INS辅助差分GPS组合定位中模糊度确定的理论与实践探索.docxVIP

INS辅助差分GPS组合定位中模糊度确定的理论与实践探索

一、引言

1.1研究背景与意义

在当今科技飞速发展的时代，高精度定位技术在众多领域都扮演着举足轻重的角色。无论是智能交通系统中车辆的精准导航与调度，还是航空航天领域飞行器的精确轨迹控制，亦或是测绘勘探工作对地理信息的高精度获取，都离不开高精度定位技术的支持。全球定位系统（GPS）以其全球覆盖、全天候工作等优势，成为了应用最为广泛的定位技术之一。然而，GPS定位精度易受多种因素干扰，如卫星信号在传输过程中受到大气层延迟、多路径效应影响，以及在城市峡谷、室内等环境中信号易被遮挡，导致定位误差增大甚至定位失效，严重限制了其在对定位精度要求苛刻场景下的应用。

为提升GPS定位精度，差分GPS定位技术应运而生。该技术通过在已知精确位置的参考站与用户接收机同时观测相同卫星，利用参考站已知的精确位置与观测值计算出误差修正值，并将其发送给用户接收机，用户接收机利用该修正值对自身观测值进行校正，从而有效提高定位精度。但差分GPS依赖固定基站提供参考信号，在一些基站不易设置的场景，如偏远山区、海上等，其应用受到极大限制。

惯性导航系统（INS）则是一种完全自主的导航系统，它通过陀螺仪和加速度计测量载体的角速度和加速度，依据牛顿运动定律推算载体的位置、速度和姿态信息。INS不依赖外部信号，具有隐蔽性好、短期精度高、数据更新率快等优点，在GPS信号中断或受干扰时，能为载体提供短时间的连续导航信息。然而，INS的误差会随时间积累，长时间使用后导航精度会显著下降。

INS辅助差分GPS组合定位技术，巧妙地融合了INS和差分GPS的优势。利用INS提供的速度和姿态信息对GPS信号进行实时修正，有效弥补了GPS在复杂环境下信号易受干扰的不足；同时，借助差分GPS的高精度定位信息周期性地校正INS的累积误差，实现了两者的优势互补，为高精度、高可靠性的定位提供了可能，在自动驾驶、无人机测绘、海洋勘探等众多领域展现出巨大的应用潜力。

在INS辅助差分GPS组合定位中，模糊度的确定是实现高精度定位的关键环节。载波相位测量是获取高精度定位信息的重要手段，其观测值包含了整周模糊度这一未知数。整周模糊度是指在载波相位测量开始时，由于接收机无法直接测量载波的整周数，导致观测值中存在的一个未知整数周数。只有准确确定模糊度，才能充分发挥载波相位测量的高精度优势，将定位精度提升至厘米级甚至更高。若模糊度确定不准确或出现错误，会使定位结果产生较大偏差，无法满足实际应用对高精度定位的需求。因此，深入研究INS辅助差分GPS组合定位中的模糊度确定理论及实现方法，对于进一步提高组合定位系统的精度和可靠性，推动其在更多领域的广泛应用，具有极其重要的理论意义和现实应用价值。

1.2国内外研究现状

国外在INS辅助差分GPS组合定位及模糊度确定方面的研究起步较早，取得了一系列具有重要影响力的成果。在组合定位算法研究上，美国学者率先将卡尔曼滤波算法应用于INS与GPS的融合，通过建立精确的状态方程和观测方程，对INS的误差进行实时估计和校正，有效提高了组合定位系统的精度和稳定性。此后，基于卡尔曼滤波的各种改进算法不断涌现，如扩展卡尔曼滤波（EKF）、无迹卡尔曼滤波（UKF）等，这些算法能够更好地处理非线性系统问题，进一步提升了组合定位系统在复杂环境下的性能。在模糊度确定方法研究方面，欧洲的科研团队提出了模糊度函数法，通过构建模糊度函数，利用其特性搜索并确定模糊度的最优解，该方法在静态定位中表现出较高的可靠性和精度。此外，快速模糊度解算（FARA）等算法也被广泛研究和应用，这些算法通过利用卫星信号的相关性和先验信息，大大缩短了模糊度解算时间，提高了实时定位的效率。

国内对INS辅助差分GPS组合定位及模糊度确定的研究虽然起步相对较晚，但发展迅速，在理论研究和工程应用方面都取得了显著进展。在理论研究上，国内学者针对卡尔曼滤波算法在处理INS与GPS组合定位时存在的模型误差和噪声不确定性问题，提出了自适应卡尔曼滤波算法。该算法能够根据系统的实时状态自适应地调整滤波参数，增强了算法对复杂环境的适应性和鲁棒性。在模糊度确定方面，国内研究人员深入研究了最小二乘模糊度降相关平差（LAMBDA）算法，并对其进行了优化改进。通过改进搜索策略和降相关变换方法，提高了算法在复杂观测条件下模糊度解算的成功率和精度。同时，一些结合智能算法的模糊度确定方法也被提出，如利用遗传算法、粒子群优化算法等智能算法的全局搜索能力，寻找模糊度的最优解，为模糊度确定提供了新的思路和方法。

尽管国内外在INS辅助差分GPS组合定位及模糊度确