一种导航定位方法及装置与流程
本发明实施例涉及导航技术领域，尤其涉及一种导航定位方法及装置。
背景技术：
在gnss(globalnavigationsatellitesystem，全球导航卫星系统)导航定位中，通常采用卡尔曼滤波方法通过引入状态向量及其方差-协方差矩阵的动力学模型，根据前一时刻的状态估值和当前时刻的观测值递推获得新的状态估值。
标准的卡尔曼滤波模型如下：
状态方程：xk＝φk/k-1xk-1+wk,wk～n(0,qk)
观测方程：lk＝hkxk+vk,vk～n(0,rk)
其中，k为观测历元，xk标识状态向量，φk/k-1为状态转移矩阵，wk为动态噪声向量，qk为动态噪声向量的协方差矩阵，也即动态噪声矩阵，lk为观测向量，hk为系数矩阵，vk为观测噪声向量，rk为观测噪声向量的协方差矩阵，也即观测噪声矩阵。
采用上述状态方程和观测方程，即可进行滤波递推估计，具体计算构成可通过一下三个步骤完成：
第一步，预测状态向量
第二步，计算增益矩阵kk：
第三步，更新状态向量
在非组合ppp(precisepointpositioning，精密单点定位)或rtk(real-timekinematic，实时动态)载波相位差分技术中，当测站使用gps和bds双系统双频接收机，平均每个历元观测到gps卫星和bds卫星各n颗，则可组成4n个伪距和4n个载波相位观测值，状态向量为6+6n(3个坐标参数，2个接收机钟差参数，1个对流层延迟参数，2n个电离层延迟参数，4n个模糊度参数)维。pk为(6+6n)*(6+6n)维，hk为8n*(6+6n)维，kk为(6+6n)*8n维。在kk矩阵中包含了一个8n*8n维逆矩阵。在观测卫星数目较多的情况下，求逆的阶数较高，运算效率较低。
技术实现要素：
本发明提供一种导航定位方法及装置，以减少导航定位时的数据运算量，提高定位效率。
第一方面，本发明实施例提供了一种导航定位方法，包括：
根据数据类型对测站的观测数据进行分类，得到参考分类观测数据和互补分类观测数据；所述数据类型包括参考数据类型和与参考数据类型相互补的互补数据类型；
根据参考分类观测数据，对当前观测历元下的参考数据类型的状态向量进行估计；
根据估计的参考数据类型的状态向量的协方差矩阵，以及互补分类观测数据的系数矩阵和动态噪声矩阵，确定当前观测历元下的互补数据类型的增益矩阵；
采用估计的参考数据类型的状态向量和当前观测历元下的互补数据类型的增益矩阵，对当前观测历元下的互补数据类型的状态向量进行估计，以确定各测站对应的定位坐标。
第二方面，本发明实施例还提供了一种导航定位装置，包括：
观测数据分类模块，用于根据数据类型对测站的观测数据进行分类，得到参考分类观测数据和互补分类观测数据；所述数据类型包括参考数据类型和与参考数据类型相互补的互补数据类型；
状态向量估计模块，用于根据参考分类观测数据，对当前观测历元下的参考数据类型的状态向量进行估计；
增益矩阵确定模块，用于根据估计的参考数据类型的状态向量的协方差矩阵，以及互补分类观测数据的系数矩阵和动态噪声矩阵，确定当前观测历元下的互补数据类型的增益矩阵；
坐标定位模块，用于采用估计的参考数据类型的状态向量和当前观测历元下的互补数据类型的增益矩阵，对当前观测历元下的互补数据类型的状态向量进行估计，以确定各测站对应的定位坐标。
第三方面，本发明实施例还提供了一种电子设备，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面实施例所提供的一种导航定位方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面实施例所提供的一种导航定位方法。
本发明实施例根据数据类型对测站的观测数据进行分类得到参考分类观测数据和互补分类观测数据；数据类型包括参考数据类型和与参考数据类型相互补的互补数据类型；根据参考分类观测数据对当前观测历元下的参考数据类型的状态向量进行估计；根据估计的参考数据类型的状态向量的协方差矩阵，以及互补分类观测数据的系数矩阵和动态噪声矩阵，确定当前观测历元下的互补数据类型的增益矩阵；采用估计的参考数据类型的状态向量和当前观测历元下的互补数据类型的增益矩阵，对当前观测历元下的互补数据类型的状态向量进行估计，以确定各测站对应的定位坐标。上述技术方案通过数据类型对观测数据进行分类，并根据分类后的参考分类观测数据和互补分类观测数据分步进行增益矩阵的确定，从而减少了增益矩阵确定过程的数据运算量，进而提高了定位效率，使得上述导航定位方法在低配的计算设备中同样适用。
附图说明
图1是本发明实施例一中的一种导航定位方法的流程图；
图2是本发明实施例二中的一种导航定位方法的流程图；
图3是本发明实施例三中的一种导航定位方法的流程图；
图4是本发明实施例四中的一种导航定位装置的结构图；
图5是本发明实施例五中的一种电子设备的硬件结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一中的一种导航定位方法的流程图。本发明实施例适用于采用非组合ppp进行导航定位的情况，该方法由导航定位装置执行，该装置由软件和/或硬件实现，并具体配置于具备导航定位功能的电子设备中。
如图1所示的一种导航定位方法，包括：
s110、根据数据类型对测站的观测数据进行分类，得到参考分类观测数据和互补分类观测数据。
其中，所述数据类型包括参考数据类型和与参考数据类型相互补的互补数据类型。其中，观测数据可以是伪距观测值和/或相位观测值。其中，参考分类观测数据可以理解为数据类型属于参考数据类型的观测数据；互补分类观测数据可以理解为数据类型不属于参考数据类型，也即属于互补数据类型的观测数据。
示例性地，数据类型包括卫星系统类型、观测值类型、和/或载波频率类型。其中，卫星系统类型包括gps(globalpositioningsystem，全球定位系统)子类型和bds(beidounavigationsatellitesystem，北斗卫星导航系统)子类型；所述观测值类型包括伪距子类型和相位子类型；所述载波频率类型包括第一频率子类型和第二频率子类型。其中，参考数据类型为数据类型中各子类型中的其中一个，互补数据类型为数据类型中各子类型中的另一个。
具体的，根据数据类型对测站的观测数据进行分类，得到属于参考数据类型的参考分类观测数据，以及属于互补数据类型的互补分类观测数据。
可选的，根据卫星系统类型对测站的观测数据进行分类，得到属于gps子系统(或bds子类型)的参考分类观测数据，以及属于bds系统(或gps子系统)的互补分类观测数据。或者可选的，根据观测值类型对测站的观测数据进行分类，得到属于伪距子类型(或相位子类型)的参考分类观测数据，以及属于相位子类型(或伪距子类型)的互补分类观测数据。或者可选的，根据载波频率类型对测站的观测数据进行分类，得到属于第一频率子类型(或第二频率子类型)的参考分类观测数据，以及属于第二频率子类型(或第一频率子类型)的互补分类观测数据。
s120、根据参考分类观测数据，对当前观测历元下的参考数据类型的状态向量进行估计。
示例性地，可以根据参考分类观测数据，采用卡尔曼滤波器对当前观测历元下的参考数据类型的状态向量进行估计。
具体的，以根据卫星系统类型对测站的观测数据进行分类，得到属于gps子类型的参考分类观测数据和属于bds子类型的互补分类观测数据为例进行示例性说明。
第一步，根据如下公式预测gps子类型的状态向量及其协方差矩阵：
其中，k表示观测历元对应的时刻，φk/k-1为k-1观测历元时刻到k观测历元时刻的状态转移矩阵，
第二步，根据如下公式计算gps子类型的参考分类观测数据的增益矩阵：
其中，kkg为k观测历元时刻gps子类型的参考分类观测数据的增益矩阵，hkg为k观测历元时刻gps子类型的参考分类观测数据的系数矩阵，rkg为k观测历元时刻gps子类型的参考分类观测数据的观测噪声矩阵。
第三步，按照如下公式根据gps子类型的参考分类观测数据更新状态向量及其协方差矩阵：
其中，
s130、根据估计的参考数据类型的状态向量的协方差矩阵，以及互补分类观测数据的系数矩阵和动态噪声矩阵，确定当前观测历元下的互补数据类型的增益矩阵。
第四步，按照如下公式计算bds子类型的互补分类观测数据的增益矩阵：
其中，kkc为k观测历元时刻bds子类型的互补分类观测数据的增益矩阵，hkc为k观测历元时刻bds子类型的互补分类观测数据的系数矩阵，rkc为k观测历元时刻bds子类型的互补分类观测数据的观测噪声矩阵。
s140、采用估计的参考数据类型的状态向量和当前观测历元下的互补数据类型的增益矩阵，对当前观测历元下的互补数据类型的状态向量进行估计，以确定各测站对应的定位坐标。
第五步，按照如下公式根据bds子类型的互补分类观测数据更新状态向量：
其中，
根据
需要说明的是，由于本发明实施例中仅采用gps子类型的参考分类观测数据的系数矩阵hkg和观测噪声矩阵rkg，使得在计算gps子类型的参考分类观测数据的增益矩阵kkg的过程中，求逆过程的运算量显著减少。
举例说明，测站采用gps和bds双系统双频接收机时，平均每个观测历元观测到gps卫星和bds卫星各n颗，因此可组成4n(2*2*n)个伪距观测值和4n(2*2*n)个相位观测值，状态向量为6+6n维(6+2n+4n，3个空间坐标参数，2个接收机钟差参数，1个对流层延迟参数，2n个电离层延迟参数，4n个整周模糊度参数)。相应的，预测状态向量的协方差矩阵pk为(6+6n)*(6+6n)维，系数矩阵hk为8n*(6+6n)维，那么在计算增益矩阵kk时，求逆过程中包含了一个8n*8n的矩阵(hkpkhkt)，相应的kk为(6+6n)*8n维。
而采用本申请所使用的技术方案，由于将测站的观测数据分为参考分类观测数据和互补分类观测数据，因此，系数矩阵hkc、hkg为4n*(6+6n)维，pk/kg为(6+6n)*(6+6n)，那么在计算增益矩阵kkg和kkc时，将原来的(6+6n)*8n维的增益矩阵kk分解为两个(6+6n)*4n的增益矩阵kkg和kkc，并且在kkg和kkc的计算过程中，求逆过程均为4n*4n维的求逆运算量。
本发明实施例根据数据类型对测站的观测数据进行分类得到参考分类观测数据和互补分类观测数据；数据类型包括参考数据类型和与参考数据类型相互补的互补数据类型；根据参考分类观测数据对当前观测历元下的参考数据类型的状态向量进行估计；根据估计的参考数据类型的状态向量的协方差矩阵，以及互补分类观测数据的系数矩阵和动态噪声矩阵，确定当前观测历元下的互补数据类型的增益矩阵；采用估计的参考数据类型的状态向量和当前观测历元下的互补数据类型的增益矩阵，对当前观测历元下的互补数据类型的状态向量进行估计，以确定各测站对应的定位坐标。上述技术方案通过数据类型对观测数据进行分类，并根据分类后的参考分类观测数据和互补分类观测数据分步进行增益矩阵的确定，从而减少了增益矩阵确定过程的数据运算量，进而提高了定位效率，使得上述导航定位方法在低配的计算设备中同样适用。
为了便于对下一观测历元时刻的状态向量进行预测，进而进行坐标定位，在上述各实施例的技术方案的基础上，进一步地，还包括：
根据估计的参考数据类型的状态向量的协方差矩阵，以及互补分类观测数据的增益矩阵和系数矩阵，确定当前观测历元下的互补数据类型的状态向量的协方差矩阵，以根据该协方差矩阵对下一观测历元的状态向量进行预测。
具体的，按照如下公式确定当前观测历元下的互补数据类型的状态向量的协方差矩阵：
pk/kc＝(i-kkghkc)pk/kg；
后续直接将pk/kc作为pk-1/k-1对下一观测历元的状态向量进行估计。
实施例二
图2是本发明实施例二中的一种导航定位方法的流程图。本发明实施例在上述各实施例的技术方案的基础上进行了细分优化。
进一步地，将操作“根据数据类型对测站的观测数据进行分类，得到参考分类观测数据和互补分类观测数据”，细分为“根据第一数据类型对测站的观测数据进行分类，得到初始参考分类观测数据和初始互补分类观测数据；根据第二数据类型对初始参考分类观测数据进行分类，得到目标参考分类观测数据和目标互补分类观测数据”，以对观测数据进行多重分类，通过多重分类的方式进一步减少确定增益矩阵时的数据运算量，进而提高导航定位的定位效率。
s211、根据第一数据类型对测站的观测数据进行分类，得到初始参考分类观测数据和初始互补分类观测数据。
s212、根据第二数据类型对初始参考分类观测数据进行分类，得到目标参考分类观测数据和目标互补分类观测数据。
所述数据类型包括参考数据类型和与参考数据类型相互补的互补数据类型。其中，第一数据类型和第二数据类型可以包括卫星系统类型、观测值类型、和/或载波频率类型中的至少两种。其中，所述卫星系统类型包括全球定位系统gps子类型和北斗卫星导航系统bds子类型；所述观测值类型包括伪距子类型和相位子类型；所述载波频率类型包括第一频率子类型和第二频率子类型。
以第一数据类型为卫星系统类型，第二数据类型为观测值类型为例，进行示例性说明。
具体的，根据卫星系统类型对测站的观测数据进行分类，得到属于gps子类型(也即，第一参考数据类型)的初始参考分类观测数据和属于bds子类型(也即第一互补数据类型)的初始互补分类观测数据。
根据观测值类型对gps子类型的初始参考分类观测数据进行分类，得到属于伪距子类型(也即，第二参考数据类型)的目标初始分类观测数据和属于相位子类型(也即，第二互补数据类型)的目标互补分类观测数据。
s221、根据目标参考分类观测数据，对当前观测历元下的第二参考数据类型的状态向量进行估计。
第一步，根据如下公式预测属于gps子类型的目标参考分类观测数据的状态向量及其协方差矩阵：
其中，k表示观测历元对应的时刻，φk/k-1为k-1观测历元时刻到k观测历元时刻的状态转移矩阵，
第二步，根据如下公式计算gps子类型的目标参考分类观测数据的增益矩阵：
其中，kkp为k观测历元时刻gps子类型的目标参考分类观测数据的增益矩阵，hkg为k观测历元时刻gps子类型的目标参考分类观测数据的系数矩阵，rkg为k观测历元时刻gps子类型的目标参考分类观测数据的观测噪声矩阵。
第三步，按照如下公式根据gps子类型的目标参考分类观测数据更新状态向量及其协方差矩阵：
其中，
s222、根据估计的第二参考数据类型的状态向量的协方差矩阵，以及目标互补分类观测数据的系数矩阵和动态噪声矩阵，确定当前观测历元下的第二互补数据类型的增益矩阵。
第四步，按照如下公式计算gps子类型的目标互补分类观测数据的增益矩阵：
其中，kkφ为k观测历元时刻gps子类型的目标互补分类观测数据的增益矩阵，hkφ为k观测历元时刻gps子类型的目标互补分类观测数据的系数矩阵，rkφ为k观测历元时刻gps子类型的目标互补分类观测数据的观测噪声矩阵。
s223、采用估计的第二参考数据类型的状态向量和当前观测历元下的第二互补数据类型的增益矩阵，对当前观测历元下的第二互补数据类型的状态向量进行估计。
第五步，按照如下公式根据gps子类型的目标互补分类观测数据更新状态向量：
其中，
s224、将估计的第二互补数据类型的状态向量作为当前观测历元下的第一参考数据类型的状态向量的估计。
将估计的
s230、根据估计的第一参考数据类型的状态向量的协方差矩阵，以及初始互补分类观测数据的系数矩阵和动态噪声矩阵，确定当前观测历元下的第一互补数据类型的增益矩阵。
第六步，按照如下公式计算bds子系统的初始互补分类观测数据的增益矩阵：
其中，kkc为k观测历元时刻bds子类型的初始互补分类观测数据的增益矩阵，hkc为k观测历元时刻bds子类型的初始互补分类观测数据的系数矩阵，rkc为k观测历元时刻bds子类型的初始互补分类观测数据的观测噪声矩阵。
s240、采用估计的第一参考数据类型的状态向量和当前观测历元下的第一互补数据类型的增益矩阵，对当前观测历元下的第一互补数据类型的状态向量进行估计，以确定各测站对应的定位坐标。
第七步，按照如下公式根据bds子类型的互补分类观测数据更新状态向量：
其中，
根据
需要说明的是，由于本发明实施例中仅采用gps子类型的初始参考分类观测数据中属于伪距子类型的目标参考分类观测数据的系数矩阵hkp和观测噪声矩阵rkp，使得在计算gps子类型的目标参考分类观测数据的增益矩阵kkp的过程中，求逆过程的运算量显著减少；仅采用gps子类型的初始参考分类观测数据中属于相位子类型的目标互补分类观测数据的系数矩阵hkφ和观测噪声矩阵rkφ，使得在计算gps子类型的目标互补分类观测数据的增益矩阵kkφ的过程中，求逆过程的运算量显著减少。
举例说明，由于将测站的观测数据按照gps子类型(下标为g)和bds子类型(下标为c)分为初始参考分类观测数据和初始互补分类观测数据；因此，在计算增益矩阵时，将原来的(6+6n)*8n维的增益矩阵kk分解为两个(6+6n)*4n的增益矩阵kkg和kkc。本发明实施例将初始参考分类观测数据又按照观测值类型分为属于伪距子类型(下标为p)的目标参考分类观测数据和属于相位子类型(下标为φ)的目标互补分类观测数据。因此，在计算增益矩阵kkg时，将原来的(6+6n)*4n维的增益矩阵kkg分解为两个(6+6n)*2n的增益矩阵kkp和kkφ。相应的，增益矩阵kkp和kkφ求逆过程均为2n*2n维的求逆运算量。
本发明实施例通过将通过第一数据类型对测站的观测数据进行分类得到初始参考分类观测数据和初始互补分类观测数据；将得到的初始参考分类观测数据根据第二数据类型进行再分类，得到目标参考分类观测数据和目标互补分类观测数据。通过在进行卡尔曼滤波的过程中，采用多重分类的方式进行各测站对应的定位坐标的确定，进一步减少了增益矩阵确定过程的运算量，从而提高了定位效率。
实施例三
图3是本发明实施例三中的一种导航定位方法的流程图。本发明实施例在上述各实施例的技术方案的基础上进行了细分优化。
进一步地，将操作“根据数据类型对测站的观测数据进行分类，得到参考分类观测数据和互补分类观测数据”，细分为“根据第一数据类型对测站的观测数据进行分类，得到初始参考分类观测数据和初始互补分类观测数据；根据第二数据类型对初始互补分类观测数据进行分类，得到目标参考分类观测数据和目标互补分类观测数据”，以对观测数据进行多重分类，通过多重分类的方式进一步减少确定增益矩阵时的数据运算量，进而提高导航定位的定位效率。
如图3所示的一种导航定位方法，包括：
s311、根据第一数据类型对测站的观测数据进行分类，得到初始参考分类观测数据和初始互补分类观测数据。
s312、根据第二数据类型对初始互补分类观测数据进行分类，得到目标参考分类观测数据和目标互补分类观测数据。
所述数据类型包括参考数据类型和与参考数据类型相互补的互补数据类型。其中，第一数据类型和第二数据类型可以包括卫星系统类型、观测值类型、和/或载波频率类型中的至少两种。其中，所述卫星系统类型包括全球定位系统gps子类型和北斗卫星导航系统bds子类型；所述观测值类型包括伪距子类型和相位子类型；所述载波频率类型包括第一频率子类型和第二频率子类型。
以第一数据类型为卫星系统类型，第二数据类型为载波频率类型为例，进行示例性说明。
具体的，根据卫星系统类型对测站的观测数据进行分类，得到属于gps子类型(也即，第一参考数据类型)的初始参考分类观测数据和属于bds子类型(也即第一互补数据类型)的初始互补分类观测数据。
根据载波频率类型对bds子类型的初始互补分类观测数据进行分类，得到属于第一频率子类型(也即，第二参考数据类型)的目标初始分类观测数据和属于第二频率子类型(也即，第二互补数据类型)的目标互补分类观测数据。
s320、根据初始参考分类观测数据，对当前观测历元下的第一参考数据类型的状态向量进行估计。
第一步，根据如下公式预测gps子类型的初始参考分类观测数据的状态向量及其协方差矩阵：
其中，k表示观测历元对应的时刻，φk/k-1为k-1观测历元时刻到k观测历元时刻的状态转移矩阵，
第二步，根据如下公式计算gps子类型的初始参考分类观测数据的增益矩阵：
其中，kkg为k观测历元时刻gps子类型的初始参考分类观测数据的增益矩阵，hkg为k观测历元时刻gps子类型的初始参考分类观测数据的系数矩阵，rkg为k观测历元时刻gps子类型的初始参考分类观测数据的观测噪声矩阵。
第三步，按照如下公式根据gps子类型的初始参考分类观测数据更新状态向量及其协方差矩阵：
其中，
s331、根据估计的第一参考数据类型的状态向量的协方差矩阵，以及目标参考数据类型的系数矩阵和动态噪声矩阵，确定当前观测历元下的第二参考数据类型的增益矩阵。
第四步，按照如下公式计算第一频率子类型的目标参考分类观测数据的增益矩阵：
其中，kkl1为k观测历元时刻第一频率子类型的目标参考分类观测数据的增益矩阵，hkl1为k观测历元时刻第一频率子类型的目标初始分类观测数据的系数矩阵，rkl1为k观测历元时刻第一频率子类型的目标初始分类观测数据的观测噪声矩阵。
s332、采用估计的第一参考数据类型的状态向量和当前观测历元下的第二参考数据类型的增益矩阵，对当前观测历元下的第二参考数据类型的状态向量进行估计。
第五步，按照如下公式根据第一频率子类型的目标初始分类观测数据更新状态向量和协方差矩阵：
其中，
s333、根据估计的第二参考数据类型的状态向量的协方差矩阵，以及目标互补分类观测数据的系数矩阵和动态噪声矩阵，确定当前观测历元下的第二互补数据类型的状态向量的增益矩阵。
第六步，按照如下公式计算第二频率子系统的目标互补分类观测数据的增益矩阵：
其中，kkl2为k观测历元时刻第二频率子类型的目标互补分类观测数据的增益矩阵，hkl2为k观测历元时刻第二频率子类型的目标互补分类观测数据的系数矩阵，rkl2为k观测历元时刻第二频率子类型的目标互补分类观测数据的观测噪声矩阵。
s340、采用估计的第二参考数据类型的状态向量和当前观测历元下的第二互补数据类型的增益矩阵，对当前观测历元下的第二互补数据类型的状态向量进行估计，以确定各测站对应的定位坐标。
第七步，按照如下公式根据第二频率子类型的目标互补分类观测数据更新状态向量：
其中，
根据
需要说明的是，由于本发明实施例中仅采用bds子类型的初始互补分类观测数据中属于第一频率子类型的目标参考分类观测数据的系数矩阵hkl1和观测噪声矩阵rkl1，使得在计算bds子类型的目标参考分类观测数据的增益矩阵kkl1的过程中，求逆过程的运算量显著减少；仅采用bds子类型的初始互补分类观测数据中属于第二频率子类型的目标互补分类观测数据的系数矩阵hkl2和观测噪声矩阵rkl2，使得在计算bds子类型的目标互补分类观测数据的增益矩阵kkl2的过程中，求逆过程的运算量显著减少。
举例说明，由于将测站的观测数据按照gps子类型(下标为g)和bds子类型(下标为c)分为初始参考分类观测数据和初始互补分类观测数据；因此，在计算增益矩阵时，将原来的(6+6n)*8n维的增益矩阵kk分解为两个(6+6n)*4n的增益矩阵kkg和kkc。本发明实施例将初始互补分类观测数据又按照载波频率类型分为属于第一频率子类型(下标为l1)的目标参考分类观测数据和属于第二频率子类型(下标为l2)的目标互补分类观测数据。因此，在计算增益矩阵kkc时，将原来的(6+6n)*4n维的增益矩阵kkc分解为两个(6+6n)*2n的增益矩阵kkl1和kkl2。相应的，增益矩阵kkl1和kkl2求逆过程均为2n*2n维的求逆运算量。
本发明实施例通过将通过第一数据类型对测站的观测数据进行分类得到初始参考分类观测数据和初始互补分类观测数据；将得到的初始互补分类观测数据根据第二数据类型进行再分类，得到目标参考分类观测数据和目标互补分类观测数据。通过在进行卡尔曼滤波的过程中，采用多重分类的方式进行各测站对应的定位坐标的确定，进一步减少了增益矩阵确定过程的运算量，从而提高了定位效率。
需要说明的是，在进行多重分类的过程中，可以将每次分类得到的参考分类观测数据和/或互补分类观测数据，再次进行至少一次的分类，可以进一步减少导航定位过程中的运算量，具体计算方式可参考上述各实施例所提供的技术方案，在此不再赘述。
实施例四
图4是本发明实施例四中的一种导航定位装置的结构图。本发明实施例适用于采用非组合ppp进行导航定位的情况，该装置由软件和/或硬件实现，并具体配置于具备导航定位功能的电子设备中。
如图4所示的一种导航定位装置，包括观测数据分类模块410，状态向量估计模块420，增益矩阵确定模块430以及坐标定位模块440。
其中，观测数据分类模块410，用于根据数据类型对测站的观测数据进行分类，得到参考分类观测数据和互补分类观测数据；所述数据类型包括参考数据类型和与参考数据类型相互补的互补数据类型；
状态向量估计模块420，用于根据参考分类观测数据，对当前观测历元下的参考数据类型的状态向量进行估计；
增益矩阵确定模块430，用于根据估计的参考数据类型的状态向量的协方差矩阵，以及互补分类观测数据的系数矩阵和动态噪声矩阵，确定当前观测历元下的互补数据类型的增益矩阵；
坐标定位模块440，用于采用估计的参考数据类型的状态向量和当前观测历元下的互补数据类型的增益矩阵，对当前观测历元下的互补数据类型的状态向量进行估计，以确定各测站对应的定位坐标。
本发明实施例通过观测数据分类模块根据数据类型对测站的观测数据进行分类得到参考分类观测数据和互补分类观测数据；数据类型包括参考数据类型和与参考数据类型相互补的互补数据类型；通过状态向量估计模块根据参考分类观测数据对当前观测历元下的参考数据类型的状态向量进行估计；通过增益矩阵确定模块根据估计的参考数据类型的状态向量的协方差矩阵，以及互补分类观测数据的系数矩阵和动态噪声矩阵，确定当前观测历元下的互补数据类型的增益矩阵；通过坐标定位模块采用估计的参考数据类型的状态向量和当前观测历元下的互补数据类型的增益矩阵，对当前观测历元下的互补数据类型的状态向量进行估计，以确定各测站对应的定位坐标。上述技术方案通过数据类型对观测数据进行分类，并根据分类后的参考分类观测数据和互补分类观测数据分步进行增益矩阵的确定，从而减少了增益矩阵确定过程的数据运算量，进而提高了定位效率。
进一步地，该装置还包括，协方差矩阵确定模块，用于：
在对当前观测历元下的互补数据类型的状态向量进行估计之后，根据估计的参考数据类型的状态向量的协方差矩阵，以及互补分类观测数据的增益矩阵和系数矩阵，确定当前观测历元下的互补数据类型的状态向量的协方差矩阵，以根据该协方差矩阵对下一观测历元的状态向量进行预测。
进一步地，增益矩阵确定模块430，具体用于：
根据如下公式确定当前观测历元下的互补数据类型的增益矩阵kkm：
其中，k为当前观测历元，n表示参考数据类型，m表示与n互补的互补数据类型，pk/kn为估计的当前观测历元下的参考数据类型的状态向量的协方差矩阵，hkm为互补分类观测数据的系数矩阵，rkm为互补分类观测数据的动态噪声矩阵；
相应的，坐标定位模块440，在执行采用估计的参考数据类型的状态向量和当前观测历元下的互补数据类型的增益矩阵，对当前观测历元的互补数据类型的状态向量进行估计时，具体用于：
根据如下公式对当前观测历元的互补数据类型的状态向量进行估计：
其中，
进一步地，协方差矩阵确定模块，具体用于：
根据如下公式确定当前观测历元的互补数据类型的状态向量的协方差矩阵pk/km：
pk/km＝(i-kkmhkm)pk/kn；
其中，pk/kn为估计的当前观测历元下的参考数据类型的状态向量的协方差矩，kkm为当前观测历元下的互补数据类型的增益矩阵，hkm为互补分类观测数据的系数矩阵。
进一步地，观测数据分类模块410，具体用于：
根据第一数据类型对测站的观测数据进行分类，得到初始参考分类观测数据和初始互补分类观测数据；
根据第二数据类型对初始参考分类观测数据和/或初始互补分类观测数据进行分类，得到目标参考分类观测数据和目标互补分类观测数据。
进一步地，在根据第二数据类型对初始参考分类观测数据进行分类时，状态向量估计模块420，具体用于：
根据目标参考分类观测数据，对当前观测历元下的第二参考数据类型的状态向量进行估计；
根据估计的第二参考数据类型的状态向量的协方差矩阵，以及目标互补分类观测数据的系数矩阵和动态噪声矩阵，确定当前观测历元下的第二互补数据类型的增益矩阵；
采用估计的第二参考数据类型的状态向量和当前观测历元下的第二互补数据类型的增益矩阵，对当前观测历元下的第二互补数据类型的状态向量进行估计；
将估计的第二互补数据类型的状态向量作为当前观测历元下的第一参考数据类型的状态向量的估计。
进一步地，在根据第二数据类型对初始互补分类观测数据进行分类时，状态向量估计模块420，具体用于：
根据初始参考分类观测数据，对当前观测历元下的第一参考数据类型的状态向量进行估计；
相应的，增益矩阵确定模块430，具体用于：
根据估计的第一参考数据类型的状态向量的协方差矩阵，以及目标参考数据类型的系数矩阵和动态噪声矩阵，确定当前观测历元下的第二参考数据类型的增益矩阵；
采用估计的第一参考数据类型的状态向量和当前观测历元下的第二参考数据类型的增益矩阵，对当前观测历元下的第二参考数据类型的状态向量进行估计；
根据估计的第二参考数据类型的状态向量的协方差矩阵，以及目标互补分类观测数据的系数矩阵和动态噪声矩阵，确定当前观测历元下的第二互补数据类型的状态向量的增益矩阵。
进一步地，所述数据类型包括卫星系统类型、观测值类型、和/或载波频率类型。
进一步地，所述卫星系统类型包括全球定位系统gps子类型和北斗卫星导航系统bds子类型；所述观测值类型包括伪距子类型和相位子类型；所述载波频率类型包括第一频率子类型和第二频率子类型。
上述导航定位装置可执行本发明任意实施例所提供的导航定位方法，具备执行导航定位方法相应的功能模块和有益效果。
实施例五
图5是本发明实施例五提供的一种电子设备的硬件结构示意图，该电子设备包括：
处理器510以及存储装置520。
一个或多个处理器510；
存储装置520，用于存储一个或多个程序。
图5中以一个处理器510为例，该电子设备中处理器510与存储装置520可以通过总线或其他方式连接，图5中以通过总线连接为例。
在本实施例中，电子设备中的处理器510可以根据数据类型对测站的观测数据进行分类，得到参考分类观测数据和互补分类观测数据；还可以根据参考分类观测数据对当前观测历元下的参考数据类型的状态向量进行估计；还可以根据估计的参考数据类型的状态向量的协方差矩阵，以及互补分类观测数据的系数矩阵和动态噪声矩阵，确定当前观测历元下的互补数据类型的增益矩阵；还可以采用估计的参考数据类型的状态向量和当前观测历元下的互补数据类型的增益矩阵，对当前观测历元下的互补数据类型的状态向量进行估计，以确定各测站对应的定位坐标。
该电子设备中的存储装置520作为一种计算机可读存储介质，可用于存储一个或多个程序，所述程序可以是软件程序、计算机可执行程序以及模块，如本发明实施例中导航定位方法对应的程序指令/模块(例如，附图4所示的观测数据分类模块410，状态向量估计模块420，增益矩阵确定模块430以及坐标定位模块440)。处理器510通过运行存储在存储装置520中的软件程序、指令以及模块，从而执行电子设备的各种功能应用以及数据处理，即实现上述方法实施例中的导航定位方法。
存储装置520可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储数据等(如上述实施例中的数据类型、观测数据、协方差矩阵、状态向量、增益矩阵以及各测站对应的定位坐标等)。此外，存储装置520可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储装置520可进一步包括相对于处理器510远程设置的存储器，这些远程存储器可以通过网络连接至服务器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
此外，本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被导航定位装置执行时实现本发明实施提供的导航定位方法，该方法包括：根据数据类型对测站的观测数据进行分类，得到参考分类观测数据和互补分类观测数据；所述数据类型包括参考数据类型和与参考数据类型相互补的互补数据类型；根据参考分类观测数据，对当前观测历元下的参考数据类型的状态向量进行估计；根据估计的参考数据类型的状态向量的协方差矩阵，以及互补分类观测数据的系数矩阵和动态噪声矩阵，确定当前观测历元下的互补数据类型的增益矩阵；采用估计的参考数据类型的状态向量和当前观测历元下的互补数据类型的增益矩阵，对当前观测历元下的互补数据类型的状态向量进行估计，以确定各测站对应的定位坐标。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(read-onlymemory,rom)、随机存取存储器(randomaccessmemory,ram)、闪存(flash)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
- 还没有人留言评论。精彩留言会获得点赞！