论文部分内容阅读
Kalman滤波是一个不断地预测、修正的递推计算过程，由于其在求解时不需要存储大量的观测数据，并且当得到新的观测数据时，可随时算得新的参数滤波值，便于实时地处理观测结果。因此Kalman滤波被越来越多地应用于动态定位数据处理中，应用于GPS动态定位和惯性导航的数据处理中，可以有效提高定位精度，更好地满足用户导航定位的需求。
本文针对Kalman滤波的特性和处理动态数据的优越性，对其在GPS动态定位数据处理中的应用问题进行了深入的研究，主要研究内容如下：
1.基于GPS伪距和载波相位绝对定位和相对定位的基本原理和方法，研究了伪距和载波相位的线性组合观测值在定位、整周模糊度求解、减少电离层和观测噪声的影响、周跳的探测与修复中的作用，探讨了伪距和载波相位的各种线性组合模式的优缺点和相应的使用范围。
2.推导了GPS整周模糊度的求解过程和方法，采用RATIO检验、主从卫星的整周模糊度约束条件检验、残差检验和累积残差检验四种方法对求解整周模糊度进行检验，同时探讨了周跳的探测与修正问题，研究了解决方案。
3.对动态条件下的GPS定位进行研究，建立了标准的Kalman滤波模型，针对标准滤波在动态解算中的发散和降低模型误差，探讨了适合动态环境的强跟踪Kalman滤波和改进自适应Kalman滤波。
4.采用强跟踪Kalman滤波和改进的自适应Kalman滤波对实际观测得到的数据进行处理，分析比较两种方法处理的结果，同时通过仿真验证了改进的Kalman滤波模型对于GPS实际动态定位数据处理的良好的应用效果。