【摘 要】
：
GLONASS采用的频分多址技术使得接收机接收不同卫星信号时存在频间偏差(inter-frequency bias,IFB),导致GLONASS模糊度难以固定,是造成GLONASS轨道精度低于全球定位系统(global positioning system,GPS)的一个重要因素.目前国际GNSS服务(international GNSS service,IGS)分析中心仅有欧洲定轨中心(centre for orbit determination in Europe,CODE)提供GLONASS的固定解
【机 构】
：
武汉大学测绘学院,湖北 武汉,430079;武汉大学卫星导航定位技术研究中心,湖北 武汉,430079;自然资源部第一海洋研究所,山东 青岛,266061;南宁师范大学广西地表过程与智能模拟重点实验室
论文部分内容阅读
GLONASS采用的频分多址技术使得接收机接收不同卫星信号时存在频间偏差(inter-frequency bias,IFB),导致GLONASS模糊度难以固定,是造成GLONASS轨道精度低于全球定位系统(global positioning system,GPS)的一个重要因素.目前国际GNSS服务(international GNSS service,IGS)分析中心仅有欧洲定轨中心(centre for orbit determination in Europe,CODE)提供GLONASS的固定解轨道.基于适用于长基线的GLONASS模糊度固定方法,采用区间搜索法确定频间相位偏差(inter-frequency phase bias,IFPB)斜率,修正IFPB对双差模糊度的影响,从而实现GLONASS无电离层组合模糊度固定,获得固定解的超快速轨道.利用全球均匀分布的测站对该方法在GLONASS超快速轨道解算中的效果进行验证分析,实验结果表明,一个月内不同基线的IFPB斜率在时域上均非常稳定,所有基线IFPB斜率平均标准差(standard deviation,STD)为0.38 mm;改正IFPB后GLONASS卫星模糊度固定成功率随基线长度增加而下降,固定成功率最高为95％,最低为88％,平均为94％;模糊度固定后,超快速轨道与CODE产品比较,计算部分精度提升26.8％,3～6 h预报轨道精度提升18％;内符合计算部分轨道精度提升20％,3～6 h预报轨道精度提升13％;卫星激光测距(satel-lite laser ranging,SLR)残差检核结果也显示模糊度固定后SLR残差有所减小,说明该方法可以有效进行GLONASS模糊度固定并提升超快速轨道精度.
其他文献
随着位置服务(location based service,LBS)应用需求的日益增加以及多部位微机电系统(micro electro mechanical system,MEMS)导航传感器的广泛普及,行人航位推算(pedestrian dead reckoning,PDR)越来越受关注,成为行人导航研究中主流的技术之一.但是,低成本的MEMS传感器测量噪声大,PDR解算误差积累严重;且PDR算法的普适性差,不同穿戴位置的MEMS导航传感器约束条件的可用性差异明显.提出了一种基于穿戴式MEMS传感器状态
随着位置服务应用的兴起和移动智能终端的普及,高精度导航定位需求正在从孤立的区域延伸到无缝的全域,从专业群体走向大众用户.然而,实时、连续、完备的行人导航仍然面临着诸多挑战,如室外区域全球导航卫星系统(global navigation satellite system,GNSS)信号易受遮挡影响、室内环境Wi-Fi/低功耗蓝牙(bluetooth low energy,BLE)/地磁指纹库更新频繁、室外内过渡区域平滑切换困难等.此外,大众移动智能终端的定位传感器受成本与功耗限制,观测数据一般噪声较大且稳定
PPP-RTK(precise point positioning real time kinematic)是一种具有潜力的定位技术,它既避免了 RTK(real time kinematic)覆盖范围受限的缺陷,又解决了 PPP(precise point positioning)收敛速度慢的问题.但在城市复杂环境下,由于信号遮挡严重,PPP-RTK无法实现高精度连续定位.惯性导航(inertial navigation sys-tem,INS)和视觉导航能提供连续的定位信息,但存在误差漂移,由此提出多
随着移动设备和低成本定位传感器的普及,移动终端的普适定位能力成为刚需.为了构建一个普适可用的云定位系统,需要在智能终端应用各类定位传感器获取信号并将其在定位数据库中进行查找、计算,实现对位置的获取.针对智能手机设备和位置服务应用(location based service,LBS)场景,基于主流云计算网络架构,探讨并解决了层次化云定位能力、开发者低成本接入、设备容错能力和分布式服务等工程化关键问题,设计并搭建了面向海量智能终端的大规模云定位系统.测试结果表明,该系统能够支撑每日千亿次请求的访问处理能力,
水下声学(underwater acoustic,UWA)阵列信号处理是常见的水下定位方式之一.针对噪声影响定位精度的问题,提出一种利用两阶段学习模型的定位方法.首先,分别对接收信号的实部和虚部特征进行训练,建立一个基于多层卷积神经网络的学习模型进行降噪处理;然后,构建一个改进的加权延时求和的波束形成器组模型,利用梯度下降准则对各个通道的权重进行调整,得到最优相对时延和最佳角度估计,再通过几何解算得到较为精确的定位信息.仿真实验结果表明,在-25～10 dB的信噪比环境中,所提方法与传统水下声阵列处理相比
基于城市三维(three-dimensional,3D)模型的阴影匹配(shadow matching,SM)方法能有效提高城市峡谷中过街方向的卫星定位精度;但是手机接收的信噪比(signal-to-noise ratio,SNR)波动过大,而且传统方法无法区分位于平行街道的位置,容易引起较大的跨街道误差.提出了一种改进的手机SM定位方法.首先,针对手机采集卫星信号的SNR波动过大的问题,提出采用低通滤波的方法减小SNR波动,从而提高卫星实测信号可见性分类的准确性及稳定性.在此基础上,针对跨街道误差问题,
采用射线追踪方法计算的斜路径总延迟(slant total delay,STD)作为参考,首先评估了最新一代实时对流层映射函数GPT3(global pressure and temperature 3)、格网 VMF3-FC(forecast Vienna mapping function 3)和站处VMF3-FC的STD建模精度,然后将3种映射函数用于北斗三号(BDS3)精密单点定位(precise point positioning,PPP),系统比较了 3种映射函数计算的PPP坐标精度.结果表明,
精确稳定的外参数标定是相机和激光雷达(light detection and ranging,LiDAR)融合感知定位的基础,针对Dhall标定方法在约束精度、稳定性和收敛性等方面存在的问题,提出了一种点线面联合约束的LiDAR和相机标定方法.首先,加入线-线约束和面-面约束并用Kabsch方法求得闭式解,减小了单一角点约束中的噪声影响,提高了标定结果的精度和稳定性;然后,利用多帧点云叠加拟合直线,并对拟合角点求均值,减小了点云噪声的影响,提高了标定方法的收敛速度和稳定性.该方法能在20帧内收敛,且角点的
针对当前接收机自主完好性监测(receiver autonomous integrity monitoring,RAIM)中多个粗差难以快速有效识别的问题,在相关分析粗差检验理论的基础上,提出了一种基于观测数据集密度中心的多粗差探测RAIM算法.首先,利用QR检校法构建观测数据集;其次,使用改进的Mean Shift模型估计观测数据集密度中心;最后,对观测特征点与密度中心相关距离进行检验,实现多个粗差探测识别.利用实测数据仿真粗差,对粗差卫星和正常卫星与检校向量的相关距离差异进行分析,在存在单个、两个、3
利用全球导航卫星系统反射(global navigation satellite system reflectometry,GNSS-R)信号对海面风速进行反演时,连续地球物理模式函数常用于建立时延-多普勒图像(delay/Doppler map,DDM)特征值与风速之间的映射关系.该模型在DDM较少的风速范围内(0～5m/s及12～20m/s)存在较大系统偏差.为解决该问题,提出了一种自适应累积分布函数(cumulative distribution function,CDF)匹配方法.该方法将反演风速