【论文笔记】短基线中基于卡尔曼滤波的单频GPS和BDS RTK算法

论文：《A Kalman Filter-Based Short Baseline RTK Algorithm for Single-Frequency Combination of GPS and BDS》

序

• 上面是这几天看的一篇论文，《短基线中基于卡尔曼滤波的单频GPS和BDS组合RKT算法》，本来想把该篇论文题目作为笔记的标题，至少也想在标题中提一提，但是没想到中文能叙述完的字符串需要码那么字母（码不下了）。
• 文章是清华大学的电子工程系博士后赵思浩，导师崔晓伟写的，看文章有习惯喜欢膜拜下作者，这样学起来就感觉是跟作者交流。 接下来就是读了这篇文章的笔记。

摘要

文章提出了一种处理短基线GPS和BDS的RTK算法处理模型，使用卡尔曼滤波来估计实数模糊度。文中的高精度定位都是基于提出的模型，并进行了详细的叙述。并通过一条0基线和两条短极限对 提出的算法模型进行了验证。实验结果表明，提出的算法能够达到GPS和BDS其任一一种的单系统精度，产生固定的基线解。在处理多星座系统时，提出的算法模型可以显著的提高固定率，减少首次固定的时间。

简介

在文中第一次提出了基于卡尔曼滤波估计实数模糊度的双差载波和伪距观测值模型。这个模型可以处理GPS或者GPS星座中的任意一个。将观测值输入卡尔曼滤波器估计它们的实数模糊度和方差，然后同时固定这些整周模糊度。由于组合系统比任何一个单系统的可见卫星数都要多，组合方式增加了RTK的可用性。文中也提出了详细的实现计划，包括滤波参数的 设置，卫星升起降落处理，基线处理等，之前在其他文献难以见到的，并使用matlab代码实现了处理双差观测值。实验采用的是自己研制的接收机的接受数据，一条0基线和两条短基线来验证提出的模型。
实验表明：1.精度能和单个GPS或者BDS同级精度
2.固定解的百分比两个单系统都要高
3.提出的模型有很多细节可以帮助读者实现应用也能做扩展，多频多星座。
文章结构：1.介绍伪距相位的观测模型
2.提出KF估计GPS和BDS的实数模糊度，讲述了细节，并实验验证了算法
3.总结和展望

伪距载波相位观测模型

$$\rho_{j,r}=\lambda^{-1}(r_{j,r}+I_{j,r}+T_{j,r})+f(\delta t_r-\delta t_j)+\varepsilon _{j,r}\\ \rho_{j,b}=\lambda^{-1}(r_{j,b}+I_{j,b}+T_{j,b})+f(\delta t_b-\delta t_b)+\varepsilon _{j,b}\\ \phi_{j,r}=\lambda^{-1}(r_{j,r}+I_{j,r}+T_{j,r})+f(\delta t_r-\delta t_j)+N_{j,r}+\eta_{j,r}\\ \phi_{j,b}=\lambda^{-1}(r_{j,b}+I_{j,b}+T_{j,b})+f(\delta t_b-\delta t_j)+N_{j,b}+\eta_{j,b}$$
$其中的\rho和\phi是伪距和载波观测值（单位：周），\lambda为载波的波长单位（m）,r代表的是真实的卫地距，f是载波的频率，\delta t_r为接收机钟差，\delta t_j为卫星钟差,N为整周模糊度，\varepsilon 和\eta为伪距和相位的观测噪声，他们的协方差可以表示为【文献11（rtklib说明书）】：$
$$\sigma^2=a(b+b/sin^2\theta)/\lambda^2$$
$\theta为卫星高度角，a,b为经验值，文章中设置为a=1,b=9e-6$
接收机间单差观测值（r-b）：
$$\rho_{j,rb}=\lambda^{-1}(r_{j,rb}+I_{j,rb}+T_{j,rb})+f\delta t_{rb}+\varepsilon_{j,rb}\\ \phi_{j,rb}=\lambda^{-1}(r_{j,rb}+I_{j,rb}+T_{j,rb})+f\delta t_{rb}+N_{j,rb}+\eta_{j,rb}$$
公式中的含义同上式子。
接下来，选择高度角最高的那颗作为参考卫星ith,双差伪距和载波相位观测值可以获得如下：

ρji,rb=