一种部分模糊度固定方法、装置、计算机设备和存储介质与流程

本发明涉及gnss卫星导航领域，具体涉及载波相位定位模糊度求解，尤其涉及一种部分模糊度固定方法、装置、计算机设备和存储介质。

背景技术：

利用载波相位进行精密定位的核心问题之一是求解整周模糊度，整周模糊度的正确解算是厘米级高精度定位的必要前提。模糊度固定理论与方法长久以来都是gnss(全球导航卫星系统)载波相位差分技术领域最热门的研究点之一，发展出了一系列富有代表性的模糊度固定思想及理论。模糊度的固定包括模糊度固定与模糊度确认两部分。通常利用卡尔曼滤波或者最小二乘法可得到模糊度参数的浮点解，但其所解算出来的位置参数解或基线向量解的精度通常较差，只有将模糊度参数正确地固定到整数值，才能使位置参数解或基线向量解达到厘米级甚至毫米级的精度。

这其中，lambda算法(一种基于最小二乘估计调整的搜索算法)被普遍接受为理论最严密、适用性最强的模糊度固定方法，已被广泛应用于各类基于高精度gnss定位的变形监测系统中。同时，随着gnss的多元化发展，gnss定位服务已具有更强的稳定性和可靠性，但卫星数目的增多也大幅度降低了模糊度固定的效率，甚至导致模糊度无法正确固定。在滑坡实时监测中，复杂的观测环境增大了数据处理的难度，往往无法保证所有模糊度固定解的正确性，从而降低了监测结果精度。

技术实现要素：

针对上述问题，本发明提出一种部分模糊度固定方法、装置、计算机设备和存储介质，并结合模糊度确认方法，实现对模糊度估计过程的质量控制，提升滑坡监测复杂环境下模糊度固定率及定位精度。

为实现上述目的，本发明提出一种部分模糊度固定方法，应用于滑坡监测，包括：

步骤1、对所有卫星集合的模糊度进行固定，成功则返回固定解，若固定失败则进入步骤2；

步骤2、在卫星层面，对常规的筛选策略进行改进，得到较优模糊度子集，并对所述较优模糊度子集进行固定，若固定成功则修正剩余的模糊度，并计算最终的模糊度参数和位置参数的固定解；若固定失败，则进入步骤3；

步骤3、在所述较优模糊度子集基础上，以模糊度衰减因子值为准则进一步对较优模糊度子集进行筛选并固定。

其中，所述步骤1、对所有卫星集合的模糊度进行固定，成功则返回固定解，若固定失败则进入步骤2具体包括：

步骤11、利用lambda算法对所有卫星集合的浮点模糊度参数进行搜索，并对搜索结果进行成功率指标检验，若通过检验则认为固定成功，返回所述固定解，否则认为固定失败则进入步骤2。

其中，所述步骤2、在卫星层面，对常规的筛选策略进行改进，得到较优模糊度子集，并对此模糊度子集进行固定，若固定成功则修正剩余的模糊度，并计算最终的模糊度参数和位置参数的固定解；若固定失败，则进入步骤3具体包括：

步骤21、在卫星层面上对模糊度子集进行划分，首先挑选出连续锁定历元数大于设定阈值的所有基准站与移动站的共视卫星，然后依据方位角将此集合ω0划分为4个子集，每个90°为一个子集，将划分的4个卫星子集分别计为q1、q2、q3及q4；

步骤22、对于子集q1，剔除1颗仰角低于阈值或者信噪比低于第一阈值的卫星，记为s1，将剩余所有卫星及其他子集的集合记为ω1，以使ω1的几何精度因子值g1最低且小于gdop几何精度因子阈值gth，对于其他3个子集执行相同操作，得到被剔除的卫星s2、s3及s4和集合ω2、ω3及ω4以及其相应的几何精度因子值g2、g3和g4，并将最小几何精度因子值对应的集合作为候选集合h1，其几何精度因子值记为gmin1；

步骤23、将步骤22中得到的4颗被剔除的卫星进行两两组合，分别从原集合ω0中剔除，并计算剩余卫星集合的几何精度因子，将几何精度因子值最小且小于所述阈值gth所对应的集合记为候选集合h2,其几何精度因子值记为gmin2；

步骤24、比较gmin1与gmin2，选择其中较小的所对应的集合作为所述步骤1所筛选的卫星集合，并将其所构成的模糊度子集记为a1，剩余的模糊度子集记为a2；

步骤25、对于a1使用lambda算法对模糊度进行搜索，将搜索的结果进行r-ratio与bootstrapping成功率指标的联合检验，若通过检验，则认为固定成功，计算固定解；若固定失败，则进入步骤3。

其中，所述步骤25之后，所述方法还包括：

步骤26、模糊度固定成功、计算固定解之后，修正剩余模糊度。

其中，所述步骤3、在所述较优模糊度子集基础上，以模糊度衰减因子值为准则进一步对较优模糊度子集进行筛选并固定具体包括：

步骤31、若步骤25固定失败，则根据模糊度方差对a1进行排序，将方差较大的两个模糊度分别记为amax1及amax2，计算单独剔除其中一个模糊度之后剩余卫星星座的几何精度因子值，若剔除amax1后，剩余卫星星座的几何精度因子值较小，则将amax1归入子集a2，否则将amax2归入子集a2，然后根据a1剩下的模糊度子集的方差协方差矩阵计算第一模糊度衰减因子值，并记录所述根据a1剩下的模糊度子集及其第一模糊度衰减因子值；

步骤32、若所述第一模糊度衰减因子值不超过第二阈值，则将所述根据a1剩下的模糊度子集判定为最优模糊度子集，进入步骤33；若所述第一模糊度衰减因子值超过所述第二阈值，则从子集a1中挑选方差较大的三个模糊度amax1、amax2、amax3，然后分别计算剔除其中两个模糊度之后剩余卫星星座的几何精度因子值，将几何精度因子值较小的两个模糊度组合归入子集a2，计算a1剩余子集的第二模糊度衰减因子值，同样记录所述剩余子集与第二模糊度衰减因子值，并将第二模糊度衰减因子与第三阈值进行比较，若满足条件则进入步骤33，若仍不满足条件则将第二模糊度衰减因子值与第一模糊度衰减因子值进行比较，选择较小模糊度衰减因子值所对应的子集作为最优模糊度子集并进入下一步；

步骤33、使用lambda算法对筛选出的所述最优模糊度子集进行搜索，并进行r-ratio及bootstrapping成功率指标联合检验，若固定成功，则计算最终固定解，并修正剩余模糊度；若固定失败则保存浮点解。

本发明实施例还提供一种部分模糊度固定装置，应用于滑坡监测，包括：

所有卫星集合模糊度固定模块，用于对所有卫星集合的模糊度进行固定，成功则返回固定解，若固定失败则调用第一卫星层面模糊度固定模块；

第一卫星层面模糊度固定模块，用于在卫星层面，对常规的筛选策略进行改进，得到较优模糊度子集，并对所述较优模糊度子集进行固定，若固定成功则修正剩余的模糊度，并计算最终的模糊度参数和位置参数的固定解；若固定失败，则调用第二卫星层面模糊度固定模块；

第二卫星层面模糊度固定模块，用于在所述较优模糊度子集基础上，以模糊度衰减因子值为准则进一步对较优模糊度子集进行筛选并固定。

其中，所述所有卫星集合模糊度固定模块还包括：

第一检验单元，用于利用lambda算法对所有卫星集合的浮点模糊度参数进行搜索，并对搜索结果进行成功率指标检验，若通过检验则认为固定成功，返回所述固定解，否则认为固定失败则调用第一卫星层面模糊度固定模块。

本发明还提供一种计算机设备，其特征在于，所述计算机设备包括处理器、存储器和通信总线；

所述通信总线用于实现处理器和存储器之间的连接通信；

所述计算机设备还包括存储在所述存储器上并可在所述处理器上运行的部分模糊度固定程序，所述部分模糊度固定程序被所述处理器执行时实现如上述的部分模糊度固定方法的步骤。

本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有部分模糊度固定程序，所述部分模糊度固定程序被所述处理器执行时实现如上述的部分模糊度固定方法的步骤。

本发明实施例提供的部分模糊度固定方法，应用于滑坡监测，通过步骤1、2和3逐步进行模糊度固定，保持了定位性能的同时又确保模糊度固定的准确性，部分模糊度固定方法，结合模糊度确认方法，实现对模糊度估计过程的质量控制，提升滑坡监测复杂环境下模糊度固定率及定位精度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。

图1是本发明实施例的部分模糊度固定方法的流程图；

图2是本发明另一实施例的部分模糊度固定方法的流程图；

图3是本发明实施例的部分模糊度固定方法的常规par算法解算结果；

图4是本发明实施例的部分模糊度固定方法的新par算法解算结果

图5是本发明实施例的部分模糊度固定装置的结构框图；

图6是本发明实施例的计算机设备的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明，本发明实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。

另外，在本发明中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。

在本发明中，除非另有明确的规定和限定，术语“连接”、“固定”等应做广义理解，例如，“固定”可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

实施例一

多模单频gnss-rtk(real-timekinematic，实时动态)带来低成本监测的同时，也降低了模糊度固定的可靠性。在滑坡实时监测，复杂的环境使得gnss高精度数据处理面临了以下三个困难：

1)大部分监测点位于山腰，由于山体的遮挡，所观测到的卫星空间构型往往不具有对称性，这使得观测结果即使是在平面上也不能具备较强的稳定性；

2)滑坡体周围通常存在茂盛植被、高大建筑及溪流等信号强反射体，增加了双差模型中难以消除的多路径误差，降低了模糊度固定最优解的准确性甚至导致模糊度搜索失败，从而降低监测结果的可靠性；

3)实时监测每历元数据传输量较大，容易发生通讯阻塞现象，导致在传输过程中部分甚至全部观测值丢失，同时，接收机长期在野外缺乏常期的维护，这也增大了载波相位观测值发生周跳的可能性。

部分模糊度固定的基本思想是将模糊度依据某种准则划分成两个子集，优先固定较为容易固定的子集。具体来说，将模糊度向量分为两个子集则其方差协方差矩阵可相应表示为：

其中，表示选取的较为容易固定的模糊度子集，表示剩余的模糊度子集。当采用lambda方法固定子集后，可利用的整数解对及其方差协方差矩阵进行修正，得到的整数解及其固定后的方差协方差矩阵：

常规单频部分模糊度选择子集的两类方法，一类是在卫星层面上，根据卫星仰角、信噪比或连续锁定历元数等对精度较差得卫星进行剔除；另一类是在模糊度层面上，根据模糊度的方差大小或bootstrping成功率或adop(模糊度衰减因子)大小进行排序，循环迭代剔除模糊度。这两类方法的子集选取策略通常较为单一，存在各自的弊端，本发明在上述的两类方法的基础上，提出一种新的单频组合部分模糊度算法。

为了解决上述问题提出单频gnss-rtk部分模糊度固定方法，具体是多模单频gnss-rtk部分模糊度固定方法，是一种新的部分模糊度(par)算法。如图1所示，本发明实施例提出部分模糊度固定方法，应用于滑坡监测，包括：

步骤1、对所有卫星集合的模糊度进行固定，成功则返回固定解，若固定失败则进入步骤2；

将单频gnss-rtk部分模糊度固定方法分为三个阶段，第一阶段(相当于步骤1)不对模糊度参数划分子集，对所有模糊度进行固定，成功则返回固定解，若固定失败则进入第二阶段。

步骤2、在卫星层面，对常规的筛选策略进行改进，得到较优模糊度子集，并对所述较优模糊度子集进行固定，若固定成功则修正剩余的模糊度，并计算最终的模糊度参数和位置参数的固定解；若固定失败，则进入步骤3；

第二阶段(相当于步骤2)在卫星层面，对常规的筛选策略进行改进，得到较优模糊度子集，并对此模糊度子集进行固定，若固定成功则修正剩余的模糊度，并计算最终的模糊度参数和位置参数的固定解。

步骤3、在所述较优模糊度子集基础上，以模糊度衰减因子值为准则进一步对较优模糊度子集进行筛选并固定。

若第二阶段固定失败，则进入第三阶段(相当于步骤3)，在第二阶段所选取的模糊度子集基础上，以adop(模糊度衰减因子)值为准则进一步对模糊度子集进行筛选并固定。后两个阶段均考虑所选卫星的分布情况，尽可能使最终子集达到最优，从而提供解算的固定率和定位精度。

第二阶段和第三阶段这两个阶段均考虑所选卫星的分布情况，尽可能使最终子集达到最优，从而提供解算的固定率和精度。

本发明实施例的有益效果在于，通过步骤1、2和3逐步进行模糊度固定，保持了定位性能的同时又确保模糊度固定的准确性，单频gnss-rtk部分模糊度固定方法，结合模糊度确认方法，实现对模糊度估计过程的质量控制，提升滑坡监测复杂环境下模糊度固定率及定位精度。

在一些实施例中，所述步骤1、对所有卫星集合的模糊度进行固定，成功则返回固定解，若固定失败则进入步骤2具体包括：

步骤11、利用lambda算法对所有卫星集合的浮点模糊度参数进行搜索，并对搜索结果进行成功率指标检验，若通过检验则认为固定成功，返回所述固定解，否则认为固定失败则进入步骤2。

具体地，首先尝试对所有模糊度进行固定，不划分模糊度子集，利用lambda算法对所有浮点模糊度参数进行搜索，并对搜索结果进行r-ratio(夏普比率(sharperatio))及bootstrapping(自扩展技术，指的就是利用有限的样本资料经由多次重复抽样，重新建立起足以代表母体样本分布的新样本)成功率指标联合检验，若通过检验则认为固定成功，否则进入下一步。

具体地，所述步骤2、在卫星层面，对常规的筛选策略进行改进，得到较优模糊度子集，并对此模糊度子集进行固定，若固定成功则修正剩余的模糊度，并计算最终的模糊度参数和位置参数的固定解；若固定失败，则进入步骤3具体包括：

步骤21、在卫星层面上对模糊度子集进行划分，首先挑选出连续锁定历元数大于设定阈值的所有基准站与移动站的共视卫星，然后依据方位角将此集合ω0划分为4个子集，每个90°为一个子集，将划分的4个卫星子集分别计为q1、q2、q3及q4；例如所述设定阈值为15个历元。

步骤22、对于子集q1，剔除1颗仰角低于阈值(可以将该仰角的阈值设为15-20度)或者信噪比低于第一阈值(例如35-40db)的卫星，记为s1，将剩余所有卫星及其他子集的集合记为ω1，以使ω1的几何精度因子值g1最低且小于几何精度因子阈值gth，该几何精度因子阈值gth的范围可以等于2.5，对于其他3个子集执行相同操作，得到被剔除的卫星s2、s3及s4和集合ω2、ω3及ω4以及其相应的几何精度因子值g2、g3和g4，并将最小几何精度因子值对应的集合作为候选集合h1，其几何精度因子值记为gmin1；

步骤23、将步骤22中得到的4颗被剔除的卫星进行两两组合，分别从原集合ω0中剔除，并计算剩余卫星集合的几何精度因子，将几何精度因子值最小且小于所述阈值gth所对应的集合记为候选集合h2,其几何精度因子值记为gmin2；

步骤24、比较gmin1与gmin2，选择其中较小的所对应的集合作为所述步骤1所筛选的卫星集合，并将其所构成的模糊度子集记为a1，剩余的模糊度子集记为a2；

步骤25、对于a1使用lambda算法对模糊度进行搜索，将搜索的结果进行r-ratio与bootstrapping成功率指标的联合检验，若通过检验，则认为固定成功，计算固定解；若固定失败，则进入步骤3。

在另一些实施例中，所述步骤25之后，所述方法还包括：

步骤26、模糊度固定成功、计算固定解之后，修正剩余模糊度。

其中，所述步骤3、在所述较优模糊度子集基础上，以模糊度衰减因子值为准则进一步对较优模糊度子集进行筛选并固定具体包括：

步骤31、若步骤25固定失败，则根据模糊度方差对a1进行排序，将方差较大的两个模糊度分别记为amax1及amax2，计算单独剔除其中一个模糊度之后剩余卫星星座的几何精度因子值，若剔除amax1后，剩余卫星星座的几何精度因子值较小，则将amax1归入子集a2，否则将amax2归入子集a2，然后根据a1剩下的模糊度子集的方差协方差矩阵计算第一模糊度衰减因子值，并记录所述根据a1剩下的模糊度子集及其第一模糊度衰减因子值；

步骤32、若所述第一模糊度衰减因子值不超过第二阈值(根据当地卫星分布调整取经验值)，则将所述根据a1剩下的模糊度子集判定为最优模糊度子集，进入步骤33；若所述第一模糊度衰减因子值超过所述第二阈值(根据当地卫星分布调整取经验值)，则从子集a1中挑选方差较大的三个模糊度amax1、amax2、amax3，然后分别计算剔除其中两个模糊度之后剩余卫星星座的几何精度因子值，将几何精度因子值较小的两个模糊度组合归入子集a2，计算a1剩余子集的第二模糊度衰减因子值，同样记录所述剩余子集与第二模糊度衰减因子值，并将第二模糊度衰减因子与第三阈值(根据当地卫星分布调整取经验值)进行比较，若满足条件则进入步骤33，若仍不满足条件则将第二模糊度衰减因子值与第一模糊度衰减因子值进行比较，选择较小模糊度衰减因子值所对应的子集作为最优模糊度子集并进入下一步；

步骤33、使用lambda算法对筛选出的所述最优模糊度子集进行搜索，并进行r-ratio及bootstrapping成功率指标联合检验，若固定成功，则计算最终固定解，并修正剩余模糊度；若固定失败则保存浮点解。

本发明实施例的部分模糊度方法，在滑坡实时监测中，复杂的观测环境下保持了定位性能的同时又提高了模糊度的固定率；可在滑坡监测中增强了gnss定位服务的稳定性和可靠性；并提高了滑坡监测的精度。

具体地，各种模糊度的确认方法中，目前常用的是r-ratio检验方法，其检验阈值通常设为一个固定的经验值，在实际应用中可能出现阈值设置不合适的情况，因此本算法在对模糊度进行确认时，采用r-ratio检验与模糊度固定成功率指标判定相结合的方法，在模糊度固定完成后，进行r-ratio与bootstrapping成功率指标联合检验，将bootstrapping成功率以及r-ratio值均作为模糊度检验的指标，若均超过阈值，则认为固定成功；否则认为固定失败，当前历元的解算结果采用浮点解。

在模糊度估计理论中，模糊度估计类可分为整数估计类和整数孔径估计类。整数估计类认为，模糊度估计完成后，仅有成功和失败两个结果；整数孔径估计类认为，在模糊度估计完成后，有成功、失败和不确定三种结果。

对于整数孔径估计类，假设u表示全体整数孔径估计的归整域集合，u0表示初始归整域，ua为正确的归整域，则整数孔径估计理论中，三种状态的概率分别为：

其中，ps为模糊度落在正确归整域内的概率，pf为模糊度落在错误归整域内的概率，pu为模糊度没有落在归整域内的概率，为固定解残差的概率密度函数。则其最终的模糊度估计成功率为：

对于整数估计类，模糊度估计的成功率可表示为：

其中，为模糊度的概率密度函数，sa为正确的归整域。

本算法所采用的核心搜索方法为lambda算法，属于整数估计类，是一种基于整数最小二乘的搜索算法，bootstrapping成功率为整数最小二乘成功率的下限，因此可采用其作为模糊度固定成功率的近似值，即：

图2示意出本发明另一实施例部分模糊度方法的流程图。

为了体现本算法的效果，选取了广西壮族自治区百色市隆林县某滑坡隐患监测区实测数据进行验证。选取的基站与监测站相距150.6米，基准站位于隐患区外的民房楼顶，观测环境较为良好，其坐标经过长时间静态定位后处理得到。监测站位于位于该滑坡隐患监测区中，此监测站位于一山坡上，观测环境受坡体及周围树木影响。本实验使用低成本bds/gps双模单频接收机进行数据采集，共计2715个历元，采用常规par算法和本算法做模糊度固定率对比实验，突出本算法的有效性。

采用常规par算法的解算结果如图3所示，从图中可以看出(黑色部分表示固定解，灰色部分表示浮点解)，尤其是数据的前半段，但在数据的后半段仍出现了大量浮点解，说明常规par算法并不能很好地剔除所有影响模糊度解算的卫星。

新算法的解算结果如图4所示，从图中可以看出(黑色部分表示固定解，灰色部分表示浮点解)，在整个观测时段，几乎所有的解均为固定解。相比于常规par算法，在数据的后半段，常规par算法出现浮点解的历元，在该算法中均为固定解，说明该算法可进一步识别对模糊度固定有影响的卫星，从而提升模糊度的固定率。

实施例二

如图5所示，本发明第二实施例提供部分模糊度装置100，应用于滑坡监测，包括：

所有卫星集合模糊度固定模块101，用于对所有卫星集合的模糊度进行固定，成功则返回固定解，若固定失败则调用第一卫星层面模糊度固定模块；

第一卫星层面模糊度固定模块102，用于在卫星层面，对常规的筛选策略进行改进，得到较优模糊度子集，并对所述较优模糊度子集进行固定，若固定成功则修正剩余的模糊度，并计算最终的模糊度参数和位置参数的固定解；若固定失败，则调用第二卫星层面模糊度固定模块；

第二卫星层面模糊度固定模块103，用于在所述较优模糊度子集基础上，以模糊度衰减因子值为准则进一步对较优模糊度子集进行筛选并固定。

其中，所述所有卫星集合模糊度固定模块还包括：

第一检验单元，用于利用lambda算法对所有卫星集合的浮点模糊度参数进行搜索，并对搜索结果进行成功率指标检验，若通过检验则认为固定成功，返回所述固定解，否则认为固定失败则调用第一卫星层面模糊度固定模块。

在一些实施例中，所述第一卫星层面模糊度固定模块还包括：

第一模糊度子集划分单元，用于在卫星层面上对模糊度子集进行划分，首先挑选出连续锁定历元数大于设定阈值的所有基准站与移动站的共视卫星，然后依据方位角将此集合ω0划分为4个子集，每个900为一个子集，将划分的4个卫星子集分别计为q1、q2、q3及q4；

第一比较单元，用于对于子集q1，剔除1颗仰角低于阈值或者信噪比低于第一阈值的卫星，记为s1，将剩余所有卫星及其他子集的集合记为ω1，以使ω1的几何精度因子值g1最低且小于gdop几何精度因子阈值gth，对于其他3个子集执行相同操作，得到被剔除的卫星s2、s3及s4和集合ω2、ω3及ω4以及其相应的几何精度因子值g2、g3和g4，并将最小几何精度因子值对应的集合作为候选集合h1，其几何精度因子值记为gmin1；

第一计算单元，用于将在第一比较单元中得到的4颗被剔除的卫星进行两两组合，分别从原集合ω0中剔除，并计算剩余卫星集合的几何精度因子，将几何精度因子值最小且小于所述阈值gth所对应的集合记为候选集合h2,其几何精度因子值记为gmin2；

第二比较单元，用于比较gmin1与gmin2，选择其中较小的所对应的集合作为所述步骤1所筛选的卫星集合，并将其所构成的模糊度子集记为a1，剩余的模糊度子集记为a2；

第二检验单元，用于对于a1使用lambda算法对模糊度进行搜索，将搜索的结果进行r-ratio与bootstrapping成功率指标的联合检验，若通过检验，则认为固定成功，计算固定解；若固定失败，则调用第二卫星层面模糊度固定模块。

具体地，所述第二卫星层面模糊度固定模块还包括：

第二计算单元，用于若在第一检验单元中固定失败，则根据模糊度方差对a1进行排序，将方差较大的两个模糊度分别记为amax1及amax2，计算单独剔除其中一个模糊度之后剩余卫星星座的几何精度因子值，若剔除amax1后，剩余卫星星座的几何精度因子值较小，则将amax1归入子集a2，否则将amax2归入子集a2，然后根据a1剩下的模糊度子集的方差协方差矩阵计算第一模糊度衰减因子值，并记录所述根据a1剩下的模糊度子集及其第一模糊度衰减因子值；

第三计算单元，用于若所述第一模糊度衰减因子值不超过第二阈值，则将所述根据a1剩下的模糊度子集判定为最优模糊度子集，进入步骤33；若所述第一模糊度衰减因子值超过所述第二阈值，则从子集a1中挑选方差较大的三个模糊度amax1、amax2、amax3，然后分别计算剔除其中两个模糊度之后剩余卫星星座的几何精度因子值，将几何精度因子值较小的两个模糊度组合归入子集a2，计算a1剩余子集的第二模糊度衰减因子值，同样记录所述剩余子集与第二模糊度衰减因子值，并将第二模糊度衰减因子与第三阈值进行比较，若满足条件则进入步骤33，若仍不满足条件则将第二模糊度衰减因子值与第一模糊度衰减因子值进行比较，选择较小模糊度衰减因子值所对应的子集作为最优模糊度子集并进入下一步；

第三检验单元，用于使用lambda算法对筛选出的所述最优模糊度子集进行搜索，并进行r-ratio及bootstrapping成功率指标联合检验，若固定成功，则计算最终固定解，并修正剩余模糊度；若固定失败则保存浮点解。

需要说明的是，本实施例的装置与上述实施例的部分模糊度方法基于相同的发明构思，其具体实现过程详细见方法实施例，且方法实施例中的技术特征在本实施例中均对应适用，在此不再详述。

本发明实施例的部分模糊度方法，在滑坡实时监测中，复杂的观测环境下保持了定位性能的同时又提高了模糊度的固定率；可在滑坡监测中增强了gnss定位服务的稳定性和可靠性；并提高了滑坡监测的精度。

如图6所示，本发明提供一种计算机设备5，所述计算机设备5包括通信总线、存储器51和处理器52。所述计算机设备5还包括存储在所述存储器51上并可在所述处理器52上运行的部分模糊度固定程序；所述通信总线用于实现处理器和存储器之间的连接通信；

所述部分模糊度固定程序被所述处理器52执行时，用于实现以下所述的部分模糊度固定方法的步骤：

所述方法包括：

步骤1、对所有卫星集合的模糊度进行固定，成功则返回固定解，若固定失败则进入步骤2；

步骤2、在卫星层面，对常规的筛选策略进行改进，得到较优模糊度子集，并对所述较优模糊度子集进行固定，若固定成功则修正剩余的模糊度，并计算最终的模糊度参数和位置参数的固定解；若固定失败，则进入步骤3；

步骤3、在所述较优模糊度子集基础上，以模糊度衰减因子值为准则进一步对较优模糊度子集进行筛选并固定。

本发明实施例的有益效果在于，通过步骤1、2和3逐步进行模糊度固定，保持了定位性能的同时又确保模糊度固定的准确性，单频gnss-rtk部分模糊度固定方法，结合模糊度确认方法，实现对模糊度估计过程的质量控制，提升滑坡监测复杂环境下模糊度固定率及定位精度。

需要说明的是，本实施例的计算机设备，与第一实施例的方法属于同一构思，其具体实现过程详细见方法实施例，且方法实施例中的技术特征在本实施例中均对应适用，这里不再赘述。

本发明提供一种计算机可读存储介质，所述计算机可读存储介质上存储有部分模糊度固定程序，所述部分模糊度固定程序被处理器执行时用于实现第一实施例和第二实施例所述的部分模糊度固定方法的步骤。

需要说明的是，本实施例的计算机可读存储介质，与第一实施例的方法属于同一构思，其具体实现过程详细见方法实施例，且方法实施例中的技术特征在本实施例中均对应适用，这里不再赘述。

本发明实施例的计算机可读存储介质，在滑坡实时监测中，复杂的观测环境下保持了定位性能的同时又提高了模糊度的固定率；可在滑坡监测中增强了gnss定位服务的稳定性和可靠性；并提高了滑坡监测的精度。

本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于ram、rom、eeprom、闪存或其他存储器技术、cd-rom、数字多功能盘(dvd)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。

以上参照附图说明了本发明的优选实施例，并非因此局限本发明的权利范围。本领域技术人员不脱离本发明的范围和实质内所作的任何修改、等同替换和改进，均应在本发明的权利范围之内。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是在本发明的申请构思下，利用本发明说明书及附图内容所作的等效结构变换，或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。