LAMBDA算法的部分模糊度固定及性能分析

模糊度解的可靠性对GPS精密定位至关重要。针对GPS定位中存在的残余误差及未改正偏差降低模糊度固定成功率的问题,在LAMBDA算法的基础上推导了不完全模糊度固定的数学模型,提出了以模糊度浮点解方差为依据、以模糊度固定成功率为约束条件的最优子集选取方法。对选取的模糊度子集进行LAMBDA部分固定测试分析。结果表明,与传统LAMBDA模糊度固定法比较,部分模糊度固定不仅减小了模糊度搜索空间,缓解了计算负担,而且提高了模糊度解的可靠性。

附有基线长约束的改进CLAMBDA算法研究

探讨附有基线长约束的最小二乘模糊度降相关搜索算法(CLAMBDA)的基本原理和实现过程,针对其处理高维模糊度时存在搜索效率低的问题,提出一种基于部分模糊度搜索策略的改进CLAMBDA算法。新算法通过优选部分模糊度子集,在改善搜索空间形状的同时,降低了模糊度搜索空间的维数,有效提高了模糊度的搜索效率。利用澳大利亚科廷大学静态短基线网数据和实测动静态定位数据进行验证,结果表明,改进的模糊度搜索方案可以在保证模糊度固定成功率的情况下,有效地缩短搜索时间,能更好地满足载体实时姿态测量的要求。

基于序贯平差的长距离基准站间模糊度快速固定

序贯平差方法是长距离网络RTK基准站间模糊度固定中的常用方法,该方法充分利用了卫星间的相关信息以及多余观测量,是理论严密且十分有效的方法。一般文献中只给出了参数不变的序贯平差公式。但是,观测过程中的参数是不断变化的,参数不变的序贯平差公式并不适用于网络RTK系统。此外,对于序贯平差而言,由于一般不存储历史观测值,因此,模糊度固定后无法将其带入原观测方程重新平差,这导致法方程更新困难。针对以上问题,本文给出了参数变化的序贯平差公式及严密的推导过程,并给出了模糊度固定后法方程的更新方法。结合长距离网络RTK基准站间模糊度固定问题,通过实验,证明了给出的序贯平差公式和法方程更新方法正确有效。