一种提高模糊度固定率的GNSS动态定位后处理方法| 张小红

A method of improving ambiguity fixing rate for post-processing kinematic GNSS data

Xiaohong Zhang*, Yuxi Zhang, Feng Zhu

Satellite Navigation(2020)1: 20

引用文章:

Zhang, X., Zhang Y.  & Zhu F.  A method of improving ambiguity fixing rate for post-processing kinematic GNSS data. Satell Navig 1, 20 (2020). https://doi.org/10.1186/s43020-020-00022-y.

PDF文件下载链接：

https://satellite-navigation.springeropen.com/articles/10.1186/s43020-020-00022-y

                     -长按识别二维码查看/下载全文-

Editorial Summary

Global Navigation Satellite System (GNSS) precise positioning using carrier phase measurements requires reliable Ambiguity Resolution (AR). It is challenging to obtain continuous precise positions witha high ambiguity fixing rate under a wide range of dynamic scenes with a single base station, thus the positioning accuracy will be degraded seriously. The authors proposed a method to improve the accuracy of positions by integrating forward and backward AR, which combines the forward and backward ambiguities instead of positions – referred to as Ambiguity Domain-Based Integration (ADBI). The purpose of ADBI is to find reliable correct integer ambiguities by making fulluse of the integer nature of ambiguities and integrate the ambiguities from the forward and backward filtering results. Once the integer ambiguities are determined with ADBI correctly and reliably, the more accurate positions updated with the fixing ambiguities constrains can be achieved with a high level of confidence. This method is can provide a practical way to improve ambiguity fixing rate for the kinematic positioning applications.

---

本文亮点

1. 基于模糊度参数特性，提出了一种直接在模糊度域上进行融合的后处理算法，本文对该方法的理论依据及实现流程进行了详细介绍。




2. 使用实测动态数据，分析比较了不同解算方法的模糊度固定性能，表明本文方法可以显著提升模糊度参数的固定效果，动态数据解算的固定成功率接近100%。




3. 与传统前后向滤波融合算法相比，本文提出的方法对模糊度错误固定具有强的抵抗能力，该方法能够获取厘米级的定位精度。

内容简介

高精度移动测量往往采用事后处理的方式，最大化利用所有的数据信息，以获得精度更高、可靠性更好的定位结果。根据模糊度特性，在一个卫星连续跟踪的弧段内，只要不发生周跳，该弧段有且仅有一个整周模糊度的值，即只要在弧段内找到一个模糊度固定正确的值，就能赋给整个弧段，从而实现全弧段的模糊度固定。本文称之为模糊度域整合的后处理方法（Ambiguity Domain Based Integration, ADBI），这里的“整合”具有整理、调整、合并的含义。使用实测机载和车载数据对ADBI方法的解算效果进行分析，结果表明，采用本文提出的方法可以有效改善模糊度固定效果，对于固定较为困难的窄巷模糊度改善更加明显。在两组实验数据中，使用传统滤波解算，单颗卫星的平均固定率仅有32.9%和44.3%，而采用本文的方法后平均模糊度固定率提升至92.7%和94.4%。另一方面，两组实验数据正向和反向滤波的最终正确固定率仅有58%、45%和58%、39%，接着采用正反向滤波融合的后处理方法对结果进行融合，正确固定率为70%和68%，而采用ADBI方法后，两组数据的正确固定率均高于99%，相较于单向滤波以及传统后处理方法有了明显提升。最终，两组实测数据的ENU方向上的位置误差分别为（2.38，1.77，3.33）cm和（1.40，1.26，5.90）cm，相较于传统后处理方法提升了（78.8，63.1，71.2）%和（88.5，84.3，57.5）%。

---

  图文导读 

     I.ADBI方法示意图.

模糊度整合是ADBI方法的核心，下图是ADBI方法的示意图。正向、反向滤波的模糊度固定解过包含正确固定解、错误固定解和浮点解，ADBI方法从所有的固定解中筛选出每个观测弧段上正确的模糊度值，最后根据模糊度参数的特性，获得每个观测弧段上最终的整合结果。从图中可以看出，经过模糊度整合后，弧段上所有历元可以达到100%固定。       图 1 ADBI方法的示意图。黑框中的曲线表示同一时间段内正向滤波（顶部）和反向滤波（底部）中一颗卫星的模糊度参数状态。每个灰色框表示ADBI每一步骤后的模糊度状态。 

---

     II.宽巷模糊度的整合结果分析.

分别采用正向卡尔曼滤波、反向卡尔曼滤波和ADBI算法对实测机载数据进行解算，对其中四颗卫星的宽巷模糊度解算和整合情况进行分析，其对比结果如下：宽巷波长较长，容易固定，除了开始阶段某几个历元固定错误外，大部分历元均能固定，且固定正确，正向/反向的固定值也一样。ADBI算法通过对模糊度进行整合，能够实现全弧段100%宽巷固定。图 2  采用正向卡尔曼滤波（第一行）、反向卡尔曼滤波（第二行）和ADBI算法（第三行），机载数据G09、G16、G23、G27卫星的宽巷模糊度解算情况。红色和黄色曲线对应正向和反向卡尔曼滤波的浮点解结果，绿色曲线代表单向滤波的模糊度固定值。第三行的浅绿色曲线表示整合后的模糊度值。       

---

III.窄巷模糊度的整合结果分析.分别采用正向卡尔曼滤波、反向卡尔曼滤波和ADBI算法对实测机载数据进行解算，对其中四颗卫星的宽巷模糊度解算和整合情况进行分析，其对比结果如下：窄巷波长较短，受到各种误差影响较大，难以固定，错误固定的历元更多，中间存在较多固定失败的历元，但是，从图中可以明显地确认出固定正确的模糊度，在多个模糊度值中，其个数明显占主要。通过双向结果的分析，能以很高的置信度确认出最终的模糊度固定值，例如，四颗卫星的窄巷固定值分别为-3、0、6和-1周，将其赋予整个弧段，就能实现全弧段模糊度的正确固定。

图 3 采用正向卡尔曼滤波（第一行）、反向卡尔曼滤波（第二行）和ADBI算法（第三行），机载数据G09、G16、G23、G27卫星的窄巷模糊度解算情况。红色和黄色曲线对应正向和反向卡尔曼滤波的浮点解结果，绿色曲线代表单向滤波的模糊度固定值。第三行的浅绿色曲线表示整合后的模糊度值。

---

IV.全时段观测卫星的模糊度固定效果分析.通过单向滤波解算，观测卫星无法获得连续的模糊度固定解，正向和反向结果的平均模糊度固定率仅有32.9%和30.6%。采用ADBI算法后，可以极大改善模糊度固定效果，平均模糊度固定率提升至92.7%。图 4 机载实测数据的观测卫星模糊度固定状态。顶部图片为正向卡尔曼滤波结果，中部图片为反向卡尔曼滤波结果，底部图片为ADBI算法结果。红色代表浮点解，绿色代表固定解。

---

V.不同处理模式下模糊度固定率比较.通过机载和车载的实测数据，比较正向、反向滤波、前后向滤波位置域融合、ADBI算法结果的固定率。对于传统的正向和反向滤波算法，前30分钟模糊度很难固定。模糊度收敛之后，单向滤波的模糊度固定率只有64%和58%（机载）、74%和42%（车载），前后向滤波位置域融合以后，固定率增加到84%和85%，然而受到错误固定解的影响，模糊度固定正确率仅有70.5 %和68.0%。而对于ADBI方法，不但固定率达到了100%，固定正确率均高于99.9%，极大的改善了模糊度固定的性能。图 5 不同处理模式下的模糊度固定率比较。顶部图为机载结果，底部图为车载结果。

---

VI.定位结果对比.模糊度固定性能如何，最终需要由定位精度来验证，下图给出了四种处理模式下的机载和车载定位精度比较。由于正、反向结果中存在模糊度固定错误的历元，位置域组合后，反而增加了固定错误的历元，例如前向结果为固定正确，后向结果为固定错误，那么组合后的结果也是固定错误。虽然组合后的定位精度有所提升，但是存在较多的定位离群点，即为模糊度固定错误的历元。而ADBI方法的整体误差序列十分平稳，定位误差均小于10cm，统计后，机载的RMS为（2.38，1.77，3.33）cm，车载的RMS为（1.40，1.26，5.90）cm。图 6 机载实测数据的正向滤波（顶部左侧图）、反向滤波（顶部右侧图）、前后向滤波位置域融合（底部左侧图）、ADBI算法（底部右侧图）的位置误差序列。图 7 车载实测数据的正向滤波（顶部左侧图）、反向滤波（顶部右侧图）、前后向滤波位置域融合（底部左侧图）、ADBI算法（底部右侧图）的位置误差序列。

---

作者简介

      张小红 教授 

      本文第一和通讯作者

      武汉大学

▍作者简介

张小红，男，1975年生，教授，教育部长江学者特聘教授，国家杰出青年科学基金获得者，国家“万人计划”科技创新领军人才，武汉大学测绘学院导航工程系主任，中国卫星导航定位协会教育与发展专业委员会主任委员、IAG中国委员会委员。2002年获得武汉大学大地测量学与测量工程博士学位。长期从事卫星导航定位技术及其应用、多源融合导航等方面的研究工作。先后承担了国家973计划、自然科学基金创新研究群体、重点研发、国家自然科学基金、北斗二代重大专项、湖北省技术创新重大专项等科研项目40余项；发表论文200余篇（其中SCI 100余篇），出版专著2部，主编教材3部，参编教材3部，授权国家发明专利10项，登记软件著作权10余项，获省部级科技进步奖6项。荣获第十四届“中国青年科技奖”，国际大地测量协会会士（IAG Fellow）等荣誉。

撰稿：本文作者

编辑：《卫星导航（英文）》编辑部

       关于我们     

Satellie Navigation 是中国科学院空天信息创新研究院主办的英文学术期刊，主要报道卫星导航相关的最新高水平科研成果与综述文章及通讯，在 Springer Nature开放获取（open-access）出版。可免费获取全文，欢迎关注和投稿。

Website：http://satellite-navigation.springeropen.com/

E-mail：[e-mail]

Tel：[phone]

           SatNav微信公众号

长按二维码关注我们