本发明涉及卫星导航技术领域，特别是涉及一种整周模糊度的获取方法、系统、计算机设备以及存储介质。
背景技术
随着gnss(globalnavigationsatellitesystem，全球卫星导航系统)的不断发展、完善，gnss已经成为当今获得高精度定位结果的主要手段，主要包括：美国的gps系统、俄罗斯的glonass系统、中国的北斗系统(beidounavigationsatellitesystem，bds)以及欧盟的galileo系统。gnss在测量领域的一个重要应用是建立工程测量控制网，主要由静态数据的基线解算和网平差两阶段实现。其中，基线解算是网平差的基础，直接影响gnss控制网的定位质量和可靠性，基线解算过程中，最为关键的是快速准确的解算出整周模糊度。
传统的基线解算过程中，通常通过建立多卫星系统、多时段的组合方程统一平差获得整周模糊度的浮点解，但是在实际情况中，采取将多卫星导航系统以及采集多时段观测数据会导致计算数据大大增加，导致整周模糊度的解算过程涉及上百阶的矩阵运算，计算时间过长，降低整周模糊度的解算效率，严重时甚至出无法解出整周模糊度的情况，影响基线解算结果。
技术实现要素：
基于此，有必要针对整周模糊度的解算过程数据量过大导致整周模糊度的解算时间长、效率低下的问题，提供一种整周模糊度的获取方法、系统、计算机设备以及存储介质。
一种整周模糊度的获取方法，包括以下步骤：
根据各时段的双差观测方程分别构建各时段对应的分块最小二乘平差方程；
根据各所述分块最小二乘平差方程构建序贯观测方程，并解算所述序贯观测方程获得位置未知参数；
利用所述位置未知参数并根据各所述分块最小二乘平差方程获取各时段的整周模糊度浮点解；
根据各所述整周模糊度浮点解获取各时段的整周模糊度固定解。
在其中一个实施例中，所述根据各时段的双差观测方程分别构建各时段对应的分块最小二乘平差方程的步骤之前，还包括以下步骤：
获取各时段的静态观测数据，根据各所述静态观测数据构建各时段的所述双差观测方程。
在其中一个实施例中，所述分块最小二乘平差方程形式如下：
其中，nd为时段数量，δx为所述位置位置参数，
在其中一个实施例中，所述序贯观测方程如下：
其中，nd为时段数量，δx为所述位置位置参数，
在其中一个实施例中，所述根据各所述整周模糊度浮点解获取各时段的整周模糊度固定解的步骤，包括以下步骤：
根据各所述分块最小二乘平差方程获取各时段对应的整周模糊度方差协方差矩阵；
对各所述整周模糊度方差协方差矩阵进行变换，确定各时段整周模糊度搜索空间；
根据各所述整周模糊度浮点解从各所述整周模糊度搜索空间中搜索最优模糊度解，获取各时段的整周模糊度固定解。
一种整周模糊度的获取系统，包括：
最小二乘方程获取模块，用于根据各时段的双差观测方程分别构建各时段对应的分块最小二乘平差方程；
位置未知参数获取模块，用于根据各所述分块最小二乘平差方程构建序贯观测方程，并解算所述序贯观测方程获得位置未知参数；
浮点解获取模块，用于利用所述位置未知参数并根据各所述分块最小二乘平差方程获取各时段的整周模糊度浮点解；
固定解获取模块，用于根据各所述整周模糊度浮点解获取各时段的整周模糊度固定解。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
根据各时段的双差观测方程分别构建各时段对应的分块最小二乘平差方程；
根据各所述分块最小二乘平差方程构建序贯观测方程，并解算所述序贯观测方程获得位置未知参数；
利用所述位置未知参数根据各所述分块最小二乘平差方程获得各时段的整周模糊度浮点解；
根据各所述整周模糊度浮点解获取各时段的整周模糊度固定解。
一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
根据各时段的双差观测方程分别构建各时段对应的分块最小二乘平差方程；
根据各所述分块最小二乘平差方程构建序贯观测方程，并解算所述序贯观测方程获得位置未知参数；
利用所述位置未知参数根据各所述分块最小二乘平差方程获得各时段的整周模糊度浮点解；
根据各所述整周模糊度浮点解获取各时段的整周模糊度固定解。
上述整周模糊度的获取方法、系统、计算机设备以及存储介质，通过各个时段的双差观测方程分别构建最小二乘法平差方程以及序贯观测方程，在确保整周模糊度解算精度的前提下，降低整周模糊度解算过程中矩阵运算的阶数，大大节省数据处理时间，实现快速解算整周模糊度，提高解算效率。
一种静态基线的解算方法，包括以下步骤：
利用上述的整周模糊度的获取方法获取各时段的整周模糊度的固定解；
根据各所述整周模糊度的固定解利用所述分块最小二乘平差方程获取位置未知参数的组合解。
一种静态基线的解算系统，包括：
整周模糊度获取模块，用于利用权利要求上述的整周模糊度的获取方法获取各时段的整周模糊度的固定解；
静态基线解算模块，用于根据各所述整周模糊度的固定解利用所述分块最小二乘平差方程获取位置未知参数的组合解。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
利用上述的整周模糊度的获取方法获取各时段的整周模糊度的固定解；
根据各所述整周模糊度的固定解利用所述分块最小二乘平差方程获取位置未知参数的组合解。
一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
利用上述的整周模糊度的获取方法获取各时段的整周模糊度的固定解；
根据各所述整周模糊度的固定解利用所述分块最小二乘平差方程获取位置未知参数的组合解。
上述静态基线的解算方法、系统、计算机设备以及存储介质，通过各个时段的双差观测方程分别构建最小二乘法平差方程以及序贯观测方程，解算整周模糊度以及位置未知参数组合解，在确保静态解算结果精度的前提下，实现快速获取多卫星导航系统的多时段数据的基线解算以及测站位置坐标。
附图说明
图1为本发明一个实施例中整周模糊度的获取方法的应用环境图；
图2为本发明一个实施例中整周模糊度的获取方法的流程图；
图3为本发明一个实施例中站间星际双差示意图；
图4为本发明一个实施例中整周模糊度的获取系统的结构示意图；
图5为本发明另一个实施例中整周模糊度的获取系统的结构示意图；
图6为本发明一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明的保护范围。
本申请提供的整周模糊度的获取方法，可以应用于如图1所示的应用环境中。该终端包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该处理器用于提供计算和控制能力。该存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统，还包括一种整周模糊度的解算系统。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信，接收获取卫星或者接收发送的静态观测数据、gnss星历文件等数据，具体的，根据获取得到的静态观测数据进行整周模糊度的解算。其中，终端包括但不限于计算机、手提电脑等智能设备。
参见图2，图2为本发明一个实施例中整周模糊度的获取方法的流程图，该实施例中整周模糊度的获取方法，包括以下步骤：
步骤s210：根据各时段的双差观测方程分别构建各时段对应的分块最小二乘平差方程。
具体的，获取各个时段的双差观测方程后，将多个时段的双差观测方程分别变换为各个时段对应的分块最小二乘平差方程，通过双差观测方程构建分块最小二乘平差方程，能够很好的消除卫星钟以及眼见延迟参数的误差，确保后续整周模糊度解算的精度。
步骤s220：根据各分块最小二乘平差方程构建序贯观测方程，并解算序贯观测方程获得位置未知参数。
步骤s230：利用位置未知参数并根据各分块最小二乘平差方程获取各时段的整周模糊度浮点解。
具体的，在获取得到位置未知参数后，将位置未知参数回代到各个时段的分块最小二乘平差方程，解算出各个时段的整周模糊度浮点解。
步骤s240：根据各整周模糊度浮点解获取各时段的整周模糊度固定解。
在进行解算整周模糊度的过程中，每个时段的位置未知参数都没变化，而每个时段的整周模糊度在时间上式独立，由此根据各个时段的双差观测方程分别构建分块最小二乘法平差方程以及序贯观测方程，利用序贯观测方程解算位置未知参数，再利用该位置未知参数回传至分块最小二乘法平差方程，求解每个时段的整周模糊度的浮点解，从而根据整周模糊度的浮点解搜索获取整周模糊度的最优解。
上述静态基线的解算方法，通过利用各个时段的双差观测方程分别构建最小二乘法平差方程以及序贯观测方程，在确保整周模糊度解算精度的前提下，降低整周模糊度解算过程中矩阵运算的阶数，将传统的处理方式中上百阶的矩阵求逆转化为三阶的矩阵求逆，大大节省数据处理时间，实现快速解算整周模糊度，提高解算效率。
在其中一个实施例中，根据各时段的双差观测方程分别构建各时段对应的分块最小二乘平差方程的步骤之前，还包括以下步骤：获取各时段的静态观测数据，根据各静态观测数据构建各时段的双差观测方程。
本实施例中，静态观测数据是指观测站接收卫星发送的信号数据；通过采集观测站多个时段的静态观测数据，并利用获取得到的静态观测数据构建每一时段对应的双差观测方程，通过构建双差观测方程能够快速获取对应的分块最小二乘平差方程，提高解算整周模糊度的效率。
以图3为例，图3为本发明一个实施例中站间星际双差示意图，接收获取图中卫星310以及卫星320的静态观测数据，两观测站同步观测的卫星为卫星310以及卫星320，接收获取图中卫星310以及卫星320的静态观测数据，假设卫星310为参考卫星，获得双差观测方程的线性化如(1)式所示：
其中：
在其中一个实施例中，分块最小二乘平差方程形式如(2)式：
其中，nd为时段数量，δx为所述位置位置参数，
具体的，在获取得到形如式(1)的双差观测方程后，得到如下式(3)的误差方程：
其中，
当两观测站的同步卫星数为ns时，得到如下(4)式的误差方程组：
其中：
δx＝[δx2δy2δz2]t，为位置未知参数；
由于在进行解算整周模糊度的过程中，每个时段的位置未知参数都没变化，每个时段的整周模糊度在时间上式独立，当在基线两端、同一时段下同一组卫星观测的历元数为nt，则误差方程组如下(5)为：
其中：
本实施例中，每一个时段具有对应一个分块最小二乘平差方程，将传统的整周模糊度解算的处理方式分解为求解单个时段的整周模糊度，大大简化解算过程中的矩阵运算，节省数据处理时间，实现快速解算整周模糊度，提高解算效率。
在其中一个实施例中，序贯观测方程如下(6)式：
其中，nd为时段数量，δx为所述位置位置参数，
本实施例中，将传统的处理方式中上百阶的矩阵求逆转化为三阶的矩阵求逆，大大节省数据处理时间，实现快速解算整周模糊度，提高解算效率。
在其中一个实施例中，根据各整周模糊度浮点解获取各时段的整周模糊度固定解的步骤，包括以下步骤：根据各分块最小二乘平差方程获取各时段对应的整周模糊度方差协方差矩阵；对各整周模糊度方差协方差矩阵进行变换，确定各时段整周模糊度搜索空间；根据各整周模糊度浮点解从各整周模糊度搜索空间中搜索最优模糊度解，获取各时段的整周模糊度固定解。
本实施例中，获取不同时段对应整周模糊度方差协方差矩阵，并对各个时段的整周模糊度方差协方差矩阵进行变换，以降低各时段间整周模糊度的相关性，从而缩小、确定各个时段的整周模糊度的搜索空间；在确定整周模糊度的搜索空间以后，从中搜索最优的整周模糊度解，获取各时段的整周模糊度固定解，该整周模糊度搜索方法不仅能够快速获取整周模糊度固定解，且准确度高。
应该理解的是，虽然图2的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
根据上述整周模糊度的获取方法，本发明还提供一种整周模糊度的获取系统，以下就本发明的整周模糊度的获取系统的实施例进行详细说明。
参见图4，图4为本发明一个实施例中整周模糊度的获取系统的结构示意图。本实施例中，整周模糊度的获取系统，包括：
最小二乘方程获取模块410，用于根据各双差观测方程构建各时段对应的分块最小二乘平差方程；
位置未知参数获取模块420，用于根据各分块最小二乘平差方程构建序贯观测方程，并解算序贯观测方程获得位置未知参数；
浮点解获取模块430，用于利用位置未知参数并根据各分块最小二乘平差方程获取各时段的整周模糊度浮点解；
固定解获取模块440，用于根据各整周模糊度浮点解获取各时段的整周模糊度固定解。
上述整周模糊度的获取系统，通过利用各个时段的双差观测方程分别构建最小二乘法平差方程以及序贯观测方程，在确保整周模糊度解算精度的前提下，降低整周模糊度解算过程中矩阵运算的阶数，将传统的处理方式中上百阶的矩阵求逆转化为三阶的矩阵求逆，大大节省数据处理时间，实现快速解算整周模糊度，提高解算效率。
参见图5，图5为本发明另一个实施例中整周模糊度的获取系统的结构示意图，整周模糊度的获取系统还包括观测方程获取模块450，观测方程获取模块450用于获取各时段的静态观测数据，根据各静态观测数据构建各时段对应的双差观测方程。
在其中一个实施例中，最小二乘方程获取模块420构建的最小二乘平差方程如下述(7)式：
其中，nd为时段数量，δx为所述位置位置参数，
在其中一个实施例中，位置未知参数获取模块430用于构建的序贯观测方程如下述(8)式：
其中，nd为时段数量，δx为所述位置位置参数，
在其中一个实施例中，固定解获取模块440用于根据各分块最小二乘平差方程获取各时段对应的整周模糊度方差协方差矩阵；对各整周模糊度方差协方差矩阵进行变换，确定各时段整周模糊度搜索空间；根据各整周模糊度浮点解从各整周模糊度搜索空间中搜索最优模糊度解，获取各时段的整周模糊度固定解。
关于整周模糊度的获取系统的具体限定可以参见上文中对于整周模糊度的获取方法的限定，在此不再赘述。上述整周模糊度的获取系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在其中一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储静态观测数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种整周模糊度的获取方法。
本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
根据各时段的双差观测方程分别构建各时段对应的分块最小二乘平差方程；
根据各分块最小二乘平差方程构建序贯观测方程，并解算序贯观测方程获得位置未知参数；
利用位置未知参数并根据各分块最小二乘平差方程获取各时段的整周模糊度浮点解；
根据各整周模糊度浮点解获取各时段的整周模糊度固定解。
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：获取各时段的静态观测数据，根据各静态观测数据构建各时段的双差观测方程。
在其中一个实施例中，分块最小二乘平差方程形式如下(9)式：
其中，nd为时段数量，δx为所述位置位置参数，
在其中一个实施例中，建序贯观测方程如下(10)式：
其中，nd为时段数量，δx为所述位置位置参数，
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：根据各分块最小二乘平差方程获取各时段对应的整周模糊度方差协方差矩阵；对各整周模糊度方差协方差矩阵进行变换，确定各时段整周模糊度搜索空间；根据各整周模糊度浮点解从各整周模糊度搜索空间中搜索最优模糊度解，获取各时段的整周模糊度固定解。
在其中一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
根据各时段的双差观测方程分别构建各时段对应的分块最小二乘平差方程；
根据各分块最小二乘平差方程构建序贯观测方程，并解算序贯观测方程获得位置未知参数；
利用位置未知参数并根据各分块最小二乘平差方程获取各时段的整周模糊度浮点解；
根据各整周模糊度浮点解获取各时段的整周模糊度固定解。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取各时段的静态观测数据，根据各静态观测数据构建各时段的双差观测方程。
在其中一个实施例中，分块最小二乘平差方程形式如下(11)式：
其中，nd为时段数量，δx为所述位置位置参数，
在其中一个实施例中，序贯观测方程如下(12)式：
其中，nd为时段数量，δx为所述位置位置参数，
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据各分块最小二乘平差方程获取各时段对应的整周模糊度方差协方差矩阵；对各整周模糊度方差协方差矩阵进行变换，确定各时段整周模糊度搜索空间；根据各整周模糊度浮点解从各整周模糊度搜索空间中搜索最优模糊度解，获取各时段的整周模糊度固定解。
本发明还提供了一种静态基线的解算方法，静态基线的解算方法包括以下步骤：利用上述任一实施例中的整周模糊度的获取方法获取各时段的整周模糊度的固定解；根据各所述整周模糊度的固定解利用所述分块最小二乘平差方程获取位置未知参数的组合解。
具体的，在获取得到各个时段的整周模糊度固定解后，将各个时段的整周模糊度固定解回传至分块最小二乘平差方程中，采用整体最小二乘平差的方式求解多个时段的位置未知参数的组合解。
上述静态基线的解算方法，通过各个时段的双差观测方程分别构建最小二乘法平差方程以及序贯观测方程，解算整周模糊度以及位置未知参数组合解，在确保静态解算结果精度的前提下，实现快速获取多卫星导航系统的多时段数据的基线解算以及测站位置坐标。
根据上述静态基线的解算方法，本发明还提供一种静态基线的解算系统，以下就本发明的整周模糊度的获取系统的实施例进行详细说明。
在其中一个实施例中，静态基线的解算系统，包括：
整周模糊度获取模块，用于利用上述任一实施例中的整周模糊度的获取方法获取各时段的整周模糊度的固定解；
静态基线解算模块，用于根据各所述整周模糊度的固定解利用所述分块最小二乘平差方程获取位置未知参数的组合解。
上述静态基线的解算系统，通过各个时段的双差观测方程分别构建最小二乘法平差方程以及序贯观测方程，解算整周模糊度以及位置未知参数组合解，在确保静态解算结果精度的前提下，实现快速获取多卫星导航系统的多时段数据的基线解算以及测站位置坐标。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
利用上述的整周模糊度的获取方法获取各时段的整周模糊度的固定解；
根据各所述整周模糊度的固定解利用所述分块最小二乘平差方程获取位置未知参数的组合解。
一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
利用上述的整周模糊度的获取方法获取各时段的整周模糊度的固定解；
根据各所述整周模糊度的固定解利用所述分块最小二乘平差方程获取位置未知参数的组合解。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。