| RTKLIB有关整周模糊度的说明（二） | 您所在的位置：网站首页 › rtk算法步骤 › RTKLIB有关整周模糊度的说明（二） |
|
首先检查配置中所设置的AR阈值（LAMBDA算法最优解和次优解的比值，通常取3.0），如果该阈值小于0，则返回0。检查卡尔曼滤波中位置状态量的协方差阵，如果位置方差超过所设定的方差阈值，则返回0，避免由于方差过大造成false fix。调用ddmat函数，创建将卡尔曼状态量从单差转到双差的转换矩阵D’。主要是将单差相位偏移状态量转换为双差相位偏移，这里的D’阵实际就是RTKlib manual 165页中的G阵。定义几个变量和矩阵，其中ny=na+nb，na实际就是之前卡尔曼滤波中除了单差相位偏移之外的所有状态量个数（例如：位置+速度+加速度+电离层+对流层……），nb则是双差相位偏移的个数（即需要解算的整周模糊度个数）；根据RTKlib manual 165页公式（E.7.15）、（E.7.16）计算双差状态量和双差协方差阵。之所以要在做LAMBDA算法前将单差转成双差，是为了去除接收机的初始相位偏移，这样就只剩下整周的模糊度。计算公式（E.7.16）中的Q_NQN和Q_{NR}QNR矩阵。调用lambda函数计算双差整周模糊度最优解以及残差。如果最优解和次优解的比值大于阈值，则利用公式（E.7.19），根据lambda算法得到的双差整周模糊度，计算除了单差相位偏移之外的所有状态量（例如：位置+速度+加速度+电离层+对流层……），存入rtk->xa中。这一步实际就是利用lambda算法得到的整数的整周模糊度对其他状态量进行修正。调用restamb函数，利用lambda算法计算得到的双差整周模糊度，重新计算单差相位偏移，并存入xa中，同时将第8步中得到的其他状态量也存入xa中。
注意： 这个函数中的变量比较多，容易混乱。rtk->x是卡尔曼滤波的状态量，rtk->xa是利用lambda算法得到的整数解修正后的、与相位偏差无关的状态量（例如：位置+速度+加速度+电离层+对流层……），rtk->P和rtk->Pa同理。xa这个变量（注意不是rtk->xa，这是两个不同的变量）则包含了两部分，一部分是rtk->xa，另一部分则是利用lambda算法得到的双差整周模糊度计算得到的单差相位偏移。nx=rtk->nx是指卡尔曼滤波状态量的个数，na=rtk->na是除了单差相位偏差之外的所有状态量个数，所以通常相位偏差状态量的索引是从na开始；nb则是双差整周模糊度的个数。 |
| CopyRight 2018-2019 实验室设备网 版权所有 |