基于方差分量估计的自适应融合滤波在GNSS组合定位中的应用.pdf

《基于方差分量估计的自适应融合滤波在GNSS组合定位中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第1期矿山测量NO．12014年2月MINESURVEYINGFeb．2014doi：10．3969／j．issn．1001—358X．2014．O1．03基于方差分量估计的自适应融合滤波在GNSS组合定位中的应用韦铖，王福丽，马赶(1．青岛市勘察测绘研究院，山东青岛266000；2．青岛理工大学琴岛学院，山东青岛266106)摘要：针对如何GNSS动态定位中合理定权与合理使用动力学模型信息的问题，文中采用了基于方差分量估计的自适应融合滤波算法。通过对实测的GPS／GLONASS数据进行实验，结果表明：该方法的定位精度要明显优于基于赫尔默特方差分量估计

2、的组合定位和基于卡尔曼滤波的组合定位结果。关键词：GNSS；动力学模型；方差分量估计；自适应融合；GPS／GLONASS中图分类号：P228．4文章编号：B文章编号：1001—358X(2014)O1—0008—04多模接收机成为卫星导航定位从GPS向GNSS的先验单位权方差分别为or和or然后进行定权和转变的必然选择(曹阳，2007；Dach，2010)，从而促进最小二乘估计。首次最小二乘估计时，根据先验信多导航系统(简称：多模GNSS，Muhi—GNSS)数据息分别给出GPS和GLONASS观测值的权P；(i=1，融合这一新的研究方向的形成与发展。

3、多模GNSS2)，其中P，，P分别为GPS和GLONASS观测值的融合可减弱系统相关误差，如多路径误差，系统误权向量。进行最小二乘估计后，求得各类观测值所差，恒星日周期误差等(Dach，2009)；数据冗余特性对应的v~iPiV；，(i=1，2)，V，分别为GPS和GLO-好，抗干扰特性好，可显著改善有遮蔽或者干扰情况NASS观测值的误差残差向量；计算求得两种导航系下的定位导航效果；系统备份特性好，可从根本上改统下观测值单位权方差的估值；。。根据估算变对某一系统的过分依赖。但是，由于GNSS定位中单位权方差再次计算权及权阵，则有：的各系统间的噪声不同。

4、，利用先验精度确定的P一!一。。2p-权矩阵通常不能完全反应各类观测值的实际精度或精度结果的可信度。并且在GNSS动态定位中，如何式(1)中，2。i、or。i、Pi分别为系统各系统观测值合理使用动力学模型的信息也十分重要。基于方差的初始单位权方差、权及方差分量估计后的权，i(i=分量估计的自适应融合滤波算法很好的解决了上述1，2)为系统代号。c为任意常数，一般取中的某两个问题。它利用严格的赫尔莫特方差分量估计法一值。对各类观测值进行合理定权，通过白适应因子合理采用新的权阵重新进行上述步骤进行迭代计算调节动力学模型对融合导航解的贡献，进而得到最直至两系统

5、的单位权方差相等，或通过一定的检验优估计值。在此，本文以GPS／GLONASS组合定位认定它们之比近似等于1为止。本文中将lor—oril为例进行讨论。≤0．O1作为迭代终止的条件。1．2卡尔曼滤波模型的最小二乘表示1理论模型卡尔曼滤波基于一组观测序列，：，⋯及系1．1GPS／GLONASS组合定位的方差分量估计统的动力学模型信息来求解状态向量估值。因此，在GPS／GLONASS组合定位中为了合理定权，卡尔曼滤波模型一般分为状态方程和观测方程，状采用Helmert方差分量估计对GPS和GLONASS观态方程主要反映目标的运动规律，并考虑目标的噪测值定权

6、。所有观测值按GPS和GLONASS分为两声；观测方程有线性和非线性之分，对于非线性的情类，假定GPS和GLONASS观测值互不相关，并假定况可以通过线性化来表示，这里仅考虑线性方程。各类观测值内观测值具有相同的精度。令其两系统卡尔曼滤波的状态方程和观测方程可表示为：8第1期韦铖等：基于方差分量估计的自适应融合滤波在GNSS组合定位中的应用2014年2月信息。由式(3)写出t时刻动力学模型的信息预报f==‘，一一，+k，“一+Wk(2)【Lk=AkXk+方程：式中：为t时刻的状态向量；一。为状态转X(t)=一。(t一1)(5)移矩阵；1／,㈦为tk一。

7、至t时间间隔内取常量的r维控Qi()：1．1—1Qx(一1)。一l+Q()(6)制向量；。为灵敏系数矩阵；Wk为高斯白噪声过式(6)中Q夏(1】为预报值的协方差，Q)为白噪程误差向量。声的协方差。卡尔曼滤波主要是为连续的动态系统的数据处联合观测信息求得自适应融合解为n¨：理来设计的，因此其解算方法要求简单快速，一般采X=(0cPi(。)+Px())I1(P()X(t)+Px(o(t))(7)用递推算法，其基本原理是序贯最小二乘法。由文Qx，=(aPi()+Px())(8)献给出的滤波递推过程可以看出动态模型及其噪式中：Q．为自适应融合解的协方差：Pi(

8、1】=声方差和观测噪声方差都是事先给定的，在整个滤Q)，Px()=Q)。波过程中这些先验值都保