【学习笔记】GPS原理及数据处理（快速静态定位中的整周模糊度确定,FRAR和LAMBDA）

本节主要讲到了快速静态定位中的整周模糊度确定方法，快速模糊度解算法，Fast Ambiguity Resolution Approch,FRAR）和最小二乘模糊度降相关平差法（Least-square Ambiguity Decorrelation Adjustment,LAMBDA）

1. 基本概念

在短基线中，各种误差能够较完善的得以消除，因此快速静态定位的关键是如何准确的确定整周模糊度。由于短时间内卫星的位置变化不大，历元间的观测值相关性大，所建立的观测方程状态差,这就会导致求出的实数模糊度精度低，置信区间大，落入区间的整数也意味着变多，置信区间内的整数都有可能是正确值，这些整数被称为该模糊度参数的备选解。将所有观测卫星的模糊度参数的备选解排列组合起来就构成了整数模糊度向量的N的备选组。

2.搜索原理

将备选组中的整周模糊度组合一一代入法方程中进行计算，能使观测值残差的平方和最小的这组模糊度组合就是最终的正确解。只有当所有的整周模糊度皆取正确值时，观测值的残差才会与载波相位测量的正常精度对应，一般都小于0.05c，即1cm。如果将其他备选组代入方程，其中至少有一个整数模糊度参数不正确，就会使卫地距产生粗差，从而使观测值残差的平方和迅速增大。至此便是搜索原理。在模糊度参数为整数的情况下求最小二乘解的方法称为整数最小二乘法，整数最小二乘的基本方法：

$$(\hat N-N)Q_{\hat N}^{-1}(\hat N-N)=min$$
$式子中，\hat N为初始解求出的实数解，N为备选组向量，满足上式求出的N即为最$优的模糊度组合， 式子无法求解只能使用搜索算法来挑选出来。

3.FARA法

快速模糊度解算法是由1990年由E. Frei和G. Bentler提出的，FARA的实质是把大量显然不合理（经过数理统计检验）的备选组剔除掉，以减少工作量。
$统计检验的标准：任意两个整数模糊度参数N_i和N_j之差\Delta N_{ij}是否位于这两个模糊度差值的置信区间内$，用公式表示如下：

P(ΔN̂ ij−βmnij⩽ΔN