本发明属于全球卫星定位与导航技术领域，涉及一种低成本GNSS气压计组合RTK(Real-time kinematic，实时动态差分)定位方法。
背景技术：
全球卫星导航系统(GNSS)是我国自主建设的全球卫星导航系统，能够为地球表面和近地空间的广大用户提供全天时、全天候、高精度的定位、导航和授时服务，已广泛应用于国防、海陆空交通运输、测绘、移动通信、电力、电子金融、精细农业和减灾救灾等领域，是拓展人类活动和促进社会发展的重要空间基础设施。
GNSS精密RTK定位技术是全球卫星导航系统提供精密位置服务的关键技术之一，目前已广泛应用于驾考、精准农业、无人机、测绘等领域。它利用实时接收的载波相位和伪距数据以及参考站观测数据进行差分解算，并估计载波相位的整周模糊度，可以实时获得高精度的定位结果，极大的提高了作业效率，降低作业成本。但是基于目前的GNSS精密RTK产品一般基于采用双频方案，其硬件成本相对较高，从而限制了其应用范围以及产业化推广。
技术实现要素：
有鉴于此，本发明的目的在于提供一种低成本GNSS气压计组合RTK定位方法，该方法基于低成本单频卫星导航模块以及气压计模块，结合基准站观测数据，实时解算载体的位置信息。
为达到上述目的，本发明提供如下技术方案：
一种低成本GNSS气压计组合RTK定位方法，该方法包括以下步骤：
S1：周跳探测；
S2：形成双差观测方程；
S3：Kalman滤波估计；
S4：气压计约束模糊度解算。
进一步，采用载波相位观测值进行解算时，由于天线周围环境影响，载波相位观测值不可避免的存在周跳现象，为了获得可靠的解算结果，需要实时的探测周跳，在步骤S1中，采用多普勒周跳探测方法，形成单差观测值探测周跳：
由于观测时间间隔较短，卫星变化不大，此方法可以有效探测到2周周跳；
δ为域值，设置为1.8，如果超过该域值，则认为有周跳发生，即重新初始化该模糊度参数。
进一步，在步骤S2中，接收的基准站(A)观测数据分别与载体模块(B)接收数据形成双差观测方程为：
式中,为A、B接收机的双差伪距观测值，表示以米为单位的A、B接收机的双差载波相位观测值，为A、B接收机到卫星的双差距离，λg为载波波长，为第一频段载波的A、B接收机双差电离层延迟，为A、B接收机双差对流层延迟，为载波的双差整周模糊度值，表示双差伪距的观测噪声，表示双差载波相位的观测噪声。
进一步，在步骤S3中，采用Kalman滤波估计对应的待估参数，其过程为：
Qk/k＝(E-KkAk)HkQk (5)
式中yk为伪距与载波相位观测值，Ak为观测值的系数矩阵，为k-1历元的状态向量，为预测的状态向量，为当前k历元的状态向量，Kk为增益矩阵；
进一步，在步骤S4中，采用序贯最小二乘技术，计算模糊度浮点解及其方差协方差阵此时采用约束LAMBDA方法解算模糊度，获得模糊度的固定解：
式中z为整数模糊度候选矢量，为最优n组模糊度解算结果；
对于每组模糊度值，更新基线向量：
式中为基线向量与模糊度的协方差，为浮点解基线向量，为固定解基线向量；
由于气压相对高度已知，此时利用已知的气压相对高度约束选取对应的模糊度整数解：
式中u为已知的气压相对高度，δu为误差范围，为固定解的气压相对高度。
本发明的有益效果在于：本发明所提供的一种低成本GNSS气压计组合RTK定位方法，可提高系统稳定性与可靠性，实现稳健的GNSS RTK定位。
附图说明
为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：
图1为本发明所述方法流程图。
具体实施方式
下面将结合附图，对本发明的优选实施例进行详细的描述。
图1为本发明所述方法流程图，如图所示，本发明提供的一种低成本GNSS气压计组合RTK定位方法具体包括以下步骤：
步骤一：卫星导航模块与气压计实时接收数据：
使得卫星导航模块连接卫星导航天线，实时接收导航卫星的单频观测数据，并同时获取基站单频观测数据与气压计数据。
步骤二：周跳探测：
采用载波相位观测值进行解算时，由于天线周围环境影响，载波相位观测值不可避免的存在周跳现象，为了获得可靠的解算结果，需要实时的探测周跳；在本实施例中采用多普勒周跳探测方法。
形成单差观测值探测周跳：
由于观测时间间隔较短，卫星变化不大，此方法可以有效探测到2周周跳。
s为域值，一般可以设置为1.8，如果超过该域值，则认为有周跳发生，即重新初始化该模糊度参数。
步骤三：形成双差观测方程：
接收的基准站(A)观测数据分别与载体模块(B)接收数据形成双差观测方程为：
式中,为A、B接收机的双差伪距观测值,表示以米为单位的A、B接收机的双差载波相位观测值，为A、B接收机到卫星的双差距离，λg为载波波长,为第一频段载波的A、B接收机双差电离层延迟,为A、B接收机双差对流层延迟，为载波的双差整周模糊度值,表示双差伪距的观测噪声,表示双差载波相位的观测噪声。
由于两个天线距离很近，此时大气误差影响可以忽略，则原方程可以表示为：
步骤四：线性化观测方程：
公式(2)为非线性观测方程，为了解算相对基线分量，需要进行线性化处理，采用泰勒展开线性化(3)式可得：
式中：
式中为B接收机方向余玄，ΔxB，ΔyB，ΔzB为B接收机代估参数，为卫星k，j到B天线近似距离，为卫星k，j到A天线距离，A天线坐标可由单点定位获得。
步骤五：Kalman滤波估计实数模糊度参数：
Kalman滤波状态方程与过程方程如下：
采用Kalman滤波技术实时估计载体的姿态信息。
估计的参数主要包含三个位置参数、双差载波相位的模糊度：
观测值的系数矩阵为：
采用Kalman滤波估计对应的待估参数，其过程为：
Qk/k＝(E-KkAk)HkQk (8)
式中yk为伪距与载波相位观测值，Ak为观测值的系数矩阵，为k-1历元的状态向量，为预测的状态向量，为当前k历元的状态向量，Kk为增益矩阵。
步骤六：高程约束模糊度解算：
采用Kalman滤波技术，计算模糊度浮点解及其方差协方差阵此时采用约束LAMBDA方法解算模糊度，获得模糊度的固定解。
式中z为整数模糊度候选矢量，为最优n组模糊度解算结果。
对于每组模糊度值，更新基线向量：
式中为基线向量与模糊度的协方差，为浮点解基线向量，为固定解基线向量。
由于气压相对高度已知，此时利用已知的气压相对高度约束选取对应的模糊度整数解。
式中u为已知的气压相对高度，δu为误差范围，为固定解的相对高程。
最后说明的是，以上优选实施例仅用以说明本发明的技术方案而非限制，尽管通过上述优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。