附加道路约束条件及快速模糊度分解.pptVIP

研究背景 动态高精度GPS定位的关键技术是整周模糊度快速而正确的分解; 在动态环境下，单纯利用GPS观测值分解整周模糊度是很困难的，要实现单历元分解整周模糊度是不可能的; 利用GPS观测值和其它测量信息来改善模糊度分解就成了一种具有吸引力的方法; 在GPS动态定位中，在很多情况下存在不少的约束条件，如列车沿给定的轨道运动、垂直运动、水平运动、距离固定等等，其关键是建立准确的数学模型。 采用GPS双差观测值，对于短基线，双差基本可以消去电离层延迟误差、对流层延迟误差、接收机钟差和卫星钟差等。在某一历元颗观测卫星线性化后的双差方程可表示为： （1） 式(1)中a表示接收机的位置参数和速度参数，b表示双差模糊度参数，e表示残差，y表示双差观测值。式(1)可以进一步简化为： (2) * 1. 西南交通大学测量工程系，成都市二环路北一段111号，610031 1. ylxiong@ 附有运动轨迹约束条件的整周模糊度快速分解算法 熊永良1 ,袁 伟1, 黄丁发1 研究背景、意义 GPS模糊度分解基本方程 标准Kalman模型 线路约束方程 约束Kalman滤波 车载试验 试验分析 结论与建议 内容提要 直线段 曲线线段 研究意义 当列车通过隧道、桥梁时，信号会失锁，模糊度需要重新初始化，运动中的模糊度分解速度致关重要。 对于实时精密动态定位，实时姿态确定有重要意义。 GPS模糊度分解数学模型 标准卡尔曼滤波方程 A X Y 0 道路 对于在道路上行驶的汽车、列车，在不考虑其高程信息的前提下，近似地认为其运动线路为二维平面上的线路。而这些线路均是由若干直线段、缓和曲线以及圆曲线等构成的(如图所示)。 线路轨迹 直线约束方程 在道路的直线段部分，其道路的约束方程可以表示为： ZH HY YH QZ JD HZ 第一缓和曲线： 圆曲线： 第二缓和曲线： 曲线形式的约束条件 第一缓和曲线的约束方程可表示为： 曲线形式的约束条件 其它曲线方程可作类似处理 为相对于起点的弧长 为回旋系数， ， ， 切线长， 为缓和曲线长。 约束卡尔曼滤波方程 设考虑了约束条件影响后的修正估计值为 修正滤波算法的目的是满足： 按拉格朗日条件极值求解可得 把上式加入到基本卡尔曼滤波递推算法公式中去，最后得到带约束条件的卡尔曼滤波估计为： 考虑约束条件影响后的卡尔曼滤波方程与基本卡尔曼滤波方程相比较，仅仅是在原来的一步预测方程中加了一个修正量。 带约束条件的卡尔曼滤波 算法流程 模糊度确认 约束Kalman滤波计算，浮点解及协方差阵 利用Z变换进行，整数去相关变换 计算搜索区域 模糊度搜索 整数逆变换 整周模糊度固定解 实现双差定位 获得运动轨迹 线路约束方程 GPS观测值 试验分析 图车载流动站图像 Trimble R6 GPS 试验采用天宝R6型GPS接收机，采样间隔设置为1s，数据采集的时间是2008年12月12日下午，参考站位于西南交通大学6号教学楼顶，流动站安装在汽车上，开始时流动站距离参考站约2km，跟踪到的卫星数为7 车载试验运行线路图 利用一段直线上共计112个历元的数据，在获得直线上两点的坐标后，由直线约束方程，可以计算出两点所在直线的斜率 通过计算得到的道路参数为： 滤波初始值选择为静态定位的坐标值，即： GPS实测轨迹曲线 一般卡尔曼滤波模糊度浮点解协方差阵（14×14） 约束卡尔曼滤波模糊度浮点解协方差阵（14×14） 经计算，一般卡尔曼滤波的浮点模糊度最大相关系数为-0.7506，模糊度浮点解方差均值为13.681 约束条件下的浮点模糊度最大相关系数为0.5731，模糊度浮点解方差均值为11.588 通过试验，无约束条件下11个历元就可以得到固定的整周模糊度，在约束条件下7个历元就可以确定，说明增加约束条件后模糊度分解所需观测量比未加约束所需观测量少，运动中模糊度分解效率提高了 模糊度分解效率比较  一般卡尔曼滤波模糊度分解的状态 Figure 7. Ambiguity resolution status with constrained Kalman filter 图8. 约束条件下模糊度分解的状态 约束条件下模糊度分解的状态 与