一种提高定位解算精度的方法技术

本发明专利技术提供一种提高定位解算精度的方法，模拟源运行场景文件，接收机通过天线接收模拟的导航信号，经过捕获跟踪得到伪距，多普勒等参数，进行最小二乘解算，得到初始定位结果后，初始化卡尔曼滤波，启用卡尔曼滤波进行定位解算。采用上述方案，提高卡尔曼滤波定位解算精度的方法，在原始的卡尔曼滤波中引入了迭代的思想，使得量测更新过程进行了两次，并且第二次量测更新过程利用了校正了部分误差后的预测数据，最终得到的结果将更加精确，更利于提高在高动态环境下的定位效果。

A method to improve the accuracy of location solution

【技术实现步骤摘要】
一种提高定位解算精度的方法
本专利技术涉及卫星接收机中定位解算
，尤其涉及的是一种提高定位解算精度的方法。
技术介绍
在全球定位卫星系统(GNSS)中，通常使用最小二乘法进行位置速度解算，但接收机对于卫星信号的跟踪能力有限，定位参数的测量信息中可能存在着大部分难以消除的随机误差。卡尔曼滤波能够可以充分利用用户的运动特性和接收机提供的观测量的统计特性，对系统状态量进行最优估计，以满足在高动态环境下对定位精度的需求。在卡尔曼滤波的量测过程中使用的是预测过程计算出的系统状态量，预测值的不确定性较大，增大了量测过程的误差。卡尔曼滤波算法的基本思想是以最小均方误差为最佳估计准则，采用信号和噪声的状态空间模型利用前一时刻的估计值和当前时刻的观测值来校正对状态量的估计，求出当前时刻的估计值。自1960年由R.E.Kalman提出以来，国内外学者做了大量的研究和扩展，提出了包括扩展卡尔曼滤波，无迹卡尔曼滤波，中心分布卡尔曼滤波在内的多种方案。它们将最初只能用于线性系统的卡尔曼滤波应用到了非线性系统中，满足了实际应用的需求。但在实际使用中，卡尔曼滤波可能会遇到、模型不准确、初值设置不正确等问题导致精度降低甚至是发散。为了解决滤波发散导致的精度降低，自适应卡尔曼滤波及其改进算法，“冻结”增益矩阵等方法被提出并取得了一定的效果，但不能整体的提升定位精度。在高动态环境下，现有技术采用适合目标强烈机动的“当前”统计模型进行运动状态建模，从而来提高卡尔曼滤波在高动态环境下的定位效果。选择合适的动态模型固然能够很好的解决问题，但实际运用中，也许很难找到合适的模型，并且为每一个动态场景建立模型耗费时间和精力。因此，现有技术存在缺陷，需要改进。
技术实现思路
本专利技术在卡尔曼滤波过程中加入迭代思想，利用第一次卡尔曼滤波后的精确的系统状态向量重新计算伪距残差、多普勒残差等，再进行一次量测更新过程，以提高一次卡尔曼滤波的精度，用于提高在高动态环境下的定位效果。本专利技术提供一种提高定位解算精度的方法。本专利技术的技术方案如下：一种提高定位解算精度的方法，包括以下步骤：步骤1：计算观测量的统计值，包括伪距、载波相位、多普勒观测量；步骤2：根据统计值，对系统状态量进行最优估计，以满足在高动态环境下对定位精度的需求。进一步而言，所述步骤2还具体包括以下步骤：步骤201：对卡尔曼滤波状态量及其误差协方差阵进行一步预测；步骤202：利用一步预测值计算滤波增益矩阵和观测量残差，校正状态向量及其协方差阵；步骤203：用校正后的值替代一步预测值，迭代计算状态向量及其误差协方差矩阵。进一步而言，所述步骤201还具体包括：卡尔曼滤波时间更新阶段，首先根据用户的机动状态，确定状态转移矩阵，计算过程噪声方差阵Qk-1，完成对滤波状态量及其误差协方差阵Pk|k-1的一步预测过程，具体用公式表示如下：状态一步预测方程，用于在时间上更新滤波状态量的先验估计值：其中，一步预测的状态量；协方差误差预测方程：其中，Pk|k-1：预测误差协方差矩阵；Qk-1：过程噪声向量协方差矩阵。进一步而言，所述步骤202还包括：卡尔曼滤波量测更新阶段，首先要用预测的量计算卡尔曼滤波增益值Kk和测量残差，然后对滤波状态量误差协方差阵Pk/k-1进行校正，得到更新后的状态估计值和误差协方差矩阵估计值Pk，在此过程中，加入了对滤波是否会发散的判断和逻辑控制机制，保持滤波效果的稳定性，具体用下面公式表示：滤波增益方程，用于计算卡尔曼滤波增益矩阵：Kk＝Pk/k-1HkT[HkPk/k-1HkT+Rk]-1；其中，Kk：滤波增益矩阵；Hk：观测矩阵；Rk：测量噪声向量协方差矩阵；状态估计计算方程：其中，Zk：测量值，包括伪距和多普勒；状态向量估计值；协方差误差估计方程：Pk＝[I-KkHk]Pk/k-1；其中，Pk：估计误差协方差矩阵。进一步而言，所述步骤203还包括：将更新值和Pk代替201步骤中的预测值和Pk/k-1，再次迭代量测更新阶段的过程，减小状态估计值的误差，提高定位解算的精度。采用上述方案，给出了一种在无法建立准确模型和给定准确初始值的情况下，提高卡尔曼滤波定位解算精度的方法，在原始的卡尔曼滤波中引入了迭代的思想，使得量测更新过程进行了两次，并且第二次量测更新过程利用了校正了部分误差后的预测数据，最终得到的结果将更加精确，更利于提高在高动态环境下的定位效果。有的时候，理论分析和多次的试验不仅耗时而且不一定能够寻找准确的运动模型，本申请提出的方法可以快速简单的解决这个问题。附图说明图1为本专利技术方法流程图。图2为本专利技术场景和速度示意图。图3为本专利技术位置偏差示意图。图4为本专利技术速度偏差示意图。具体实施方式为了便于理解本专利技术，下面结合附图和具体实施例，对本专利技术进行更详细的说明。但是，本专利技术可以采用许多不同的形式来实现，并不限于本说明书所描述的实施例。需要说明的是，当元件被称为“固定于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。除非另有定义，本说明书所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。本说明书中在本专利技术的说明书中所使用的术语只是为了描述具体的实施例的目的，不是用于限制本专利技术。本说明书所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。本专利技术提供一种提高定位解算精度的方法，步骤1：计算观测量的统计值，包括伪距、载波相位、多普勒观测量；步骤2：根据统计值，对系统状态量进行最优估计，以满足在高动态环境下对定位精度的需求。如图1所示，为本专利技术方法流程图，其中步骤2中对系统状态量的最优估计还具体包括以下步骤内容：步骤201：对卡尔曼滤波状态量及其误差协方差阵进行一步预测；步骤202：利用一步预测值计算滤波增益矩阵和观测量残差，校正状态向量及其协方差阵；步骤203：用校正后的值替代一步预测值，迭代计算状态向量及其误差协方差矩阵。步骤201：卡尔曼滤波时间更新阶段，首先根据用户的机动状态，确定状态转移矩阵，计算过程噪声方差阵Qk-1，完成对滤波状态量及其误差协方差阵Pk|k-1的一步预测过程，具体用公式表示如下：状态一步预测方程，用于在时间上更新滤波状态量的先验估计值：协方差误差预测方程：步骤202：卡尔曼滤波量测更新阶段，首先要用步骤201中预测的量计算卡尔曼滤波增益值Kk和测量残差，然后对滤波状态量误差协方差阵Pk|k-1进行校正，得到更新后的状态估计值和误差协方差矩阵估计值Pk，在此过程中，加入了对滤波是否会发散的判断和逻辑控制机制，保持滤波效果的稳定性，具体用下面公式表示：滤波增益方程，用于计算卡尔曼本文档来自技高网...

【技术保护点】
1.一种提高定位解算精度的方法，其特征在于，包括以下步骤：/n步骤1：计算观测量的统计值，包括伪距、载波相位、多普勒观测量；/n步骤2：根据统计值，对系统状态量进行最优估计，以满足在高动态环境下对定位精度的需求。/n

【技术特征摘要】
1.一种提高定位解算精度的方法，其特征在于，包括以下步骤：
步骤1：计算观测量的统计值，包括伪距、载波相位、多普勒观测量；
步骤2：根据统计值，对系统状态量进行最优估计，以满足在高动态环境下对定位精度的需求。


2.如权利要求1所述的方法，其特征在于，所述步骤2还具体包括以下步骤：
步骤201：对卡尔曼滤波状态量及其误差协方差阵进行一步预测；
步骤202：利用一步预测值计算滤波增益矩阵和观测量残差，校正状态向量及其协方差阵；
步骤203：用校正后的值替代一步预测值，迭代计算状态向量及其误差协方差矩阵。


3.如权利要求2所述的方法，其特征在于，所述步骤201还具体包括：
卡尔曼滤波时间更新阶段，首先根据用户的机动状态，确定状态转移矩阵，计算过程噪声方差阵Qk-1，完成对滤波状态量及其误差协方差阵Pk|k-1的一步预测过程，具体用公式表示如下：状态一步预测方程，用于在时间上更新滤波状态量的先验估计值：

其中，一步预测的状态量；
协方差误差预测方程：其中，Pk|k-1：预测误差协方差矩阵；...

【专利技术属性】
技术研发人员：谭敏强，关威，裴晶，刘思琦，
申请(专利权)人：北京星地连信息科技有限公司，
类型：发明
国别省市：北京;11