伍勁實，趙修斌，龐春雷，余永林，劉 明

（空軍工程大學(xué)信息與導(dǎo)航學(xué)院，陜西西安710077）

基于解耦消參的動對動相對定位算法

伍勁實，趙修斌，龐春雷，余永林，劉 明

（空軍工程大學(xué)信息與導(dǎo)航學(xué)院，陜西西安710077）

針對動對動相對定位基線參量實時可變導(dǎo)致模糊度難以準(zhǔn)確求解的問題，在比較分析動對動與靜態(tài)相對定位區(qū)別與聯(lián)系的基礎(chǔ)上，提出了基于解耦消參的動對動相對定位算法。該算法將解耦法與最小二乘模糊度降相關(guān)平差（LAMBDA）算法相結(jié)合，采用解耦法變換雙差載波相位觀測方程，從而消除基線參量并實時推算雙差整周模糊度的浮點(diǎn)解及其協(xié)方差矩陣，然后利用LAMBDA算法對模糊度進(jìn)行固定和確認(rèn)。試驗結(jié)果表明，基于解耦消參的動對動相對定位算法初始化模糊度用時較短，在70 s左右即可正確解算出動態(tài)單頻整周模糊度，獲得了厘米級的相對定位結(jié)果，適用于短基線高精度動態(tài)相對定位。

動對動；相對定位；整周模糊度；解耦；LAMBDA

0 引言

動對動高精度相對定位的關(guān)鍵是在動態(tài)情況下快速準(zhǔn)確地確定整周模糊度［1］。由于動對動相對定位基線矢量實時可變，屬于變參數(shù)估計問題，且難以找到附加約束條件進(jìn)行輔助［2-3］，因此其整周模糊度及其協(xié)方差矩陣的初始化過程相比于靜態(tài)更為復(fù)雜。目前常用的模糊度浮點(diǎn)解求解方法主要有最小二乘法、遞推最小二乘法、卡爾曼濾波法［4］、雙頻載波相位的直接解法［5］、矩陣解耦法［6］等，其中能夠適用于動態(tài)相對定位的方法主要是最小二乘法、卡爾曼濾波法和矩陣解耦法。最小二乘法屬于批處理算法，難以滿足動態(tài)相對定位的實時性要求，且計算量大；卡爾曼濾波法對動態(tài)模型的建立要求較高，若模型的建立與實際運(yùn)動狀態(tài)不符合，則待估參量的精度難以達(dá)到要求，進(jìn)而難以實現(xiàn)高精度相對定位；文獻(xiàn)［6］提出了基于矩陣解耦的模糊度逼近搜索法，該方法能夠較好地用于模糊度浮點(diǎn)解及其協(xié)方差矩陣的實時推算，但其對模糊度浮點(diǎn)解的精度要求較高，需要較長的時間才能逼近模糊度真值。本文針對此問題，在比較分析靜態(tài)與動態(tài)相對定位區(qū)別與聯(lián)系的基礎(chǔ)上，提出了基于解耦消參的動對動相對定位算法。

1 傳統(tǒng)相對定位模糊度求解

在短基線條件下，雙差載波相位觀測方程為：

其中，φij為雙差載波相位觀測量，λ為載波波長，l為接收機(jī)至衛(wèi)星的單位矢量，b=bxbyb（ ）zΤ為基線矢量，Nij為雙差整周模糊度，εij為雙差測量噪聲。

若參考站與移動站相對靜止，第k個歷元觀測到n顆衛(wèi)星，可構(gòu)造n—1個雙差觀測方程，忽略雙差噪聲，將式（1）變?yōu)榉匠探M形式可得

將k個歷元雙差觀測方程進(jìn)行組合，可得到k×（n—1）個雙差方程：

由于方程組中含有（n—1）+3=n+2個未知參量，只需要滿足條件k×（n—1）≥n+2，即可用最小二乘法求解基線矢量和雙差整周模糊度的浮點(diǎn)解。但由于觀測時間較短會造成法矩陣的病態(tài)性［7］，因此靜態(tài)相對定位時，往往通過增加觀測時間來獲得高精度定位結(jié)果；同時由于測站之間相對靜止，通?？删_測量測站間基線長度，將其作為已知約束條件輔助解算整周模糊度［8］，提高定位精度和效率。在求解得到模糊度浮點(diǎn)解的前提下，可利用LAMBDA算法對模糊度進(jìn)行搜索與固定，模糊度一旦正確固定，則可將其帶入雙差方程反解出基線矢量，實現(xiàn)高精度相對定位。這種在靜態(tài)情況下求解模糊度的方法一般稱為整周模糊度的靜態(tài)初始化。當(dāng)前，高精度動態(tài)相對定位往往也是采用靜態(tài)初始化的方法，即在靜態(tài)情況下固定住模糊度，然后再開始運(yùn)動，但這樣不適用于動態(tài)情況下的實時解算，因此需要尋求模糊度的動態(tài)初始化方法。

2 基于解耦消參的動對動相對定位算法

2.1 動對動模糊度求解特點(diǎn)

在動對動情況下，如果正確解算出模糊度，且不發(fā)生周跳和衛(wèi)星失鎖的情況，則雙差模糊度參量N不隨時間的變化而變化，但由于運(yùn)載體之間的相對位置實時變化，式（1）中的基線矢量參量b隨時間實時變化。將k個歷元的雙差觀測方程進(jìn)行組合，則式（3）變?yōu)槭剑?）。

由式（4）可知，每一個歷元均會增加3個未知基線矢量參量，則k個歷元得到的方程組中包含3k+n—1個未知參量，此時需要滿足條件k×（n—1）≥3k +n—1；而且隨著觀測時間的增加，未知參量個數(shù)線性增加，觀測方程系數(shù)矩陣維數(shù)越來越大，傳統(tǒng)的最小二乘法用于靜態(tài)定位時，模糊度初始化需要至少2 min，如果將其用于動對動，則會產(chǎn)生至少360個未知基線參量，此時將難以利用最小二乘求解，同時，基線矢量實時變化，難以再作為已知約束條件進(jìn)行輔助，這時應(yīng)尋求適合于動態(tài)情況下的模糊度初始化方法。

由于在實際求解雙差模糊度過程中，對于基線矢量bk并不關(guān)心，因為一旦準(zhǔn)確求解并固定雙差模糊度，基線矢量就能精確求得。為了滿足動對動對實時性的要求，并且充分利用每一歷元的觀測信息，本文采用基于解耦消參的動對動相對定位算法求解動對動模糊度。

2.2 動對動相對定位算法

解耦法的基本思想為：將每一歷元的基線矢量參量bk用雙差模糊度參數(shù)N表示，從而消除bk，只剩下N，進(jìn)而僅對雙差模糊度進(jìn)行推算［9］。

則第k個歷元雙差方程為

基線矢量的最小二乘解為

根據(jù)式（5），對前n個歷元得到的雙差觀測方程疊加得到

將式（6）代入式（7）得

則有

則模糊度浮點(diǎn)解可表示為：

根據(jù)誤差傳播定律，可求得模糊度的協(xié)方差矩陣為：

式（9）和式（10）即為解耦法推算模糊度浮點(diǎn)解及其協(xié)方差矩陣的公式。

經(jīng)分析可知，采用解耦法實時推算模糊度浮點(diǎn)解及其協(xié)方差矩陣，是將當(dāng)前時刻之前每一歷元的觀測信息進(jìn)行求和，隨著觀測時間的增加，并沒有造成矩陣維數(shù)的增加。在用解耦法得到雙差模糊度浮點(diǎn)解及其協(xié)方差矩陣的基礎(chǔ)上，利用LAMBDA［10］算法進(jìn)行模糊度的搜索與固定，從而獲得高精度動對動相對定位結(jié)果，滿足動對動相對定位的實時性要求。

從式（9）和式（10）中可以看出，在忽略觀測噪聲的情況下，雙差模糊度浮點(diǎn)解的求解僅與載波相位觀測值、接收機(jī)至衛(wèi)星的方向矢量以及載波波長有關(guān)，而接收機(jī)的運(yùn)動狀態(tài)雖然對接收機(jī)的捕獲、跟蹤性能影響較大，但對接收機(jī)至衛(wèi)星的方向矢量影響較小，理論上，只要接收機(jī)能連續(xù)跟蹤衛(wèi)星信號，提供可靠的載波相位觀測值，則該算法就具有適用性。

3 試驗結(jié)果與分析

3.1 試驗方法

本文從兩個方面驗證該算法的可行性：1）如果整個觀測過程不發(fā)生周跳，那么動態(tài)整周模糊度應(yīng)與靜態(tài)整周模糊度相同，基于這一思想，先用傳統(tǒng)成熟的方法解算出靜態(tài)時的模糊度，將其作為參考值，結(jié)果如表1所示，然后用基于解耦消參的動對動相對定位算法對動態(tài)情況下獲得的觀測數(shù)據(jù)進(jìn)行解算，將求解得到的動態(tài)模糊度與參考值作比較，若該算法可行，則二者應(yīng)該一致。2）利用基于解耦消參的動對動相對定位算法求解得到的動態(tài)模糊度反解基線長度，將結(jié)果與其實際長度進(jìn)行比較，期望獲得較小的基線誤差。

表1 靜態(tài)時解算出的雙差整周模糊度參考值Tab.1 Referencevaluefordoubledifference integerambiguityinstaticcalculation

若能同時獲得以上兩個預(yù)期效果，則說明所提算法能較好地適用于動態(tài)相對定位。

3.2 試驗條件

為驗證該算法的準(zhǔn)確性和可行性，采用固定基線情況下動態(tài)試驗的方法。利用兩個NovAtel接收機(jī)，基準(zhǔn)站和移動站分別為SPAN-CPT和OEM628板卡，均連接GPS-703-GGG型號的雙頻天線，數(shù)據(jù)采樣率為1Hz，兩天線固定于已知長度的基線兩端，并放置于小車前端，試驗前已測得基線長為1.91m，取衛(wèi)星截止高度角為15°，觀測到7顆GPS衛(wèi)星，分別為PRN3，PRN14，PRN20，PRN22，PRN25，PRN31，PRN32，選取PRN3作為參考衛(wèi)星。先靜態(tài)觀測大約10min，然后開始動態(tài)試驗，運(yùn)動速度約為3m/s，繞操場運(yùn)動大約5min。

3.3 試驗過程

采用解耦法對動態(tài)數(shù)據(jù)推算約1min，這里以雙差模糊度N31為代表（其他雙差模糊度的變化與解算情況與之類似），其浮點(diǎn)解在推算中逼近真值的過程如圖1所示；然后采用LAMBDA算法固定每一歷元的雙差模糊度，表2和圖2為N31在每一歷元的固定結(jié)果；利用固定得到的雙差模糊度反解每一歷元的基線長度，所得結(jié)果如圖3所示；將求解得到的基線長度與實測長度相比較，得到基線誤差曲線圖如圖4所示。

表2 雙差模糊度N31在每一歷元的固定結(jié)果Tab.2 Thefixedresultfordoubledifference ambiguityN31ineachepoch

圖1 模糊度浮點(diǎn)解N31逼近真值的過程Fig.1 FloatsolutionN31 approachingrealvalue

圖2 模糊度N31在每一歷元的固定結(jié)果Fig.2 FixedambiguityN31 ineachepoch

圖3 基線長度Fig.3 Baselinelength

圖4 基線長度誤差Fig.4 Baselinelengtherror

3.4 結(jié)果分析

從圖1中可以看出，當(dāng)用解耦法推算到大概第70個歷元時，模糊度N31的浮點(diǎn)解已經(jīng)開始逼近真值，并且之后的推算較為平穩(wěn)；結(jié)合表1，由表2和圖2可知，從第69個歷元開始，在動態(tài)情況下的每一歷元均能準(zhǔn)確固定住模糊度N31，該方法首次固定模糊度用時相比于基于模糊度逼近的搜索法用時更少的原因，是因為后者對模糊度浮點(diǎn)解的精度要求更高，其模糊度解算時間主要消耗于浮點(diǎn)解逼近真值的過程；而本文將解耦法與LAMBDA方法相結(jié)合，LAMBDA方法對浮點(diǎn)解的精度要求不如基于模糊度逼近的搜索法苛刻，因而節(jié)省了浮點(diǎn)解的求解時間；由圖3和圖4可知，利用解算得到的模糊度反解所得基線長度與實驗前測量結(jié)果基本一致，基線長度誤差為1 cm。

4 結(jié)論

本文在分析動對動與靜態(tài)相對定位中整周模糊度初始化的區(qū)別與聯(lián)系的基礎(chǔ)上，提出了基于解耦消參的動對動相對定位算法。該算法將基線參量用雙差模糊度參量代替，僅對模糊度浮點(diǎn)解及其協(xié)方差矩陣進(jìn)行實時推算，然后利用LAMBDA算法進(jìn)行模糊度整數(shù)解的搜索與固定。試驗表明，基于解耦消參的動對動相對定位算法初始化模糊度用時較短，在70 s左右即可正確解算出動態(tài)單頻整周模糊度，獲得了厘米級的相對定位結(jié)果，能夠較好地適用于短基線高精度動態(tài)相對定位。

［1］Jacek Paziewski，Pawel Wielgosz.Assessment of GPS+Galileo and multi-frequency Galileo single-epoch precise positioning with network corrections［J］.GPS Solution，2014，18（4）：571-579.

［2］王德軍，熊永良，劉寧，等.寬巷組合及軌跡約束下的列車在軌動態(tài)單歷元定位算法［J］.測繪學(xué)報，2014，43（2）：131-136.

［3］Wang Bo，Miao Lingiuan，Wang Shunting.A constrained LAMBDA method for GPS attitude determination［J］. GPSSolution，2009（13）：97-107.

［4］段榮，趙修斌，龐春雷，等.改進(jìn)的GPS整周模糊度動態(tài)快速解算［J］.華中科技大學(xué)學(xué)報（自然科學(xué)版），2014，42（9）：54-58.

［5］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(xué)學(xué)報（信息科學(xué)版），2009，34（1）：97-99.

［6］俞文伯，高國江，趙剡.單頻GPS動態(tài)相對定位的模糊度逼近/搜索解法［J］.北京航空航天大學(xué)學(xué)報，2002，28（2）：242-244.

［7］龐春雷，趙修斌，盧艷娥，等.一種改進(jìn)型的GPS單頻整周模糊度快速解算方法［J］.兵工學(xué)報，2012，33（11）：1387-1392.

［8］Chen Wantong，Qin Honglei.New method for single epoch，single frequency land vehicle attitude determination using low-end GPS receiver［J］.GPS Solution，2012，（16）：329-338.

［9］劉志儉.GPS載波相位差分技術(shù)、捷聯(lián)慣性導(dǎo)航系統(tǒng)初始對準(zhǔn)技術(shù)及其組合技術(shù)研究［D］.長沙：國防科學(xué)技術(shù)大學(xué)，2003.

［10］Teunissen PJG.The least-squares ambiguity decorrelation adiustment：a method for fast GPSinteger ambiguity estimation［J］.Journal of Geodesy，1995（70）：65-82.

Dynamic Relative Positioning Algorithm Based on Decoupling Parameter Elimination

WU Shaoshi，ZHAO Xiubin，PANG Chunlei，YU Yonglin，LIU Ming
（Information and Navigation College，Air Force Engineering University，Xi’an 710077，China）

It is difficult to obtain the integer ambiguity precisely because baseline is real-time changeable in dynamic to dynamic relative positioning，.On the basis of comparison between dynamic to dynamic relative positioning and static relative positioning，an algorithm for dynamic to dynamic relative positioning based on parameter elimination with decoupling method was proposed.The algorithm combined the decoupling method and LAMBDA algorithm.Firstly，double difference carrier phase observation equations were transformed through decoupling method，so that the baseline parameters were removed and the float solution and its covariance matrix of double difference of integer ambiguity were deduced in real-time，then integer ambiguities were fixed and confirmed by LAMBDA algorithm.The test revealed that it took only seventy seconds to calculate the single tone dynamic ambiguity with the proposed algorithm and the baseline error being cm-level，which meant that the proposed algorithm was suitable for short-baseline dynamic scenarios with high-precision.

dynamic to dynamic；relative positioning；integer ambiguity；decoupling；LAMBDA

TN967.1

A

1008-1194（2015）05-0026-04

2015-05-25

國家自然科學(xué)基金資助項目（61273049）

伍劭實（1990—），男，湖北宜昌人，碩士研究生，研究方向：衛(wèi)星導(dǎo)航與定位。E-mail：wushaoshipaper@ 163.com。