高精度GNSS定位算法研究.pdfVIP

高精度GNSS定位算法研究

一、引言

全球导航卫星系统（GNSS）已经成为现代定位和导航的基础

设施之一。随着卫星数量的增加、信号传输方式的改善和接收器

技术的升级，GNSS定位精度也在不断提高。然而，在一些高精度

定位应用领域，如航空航天、智能交通和精准农业等，通常需要

更高的定位精度和精度保持性能。因此，针对高精度GNSS定位

算法的研究备受关注。

二、高精度GNSS定位的基本原理

GNSS定位基本原理是利用卫星发射的导航信号，通过接收器

接收并进行处理，计算出接收器的位置和速度。对于全球定位系

统（GPS），这些导航信号包括L1频段上的C/A码和L2频段上

的P码，以及C码、L5码等。针对高精度GNSS定位，需要用到

更多的导航信号和测量数据。

高精度GNSS定位的核心是多频段、多系统接收器，通常采用

相位观测值进行定位，以获得更高的精度和精度保持性能。常用

的高精度GNSS定位算法包括差分定位、动态定位和静态定位等，

下面将分别介绍。

三、差分定位算法

差分定位算法是通过接收两个或多个接收器接收到的相同导航

信号，计算它们之间的差值（包括伪距差和载波相位差），从而

消除大气延迟和其他误差。对于实时应用，采用实时差分定位算

法，需要一台基站通过无线电信号将差分信息传输给用户。在后

处理应用中，可以对原始数据进行后期差分，得到更高精度的定

位结果。

差分定位算法通常应用于海洋、航空等领域，以及车辆导航和

移动测绘等应用，通过消除微小的误差，可以使得定位精度提高

至数厘米的级别。但差分定位算法的局限性也很明显，它需要基

站支持、工作稳定，而且在无法接收基站信号的区域无法使用。

四、动态定位算法

动态定位算法也是基于相位观测值进行计算，但相对于差分定

位算法，不需要基站信号的支持。动态定位算法针对动态环境下

的应用，例如车辆导航、移动测绘等，通常采用单点定位或者运

动状态估计的方式。

动态定位算法的关键是解决多普勒效应、动态多路径效应和载

波相位模糊等问题，以实现高精度的定位。目前，常见的动态定

位算法包括卡尔曼滤波、扩展卡尔曼滤波等。动态定位算法的优

点是适用于复杂环境和运动状态下的定位，但在静态环境下定位

精度难以维持。

五、静态定位算法

静态定位算法主要应用于需要长时间记录、高精度的定位应用，

例如精准测量和测绘等。静态定位算法通常采用时域方法或空域

方法进行计算。时域方法需要进行相位平滑处理、载波相位模糊

解算等，而空域方法则需要进行周跳探测、抗多径等处理。

静态定位算法的核心思想是多天线阵列技术，利用多个接收天

线接收同步信号，对信号进行分析，计算出接收机的精确位置和

测量值。静态定位算法精度较高，可以达到亚厘米级别，但在动

态环境下应用受到较大限制。

六、高精度GNSS定位算法研究进展

在高精度GNSS定位算法研究领域，有很多值得关注的进展。

如多时段协同定位算法、多传感器协同定位算法、深度学习算法

等，这些算法的研究都在不断引领着高精度定位算法的新方向。

多时段协同定位算法是指多个时段的GNSS信号协同工作，实

现更高精度的定位。例如，利用历史观测值进行预测、基于历史

数据的动态发布预报等方式，都可以有效提高定位精度和可靠性。

多传感器协同定位算法则是指将GNSS信号与其他传感器信号，

如惯性导航传感器、视觉传感器等，进行融合，实现更准确、更

可靠的定位。多传感器协同定位算法虽然复杂度高，但在大型智

能交通、自主驾驶和智能机器人等应用领域具有广泛的应用前景。

深度学习算法是指利用深度神经网络等技术，对大量的GNSS

数据进行学习和适应，通过多层次的信息处理和特征提取，实现

更高的定位精度。深度学习算法的应用前景在机器学习、自然语

言处理等领域已经得到充分证明，也在高精度GNSS定位研究领

域找到了充分应用。

七、结论

高精度GNSS定位技术是现代定位和导航的必要组成部分。本

文从差分定位、动态定位和静态定位算法三个方面，介绍了高精

度GNSS定位的基本原理和常见算法，在此基础上还介绍了多时

段协同定位、多传感器协同定位和深度学习算法的研究进展。高

精度GNSS定位研究领域任重道远，但相信随着技术的不断进步

和算法的不断优化，高精度GNSS定位算法将得到更广泛的应用

和推广。