[發明專利]一種無人機實時動態精準定位方法、設備和存儲介質

在審

• 申請號: 202210039133.4
• 申請日: 2022-01-13
• 公開（公告）號: CN114415219A
• 公開（公告）日: 2022-04-29
• 發明（設計）人: 俞煒平;劉志鵬;李振海;方志強;范定志;吳曉杰;林明星
• 申請（專利權）人: 國網福建省電力有限公司莆田供電公司;國網福建省電力有限公司
• 主分類號: G01S19/44
• 分類號: G01S19/44;G01S19/39
• 代理公司: 福州科揚專利事務所(普通合伙) 35001
• 代理人: 何小星

1.一種無人機實時動態精準定位方法，其特征在于，包括以下步驟；

分別通過設置在基準站和無人機上的兩GNSS接收機接收北斗衛星導航系統的三頻雙差觀測量；

設置寬巷觀測量和超寬巷觀測量并構建觀測方程；

基于TCAR算法直接取整獲取超寬巷模糊度固定解；

將超寬巷模糊度固定解代入觀測方程計算寬巷模糊度參數；將寬巷模糊度參數代入觀測方程進行卡爾曼濾波估計，求得寬巷模糊度浮點解；

利用LAMBDA算法對寬巷模糊度浮點解進行模糊度固定，得到寬巷模糊度固定解；

將寬巷模糊度固定解代入觀測方程計算窄巷模糊度參數，再次進行卡爾曼濾波估計，求得窄巷模糊度浮點解，直接取整得到窄巷模糊度固定解；

利用整周模糊度固定的觀測量實時求解無人機與基準站的相對位置數據。

2.根據權利要求1所述的一種無人機實時動態精準定位方法，其特征在于，所述設置寬巷觀測量和超寬巷觀測量并構建觀測方程的步驟具體為：

設置寬巷觀測量(1，-1，0)和超寬巷觀測量(0，1，-1)；

以矩陣形式構建觀測方程：

L_k＝A_kX_k+v_k；

其中，A_k為系數矩陣；L_k為觀測向量；X_k為狀態參數向量；v_k表示噪聲向量；

L_k＝CL＝[P₁,P₂,P₃,λ₁φ₁,λ_1,-1,0φ_1,-1,0,λ_0,1,-1φ_0,1,-1]^T；

X_k＝[ρ,N₁,N_1,0,-1,N_0,1,-1]；

v_k＝[e₁,e₂,e₃,λ₁ε₁,λ_1,-1,0ε_1,-1,0,λ_0,1,-1ε_0,1,-1]^T；

其中：

3.根據權利要求2所述的一種無人機實時動態精準定位方法，其特征在于，所述基于TCAR算法直接取整獲取超寬巷模糊度固定解的步驟具體為：

由得到：

N_{0，1，-1}為超寬巷模糊度固定解。

4.根據權利要求3所述的一種無人機實時動態精準定位方法，其特征在于，所述將超寬巷模糊度固定解代入觀測方程計算寬巷模糊度參數；將寬巷模糊度參數代入觀測方程進行卡爾曼濾波估計，求得寬巷模糊度浮點解的步驟具體為：

建立卡爾曼濾波估計的狀態方程：

X_k＝φ_k,k-1X_k-1+w_k；

其中，X_k為狀態參數向量，φ為狀態轉移矩陣，k-1、k表示t_k-1和t_k時刻，w_k為噪聲誤差向量；

v_k和w_k滿足：

式中，N為整周模糊度整數解；R_k表示測量噪聲方差矩陣，Q_wk表示系統噪聲方差矩陣；

將得到的超寬巷模糊度固定解N_0,1,-1代入觀測方程，計算寬巷模糊度參數為：

X_k＝[ρ,N₁,N_1,0,-1]；

將上述寬巷模糊度參數代入卡爾曼濾波狀態方程進行卡爾曼濾波估計，解得寬巷模糊度浮點解N_k,k。