一种基于卡尔曼滤波的gps单点定位系统的制作方法
【技术领域】
[0001] 本发明涉及的是一种卫星定位方法，特别涉及的是一种基于卡尔曼滤波的GPS单 点定位系统。
【背景技术】
[0002] 全球定位系统（简称GPS)是美国国防部于1973年开始建立的卫星导航定位系统。 这个系统当初建立的主要目的是为了给海陆空运载工具提供导航和定位服务。经过20年的 不断发展，耗费了数百亿美元，于1994年3月10日将24颗卫星全部部署完毕。10多年的军用、 民用导航定位实践证明，GPS卫星导航定位系统能在全球98%以上的范围内同时向多个用户 提供全天候、高精度的导航定位服务。
[0003] 在日常生活中，大部分的GPS定位应用都是采用相对定位。由于相对定位忽略了复 杂的误差因素，所以定位方程解算起来比较快速，在定位精度要求不是很高的日常生活中， 这种定位方式无疑即节约了时间，又保证了定位精度。但是采用相对定位方式进行定位时， 必须把一台放在已知点上的接收机作为基准接收机，这无疑增加了定位的成本，而且还使 操作变的复杂。另外由于影响定位精度的误差(如对流层延迟误差)等这些误差会随着接收 机和卫星的距离的增加而逐渐的变得不相关，所以必须通过延迟接收机的观测时间来使定 位的精度达到预期的精度。这些缺点大大限制了GPS相对定位的使用范围。对于这个问题， 1997年美国喷气推进实验室(JPL)的zumbeger等人提出了一种有效的解决方案，即非差精 密单点定位方法。
[0004] 传统的GPS单点定位需要已知接收机观测到的伪距值、利用导航电文提供的卫星 轨道参数计算出的卫星坐标以及卫星时钟的改正数，才能进行定位。传统的GPS单点定位的 优点是采集和处理数据比较简单，用户只需用一台GPS接收机就能获得其在WGS-84坐标系 中的三维坐标。但是由于受到接收机观测到的伪距的精度、利用卫星导航电文求得的卫星 位置的精度以及卫星时钟的精度的影响，传统的GPS单点定位精度不是很高，所以传统的 GPS单点定位只能用于一些低精度的领域中。
【发明内容】
[0005] 本发明以得到定位的最佳估计为目的，主要研究GPS单点定位的方法以及卡尔曼 滤波技术，以有效提尚定位的估计精度。
[0006] 本发明的目的是这样实现的： 首先建立GPS定位的卡尔曼滤波模型和方程式，之后进行卡尔曼滤波递推计算。在每一 个定位历元过程中，卡尔曼滤波器首先利用状态方程来对接收机当前的位置、速度、GPS接 收机时钟差来进行预测；然后，依据这一状态先验估计值和卫星星历所提供的卫星位置和 速度，卡尔曼滤波器就能够预测GPS接收机对各颗卫星的伪距和多普勒频移值，这些测量预 测值和接收机的实际测量值之差又形成了测量残余;最后，卡尔曼滤波器通过对测量残余 进行处理就能够得到系统状态估计值的校正量以及校正以后的最优估计值。
[0007]在利用卡尔曼滤波进行测速、定位时需要建立合理、准确的运动模型，不准确的载 体运动模型将会导致滤波在计算过程中产生发散现象。常速模型和常加速模型是卡尔曼滤 波常用的两种运动模型，其中常速模型是最理想化、最简单的一种运动模型。在本发明中采 用常速模型，根据误差观测方程，自主推导出卡尔曼滤波的基本模型如下： 卡尔曼滤波模型可以概括为： 状态方程:私《=_#_1|::(1) 观测方程:·=ΗΧ+_(2) 式中~美:(0惠)为系统噪声和观测噪声
状态方程中的状态转移矩阵齡为
T为数据采样间隔； 系数矩阵％为
在上式中：
【附图说明】
[0008] 图1为GPS定位的卡尔曼滤波算法流程。
【具体实施方式】
[0009] 下面结合附图举例对本发明做更详细地描述： 结合图1，图1为GPS定位的卡尔曼滤波算法流程。首先建立GPS定位的卡尔曼滤波模型 和方程式，之后进行卡尔曼滤波递推计算。在每一个定位历元过程中，卡尔曼滤波器首先利 用状态方程来对接收机当前的位置、速度、GPS接收机时钟差来进行预测;然后，依据这一状 态先验估计值和卫星星历所提供的卫星位置和速度，卡尔曼滤波器就能够预测GPS接收机 对各颗卫星的伪距和多普勒频移值，这些测量预测值和接收机的实际测量值之差又形成了 测量残余;最后，卡尔曼滤波器通过对测量残余进行处理就能够得到系统状态估计值的校 正量以及校正以后的最优估计值。
[0010] 单点定位的卡尔曼滤波模型一般为常速模型，通过采用上述模型来进行滤波处理 时可以获得比较高的定位精度。用户的三维位置和速度是当然得状态变量。由于GPS系统是 利用用户时钟来测定电波到达时间，而用户时钟一般为石英钟，精度和稳定性都不高，因而 用户时钟的钟差和频差也将作为状态变量。忽略相位模糊度，将接收机天线的速度、三维坐 标、接收机钟差_&和频漂續|作为状态向量。卡尔曼滤波的状态向量为：
标准卡尔曼滤波要求系统的观测模型和状态方程是线性的，而GPS单点定位中的观测 方程是非线性的，所以要对观测方程进行线性化的处理。常用的线性化的方法是把滤波的 一步预测值作为近似值，对观测方程在一步预测值处进行泰勒展开，对观测方程进行线性 化处理，这种方法称为扩展的卡尔曼滤波。
[0011]观测误差方程为
在k点的概略坐标(_，_，樣）（由观测文件中读取)处，将私=||+_:，私=翁+議:， 带入上式中，进行泰勒展开，忽略二阶以上的高次项，即可得出伪距定位的线性 方程
式中：
(l￡，，_)为接收机k到卫星j的观测向量的方向余弦； 飞：.
为接收机k到卫星j的距离_的近似值。
[0012]把线性化后的误差方程写成矩阵形式
【主权项】
1. 一种基于卡尔曼滤波的GPS单点定位系统，其特征在于:首先建立GPS定位的卡尔曼 滤波模型和方程式，之后进行卡尔曼滤波递推计算;在每一个定位历元过程中，卡尔曼滤波 器首先利用状态方程来对接收机当前的位置、速度、GPS接收机时钟差来进行预测;然后，依 据运一状态先验估计值和卫星星历所提供的卫星位置和速度，卡尔曼滤波器就能够预测 GPS接收机对各颗卫星的伪距和多普勒频移值，运些测量预测值和接收机的实际测量值之 差又形成了测量残余;最后，卡尔曼滤波器通过对测量残余进行处理就能够得到系统状态 估计值的校正量W及校正W后的最优估计值。2. 根据权利要求1所述的一种基于卡尔曼滤波的GPS单点定位系统，其特征在于:在利 用卡尔曼滤波进行测速、定位时需要建立合理、准确的运动模型，不准确的载体运动模型将 会导致滤波在计算过程中产生发散现象;常速模型和常加速模型是卡尔曼滤波常用的两种 运动模型，其中常速模型是最理想化、最简单的一种运动模型；在本系统中采用常速模型， 根据误差观测方程，自主推导出卡尔曼滤波的基本模型如下： 卡尔曼滤波模型可W概括为： 状态方程:抗*1=輸川^;(1) 观测方程:招=HX+殺（2) 式中:徽觀獻），撥;W殺(〇，％)为系统噪声和观测噪声状态方程中的状态转移矩阵霞为干扰矩阵为T为数据采样间隔； 系数矩阵涛为在上式中：
【专利摘要】<b>一种基于卡尔曼滤波的GPS单点定位系统，首先建立GPS定位的卡尔曼滤波模型和方程式，之后进行卡尔曼滤波递推计算；在每一个定位历元过程中，卡尔曼滤波器首先利用状态方程来对接收机当前的位置、速度、GPS接收机时钟差来进行预测；然后，依据这一状态先验估计值和卫星星历所提供的卫星位置和速度，卡尔曼滤波器就能够预测GPS接收机对各颗卫星的伪距和多普勒频移值，这些测量预测值和接收机的实际测量值之差又形成了测量残余；最后，卡尔曼滤波器通过对测量残余进行处理就能够得到系统状态估计值的校正量以及校正以后的最优估计值。本发明主要研究了GPS单点定位的方法以及卡尔曼滤波技术，以有效提高定位的估计精度。</b>
【IPC分类】G01S19/42, G01S19/37
【公开号】CN105510942
【申请号】CN201510987332
【发明人】王树鑫
【申请人】哈尔滨米米米业科技有限公司
【公开日】2016年4月20日
【申请日】2015年12月27日