论文部分内容阅读
随着卫星导航进入多星座并存的全球导航卫星系统(Global NavigationSatellite System，GNSS)时代，多个卫星星座间的融合改善了接收机的定位精度和可靠性，从而更好地满足了人们日益增长的基于位置的服务需求。GNSS定位是未来卫星导航接收机发展的必然方向。但是，城市峡谷等复杂环境给GNSS接收机的设计带来的挑战日益严峻，如何在复杂环境下提高GNSS接收机性能，特别是提高与用户体验直接相关的定位解算性能已经成为卫星导航定位领域的研究热点。论文对提高GNSS接收机的定位解算精度进行了深入研究，主要贡献如下: 1.分析了GNSS系统的卫星的几何分布较差时，接收机定位误差变大的原因。在此基础上，分析了利用高程辅助改善定位精度的方法，并通过仿真分析了高程观测量偏差对定位结果的影响。 2.研究了高程辅助在定位解算的分散卡尔曼滤波模型中的应用。为了有效地将高程辅助与分散卡尔曼滤波定位解算模块相结合，提出了一种高程序贯更新的方法。在此基础上，进一步提出了分散卡尔曼滤波模型中的速度反馈模型，修正较差的卫星几何分布对速度解算产生的偏差;从而给出了在分散卡尔曼滤波模型中的实用高程辅助算法。通过实测数据的仿真表明，该算法在复杂环境导致卫星几何分布变差的情况下，使卡尔曼滤波运行于正确模式，从而有效减小了定位误差。 3.研究了GNSS系统的伪距偏差与伪距残差之间的关系，分析了几种典型的自主完好性监测(receiver autonomous integrity monitoring，RAIM)选星算法的性能，得出这类算法对复杂环境导致的多颗卫星存在缓变微小伪距偏差的情况很难检测识别的结论。 4.为了对微小伪距偏差进行检测，提出了一种双门限检测的方法。通过对伪距观测量权重的分析，提出了采用归一化伪距残差和(sum of normalized error，SNE)作为检验统计量，证明了该检验统计量能提高错误伪距观测量的发现概率。在此基础上，进一步提出了可检测识别多颗卫星缓变微小伪距偏差的算法。通过实测数据的仿真表明，该算法有效检测识别复杂环境导致的伪距观测量的微小偏差，从而减小定位误差。