[发明专利]海上基线约束卡尔曼滤波精密单点定位方法

说明书

本发明属于海上定位技术领域，特别涉及一种海上基线约束卡尔曼滤波精密单点定位方法，利用天线间的基线长度构建卡尔曼滤波状态方程和观测方程向量之间的约束关系；依据约束关系构建约束卡尔曼滤波准则，获取海上精密单点定位状态向量最佳估值。本发明针对海上测量环境中GNSS观测值易受到海洋潮汐、多路径等因素的影响，相对于稳定的陆地环境海上精密单点定位的精度和稳定度会有所下降，通过采用已知的GNSS天线基线长度信息作为约束条件，利用天线间的基线长度及约束卡尔曼滤波准则对海上精密单点定位状态向量进行预测，提高精密单点定位的精度和可靠性，具有较好地应用前景。

技术领域

本发明属于海上定位技术领域，特别涉及一种海上基线约束卡尔曼滤波精密单点定位方法。

背景技术

在海上测量环境中，GNSS(全球导航卫星系统)观测值易受到海洋潮汐、多路径等因素的影响，相对于稳定的陆地环境，海上精密单点定位的精度和稳定度会有所下降。精密单点定位是通过建立观测模型进行参数估计来获取接收机位置信息。参数估计方法有很多种，常用的有最小二乘法、递推最小二乘法、卡尔曼滤波等。最小二乘法仅限于观测空间，在实际应用中由于难以解决高阶矩阵求逆的问题，导致运算量大，定位结果的实时性较差，不适用于动态定位模式的数据处理。递推最小二乘估计是将最小二乘估计扩展成递推的形式，算法虽然简单，但是由于不能估计随机向量的时间进程，而且只能采用测量均方差和最小来保证解的最优性，因此该方法估计的定位结果精度不高。卡尔曼滤波引入了状态空间的概念，根据上一历元的状态估计和当前历元的观测数据，借助系统的状态转移方程就可以递推出新的状态估值，该方法需要存储的信息量小、计算效率高、实时性强。结合精密单点定位的运算特性，卡尔曼滤波这种参数估计方法更适用。

采用卡尔曼滤波方法时，必须保证观测模型和动力学模型是线性的，同时观测噪声和动力学模型噪声是两个互不相关的零均值高斯白噪声，这样才能有效保证滤波解的最优性。为拓宽卡尔曼滤波在动态卫星导航系统、变形监测、惯导/GNSS组合导航等非线性观测系统中的应用，需要将非线性模型进行线性化处理，为减弱线性化对滤波解最优性的影响，扩展Kalman滤波的方法被提出。有学者将鲁棒控制理论融入到卡尔曼滤波中，提出自适应卡尔曼滤波、抗野值滤波等方法来克服滤波模型不准确以及其他不确定因素造成的影响。上世纪90年代，卡尔曼滤波引入抗差估计理论，但是最初该方法只适用于相互独立的观测数据，适用于相关观测数据的抗差卡尔曼滤波方法通过降低异常观测值的权重来抑制观测粗差对参数估计的影响，常用的抗差卡尔曼滤波有M-LS滤波、M-M滤波、LS-M滤波等，抗差估计可以很好的抑制观测异常对参数估计的影响，但是不能抑制与时间相关的误差和系统内部误差对参数估计的影响。对于精密单点定位而言，卡尔曼滤波异常主要体现在观测值异常和动力学模型异常两个方面。如果某个历元的GNSS观测数据存在异常时，会对定位精度造成严重影响。动力学模型异常是由于系统动态噪声不准确而导致收敛速度缓慢，甚至会出现精密单点定位长时间无法收敛的情况。现有研究大多针对陆地测量环境，不同于陆地，海上测量环境的观测视野更为广阔，卫星信号虽然不会受到树木、高楼等物体的遮挡，但是海水面的反射作用导致多路径更为复杂，再加上海潮波动等环境误差都易对GNSS观测数据造成影响，即便对海上GNSS观测数据进行预处理可以消除大部分观测误差，但是观测数据中仍包含粗差。异常的观测值不仅不能增加多余观测量，还会造成滤波器不稳定。海上精密单点定位模式大多为动态，观测模型中残留的误差，再加上移动载体由于运动等因素引起的状态异常，都会造成海上精密单点定位精度的下降。

发明内容

为此，本发明提供一种海上基线约束卡尔曼滤波精密单点定位方法，采用已知的GNSS天线基线长度信息作为约束条件，利用天线间的基线长度及约束卡尔曼滤波准则对海上精密单点定位状态向量进行预测，提高精密单点定位在海洋测量环境中的精度和可靠性。

按照本发明所提供的设计方案，一种海上基线约束卡尔曼滤波精密单点定位方法，包含如下内容：在海上测量环境中，利用天线间的基线长度构建卡尔曼滤波状态方程和观测方程向量之间的约束关系；依据约束关系构建约束卡尔曼滤波准则，获取海上精密单点定位状态向量最佳估值。