整周模糊度的求解方法

GPS整周模糊度的求解方法

遥感学院地理信息系统

摘要：高精度GPS定位，必须采用相位观测量。接收机纪录的只是相位差的小数部分，而初始的整周部分N 是初始观测历元卫星和观测站间距离相对于载波波长的整数，称为整周模糊度，是未知的。在GPS 定位中，得到模糊度初值后，如何选择合适的搜索准则和解算方法将直接影响定位的效率。本文分析了几种常用的整周模糊度的求解算法的优缺点，并详细讲解了整周模糊度的求解的具有较大优势的新方法。

关键字：GPS,整周模糊度；伪距法；经典待定系数法；多普勒法；快速模糊度解算法，整周模糊度函数法，多历元，最小二乘

精密型GPS信号接收机都具有伪距和载波相位两种基本观测量,载波相位观测量能提供厘米级精度的相对定位成果.但由于载波相位测量存在整周模糊度解算问题,致使其用于快速定位及导航时有些困难,快速而准确地求解模糊度,就成了问题的关键载波相位观测量是进行GPS高精度定位的重要信息。目前，利用载波相位观测量及载波相位的差分技术是获得高精度定位得主要方法。而这种定位方是以整周模糊度的正确求解为前提的，一个整周数值的错误，将会产生0.2m左右的定位偏差。因此整周模糊度的解算是利用载波相位观测值进行高精度导航定位的核心问题。

确定整周模糊度的一般方法:

整周模糊度求解的理论及其实用研究是近一、二十年的研究热点和难点。许多学者提出了一些解算方法,其中快速模糊度解算法、整周模糊度函数法、经典待定系数法、多普勒法（三差法）、伪距法为常用的方法。

1. 快速模糊度解算法（FARA）[J]

快速模糊度解算法FARA是一种基于统计检验的算法.首先用一组相位观测数据进行双差解,求解出实数的双差相位模糊度和位置参数.然后,根据解的统计信息,建立置信区间,对每一组落在该置信区间的模糊度组合进行检验,找出一组既能满足统计检验,又具有最小方差的模糊度组合作为正确的模糊度解'".

FARA的采样时间很短,利用少量观测量进行初次平差计算所求得的基线和模糊度参数的精度并不高,与它们最接近的整数不一定就是正确的整周模糊度.但是大约有99%的可能性,正确的整数是落在置信区间内的.因此,将全部模糊度参数的候选值排列组合起来.正确的一组整数组合必然在其中,接着通过各种检验,将不正确的整数组合先行剔除,将可能正确的少数组合保留下来,将保留下来的整数组合作为已知值代人重新进行平差计算,计算的一组整数组合所产生的单位权方差应为最小,根据这一原理将正确的一组整周模糊度挑选出来.

2. 整周模糊度函数法[J]

模糊度函数法AFM是利用模糊度的整数特性来确定模糊度的一种方法。他将载波相位残差转化为复平面上的一个函数，然后利用余弦函数对2郑州倍数的不敏感性，则对应函数值最大的搜索网络点为要求之解。找到该解后，即可由观测值确定整周模糊度。

模糊度函数法确定整周模糊度的方法按以下3歩进行：确定未知点的初始化坐标，简历搜索空间；逐点搜索；固定模糊度。

该方法的缺点是：搜索空间极大，计算量非常庞大，计算时间较长；难以满足动态实时的要求。

3.经典待定系数法[i]

把整周未知数当做平差计算中的来加以估计和确定有两种方法。

(1) 整数解

整周未知数从理论上讲应该是一个整数，利用这一特性能提高解的精度。短基线定位时一般采用这种方法。具体步骤如下：

首先根据卫星位置和修复了周跳后的相位观测值进行平差计算，求得基线向量和整周未知数。由于各

种误差的影响，解得的整周未知数往往不是一个整数，称为实数解。然后将其固定为整数（通常采用四舍五入法），并重新进行平差计算。在计算中整周未知数采用整周值并视为已知数，以求得基线向量的最后值。

(2)实数解

当基线较长时，误差的相关性将降低，许多误差消除的不够完善。所以无论是基线向量还是整周未知数，均无法估计的很准确。在这种情况下再将整周未知数固定为某一整数往往无实际意义，所以通常将实数解作为最后解。

采用经典方法解算整周未知数时，为了能正确求得这些参数，往往需要一个小时甚至更长的观测时间，从而影响了作业效率，所以只有在高精度定位领域中才应用。

4.多普勒法（三差法）[i]

由于连续跟踪的所有载波相位观测值中均含有相同的整周未知数N0，所以将相邻的两个观测历元的载波相位相减，就将该未知参数消去，从而直接接触坐标参数。这就是多普勒法。但是两个历元之间的载波相位观测值之差受到此期间接收机钟及卫星钟的随机误差的影响，所以精度不太好，往往用来解算未知参数的初始值。三差法可以消除掉许多误差，所以应用比较广泛。

5.伪距法[i]

伪距法是在进行载波相位测量的同时又进行了伪距测量，将伪距观测值减去载波相位测量的实际观测值（化为以距离为单位）后即可得到λ*N0.但由于伪距测量的精度比较低，所以要有较多的λ*N0取平均值后才能获得正确的整波段数。

确定整周模糊度的新方法：

1基于多历元递推最小二乘卡尔曼滤波方法的模糊度解算【x】

在GPS动态定位中,载波相位模糊度的解算多采用伪距信息和载波相位信息统一解算,其中伪距可以是一个历元的伪距观测信息,也可以是多个历元的伪距平滑信息,但是由于动态定位中目标点空间坐标在变化之中,载波相位信息目前常采用单个历元观测量,而放弃前续历元的载波相位观测信息。如能有效地利用此多个历元的载波相位信息,将有助于模糊度的解算。针对这个问题提出了同时使用多个历元的伪距信息和载波相位信息来解算载波相位模糊度。与此同时,卡尔曼滤波技术在GPS导航定位中有着广泛应用,但是由于受到系统状态方程模型精度的限制,在cm级的差分GPS定位中,卡尔曼滤波使用的并不多。但如果系统状态方程的模型精度很高,即仅对模糊度参数建模,滤波效果则大为改善。

GPS动态差分定位中的迭代最小二乘方法：

由GPS双差线性观测方程:

(1)

式中,L为双差码伪距和载波相位观测矢量;B为差分GPS定位系数矩阵;dx为坐标未知数改正数向量;N为载波相位双差模糊度,具有整数特性;A为模糊度系数矩阵;D为观测矢量方差阵。引入迭代最小二乘方法,可得到不含坐标未知数改正数向量dx的定位方程:

(2)

式中, ,I为单位阵, , ,其对应的法方程为:

(3)

由方程(3)可解得模糊度浮点解:

方程(2)中不再具有坐标未知数改正数向量,只具有模糊度参数。根据无周跳时前后历元模糊度不变的特性,可对多个历元的法方程(3)进行叠加,或者使用卡尔曼滤波方法,解得模糊度浮点解。在模糊度浮点解的基础上,