实时动态GPS数据处理研究.docVIP

实时动态GPS数据处理研究 　　【摘 要】针对GPS实时动态数据的特点，本文利用离散卡尔曼滤波算法进行解算， 选用了重力船载GPS数据进行实验，实验结果证明，对于船载短基线的解算，该算法可以获得较高精度的定位结果，从而为解算重力场模型提供可靠的定位信息。 　　【关键词】实时动态；GPS数据解算；短基线 　　【Abstract】According to the characteristics of GPS real-time dynamic data，this paper uses the discrete Kalman filter algorithm to solve the problem.The GPS data of gravity ship is used to experiment.The experimental results show that the algorithm can obtain high accuracy Positioning results，so as to solve the gravity field model to provide reliable positioning information. 　　【Key words】Real-time dynamic；GPS data calculation；Short baseline 　　0 引言 　　动态相对定位就是在固定站点上固定一个接收机，在运动的载体上架上观测接收机。在运动的过程中，所有的接收机进行同步观测，用来确定运动载体相对于基准站的瞬时位置。动态相对定位的特点就是实时确定载体的位置。 　　差分动态定位是利用安置在一个运动载体上的接收机和安置在地面上的一个或多个基准站的接收机联合测得改运动载体的位置，所以差分动态定位也称为相对动态定位。根据实时性要求不同，差分动态定位分为实时差分动态定位和后处理差分动态定位。实时差分动态定位需要建立无线电数据传输，在观测的同时解算出载体的位置；后处理差分动态不需要实时传输数据，而是在观测结束后进行处理。 　　针对GPS实时动态数据的特点，本文利用离散卡尔曼滤波算法进行解算， 选用了重力船载GPS数据进行实验，实验结果证明，对于船载短基线的解算，该算法可以获得较高精度的定位结果，从而为解算重力场模型提供可靠的定位信息。 　　1 GPS动态定位中的离散卡尔曼滤波算法 　　如果测量误差彼此之间是完全独立的，那么应用经典的最小二乘理论是非常有效的，但是在处理动态数据时，其中一些误差和时间是相关的，在这种情况下，卡??曼滤波理论作为一种重要的最优化估计理论被广泛应用于各种动态的数据处理中，尤其是在GPS单历元定位中，近十年来得到了深入的发展和广泛的应用。Track就是采用离散的卡尔曼滤波算法。 　　在GPS数据处理时，观测方程都是经过线性化的，所以我们只讨论线性系统的卡尔曼滤波算法。 　　1.1 观测方程 　　1.3 计算步骤 　　整个卡尔曼滤波包括了3个步骤 　　2 实验与分析 　　该数据为测定台湾某海域内海水重力，使用GPS观测得到相关数据后进行解算得到重力资料。对于精密星历，可以从SOPAC网站下载了观测日两天内的星历。在本文中只对该数据的精度进行解算。在海研一号船上布设了四台GPS接收机作为观测站，在岸边布设了一台GPS接收机作为基准站。处理的数据时间段为一天。 　　船上四台接收机分别为A、B、C、D，其分布及相关位置如图： 　　该图中显示的坐标为工程坐标，是以船中线为坐标轴。不管任意时间段内，A-B A-D B-C C-D 的距离是不变的，可以利用这一点作为评定数据的精度。 　　从上图可以得出各个站点之间的距离。 　　使用Track解算出各个站点的X、Y、Z坐标后，然都算出各个历元相邻站点间的距离可得如图： 　　从图中可以看到解算出来的基线长与实际长度的差距在大部分几厘米之内，其中红色线表示为实际长度。可看出解算GPS动态数据时的精度可达cm级。在图中，基线A-B与实际长度有一定的差距，可能是由于GPS接收机摆放位置的原因导致观测数据较差，从而使得基线解算出现较大的偏差。 　　从以上可以看出在海上，解算出的定位精度是比较高的，而且还可以提供航船的轨迹以及潮汐高程变化等信息。 　　3 总结 　　本文利用离散卡尔曼滤波算法进行解算船载动态GPS数据，通过解算船载4站GPS位置信息，得到短基线的精度可达厘米，可以为重力船获得重力数据的解算提供精度较高的定位信息。 　　【参考文献】 　　[1]李征航，黄劲松.GPS测量与数据处理[M].武汉大学出版社，2010. 　　[2]苏小宁.高频GPS单历元定位方法及其在地震学中的应用与研究[J].201