基于遞推最小二乘卡爾曼濾波方法的模糊度解算*

徐冠楠 汪 捷

(海軍工程大學導航工程系 武漢 430033)

?

基于遞推最小二乘卡爾曼濾波方法的模糊度解算*

徐冠楠 汪 捷

(海軍工程大學導航工程系 武漢 430033)

針對北斗動態(tài)定位,通過使用遞推最小二乘方法,采用擴展卡爾曼濾波的方法估計模糊度浮點解,實現(xiàn)了利用多歷元載波相位觀測信息求解整周模糊度。通過模擬北斗觀測數(shù)據(jù)進行仿真,可以得出擴展卡爾曼濾波的方法精度高,適合動態(tài)定位解算。

北斗動態(tài)定位; 最小二乘; 擴展卡爾曼; 整周模糊度

Class Number TP301.6

1 引言

Kalman濾波是目前動態(tài)導航定位中最常用的方法,其特點是一種時域濾波方法,引入了狀態(tài)空間概念,算法采用遞推形式,即利用系統(tǒng)的狀態(tài)轉(zhuǎn)移方程,由參數(shù)的驗前估計和新的觀測數(shù)據(jù)進行狀態(tài)參數(shù)的更新,遞推估計新的狀態(tài)估值。在高精度動態(tài)定位中,通常是對位置等運動參數(shù)進行估計,而不對它們的誤差進行估計,由于解算中需要用到載波相位觀測數(shù)據(jù),因此待估狀態(tài)向量不僅僅包含位置和速度等載體運動參數(shù),同時還包含模糊度向量參數(shù)。

2 Kalman濾波原理

2.1 Kalman濾波的通用模型

Kalman濾波是一種基于狀態(tài)模型解決最優(yōu)估計,能夠使用遞推方式的數(shù)據(jù)處理方法。Kalman濾波的方程表示如下:

xk=φk-1,kxk-1+Γk-1wk-1
Lk=Akxk+vk

(1)

式(1)中,xk是系統(tǒng)的n維狀態(tài)向量,包括用戶位置、速度、加速度、整周模糊度、電離層延遲、對流層延遲等待估參數(shù)。wk-1是系統(tǒng)的q維過程噪聲向量,Γk-1是n*q維干擾系數(shù)矩陣,φk-1,k是系統(tǒng)的狀態(tài)轉(zhuǎn)移矩陣,Lk是觀測值向量,Ak是設(shè)計矩陣,vk是觀測噪聲。系統(tǒng)的觀測噪聲和過程噪聲都是均值為零,且不相關(guān)的白噪聲。其統(tǒng)計特性表示如下:

2.2 擴展Kalman濾波(EKF)

由于Kalman濾波適用于線性觀測系統(tǒng),但是在北斗動態(tài)定位中,由于觀測方程式是非線性的,需要采用一種新的濾波方法,即本文采用的擴展Kalman濾波方法進行結(jié)解算。其總體思路是將非線性的函數(shù)通過泰勒展開并截斷高階項將其線性化之后再進行濾波。首先,采用擴展Kalman濾波方法構(gòu)造系統(tǒng)方程和測量方程,利用條件平差方法進行推導。擴展Kalman濾波的觀測方程在某一點處線性化可以表示為

進一步簡化可以得到:

Lk=Hkxk+vk

式中的xk為Δxk,于是上式可以改寫為

由上述分析可以得到此時的預估殘差權(quán)逆陣為

計算增益矩陣Kk:

計算出最終的濾波解:

3 北斗動態(tài)定位模型與解算

針對實際北斗動態(tài)定位情況,利用擴展Kalman濾波結(jié)合定位中觀測方程與狀態(tài)方程作解算。

3.1 觀測方程

設(shè)tk歷元,參考站r和流動站p都觀測到了m顆衛(wèi)星,每個測站的雙頻偽距與雙頻載波觀測量已知,分別雙差,得到雙差觀測量,設(shè)參考衛(wèi)星為k,則動態(tài)定位的狀態(tài)向量為

在動態(tài)定位中,觀測量Lk為

函數(shù)f(xk)的表達式表示為

f(xk)=[fφ1fφ2fR1fR2]T

其中:

由f(xk)可以得到Hk的表達式:

雙差觀測量的方差-協(xié)方差陣可表達為

其中:

3.2 狀態(tài)方程

在實際定位中,假設(shè)在某一歷元時刻觀測了m顆衛(wèi)星,狀態(tài)向量的維數(shù)為n,狀態(tài)轉(zhuǎn)移矩陣φk-1,k的表達式可以寫為

式中的Ik為K階單位矩陣,Δt為觀測數(shù)據(jù)的采樣間隔。

矩陣Γk-1的表達式為

動態(tài)噪聲的方差協(xié)方差陣表示為

4 算法仿真與分析

接下來將上述擴展卡爾曼濾波方法進行仿真,從而便于對算法進行分析,證明其濾波定位精度可以為后續(xù)的整周模糊度解算提供初始值。

由于目前北斗尚未有公開的雙頻觀測數(shù)據(jù),為了保證算法的有效性,下面的仿真將用模擬的北斗觀測數(shù)據(jù)以及真實的GPS數(shù)據(jù)來分析算法的效果。

4.1 衛(wèi)星星歷模擬仿真

對一個觀測點的可見數(shù)目進行仿真。如圖1所示,在連續(xù)3000個歷元中,可見的衛(wèi)星數(shù)目不斷發(fā)生變化,由于只有當衛(wèi)星數(shù)目值大于等于4的時候才能完成解算。

4.2 用戶運動軌跡的模擬

圖1 可見衛(wèi)星數(shù)目仿真

圖2 飛行器運動軌跡模擬路線

4.3 觀測數(shù)據(jù)模擬方法

在數(shù)據(jù)模擬一塊,首先可以模擬出無噪聲的載波相位測量值,再加入高斯白噪聲等噪聲,這樣就產(chǎn)生了北斗導航系統(tǒng)的載波相位測量值。同樣的對于北斗系統(tǒng)偽距測量值,模擬思路大致一樣,首先模擬出無噪聲的偽距測量值,然后加入鐘差等各種誤差的影響,在此基礎(chǔ)上再加入多種噪聲,這樣就產(chǎn)生了北斗導航系統(tǒng)的偽距測量值。

圖3 觀測數(shù)據(jù)模擬方法

4.4 濾波定位算法仿真與性能分析

利用已有的模擬數(shù)據(jù)進行算法仿真,結(jié)果如表1所示。在東向和北向給以初速度,觀測擴展卡爾曼濾波法在濾波前后各方向的誤差變化情況。

表1 模擬北斗觀測數(shù)據(jù)下的EKF定位誤差方差

通過觀測圖可知,EKF定位濾波算法的在減小誤差以及適應(yīng)性方面很顯著。在0～100歷元時刻里,東向誤差又濾波前的-50m～50m減小到-3m到3m,北向誤差由-50m～50m減小到-5m～5m,并且隨著歷元時刻的增加,誤差范圍逐漸減小。說明EKF算法的濾波定位精度較高,方差較小,這為后續(xù)的整周模糊度解算提供較為精確的初始值。因為后續(xù)的整周模糊度解算要求偽距初始定位的誤差方差在3m～5m以內(nèi),由下表可以說明EKF濾波定位已經(jīng)可以達到為后續(xù)提供初始坐標的目的。

圖4 模擬北斗數(shù)據(jù)下EKF濾波定位算法仿真

5 結(jié)語

本文通過采用擴展卡爾曼濾波的方法進行了模糊度參數(shù)估計,通過仿真數(shù)據(jù)進行了驗證。擴展卡爾曼濾波法通過線性化觀測方程的方法提高了模糊度參數(shù)估計的精度,并且在歷元時刻較長之后可以減小觀測誤差,有利于后續(xù)的模糊度解算。

[1] 劉立龍,劉基余,李光成,等.單頻GPS整周模糊度動態(tài)快速求解的研究[J].武漢大學學報:信息科學版,2005,30(10):885-887.

[2] 周巍.北斗衛(wèi)星導航系統(tǒng)精密定位理論方法研究與實現(xiàn)[D].北京:解放軍信息工程大學,2013(6).

[3] 邱蕾,花向紅,蔡華,等.GPS短基線整周模糊度的直接解法[J].武漢大學學報:信息科學版,2009(1):97-99.

[4] 孫紅星,付建紅,袁修孝,等.基于多歷元遞推最小二乘卡爾曼濾波方法的模糊度解算[J].武漢大學學報:信息科學版,2008(7):35-39.

[5] 吳萬清,寧龍梅,朱才連,等.一種單頻單歷元整周模糊度的解算方法[J].武漢大學學報:信息科學版,2005,30(6):497-501.

[6] 周忠謨,易杰軍.GPS衛(wèi)星測量原理與應(yīng)用[M].北京:測繪出版社,1997:80,97-101.

[7] 劉基余.GPS衛(wèi)星導航定位原理與方法[M].北京:科學出版社,2003:46-50.

[8] 劉超,王堅,路鑫,等.GPS載波相位觀測值隨機模型的比較研究[J].測繪科學,2010(6):151-154.

[9] 李保利.北斗多頻高精度定位理論與方法研究[D].北京:解放軍信息工程大學,2011,6.

[10] 邢喆,王澤民,伍岳.利用模糊度聚類方法篩選GPS載波相位組合觀測值[J].武漢大學學報:信息科學版,2006(1):23-26.

[11] Teunissen, P. J. G. A New Method for Fast Carrier Phase Ambiguity Estimation[C]//Proceedings IEEE Position Location and Navigation Symposium PLANS94, Las Vegas, 11-15 April 1994:562-573.

[12] CHEN D. Fast ambiguity search filter(FASF): a novel concept for GPS ambiguity resolution[J]. Proceedings of GPS-93. Alexandria, Virginia: The Institute of Navigation,1993:781-787.

Fuzzy Degree Calculation Based on Recursive Least Square Kalman Filtering Method

XU Guannan WANG Jie

(Navigation Engineering, Naval University of Engineering, Wuhan 430033)

In view of the big dipper dynamic positioning regarding recursive least squares method as the basic, extended Kalman filter method is used to estimate the fuzzy degree of float solution. Thus using more epoch carrier phase observation information to solve the fuzzy degree of the whole week is achieved. Through test simulation by simulating beidou observation data, it proves that extended Kalman filtering method has high precision, and is suitable for dynamic positioning algorithm.

beidou dynamic positioning, least squares, extended Kalman, the whole week ambiguity

2014年10月8日,

2014年11月28日

徐冠楠,男,碩士研究生,研究方向:導航制導與定定位方向理論與應(yīng)用。

TP301.6

10.3969/j.issn1672-9730.2015.04.011