[發明專利]一種RTK用自適應漸消Kalman濾波算法

有效

• 申請號: 201711143734.5
• 申請日: 2017-11-17
• 公開（公告）號: CN108226976B
• 公開（公告）日: 2021-10-19
• 發明（設計）人: 高亞豪;左啟耀;李峰;胡文濤;袁曉宇;王強;王勛;李建華;鄒志勤;姜福灝
• 申請（專利權）人: 北京自動化控制設備研究所
• 主分類號: G01S19/44
• 分類號: G01S19/44
• 代理公司: 核工業專利中心 11007
• 代理人: 張雅丁

本發明屬于衛星導航差分接收機設計領域，涉及一種利用自適應漸消Kalman濾波器提高模糊度浮點解求解動態適應性的設計算法。本發明將單差整周模糊度加入到濾波模型的狀態向量中進行濾波估計，并引入遺忘因子提高濾波器的動態跟蹤性能。此外，引入了獨立的滑動窗進行新息的收集和處理，解決了由于參考星變化或衛星信號失鎖造成觀測量中斷而無法準確計算新息協方差的難題。算法應用簡單，無復雜或運算量巨大的算式，實時性和運算量方面都可保證在DSP或FPGA硬件平臺上的算法編程實現，即易于工程實現。

技術領域

本發明屬于衛星導航差分接收機設計領域，涉及一種利用自適應漸消Kalman濾波器提高模糊度浮點解求解動態適應性的設計算法。

背景技術

基于載波相位的動態差分技術(RTK技術)是一種高精度的定位技術，它的應用領域廣泛，比如高精度導航制導、無人機進場著陸等等。RTK技術的關鍵是整周模糊度的快速準確求解。其中，應用最為廣泛的模糊度求解算法是LAMBDA算法，它分為模糊度實數估計和模糊度整數搜索兩個過程。模糊度的實數估計為模糊度參數提供一個搜索初始值，通常情況下是浮點數。高精度的模糊度浮點解能夠減小后續的搜索空間，有助于提高模糊度固定的成功率，縮短整數搜索時間。

目前模糊度實數估計常用的方法有常規最小二乘法和Kalman濾波法。最小二乘法的矩陣維數會隨著歷元數的增加而增加，當歷元間間隔過小時會存在病態性問題，因此在實際的使用中受到了極大限制。Kalman濾波法能夠有效解決上述問題。但將Kalman濾波器用于實時動態差分定位時，機動載體的運動狀態復雜多變，濾波器的系統模型很難準確建立，由于標準Kalman濾波器魯棒性較差，很容易造成發散。目前在動態濾波模型中普遍采用一階時間相關模型(Singer模型)和“當前”統計模型，它們都是針對系統模型進行的改進，相對于等速模型和等加速模型濾波器的動態性能有所提高，但仍然沒有從根本上解決問題。此外，在動態差分定位中，由于衛星升降交替、參考星變化等情況使得觀測量數量和含義不斷變化。因此在RTK技術中，需要一種適應性強的能夠適用于衛星導航復雜情況的濾波算法。

發明內容

本發明要解決的技術問題是提供一種利用自適應漸消Kalman濾波器求解雙差模糊度浮點解的方法，通過引入遺忘因子，增大預測誤差協方差矩陣，使得在濾波過程中陳舊觀測量的影響逐漸減小，濾波器實時地跟蹤動態的變化，同時利用滑動窗的方法收集新息，進而估算新息協方差矩陣，克服了衛星交替、參考星變化等復雜情況帶來的處理麻煩。

為了實現這一目的，本發明采取的技術方案是：

一種RTK用自適應漸消Kalman濾波算法，包括如下步驟：

(1)衛星捕獲跟蹤與同步

基準站和流動站依次捕獲衛星導航信號，對跟蹤衛星進行位同步和幀同步；

(2)觀測量提取

提取幀同步后衛星觀測量，并獲得完成幀同步后的各顆導航衛星的星歷參數；

(3)確定衛星位置速度計算

輸入已知的衛星發射時刻和步驟(2)中得到的星歷參數計算得到衛星位置；

(4)建立Kalman濾波模型

設待估計的狀態向量x為

x＝(r,v,N₁,N₂)^T (1)

其中：

r＝(x,y,z)為接收機的位置參數；

v＝(v_x,v_y,v_z)為接收機的速度參數；

為所有衛星的站間單差整周模糊度參數，下標i代表載波L_i對應的載波相位；