用于RTK定位的GPS虚拟参考站的开发和评估外文翻译资料

 2022-04-25 22:19:08

英语原文共 11 页，剩余内容已隐藏，支付完成后下载完整资料

用于RTK定位的GPS虚拟参考站的开发和评估

摘要 过去几年见证了多参考站网络数量的实质性增长，它们被用于克服标准实时动态（RTK）系统的局限性。与单个参考站相比，使用多参考站网络可以使服务区覆盖范围更大，增强稳健性和更高的定位精度。但是，实时应用在实践中仍然是一项艰巨的任务。虚拟参考站（VRS）概念是一种通过数据链路向网络用户发送校正以实现RTK定位的有效方法，一种创建用于高精度RTK定位的VRS的新方法在南洋理工大学（NTU）开发并测试，重点在于实时实施。因此使用新加坡综合多参考站网络（SIMRSN）进行了一系列测试。测试在新加坡的不同地点进行，以评估使用NTU方法进行VRS RTK定位的可实现精度和初始化时间。结果证实，VRS RTK定位在水平位置上可达到3cm以内的精度，高精度在1-5cm范围内，平均初始化时间在2min以内。

关键词：GPS - 实时运动定位 - 虚拟参考站

1引言

早在1994年，第一个真正自动的厘米级实时运动学（RTK）GPS系统被引入（Edwards等，1999）。 RTK定位通常以单参考站模式实现。然而，单参考框架缺乏数据冗余性，并且必须位于用户10-15公里范围内，因为GPS误差在较长的基线上变得空间相关性较小，导致定位精度降低（Gao et al.1997; Han 1997; Colombo等人1999; Chen等人2001）。 近年来，GPS研究界开始研究多参考站网络以取代标准单参考站方法，以实现长距离高精度RTK定位（Wu et al。1996; Han 1997; Raquet 1998 ; Wanninger 1999; Lachapelle等2000; Odijk等2000）。

以前的工作表明，与标准的单参考站方法相比，网络方法有几个优点。一个重要的优点是增加了可靠性和服务的可用性。如果两个参考站同时发生故障，他们的数据可以从解决方案中消除，剩下的参考站可以为用户提供更正。网络方法的另一个重要方面是，它允许我们模拟距离相关或空间相关的误差，如电离层，对流层和卫星轨道效应（WuBbena等1996; Han 1997; Raquet 1998; Wanninger 1999; Lachapelleetal。 2000; Odijketal.2000）。模拟空间相关误差的结果是提高载体相位模糊度的分辨率的能力，这对于希望形成高精度RTK测量的大地测量学家和工程师来说特别重要。迄今为止，在德国，荷兰，日本和新加坡等世界范围内有几个区域性网络正在运行（Marel 1998; Chen et al.2000; Jensen and Cannon 2000; Cannon et al.2001; Petrovski et al.2001; Wu uml;bbena et al。2001）。在Fotopoulos和Cannon（2001）中可以找到关于上述工作网络RTK系统优缺点的详细信息。

网络RTK服务的想法已存在多年。 然而，与网络整周模糊度的实时解析，最佳网络校正参数化方案和通信链路以及网络覆盖区域内或周围的潜在用户有关的问题仍然是实时应用的挑战。 网络RTK需要实时准确和可靠地解析网络参考站之间的基线整周模糊度。 包含这一主题的详细讨论的论文包括Raquet（1998），Sun等人 （1999）和Dai等人（2001年）。 Dai等人对修正参数化方案进行了全面的研究。（2001年）。

然而，关于实时向用户分发网络校正的研究很少。这是GPS网络RTK定位的一个组成部分，必须在实现多参考站网络的实际实现之前充分解决。一种向网络用户发送校正以实现RTK定位的有效方法是虚拟参考站（VRS）概念。 Lynn和Anil（1995）首先针对基于代码的差分GPS进行了论述。最近，许多研究小组提出将VRS概念作为将网络校正信息中继给网络RTK用户的更可行的方法（参见Marel 1998; Wanninger 1999; Vollat​​h等2000; Cannon等2001;欧拉等人，2001）。在2002年4月举行的第二十二届国际测量联合会（国际测量联合会）会议上，举行了一次特别会议，介绍VRS的状况（参见例如Cruddace等2002; Higgins 2002; Jaakko和Seppo 2002）。

与传统的RTK一样，VRS RTK技术在精确导航和大地测量应用方面具有巨大的潜力。 这种方法不需要一个实际的物理参考站（带有GPS接收器和数据链路）。 相反，它允许用户在网络覆盖区内的任何位置访问不存在的VRS数据（Marel 1998; Vollath et al.2000; Cannon et al.2001; Euler et al.2001）。 此外，在允许用户使用其当前接收机和软件方面，VRS方法更加灵活，无需任何特殊软件即可同时管理一系列参考站的更正。

本文的目的是展示一种创建用于RTK定位的VRS的新方法。 在下面的章节中描述了VRS数据生成策略。 讨论了在新加坡使用活动网络在不同地点定位RTK的VRS测试结果。

2 VRS数据生成方法

VRS不会生成来自真实接收器的数据。 数据由有源多参考站网络的实际GPS观测数据生成。 其基本思想是，VRS数据尽可能接近真实接收器在同一位置产生的数据。 由于VRS数据是从网络的多个实际站点计算出来的，因此误差趋于平均（Marel 1998; Vollath et al.2000; Cannon et al.2001; Euler et al.2001）。 因此，VRS的目的是生成类似于靠近项目区域的不存在站点的数据。 用户从中受益，所有GPS参考站的数据，但没有复杂处理的负担。

本节介绍VRS数据生成方法，重点介绍以下内容。

1.网络参考站之间基线的实时模糊度解析。

2.修正生成方案。

3. VRS数据生成，强调实时实施。

2.1网络的实时模糊度解析

已经开发了许多方法来处理实时或接近实时的载波相位模糊的解决方案。 这些通常被称为OTF技术（参见Frei和Beutler 1990; Hatch 1990; Teunissen 1993,1995; Chen和Lachapelle 1995），此外还可以解决含有较长间距基线长度的模糊性（Blewitt 1989）。 为了生成用户网络的校正，网络参考站之间基线的双频载波相位模糊度必须首先实时固定为整数值。

实施修正方法的一个先决条件是提供准确的参考站坐标网络。这可以由地方调查机构在永久区域参考网络的情况下提供。 或者，它们可以通过对每个电台进行长时间的静态调查获得。 然而，即使具有精确的已知坐标，也不容易实时地定位网络参考站之间的模糊度，特别是对于新近升起的卫星。

因此提出了一种方法：首先解决宽巷模糊问题，然后通过自适应卡尔曼滤波器利用无电离层可观测量估算出L1和相对对流层前导延迟（RTZD）。然后将拟合的（浮动）L1模糊度用某些准则固定，然后将该模糊度固定 （Sun等1999; Chen等2000）。 为了帮助解决网络模糊度问题，可以使用IGS UltraRapid预测轨道而不是广播轨道来减少或消除轨道误差解相关。精确的星历可以从国际GPS服务（IGS）分析中心（Roulston 等人，2000）。

讨论了一般程序，实施细节可以在Chen等人的论文中找到。（2000年）。 根据双差分电离层观测（）的关系，本文重点介绍修正的自适应卡尔曼滤波器，用于推导RTZD的实时估计以及双差分L1模糊度（）。与和双差异宽巷模糊度，即

（1）

其中是以米为单位的双差分几何卫星接收机距离，是双电离层无电离层载波相位观测噪声是无电离层组合观测波长，是双重对流层延迟; Han（1997）和Chen等人发现了上述组合观测的定义细节。（2000年）。

宽巷整周模糊度（）可以首先由于它的波长为86.4厘米，使用搜索方法或序贯估计方法（Blewitt 1989; Euler and Landau 1992; Sun et al。1999）来解析。在等式（1）中，无电离层模糊度被宽巷整周模糊度（）和L1模糊度的组合所代替。然后，如果宽巷模糊度首先解决（Sun et al。1999; Chen et al。2000），则可以使用上述关系式，使用无电离层组合来解决L1整周模糊度。利用已知的参考站的精确坐标和宽巷模糊度，L1模糊度分辨率只受剩余对流层延迟，多径干扰和观测噪声的影响。仔细选择参考站并使用具有多路径抑制功能的GPS硬件（如HofmannWellenhof et al。1994; Leick 1995; Teunissen and Kleusberg 1998），可以减少多路径效应。因此面临的挑战是如何减少对流层的剩余延迟并减少观测噪声。

双差分剩余对流层延迟可近似表示为RTZD和相对于仰角的映射函数（MF）的函数（Zhang和Lachapelle，2001）

, (2)

其中和是卫星x和y的两个接收机的平均仰角，这里。 因此，方程 （1）可以改写为

（3）

为了实时估计RTZD以及双重L1整数模糊度，使用以下模型开发了自适应卡尔曼滤波器来处理主参考站与其他参考站之间的每个基线（Mohamed and Schwarz 1998; Chen et al。 2000; Hu等2002）：

(4)

其中Vk是观测噪声，Wk表示系统噪声，Rk是观测噪声的协方差矩阵，观测向量是 （5）

这里，上标1代表参考卫星，而2到n代表其他卫星。 状态向量被定义为

（6）

并且设计矩阵是

（7）

在这里，假定RTZD是一阶高斯 - 马尔可夫过程，并且假定L1模糊度是具有非常小方差的白噪声。 那么状态转移矩阵和相应的协方差矩阵被定义

(8)

(9)

其中q是相关时间的RTZD过程噪声方差，是采样间隔。

陈等人提出了一个传统的卡尔曼滤波器来估计RTZD和双重不同的L1整周模糊度。传统的卡尔曼滤波程序应该基于先验信息为测量和系统噪声（和）的协方差矩阵提供合理的值。然而，在实践中，很难知道测量和系统噪声的真实统计特性（Mohamed and Schwarz 1998; Wang et al.2002）。没有先验知识就不可能做卡尔曼滤波器。不正确的值将导致不准确的结果，甚至发散。另一方面，网络RTK方法通常需要6个或更多的卫星进行校正并且不允许中断（Edwards等，1999）。为了克服这个问题，提出了下面的基于残差的自适应程序来提高卡尔曼滤波器的可靠性[用于关于自适应卡尔曼,请参阅Sage和Husa（1969），Hu和Ou（1999）以及Mohamed和Schwarz（1999）]：

(10)

(11)

(12)

(13)

(14)

(15)

(16)

(17)

和剩余序列

(18)

其中是大小为N的移动窗口估计的第一个时期[这里窗口的最优宽度为25个时期（Mohamed and Schwarz 1999; Wang et al。2002）]，分别为预测状态向量和协方差矩阵，为更新后的值，为增益矩阵。

这里，测量和系统噪声（和）的协方差矩阵是从以前的时期实时估计的。 通过自适应卡尔曼滤波递推公式，可以用相应的协方差矩阵来估计RTZD和双重不同的L1浮点模糊度。 然后，利用现有方法（例如参见Frei和Beutler 1990; Hatch 1990; Chen和Lachapelle 1995），例如LAMBDA方法（参见例如Teunissen 1993,1995）进行二次L2整周模糊度搜索。 二义性可以通过扩展得到。 本文不包含详细信息。

每当新卫星出现在地平线上方（或指定的仰角）时，或者发生周跳或长数据间隙时，都会发生此过程。 鉴于参考站通常位于低信号掩蔽区域，滤波器将估计出只有少数模糊性（新增卫星并在循环滑移或长数据间隙后重新获得卫星）。 随着时代的增加，模糊度估计值将会提高。 RTZD也将被精确估计，然后应用于新升起的卫星。 由于自适应卡尔曼滤波器的递归性质，该方法可以实时

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[466087]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章