【技术实现步骤摘要】
本专利技术属于卫星导航定位，具体涉及一种高维整周模糊度快速确定方法、介质及设备。
技术介绍
1、gnss(global navigation satellite system，全球导航卫星系统)定位过程中，载波相位整周模糊度的准确、快速解算是实现高精度定位的关键问题。随着卫星导航系统的发展，可利用的卫星逐渐增加。理论上不同系统的卫星融合解算时，参与解算的卫星数量越多，则定位精度越高。但参与解算的卫星数量越多，与之对应的整周模糊度的维数也就越高。与此同时，整周模糊度的解算时间也就越长。因此，整周模糊度的快速解算对提高实时定位精度具有重要意义。
技术实现思路
1、本专利技术针对传统整周模糊度解算矩阵运算复杂，搜索空间收缩过于保守，对高维模糊度的解算耗时过长等问题，提供一种高维整周模糊度快速确定方法、介质及设备，通过迭代法对模糊度的方差协方差矩阵进行乔利斯基分解，对分解得到的条件方差矩阵用矩阵分块降维法进行排序，并引入阈值对搜索空间进行约束。
2、为实现上述目的，本专利技术采用以下技术方案：
3、一种高维整周模糊度快速确定方法，其特征在于，包括：
4、步骤1：获取观测数据，获取当前历元中gps和bds的可见卫星，选取两个测站的公共卫星进行差分处理，再在测站间求双差，建立双差观测方程；
5、步骤2：对两个测站的公共卫星基于随机模型进行加权处理，计算双差观测值的权矩阵；
6、步骤3：根据双差观测方程，用卡尔曼滤波算法估计待估参数，所
7、步骤4：采用混合整数最小二乘法对双差观测方程进行处理，结合双差观测值的权矩阵以及估计的待估参数，得到整周模糊度的方差协方差矩阵；
8、步骤5：采用迭代法对整周模糊度的方差协方差矩阵进行乔利斯基分解；
9、步骤6：对分解得到的矩阵用矩阵分块法进行排序，并进行整数高斯变换降相关；
10、步骤7：根据降相关后得到的矩阵，进行整周模糊度搜索，获得整周模糊度的最优解。
11、为优化上述技术方案，采取的具体措施还包括：
12、进一步地，步骤1中，所述双差观测方程如下：
13、
14、式中，表示双差伪距观测值，表示卫星到接收机的距离双差值，表示其它误差，为载波相位双差观测值，λ表示对应的载波波长，表示双差模糊度，为包含载波观测噪声的其它误差。
15、进一步地，步骤2中，所述对两个测站的公共卫星基于随机模型进行加权处理，计算双差观测值的权矩阵，具体为：
16、设σp为伪距的测量中误差，σφ为载波测量中误差，采用用1、2两个测站同时观测n颗卫星，伪距和载波的非差观测值分别如下：
17、
18、式中，diag(·)表示对角矩阵，dp和dφ分别表示伪距和载波的非差观测值；
19、则基于双差观测方程的权矩阵p表示为：
20、
21、式中，j为双差转换矩阵，
22、进一步地，步骤3中，所述根据双差观测方程，用卡尔曼滤波算法估计待估参数，具体为：
23、将双差观测方程线性化表示为：
24、m＝hx+v；
25、式中，m表示观测值，h表示观测值的系数矩阵，v表示误差项，x表示待估参数，包含了整周模糊度的浮点解和基线分量的浮点解，采用卡尔曼滤波进行估计。
26、进一步地，步骤4中，所述采用混合整数最小二乘法对双差观测方程进行处理，具体为：
27、将双差观测方程线性化表示为：
28、y＝aa+bb+δ；
29、式中，y代表观测值，a和b分别表示整周模糊度和基线分量，a和b为相应的系数矩阵，a为观测噪声；
30、将双差观测方程的线性化表示写成误差方程的形式：
31、
32、式中，v为改正数，为整周模糊度的浮点解，为基线分量的浮点解；
33、将误差方程写成法方程的形式：
34、
35、式中，p为双差观测值的权矩阵；
36、采用最小二乘估计准则，求解得到整周模糊度的方差协方差矩阵
37、进一步地，步骤5中，所述用迭代法对整周模糊度的方差协方差矩阵进行乔利斯基分解，具体为：
38、采用lambda算法求解整周模糊度的估计准则为：
39、通过整数矩阵z进行高斯变换，转化为最小二乘问题：z＝zta，其中z为幺模矩阵，且各元素为整数，z为矩阵变换后的向量，为矩阵变换后的浮点解；
40、采用迭代法对矩阵进行乔利斯基分解如下：
41、
42、式中，为整周模糊度的方差协方差矩阵，l为下三角矩阵，d为条件方差矩阵，q和l为1×n-1的矩阵，qn和dn为1×1的矩阵，qn＝dn，qi＝ltdn，l＝q/dn，
43、进一步地，步骤6中，所述对分解得到的矩阵用矩阵分块法进行排序，并进行整数高斯变换降相关，具体为：
44、首先对分解得到的条件方差矩阵d进行分块降维：
45、
46、式中，将n维矩阵d分成m块r1，r2，...，rm，前m-1块的大小为k0，rm的大小为r＝n-(m-1)k0，r为不足分块大小的部分；
47、然后对相邻块进行条件方差交换，以进行整数高斯变换降相关，相邻块条件方差交换条件如下：
48、
49、式中，δ为条件约束因子，dj为d的第j个对角元素，j＝1，2，…，n。
50、进一步地，步骤7具体包括以下子步骤：
51、步骤7.1：输入降相关变换后的n维浮点解向量下三角矩阵l∈rm×n、条件方差矩阵d∈rm×n，降相关变换后得到的目标函数f(z)为：
52、
53、式中，zk为浮点解向量的元素，为zk的条件估值，χ2为搜索空间的大小；
54、按照震荡式搜索的方法得到两组候选向量z(0)和z(1)：对应目标函数f(z(0))；对应目标函数f(z(1))；
55、对两组候选向量的目标函数值进行排序，选取次小值赋值给初始搜索空间χ2；
56、步骤7.2：判断与χ2的大小，如果满足newdist＜χ2，则向第k-1层搜索；若不满足newdist＜χ2，则向第k+1层搜索；其中，在第k层的搜索中，对各相邻节点进行依次选取，并且判断k＝n及k＝1是否成立：若k＝n成立，选择步骤7.3最后一次得到的目标函数值的次小值和最小值作为最终结果，跳出循环，执行步骤7.4；若k＝1成立，执行步骤7.3；
57、步骤7.3：搜索到第1层时，每搜索到一个满足条件newdist＜χ2的节点，就得到一组整周模糊度候选向量，直到获取2组候选向量对应的目标函数；若第1层的节点均不满足条件，则向第二层搜索去获取满足条件的候选向量；将f(z(m))次小值/c赋值给搜索本文档来自技高网...
【技术保护点】
1.一种高维整周模糊度快速确定方法，其特征在于，包括：
2.如权利要求1所述的一种高维整周模糊度快速确定方法，其特征在于：步骤1中，所述双差观测方程如下：
3.如权利要求1所述的一种高维整周模糊度快速确定方法，其特征在于：步骤2中，所述对两个测站的公共卫星基于随机模型进行加权处理，计算双差观测值的权矩阵，具体为：
4.如权利要求1所述的一种高维整周模糊度快速确定方法，其特征在于：步骤3中，所述根据双差观测方程，用卡尔曼滤波算法估计待估参数，具体为：
5.如权利要求1所述的一种高维整周模糊度快速确定方法，其特征在于：步骤4中，所述采用混合整数最小二乘法对双差观测方程进行处理，具体为：
6.如权利要求1所述的一种高维整周模糊度快速确定方法，其特征在于：步骤5中，所述用迭代法对整周模糊度的方差协方差矩阵进行乔利斯基分解，具体为：
7.如权利要求6所述的一种高维整周模糊度快速确定方法，其特征在于：步骤6中，所述对分解得到的矩阵用矩阵分块法进行排序，并进行整数高斯变换降相关，具体为：
8.如权利要求7所述的
9.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序使计算机执行如权利要求1-8任一项所述的高维整周模糊度快速确定方法。
10.一种电子设备，其特征在于，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行计算机程序时，实现如权利要求1-8任一项所述的高维整周模糊度快速确定方法。
...【技术特征摘要】
1.一种高维整周模糊度快速确定方法，其特征在于，包括：
2.如权利要求1所述的一种高维整周模糊度快速确定方法，其特征在于：步骤1中，所述双差观测方程如下：
3.如权利要求1所述的一种高维整周模糊度快速确定方法，其特征在于：步骤2中，所述对两个测站的公共卫星基于随机模型进行加权处理，计算双差观测值的权矩阵，具体为：
4.如权利要求1所述的一种高维整周模糊度快速确定方法，其特征在于：步骤3中，所述根据双差观测方程，用卡尔曼滤波算法估计待估参数，具体为：
5.如权利要求1所述的一种高维整周模糊度快速确定方法，其特征在于：步骤4中，所述采用混合整数最小二乘法对双差观测方程进行处理，具体为：
6.如权利要求1所述的一种高维整周模糊度快速确定方法，其特征...
【专利技术属性】
技术研发人员：余世安，朱国库，单意志，黄永智，姜凯伦，安黎辉，徐卫，郑自川，王辉，聂洪，
申请(专利权)人：中国核工业华兴建设有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。