與接收機(jī)a之間的載波相位觀測(cè)值；表示衛(wèi)星i與接收機(jī)a之間的載波相位觀測(cè)值所對(duì)應(yīng)的非差模糊度。步驟2-4、判斷當(dāng)前是否為首歷元，若是，則對(duì)包含位置、對(duì)流層延遲、電離層延遲以及模糊度參數(shù)的狀態(tài)向量及其方差協(xié)方差陣進(jìn)行初始化，否則根據(jù)上一歷元的狀態(tài)向量對(duì)當(dāng)前歷元的狀態(tài)向量進(jìn)行預(yù)測(cè)；預(yù)測(cè)公式如下：X^k|k-1=Fk-1X^k-1|k-1Pk|k-1=Fk-1Pk-1|k-1Fk-1T+Qk-1---(6)]]>其中，表示k時(shí)刻的狀態(tài)向量預(yù)測(cè)值；Fk-1表示k-1時(shí)刻系統(tǒng)狀態(tài)轉(zhuǎn)移矩陣；表示k-1時(shí)刻的狀態(tài)向量；Pk|k-1表示k時(shí)刻的狀態(tài)向量的方差協(xié)方差陣預(yù)測(cè)值；Pk-1|k-1表示k-1時(shí)刻的狀態(tài)向量的方差協(xié)方差陣；Qk-1表示k-1時(shí)刻過(guò)程噪聲的方差協(xié)方差陣。步驟2-5、在步驟2-3的基礎(chǔ)上構(gòu)建基準(zhǔn)站和移動(dòng)站雙差觀測(cè)方程；短基線情況下的雙差觀測(cè)方程，具體公式如下：Pabij=ρabij+ξabij---(1)]]>其中，表示根據(jù)和求雙差而獲得的偽距雙差觀測(cè)值，表示衛(wèi)星i與接收機(jī)a之間的偽距觀測(cè)值；表示衛(wèi)星j與接收機(jī)a之間的偽距觀測(cè)值；表示衛(wèi)星i與接收機(jī)b之間的偽距觀測(cè)值；表示衛(wèi)星j與接收機(jī)b之間的偽距觀測(cè)值；表示根據(jù)和獲得的雙差值；表示衛(wèi)星i與接收機(jī)a之間的幾何距離；表示衛(wèi)星j與接收機(jī)a之間的幾何距離；表示衛(wèi)星i與接收機(jī)b之間的幾何距離；表示衛(wèi)星j與接收機(jī)b之間的幾何距離；表示根據(jù)和獲得的偽距雙差觀測(cè)值測(cè)量噪聲；表示衛(wèi)星i與接收機(jī)a之間偽距的測(cè)量噪聲；表示衛(wèi)星j與接收機(jī)a之間偽距的測(cè)量噪聲；表示衛(wèi)星i與接收機(jī)b之間偽距的測(cè)量噪聲；表示衛(wèi)星j與接收機(jī)b之間偽距的測(cè)量噪聲；表示衛(wèi)星i在接收機(jī)a和b之間的相位單差觀測(cè)值；表示衛(wèi)星j在接收機(jī)a和b之間的相位單差觀測(cè)值；表示衛(wèi)星i頻段n的載波波長(zhǎng)；表示衛(wèi)星j頻段n的載波波長(zhǎng)；表示衛(wèi)星i在接收機(jī)a和b之間的單差模糊度；表示衛(wèi)星j在接收機(jī)a和b之間的單差模糊度；表示根據(jù)和獲得的載波相位雙差測(cè)量值測(cè)量噪聲；表示衛(wèi)星i與接收機(jī)a之間的載波相位觀測(cè)值的測(cè)量噪聲；表示衛(wèi)星j與接收機(jī)a之間的載波相位觀測(cè)值的測(cè)量噪聲；表示衛(wèi)星i與接收機(jī)b之間的載波相位觀測(cè)值的測(cè)量噪聲；表示衛(wèi)星j與接收機(jī)b之間的載波相位觀測(cè)值的測(cè)量噪聲；步驟2-6、對(duì)公式(1)和公式(2)進(jìn)行線性化，獲得誤差方程；具體公式如下：v＝HX-Z(3)其中，v為誤差項(xiàng)；H表示系數(shù)陣；X表示狀態(tài)向量；Z為OMC值；步驟2-7、采用kalman濾波對(duì)狀態(tài)向量進(jìn)行求解。具體公式如下：X^k|k=X^k|k-1+Kk(Zk-HkX^k|k-1)Pk|k=Pk|k-1-Pk|k-1HkT(HkPk|k-1HkT+RkT)-1HkPk|k-1Kk=Pk|k-1HkT(HkPk|k-1HkT+RkT)-1---(7)]]>其中，表示k時(shí)刻經(jīng)過(guò)濾波計(jì)算所獲得的狀態(tài)向量；Kk表示k時(shí)刻的濾波增益矩陣；Zk表示k時(shí)刻的OMC值；Hk表示k時(shí)刻的系數(shù)陣；Pk|k表示k時(shí)刻經(jīng)過(guò)濾波計(jì)算所獲得的狀態(tài)向量的方差協(xié)方差陣；Rk表示k時(shí)刻的觀測(cè)值的方差協(xié)方差陣。步驟3、在將以周為單位的單差模糊度參數(shù)投影為以周為單位的雙差模糊度參數(shù)的過(guò)程中，利用IFB變化率粒子對(duì)所有單差模糊度參數(shù)進(jìn)行改正，采用LAMBDA方法進(jìn)行雙差模糊度固定，將獲得的RATIO值作為評(píng)價(jià)每個(gè)粒子的適應(yīng)度，并使用粒子群優(yōu)化算法對(duì)IFB變化率粒子的群體最優(yōu)位置進(jìn)行搜索，最終獲得最優(yōu)IFB變化率估值；具體流程圖如圖3所示，具體步驟如下：步驟3-1、確定由單差模糊度向雙差模糊度投影的投影矩陣，將單差模糊度參數(shù)對(duì)應(yīng)的方差協(xié)方差陣投影為雙差模糊度對(duì)應(yīng)的方差協(xié)方差陣；投影過(guò)程公式如下：DPDT＝P′(8)其中，P′表示投影后狀態(tài)向量的方差協(xié)方差陣；P表示投影前狀態(tài)向量的方差協(xié)方差陣；投影矩陣如下：其中，m為觀測(cè)到的GLONASS衛(wèi)星個(gè)數(shù)。本發(fā)明實(shí)施例中，m的取值范圍為[5，9]；步驟3-2、將IFB變化率作為粒子群優(yōu)化算法的搜索目標(biāo)，對(duì)粒子群參數(shù)進(jìn)行設(shè)置；本發(fā)明實(shí)施例中，設(shè)置粒子個(gè)數(shù)設(shè)為10；群體最大迭代次數(shù)設(shè)為10；最大和最小慣性因數(shù)分別設(shè)為0.2和1.2；學(xué)習(xí)因子c1和c2均設(shè)為2；粒子位置變量的最大值和最小值分為設(shè)為-0.1和0.1；粒子速度變量的最大值和最小值分別為0.03和0；迭代停止條件中g(shù)best所對(duì)應(yīng)的適應(yīng)度閾值設(shè)為4.5；步驟3-3、在[-0.1，0.1]范圍內(nèi)，對(duì)粒子群進(jìn)行隨機(jī)初始化，包括隨機(jī)位置和速度；步驟3-4、計(jì)算每個(gè)粒子的適應(yīng)度；具體步驟如下：步驟3-4-1、利用IFB變化率粒子對(duì)所有單差模糊度參數(shù)進(jìn)行改正；改正公式如下：B~abj=Babj+kjxiλnj---(10)]]>其中，表示改正后的衛(wèi)星j在接收機(jī)a和b之間的單差模糊度參數(shù)；表示改正前的衛(wèi)星j在接收機(jī)a和b之間的單差模糊度參數(shù)；kj表示GLONASS衛(wèi)星j所對(duì)應(yīng)的頻率編號(hào)；表示GLONASS衛(wèi)星j在第n頻段上的波長(zhǎng)；xi表示當(dāng)前IFB變化率粒子的位置；步驟3-4-2、利用投影矩陣，將改正后的單差模糊度參數(shù)投影為雙差模糊度參數(shù)；投影過(guò)程公式如下：DX＝X′(11)其中，X表示投影前的狀態(tài)向量，具體公式如下：X=xyzBab1Bab2...Babm---(12)]]>公式(12)中，x、y、z為位置參數(shù)，該參數(shù)在投影前后保持不變；為衛(wèi)星i在接收機(jī)a和b之間的單差模糊度參數(shù)，i∈[1，m]，例為觀測(cè)到的GLONASS衛(wèi)星個(gè)數(shù)；X′表示投影后的狀態(tài)向量，具體公式如下：X′=xyzNab12...Nab1m---(13)]]>公式(13)中，為投影后的和之間的雙差模糊度參數(shù)，為衛(wèi)星1在接收機(jī)a和b之間的單差模糊度參數(shù)，為衛(wèi)星j在接收機(jī)a和b之間的單差模糊度參數(shù)，j∈[2，m]；步驟3-4-3、在投影后的參數(shù)向量及方差協(xié)方差陣中提取出與雙差模糊度有關(guān)的部分，采用LAMBDA方法進(jìn)行雙差模糊度固定，將獲取到的RATIO值作為當(dāng)前粒子的適應(yīng)度。步驟3-5、根據(jù)粒子適應(yīng)度更新粒子個(gè)體的歷史最優(yōu)位置；步驟3-6、根據(jù)所有粒子個(gè)體的歷史最優(yōu)位置更新粒子群體的歷史最優(yōu)位置；步驟3-7、根據(jù)粒子個(gè)體的歷史最優(yōu)位置和粒子群體的歷史最優(yōu)位置更新粒子的位置和速度；公式如下：vik+1=wkvik+c1r1(pbesti-xik)+c2r2(gbest-xik)---(14)]]>xik+1=xik+vik+1---(15)]]>式(14)中：wk=wminfik<fthreswmaxfik≥fthres---(16)]]>其中，是第i個(gè)粒子在第k次迭代時(shí)的位置；是第i個(gè)粒子在第k次迭代時(shí)的速度；是第i個(gè)粒子在第k+1次迭代時(shí)的位置；是第i個(gè)粒子在第k+1次迭代時(shí)的速度；wk是第i個(gè)粒子在第k次迭代時(shí)的慣性因子；是第i個(gè)粒子在第k次迭代時(shí)的適應(yīng)度，fthres是為判斷粒子適應(yīng)度是否可信而設(shè)置的一個(gè)閾值，wmin和wmax分別是設(shè)定的最小和最大慣性因子；c1和c2是設(shè)定的學(xué)習(xí)因子；r1和r2為[0，1]區(qū)間的均勻分布隨機(jī)函數(shù)；pbesti是第i個(gè)粒子的歷史最優(yōu)位置；gbest是所有粒子的群體歷史最優(yōu)位置；步驟3-8、判斷更新后的位置是否超出[-0.1，0.1]范圍或速度是否超出[0，0.03]范圍，若是，則對(duì)該粒子的位置或速度重新進(jìn)行初始化，并執(zhí)行步驟3-9；否則直接執(zhí)行步驟3-9；步驟3-9、判斷當(dāng)前粒子群體的歷史最優(yōu)位置所對(duì)應(yīng)的適應(yīng)度是否大于給定閾值4.5或者當(dāng)前迭代次數(shù)是否大于群體最大迭代次數(shù)10，若是，則當(dāng)前粒子群體的歷史最優(yōu)位置作為IFB變化率的最優(yōu)估值，否則，重復(fù)執(zhí)行步驟3-4至步驟3-9，直到滿足迭代停止條件。步驟4、將確定出來(lái)的接收機(jī)端相位觀測(cè)值的頻率間偏差變化率估值作為改正數(shù)對(duì)單差模糊度參數(shù)進(jìn)行改正，采用LAMBDA方法進(jìn)行雙差模糊度固定，即完成對(duì)GLONASS模糊度的實(shí)時(shí)固定；具體如下：步驟4-1、將確定出來(lái)的IFB變化率估值作為改正數(shù)對(duì)GLONASS單差模糊度參數(shù)進(jìn)行改正；步驟4-2、使用投影矩陣D，將改正后的單差模糊度參數(shù)及其方差協(xié)方差陣投影為雙差模糊度參數(shù)及其方差協(xié)方差陣；步驟4-3、采用LAMBDA方法進(jìn)行雙差模糊度固定；步驟4-4、使用RATIO值對(duì)模糊度固定解進(jìn)行驗(yàn)證，如果RATIO值大于3，那么說(shuō)明當(dāng)前歷元模糊度固定成功，利用固定的雙差模糊度值對(duì)其它非模糊度參數(shù)進(jìn)行改正，獲得當(dāng)前歷元的模糊度固定解，同時(shí)根據(jù)參考衛(wèi)星的單差模糊度值以及固定的雙差模糊度值對(duì)投影前的單差模糊度進(jìn)行改正，為下一歷元數(shù)據(jù)處理做準(zhǔn)備；如果RATIO值小于3，說(shuō)明當(dāng)前歷元無(wú)法模糊度固定，以浮點(diǎn)解作為當(dāng)前歷元的最終解；步驟4-5、如果連續(xù)n(n≥5)個(gè)歷元均為模糊度固定解，并且這n個(gè)歷元所求得的n個(gè)IFB變化率估值十分接近，它們的標(biāo)準(zhǔn)差小于0.004，那么縮小下一歷元粒子群的搜索范圍，進(jìn)一步提高粒子群搜索效率；本發(fā)明實(shí)施例中，將本發(fā)明所述方法與基于粒子濾波的IFB變化率估計(jì)方法(TianY，GeM，NeitzelF.Particlefilter-basedestimationofinter-frequencyphasebiasforreal-timeGLONASSintegerambiguityresolution：JournalofGeodesy，2015，89(11)：1145-1158)進(jìn)行比較，利用本發(fā)明所述方法采用單歷元數(shù)據(jù)處理方式對(duì)觀測(cè)數(shù)據(jù)進(jìn)行處理；如圖4所示，在觀測(cè)時(shí)段內(nèi)，1360個(gè)歷元中有98.6％的歷元能夠準(zhǔn)確搜索出IFB變化率，只有極少歷元無(wú)法準(zhǔn)確確定出對(duì)應(yīng)的IFB變化率估值，對(duì)于這些歷元，其搜索次數(shù)已經(jīng)達(dá)到最大搜索次數(shù)，并且對(duì)應(yīng)的適應(yīng)度也均小于3，說(shuō)明無(wú)論采用何種方式進(jìn)行搜索，均無(wú)法使這些歷元的模糊度固定，出現(xiàn)這類現(xiàn)象的可能原因?yàn)檫@些歷元的觀測(cè)數(shù)據(jù)質(zhì)量不佳，即使給定準(zhǔn)確的IFB變化率改正值，采用單歷元數(shù)據(jù)也無(wú)法進(jìn)行模糊度固定，因而也無(wú)法準(zhǔn)確搜索出IFB變化率。采用本發(fā)明所述方法進(jìn)行IFB變化率搜索，每歷元平均搜索次數(shù)為32次，而對(duì)于基于粒子濾波的IFB變化率估計(jì)方法，首先該方法無(wú)法實(shí)現(xiàn)單歷元IFB變化率估計(jì)，通常需要一定數(shù)量的歷元進(jìn)行收斂；其次該方法的每歷元平均搜索次數(shù)至少為200次。該實(shí)驗(yàn)中單歷元模糊度固定成功率達(dá)到96.2％，為了進(jìn)一步驗(yàn)證模糊度固定的可靠性，將模糊度固定解的定位精度進(jìn)行分析。如圖5所示，將模糊度固定解的定位結(jié)果與其真值進(jìn)行比較，其在東(E)、北(N)、高(U)三個(gè)方向上的最大坐標(biāo)偏差分別為11.7、16.7和36.7mm，平均定位精度分別為0.3、0.1和0.5mm，中誤差分別為4.3、4.8和11.1mm；根據(jù)以上的實(shí)驗(yàn)結(jié)果統(tǒng)計(jì)分析表明使用本發(fā)明所述方法可以高效準(zhǔn)確的獲得IFB變化率估值，同時(shí)也可以獲得可靠的模糊度固定解。單歷元數(shù)據(jù)處理方式可以很好的檢驗(yàn)算法的性能，但在實(shí)際數(shù)據(jù)處理過(guò)程中，通常采用濾波的方式對(duì)數(shù)據(jù)進(jìn)行逐歷元處理。利用本發(fā)明所述方法對(duì)上述觀測(cè)數(shù)據(jù)進(jìn)行逐歷元數(shù)據(jù)處理；粒子群參數(shù)設(shè)置如單歷元數(shù)據(jù)處理方式。如圖6所示，在觀測(cè)時(shí)段內(nèi)，所有歷元都能夠準(zhǔn)確搜索出IFB變化率，其平均值為6.7mm/FN，標(biāo)準(zhǔn)差為2mm/FN；每歷元平均搜索次數(shù)為9次；模糊度固定成功率為97.8％。相較于單歷元數(shù)據(jù)處理方式，采用濾波方式的逐歷元數(shù)據(jù)處理可以更好的發(fā)揮本發(fā)明所述方法的性能。需要說(shuō)明的是：相對(duì)于使用最小二乘和基于粒子濾波的IFB變化率估計(jì)方法，使用本發(fā)明所述方法獲取的IFB變化率并不夠穩(wěn)定，這是因?yàn)樵谑褂昧Ｗ尤簝?yōu)化算法進(jìn)行IFB變化率最優(yōu)值搜索過(guò)程中，需要同時(shí)顧及解算效率和精度，考慮到實(shí)時(shí)定位對(duì)解算效率的要求，我們需要的并不是絕對(duì)群體最優(yōu)值，而是既能夠滿足模糊度固定所需基本條件又能夠達(dá)到搜索次數(shù)最少效果的近似最優(yōu)值，因此利用本發(fā)明所述方法獲取到的IFB變化率估值雖然不是十分穩(wěn)定，但可以達(dá)到較好的模糊度固定效果。為了對(duì)本次實(shí)驗(yàn)中的模糊度固定解的定位精度進(jìn)行分析，將模糊度固定解的定位結(jié)果與其真值進(jìn)行比較，如圖7所示，在E、N、U三個(gè)方向上的最大坐標(biāo)偏差分別為11.7、14.4和31.4mm，平均定位精度分別為0.1、0.0和0.1mm，中誤差分別為4.2、4.6和11.5mm，以上統(tǒng)計(jì)結(jié)果說(shuō)明利用本專利所述方法獲取的模糊度固定解十分可靠。以上所述，僅為本發(fā)明中最基礎(chǔ)的具體實(shí)施方式，但本發(fā)明的保護(hù)范圍并不局限于此，任何本
技術(shù)領(lǐng)域：
人士在本發(fā)明所揭露的技術(shù)范圍內(nèi)，可理解到的替換，都應(yīng)涵蓋在本發(fā)明的包含范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng)該以權(quán)利要求書(shū)的保護(hù)范圍為準(zhǔn)。當(dāng)前第1頁(yè)1 2 3