一种用于RTK算法的卡尔曼滤波效率优化方法和系统技术方案

本发明专利技术提供一种用于RTK算法的卡尔曼滤波效率优化方法和系统，该方法包括根据接收机接收到的卫星信号获取状态转移矩阵，根据接收机的概略位置坐标获取量测更新系数矩阵；构建卡尔曼滤波模型；利用三元组数组和矩阵乘法优化方法对卡尔曼滤波模型中的矩阵乘法进行优化；计算卡尔曼滤波模型的标准新息，并对标准新息作卡方检验，当卡方检验不通过时，剔除计算标准新息最大绝对值的元素过程中对应的观测值向量，再次进行卡方检验，直到卡方检验通过；利用上三角矩阵乘法优化方法对新息协方差的逆矩阵计算过程进行优化；本发明专利技术根据RTK算法的特点，针对卡尔曼滤波的数学基础运算进行优化，能够有效提高RTK算法的卡尔曼滤波效率。能够有效提高RTK算法的卡尔曼滤波效率。能够有效提高RTK算法的卡尔曼滤波效率。

【技术实现步骤摘要】
一种用于RTK算法的卡尔曼滤波效率优化方法和系统


[0001]本专利技术涉及卫星定位和载波相位差分
，更具体地，涉及一种用于RTK算法的卡尔曼滤波效率优化方法和系统。

技术介绍

[0002]载波相位差分技术，又称RTK(Real Time Kinematic)技术，是一种高精度的相对定位技术；RTK算法包括三个步骤：数据预处理、模糊度浮点滤波和模糊度整数固定。
[0003]RTK算法中的模糊度浮点滤波计算耗时最长，占总运算时间的50％～70％；模糊度浮点滤波主要使用卡尔曼滤波，但因嵌入式平台计算能力较低，有必要根据RTK算法模糊度浮点滤波的特点，对其使用的卡尔曼滤波进行效率方面的优化。
[0004]目前的现有技术公开了一种用于无人机的RTK卡尔曼滤波优化方法，包括：位于无人机上的采集终端采集若干个该无人机在WGS
‑
84坐标系下的大地坐标，建立非线性动态系统下的卡尔曼滤波的状态方程和观测方程，根据卡尔曼滤波的状态方程和观测方程，建立卡尔曼滤波模型；确定非线性动态系统的初始状态，即确认初始历元的状态参数初值、方差阵初值以及动态噪声初始方差阵；基于初始历元的状态方程和观测方程，由卡尔曼滤波递推方程对状态参数初值、方差阵初值以及动态噪声初始方差阵进行滤波，获取滤波值；现有技术中的方法虽然能够通过优化RTK卡尔曼滤波提高无人机的定位精度，但卡尔曼滤波所需的时间较长，滤波效率较低。

技术实现思路

[0005]本专利技术为克服上述现有技术在进行卡尔曼滤波时效率较低的缺陷，提供一种用于RTK算法的卡尔曼滤波效率优化方法和系统，能够提高RTK算法的卡尔曼滤波效率。
[0006]为解决上述技术问题，本专利技术的技术方案如下：
[0007]一种用于RTK算法的卡尔曼滤波效率优化方法，包括以下步骤：
[0008]S1：接收机接收卫星发出的信号，根据接收机接收到的卫星信号获取状态转移矩阵，根据接收机的概略位置坐标获取量测更新系数矩阵；
[0009]所述状态转移矩阵和量测更新系数矩阵为稀疏矩阵；
[0010]S2：根据状态转移矩阵和量测更新系数矩阵构建卡尔曼滤波模型；
[0011]S3：将状态转移矩阵和量测更新系数矩阵转换为三元组数组形式的矩阵，利用三元组数组和矩阵乘法优化方法对卡尔曼滤波模型中的矩阵乘法进行优化；
[0012]S4：利用优化后的矩阵乘法计算卡尔曼滤波模型的标准新息，并对标准新息作卡方检验，当卡方检验通过时，执行步骤S6，否则，执行步骤S5；
[0013]S5：获取标准新息中最大绝对值的元素，剔除计算该元素过程中对应的观测值向量，重复步骤S4；
[0014]S6：利用计算标准新息的中间变量计算新息协方差的逆矩阵，并利用上三角矩阵乘法优化方法对新息协方差的逆矩阵计算过程进行优化，完成卡尔曼滤波效率的优化。
[0015]优选地，所述步骤S2中根据状态转移矩阵和量测更新系数矩阵构建卡尔曼滤波模型的具体方法为：
[0016]获取第k时刻接收机的概略位置坐标X,Y,Z和第n颗卫星的第m个频点的模糊度N
nm
；
[0017]获取第k时刻伪距P和载波L的观测值，并获取观测值向量y
k
；
[0018]根据获得的状态转移矩阵和量测更新系数矩阵建立以下卡尔曼滤波模型：
[0019]X
k+1/k
＝φ
k
X
k
[0020][0021]s
k
＝y
k
‑
h(X
k+1/k
)
[0022][0023][0024]X
k+1
＝X
k+1/k
+K
k
s
k
[0025]P
k+1
＝(I
‑
K
k
H
k
)P
k+1/k
[0026]其中，X
k
为第k时刻的状态向量，满足X
k
＝[X,Y,Z,N
11
,N
12
,
…
,N
nm
]T
；Φ
k
为第k时刻的状态转移矩阵；P
k
为第k时刻的状态协方差矩阵；Q
k
为第k时刻的状态随机过程噪声矩阵；s
k
为第k时刻的新息；S
k
为第k时刻的新息协方差矩阵；y
k
为第k时刻的观测值向量；h(X)为观测函数；H
k
为量测更新系数矩阵，满足I表示单位矩阵；X
k+1/k
表示状态向量从第k时刻到第k+1时刻的一步预测结果，P
k+1/k
表示状态协方差矩阵从第k时刻到第k+1时刻的一步预测结果，X
k+1
表示第k+1时刻的状态向量，P
k+1
表示第k+1时刻的状态协方差矩阵。
[0027]优选地，所述步骤S3中，卡尔曼滤波模型中的矩阵乘法具体为：Φ
k
X
k
、、和K
k
H
k
。
[0028]优选地，所述步骤S3中，将状态转移矩阵和量测更新系数矩阵转换为三元组数组形式的矩阵，利用三元组数组和矩阵乘法优化方法对卡尔曼滤波模型中的矩阵乘法进行优化，具体方法为：
[0029]所述三元组数组和矩阵乘法优化方法具体为：
[0030]对于矩阵乘法AB：
[0031][0032]其中，表示矩阵乘法的计算结果，矩阵C为l
×
n矩阵，矩阵为l
×
m矩阵，矩阵为m
×
n矩阵，且矩阵A和矩阵B中至少有一个为稀疏矩阵；
[0033]当矩阵A为稀疏矩阵时，将矩阵A中的元素按照三元组数组的方式存储，只记录其行号i
t
、列号j
t
和数值；
[0034]三元组数组A乘以矩阵B，记三元组数组A为将矩阵C的初始值设为零，对于三元组执行以下循环进行优化：
[0035][0036]当矩阵B为稀疏矩阵时，将矩阵B中的元素按照三元组数组的方式存储，只记录其
行号i
t
、列号j
t
和数值；
[0037]三元组数组B乘以矩阵A，记三元组数组B为将矩阵C的初始值设为零，对于三元组执行以下循环进行优化：
[0038][0039]在矩阵乘法Φ
k
X
k
中，Φ
k
作为三元组数组A，X
k
作为矩阵B；
[0040]在矩阵乘法中，P
k
作为矩阵A，作为三元组数组B；
[0041]在矩阵乘法中，Φ
k
作为三元组数组A，作为矩阵B；
[0042本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于RTK算法的卡尔曼滤波效率优化方法，其特征在于，包括以下步骤：S1：接收机接收卫星发出的信号，根据接收机接收到的卫星信号获取状态转移矩阵，根据接收机的概略位置坐标获取量测更新系数矩阵；所述状态转移矩阵和量测更新系数矩阵为稀疏矩阵；S2：根据状态转移矩阵和量测更新系数矩阵构建卡尔曼滤波模型；S3：将状态转移矩阵和量测更新系数矩阵转换为三元组数组形式的矩阵，利用三元组数组和矩阵乘法优化方法对卡尔曼滤波模型中的矩阵乘法进行优化；S4：利用优化后的矩阵乘法计算卡尔曼滤波模型的标准新息，并对标准新息作卡方检验，当卡方检验通过时，执行步骤S6，否则，执行步骤S5；S5：获取标准新息中最大绝对值的元素，剔除计算该元素过程中对应的观测值向量，重复步骤S4；S6：利用计算标准新息的中间变量计算新息协方差的逆矩阵，并利用上三角矩阵乘法优化方法对新息协方差的逆矩阵计算过程进行优化，完成卡尔曼滤波效率的优化。2.根据权利要求1所述的一种用于RTK算法的卡尔曼滤波效率优化方法，其特征在于，所述步骤S2中根据状态转移矩阵和量测更新系数矩阵构建卡尔曼滤波模型的具体方法为：获取第k时刻接收机的概略位置坐标X，Y，Z和第n颗卫星的第m个频点的模糊度N
nm
；获取第k时刻伪距P和载波L的观测值，并获取观测值向量y
k
；根据获得的状态转移矩阵和量测更新系数矩阵建立以下卡尔曼滤波模型：X
k+1/k
＝Φ
k
X
k
s
k
＝y
k
‑
h(X
k+1/k
))X
k+1
＝X
k+1/k
+K
k
s
k
P
k+1
＝(I
‑
K
k
H
k
)P
k+1/k
其中，X
k
为第k时刻的状态向量，满足X
k
＝[x，Y，Z，N
11
，N
12
，
…
，N
nm
]
T
；Φ
k
为第k时刻的状态转移矩阵；P
k
为第k时刻的状态协方差矩阵；Q
k
为第k时刻的状态随机过程噪声矩阵；s
k
为第k时刻的新息；S
k
为第k时刻的新息协方差矩阵；y
k
为第k时刻的观测值向量；h(X)为观测函数；H
k
为量测更新系数矩阵，满足I表示单位矩阵；X
k+1/k
表示状态向量从第k时刻到第k+1时刻的一步预测结果，P
k+1/k
表示状态协方差矩阵从第k时刻到第k+1时刻的一步预测结果，X
k+1
表示第k+1时刻的状态向量，P
k+1
表示第k+1时刻的状态协方差矩阵。3.根据权利要求2所述的一种用于RTK算法的卡尔曼滤波效率优化方法，其特征在于，所述步骤S3中，卡尔曼滤波模型中的矩阵乘法具体为：Φ
k
X
k
、、和K
k
H
k
。4.根据权利要求1所述的一种用于RTK算法的卡尔曼滤波效率优化方法，其特征在于，所述步骤S3中，将状态转移矩阵和量测更新系数矩阵转换为三元组数组形式的矩阵，利用三元组数组和矩阵乘法优化方法对卡尔曼滤波模型中的矩阵乘法进行优化，具体方法为：
所述三元组数组和矩阵乘法优化方法具体为：对于矩阵乘法AB：其中，表示矩阵乘法的计算结果，矩阵C为l
×
n矩阵，矩阵为l
×
m矩阵，矩阵为m
×
n矩阵，且矩阵A和矩阵B中至少有一个为稀疏矩阵；当矩阵A为稀疏矩阵时，将矩阵A中的元素按照三元组数组的方式存储，只记录其行号i
t
、列号j
t
和数值；三元组数组A乘以矩阵B，记三元组数组A为将矩阵C的初始值设为零，对于三元组执行以下循环进行优化：当矩阵B为稀疏矩阵时，将矩阵B中的元素按照三元组数组的方式存储，只记录其行号i
t
、列号j
t
和数值；三元组数组B乘以矩阵A，记三元组数组B为将矩阵C的初始值设为零，对于三元组执行以下循环进行优化：在矩阵乘法Φ
k
X
k
中，Φ
k
作为三元组数组A，X
k
作为矩阵B；在矩阵乘法中，P
k
作为矩阵A，作为三元组数组B；在矩阵乘法中，Φ
k
作为三元组数组A，作为矩阵B；在矩阵乘法中，P
k+1/k
作为矩阵A，作为三元组数组B；在矩阵乘法中，H
k
作为三元组数组A，作为矩阵B；在矩阵乘法K
k
H
k
中，K
...

【专利技术属性】
技术研发人员：张德先，王江林，文述生，肖浩威，
申请(专利权)人：广州南方卫星导航仪器有限公司，
类型：发明
国别省市：