CN108241161B

CN108241161B - 用于载波范围模糊度估计的分布式卡尔曼滤波器架构

Info

Publication number: CN108241161B
Application number: CN201710960851.4A
Authority: CN
Inventors: 克里斯托夫·大卫·海德; 亚历山大·詹姆斯·帕金斯
Original assignee: U Blox AG
Current assignee: U Blox AG
Priority date: 2016-12-23
Filing date: 2017-10-16
Publication date: 2023-03-10
Anticipated expiration: 2037-10-16
Also published as: US20180180743A1; CN108241161A; JP2018136298A; EP3339908B1; US10564296B2; JP6907083B2; EP3339908A1

Abstract

用于使用由GNSS接收机针对多个GNSS卫星获得的载波范围测量来确定导航数据(124)的方法和装置，所述装置包括：第一卡尔曼滤波器(100)，被配置为至少部分地基于由所述GNSS接收机和/或另外的GNSS接收机获得的第一组GNSS测量(104)和第一状态向量的先验估计来确定所述第一状态向量的后验估计，所述第一状态向量包括与所述多个GNSS卫星相关的载波范围模糊度值以及所述GNSS接收机和/或所述另外的GNSS接收机的位置；以及第二卡尔曼滤波器(102)，被配置为至少部分地基于由所述GNSS接收机和/或另外的GNSS接收机获得的第二组GNSS测量(106)和第二状态向量的先验估计来确定包括导航数据(124)的所述第二状态向量的后验估计，以及基于在所述第一状态向量的后验估计中确定的载波范围模糊度值来确定载波范围模糊度数据(126)。

Description

用于载波范围模糊度估计的分布式卡尔曼滤波器架构

技术领域

本发明涉及卡尔曼滤波器，具体地涉及用于载波范围模糊度估计的分布式卡尔曼滤波器架构。

背景技术

全球导航卫星系统(GNSS)接收机能够通过对至少四个GNSS卫星发射的无线电信号进行测量来准确地确定用户位置。通过首先测量无线电信号从卫星行进到接收机所花费的时间，然后通过将该行进时间与光速相乘而将该行进时间转换为相应的“视距”距离，来确定距每个卫星的距离。

对调制到卫星信号的射频(RF)载波(以下称为载波)上的伪随机噪声(PRN)码进行的测距测量被称为伪距测量，并且如果适当考虑偏差和误差源，则该测距测量可以达到米的定位精度。然而，伪距测量在挑战多路径环境方面经受精度和可靠性的降低。

对卫星信号的载波执行测距测量(而不是对其调制)提供了更大的多路径鲁棒性。也可以更准确地进行这些称为载波相位或载波范围测量的测量，并且如果正确地考虑偏差和误差，则由此可以达到厘米定位精度。可以通过卫星之间的差分来消除GNSS接收机时间中的误差，而通过两个接收机(即，GNSS接收机和另一GNSS接收机，例如参考地面站)之间的差分可以消除初始卫星相位偏移中的误差。

一些GNSS接收机采用伪距测量和载波范围测量两者来提供冗余并增加在位置计算中使用的观测数量。与伪距测量相比，载波范围测量在测距测量中引入了模糊度。传输载波频率的周期性性质在发射信号的卫星与GNSS接收机之间产生了周期数的整数模糊度，其中信号的每个周期表示在信号的一个波长中行进的距离。

由于GNSS接收机通常将本地生成的载波信号与输入截取的载波信号对准以确定载波相位偏移，因此出现该载波范围模糊度，并且该处理不提供关于因卫星发送信号发生的整个信号周期数的信息。为了将GNSS接收机进行的载波相位测量用作真实的测距信息，首先需要针对每个接收的卫星信号确定未知的模糊度。

解决这些模糊度的一种已知方法需要使用卡尔曼滤波器来估计模糊度，卡尔曼滤波器无可非议地被称为“导航的整合主力”(L.J.Levy，GPS World，1977年9月)。由于卡尔曼滤波器现在无论如何经常用于GNSS接收机中以提供导航解决方案，因此它们是解决载波范围模糊度的最佳方法。除了改变GNSS接收机-卫星几何学之外，卡尔曼滤波器还采用伪距测量和载波相位双差测量的差异，以建立可以随后用于收敛于模糊度的位置信息。代替使用双重差分，也可以在卡尔曼滤波器中使用单个“差分”测量，并估计接收机硬件延迟。

使用卡尔曼滤波器以这种方式估计载波范围模糊度需要为每个观测到的载波范围实施单独的卡尔曼滤波器状态，并且因此大大增加卡尔曼滤波器矩阵的尺寸，这进而非线性地增加卡尔曼滤波器算法的计算成本。例如，将典型的导航卡尔曼滤波器修改为包括估计载波范围模糊度将把卡尔曼滤波器的状态数从8个(3个位置状态、3个速度状态和2个时钟状态)增加到8+2*C*M个，其中C是双频GNSS星座的数量；以及M表示在任何给定时间可观测到的每个星座的可见卫星信号的数量。即使在任何一个时间只能看到5颗卫星/星座并且GNSS接收机只能跟踪两个GNSS星座(例如，GPS和GLONASS)的情况下，卡尔曼滤波器所需的状态数从8个状态增加到28个状态。这对在具有受限的处理资源的GNSS接收机上的实施造成了问题。

期望提供一种用于解决资源受限的GNSS接收机中的载波范围模糊度的计算有效的卡尔曼滤波器。

发明内容

在本发明的第一方面，提供了一种用于使用由GNSS接收机针对多个GNSS卫星获得的载波范围测量来确定导航数据的装置，所述装置包括：第一卡尔曼滤波器，被配置为至少部分地基于由所述GNSS接收机和/或另外的GNSS接收机获得的第一组GNSS测量和第一状态向量的先验估计来确定所述第一状态向量的后验估计，所述第一状态向量包括与所述多个GNSS卫星相关的载波范围模糊度值以及所述GNSS接收机和/或所述另外的GNSS接收机的位置；以及第二卡尔曼滤波器，被配置为至少部分地基于由所述GNSS接收机和/或另外的GNSS接收机获得的第二组GNSS测量和第二状态向量的先验估计来确定包括导航数据的所述第二状态向量的后验估计，以及基于在所述第一状态向量的后验估计中确定的载波范围模糊度值来确定载波范围模糊度数据。

可选地，所述第一卡尔曼滤波器被配置为基于以下至少一项来确定所述第一状态向量的先验估计：所述GNSS接收机和/或所述另外的GNSS接收机的速度估计、以及与所述速度估计有关的不确定性的测量，其中所述速度估计和所述不确定性的测量均由所述第二卡尔曼滤波器确定。

所述第二卡尔曼滤波器可以被配置为基于由一个或多个传感器获得的数据来确定所述速度估计和/或所述不确定性的测量，其中所述一个或多个传感器获得的数据指示所述GNSS接收机和/或所述另外的GNSS接收机的运动和/或取向。

可选地，所述第二卡尔曼滤波器被配置为基于所述第二状态向量的先验估计和由一个或多个传感器获得的一个或多个测量来确定所述速度估计和/或所述不确定性的测量，其中所述一个或多个测量指示所述GNSS接收机或所述另外的GNSS接收机的速度。

在一些布置中，当确定所述第一状态向量的后验估计时，所述第一卡尔曼滤波器被配置为基于所述第二卡尔曼滤波器的第二测量残差来确定所述第一卡尔曼滤波器的估计的第一测量残差。

在其他布置中，所述第一卡尔曼滤波器还被配置为基于所述第二卡尔曼滤波器的卡尔曼滤波器参数、所述第二状态向量的先验估计的至少一部分以及所述第一状态向量的先验估计的至少一部分来估计所述第一测量残差。

所述第一卡尔曼滤波器可以被配置为以第一更新速率确定所述第一状态向量的后验估计，并且其中所述第二卡尔曼滤波器被配置为以第二更新速率确定所述第二状态向量的后验估计。

所述第二更新速率可以大于所述第一更新速率。

可选地，所述第二卡尔曼滤波器被配置为基于由一个或多个惯性传感器获得的惯性测量来确定所述第二状态向量的先验估计，其中所述惯性测量指示所述GNSS接收机或所述另外的GNSS接收机的加速度和/或旋转角速度。

所述第一组GNSS测量或所述第二组GNSS测量之一可以包括至少一个GNSS测量，所述至少一个GNSS测量未包括在所述第一组GNSS测量或所述第二组GNSS测量中的另一个中。

所述装置可以包括两个GNSS接收机，并且其中所述第一组GNSS测量和所述第二组GNSS测量均包括由所述两个GNSS接收机获得的GNSS测量。

在一些布置中，所述装置还可以包括第一处理器和第二处理器，其中所述第一处理器被配置为实现所述第一卡尔曼滤波器，并且所述第二处理器被配置为实现所述第二卡尔曼滤波器。

在其他布置中，所述装置还可以包括：模糊度解析模块，被配置为将在所述第一状态向量的后验估计中确定的所述载波范围模糊度值解析为整数，并且其中所述载波范围模糊度数据包括所解析的整数载波范围模糊度值。

可选地，所述第一状态向量包括与所述多个GNSS卫星有关的大气校正值。

所述载波范围模糊度数据可以包括所述载波范围模糊度值和所述大气校正值，并且其中所述第二卡尔曼滤波器被配置为基于所述大气校正值来调整所述载波范围模糊度值。

可选地，所述第一卡尔曼滤波器被配置为基于所述大气校正值来调整所述载波范围模糊度值，并且其中所述载波范围模糊度数据包括经调整的载波范围模糊度值。

某个示例性装置还可以包括：一个或多个另外的卡尔曼滤波器，被配置为至少部分地基于由所述GNSS接收机和/或另外的GNSS接收机获得的另外的GNSS测量和一个或多个另外的状态向量的一个或多个先验估计来确定所述一个或多个另外的状态向量的后验估计，所述一个或多个另外的状态向量包括与所述多个GNSS卫星有关的另外的载波范围模糊度值，并且其中，所述载波范围模糊度数据还基于所述另外的载波范围模糊度值。

根据本发明的另一方面，提供了一种用于使用由GNSS接收机针对多个GNSS卫星获得的载波范围测量来确定导航数据的方法，所述方法包括：由第一卡尔曼滤波器，至少部分地基于由所述GNSS接收机和/或另外的GNSS接收机获得的第一组GNSS测量和第一状态向量的先验估计来确定所述第一状态向量的后验估计，所述第一状态向量包括与所述多个GNSS卫星相关的载波范围模糊度值以及所述GNSS接收机和/或所述另外的GNSS接收机的位置；以及由第二卡尔曼滤波器至少部分地基于由所述GNSS接收机和/或另外的GNSS接收机获得的第二组GNSS测量和第二状态向量的先验估计来确定包括导航数据的所述第二状态向量的后验估计，以及基于在所述第一状态向量的后验估计中确定的载波范围模糊度值来确定载波范围模糊度数据。

可选地，所述第一卡尔曼滤波器基于以下项中的至少一个来确定所述第一状态向量的先验估计：所述GNSS接收机和/或所述另外的GNSS接收机的速度估计、以及与所述速度估计有关的不确定性的测量，其中所述速度估计和所述不确定性的测量均由所述第二卡尔曼滤波器确定。

所述第二卡尔曼滤波器可以基于由一个或多个传感器获得的数据来确定所述速度估计和/或所述不确定性的测量，其中所述一个或多个传感器获得的数据指示所述GNSS接收机和/或所述另外的GNSS接收机的运动和/或取向。

所述第二卡尔曼滤波器可以基于所述第二状态向量的先验估计和由一个或多个传感器获得的一个或多个测量来确定所述速度估计和/或所述不确定性的测量，其中所述一个或多个测量指示所述GNSS接收机或所述另外的GNSS接收机的速度。

可选地，当确定所述第一状态向量的后验估计时，所述第一卡尔曼滤波器基于所述第二卡尔曼滤波器的第二测量残差来确定所述第一卡尔曼滤波器的估计的第一测量残差。

在一些布置中，所述第一卡尔曼滤波器基于所述第二卡尔曼滤波器的卡尔曼滤波器参数、所述第二状态向量的先验估计的至少一部分以及所述第一状态向量的先验估计的至少一部分来估计所述第一测量残差。

可选地，所述第一卡尔曼滤波器以第一更新速率确定所述第一状态向量的后验估计，并且其中所述第二卡尔曼滤波器以第二更新速率确定所述第二状态向量的后验估计。

所述第二更新速率可以大于所述第一更新速率。

所述第二卡尔曼滤波器可以基于由一个或多个惯性传感器获得的惯性测量来确定所述第二状态向量的先验估计，其中所述惯性测量指示所述GNSS接收机或所述另外的GNSS接收机的加速度和/或旋转角速度。

可选地，所述第一组GNSS测量或所述第二组GNSS测量之一包括至少一个GNSS测量，所述至少一个GNSS测量未包括在所述第一组GNSS测量或所述第二组GNSS测量中的另一个中。

所述方法还可以包括使用两个GNSS接收机获得GNSS测量，并且其中所述第一组GNSS测量和所述第二组GNSS测量均包括由所述两个GNSS接收机获得的GNSS测量。

所述方法还可以包括：在第一处理器上实现所述第一卡尔曼滤波器并且在第二处理器上实现所述第二卡尔曼滤波器。

所述方法还可以包括：模糊度解析模块将在所述第一状态向量的后验估计中确定的所述载波范围模糊度值解析为整数，并且其中所述载波范围模糊度数据包括所解析的整数载波范围模糊度值。

所述载波范围模糊度数据可以包括所述载波范围模糊度值和所述大气校正值，并且其中所述第二卡尔曼滤波器基于所述大气校正值来调整所述载波范围模糊度值。

可选地，所述第一卡尔曼滤波器基于所述大气校正值来调整所述载波范围模糊度值，并且其中所述载波范围模糊度数据包括经调整的载波范围模糊度值。

所述方法还可以包括：一个或多个另外的卡尔曼滤波器至少部分地基于由所述GNSS接收机和/或另外的GNSS接收机获得的另外的GNSS测量和一个或多个另外的状态向量的一个或多个先验估计来确定所述一个或多个另外的状态向量的后验估计，所述一个或多个另外的状态向量包括与所述多个GNSS卫星有关的另外的载波范围模糊度值，并且其中，所述载波范围模糊度数据还基于所述另外的载波范围模糊度值。

根据本发明的另一方面，提供了一种包括指令的计算机程序，所述指令在至少一个处理器上执行时使得所述至少一个处理器执行本文公开的任何方法。

根据本发明的另一方面，还提供了一种包含上述计算机程序的载体，其中，所述载体是电信号、光信号、无线电信号或非暂时性计算机可读存储介质之一。

附图说明

现在将参考附图仅通过示例的方式描述本发明的实施例，附图中：

图1是用于载波范围模糊度估计的分布式卡尔曼滤波器的框图；

图2是示出用于确定导航数据的方法的流程图；

图3是用于载波范围模糊度估计的分布式卡尔曼滤波器的另一框图；

图4是用于载波范围模糊度估计的分布式卡尔曼滤波器的另一框图；以及

图5是用于载波范围模糊度估计的分布式卡尔曼滤波器的另一框图。

具体实施方式

本文描述了用于减少卡尔曼滤波器的计算负担的方法，卡尔曼滤波器估计载波范围模糊度，从而允许其在资源受限环境中的实现。

载波范围模糊度的分离

图1是能够例如从GNSS测量来输出高精度导航解决方案的示例性装置的框图，而不需要计算密集的实施方式。该装置包括第一卡尔曼滤波器100和第二卡尔曼滤波器102。第一卡尔曼滤波器100和第二卡尔曼滤波器102分别接收GNSS测量104、106和GNSS模型信息108、110，因此可以使得卡尔曼滤波器100、102能够估计过程的一个或多个状态，这将在本文中进行讨论。

第一卡尔曼滤波器100包括时间更新模块112和测量更新模块114，并且第二卡尔曼滤波器102包括时间更新模块116和测量更新模块118。第一卡尔曼滤波器100的时间更新模块112和第二卡尔曼滤波器102的时间更新模块116在时间上向前推出一个或多个当前状态估计以及相应的误差协方差估计，以根据以下等式获得用于下一时间步长k的先验估计120、122：

其中

表示一个或多个状态的先验估计，并且

表示用于下一时间步长k的每个建模状态的协方差的先验估计。

在等式(1)中表示来自前一时间步长k-1的一个或多个卡尔曼滤波器状态的估计，并且A是将前一时间步长k-1处的状态与当前时间步长k处的状态相关的状态转移矩阵。可以存在可选的控制输入u_k-1以提供用于状态预测的附加信息，并且这通过控制输入矩阵B与一个或多个状态相关。如下面更详细地解释的，控制输入可以包括能够用于改进先验估计120、122之一或两者的惯性传感器测量。

等式(2)示出了时间更新模块112和116基于来自前一时间步长k-1的每个误差协方差的估计P_k-1来预测用于下一时间步长k的各个卡尔曼滤波器中的每个状态的误差协方差。应注意的是，状态转移矩阵A及其转置A^T与该过程的噪声协方差Q一起用于计算中。

与这些状态中的每一个相关联的更多预测状态和协方差之一的估计被称为“先验”估计，因为它们在当前时间步长k的测量之前发生。换句话说，这些估计是在考虑任何GNSS(和/或可选的速度测量)测量之前进行的。在时间更新模块112和116中预测的先验估计120、122分别被传递到第一卡尔曼滤波器100和第二卡尔曼滤波器102的测量更新模块114和118。

第一卡尔曼滤波器100和第二卡尔曼滤波器102的测量更新模块114和118分别根据以下等式来确定状态的后验估计

如等式(3)所示，状态的后验估计是基于从相应的时间更新模块112和116获得的状态的先验估计

以及在时间步长k处的一个或多个测量z_k与测量预测

之间的加权差的线性组合。所述差项

是每个状态的测量残差，有时也称为测量创新。测量残差反映了预测的测量

与实际测量z_k.之间的差异。H表示测量矩阵，也称为设计矩阵，并且具体地将状态向量中的状态与一个或多个测量z_k相关。

在可以确定每个状态的测量残差之前，首先需要计算加权因子。加权因子或者有时也称为卡尔曼增益K_k通过下式确定：

其中H表示前面介绍过的测量矩阵，R是测量的误差协方差。第一卡尔曼滤波器100和第二卡尔曼滤波器102的测量更新模块114和118还分别根据下式确定每个状态的误差协方差的后验估计：

在每个测量更新模块114和118中执行的测量更新不需要在一个步骤中对每个状态变量执行。例如，如等式(6)和(7)所示，通过适当地分解状态矩阵，可以分别对一个或多个状态变量执行测量更新。

这里，ρ和v分别表示指示位置和速度的状态，假设这些状态存在于状态向量中。

在时间更新模块112和116以及测量更新模块114和118中的每次更新之后，重复该过程，其中在时间步长k处的后验估计在下一次迭代中成为之前的后验估计，并且因此它们被用于向前推进在新的时间步长k中的新的先验估计。因此，卡尔曼滤波器在所有过去的测量上递归地调节状态和协方差的当前估计。注意在卡尔曼滤波器启动时的第一时间步长处，没有先前迭代的估计可用，因此状态和这些状态的协方差的初始估计需要被馈送到卡尔曼滤波器。

在图1的示例性装置中，第一卡尔曼滤波器100的状态向量(第一状态向量)包括对于已从中接收到第一组GNSS测量104的多个GNSS卫星中的每一个的载波范围模糊度的估计。第一状态向量还包括与该装置相关联的GNSS接收机的位置的估计。

第二卡尔曼滤波器102的状态向量(第二状态向量)包括对于与该装置相关联的GNSS接收机的位置、速度和时间(接收机时钟偏移和漂移)的估计，也称为PVT 124，并且该状态向量基于第二组GNSS测量106来确定。

注意，本文公开的示例性方法和装置可以使用多个GNSS接收机，其可以被配置为从特定GNSS星座和/或在特定频带中(例如，Navstar GPS的L1和L2)获得GNSS测量。第一组GNSS测量和第二组GNSS测量中的每一个可以包括来自多个GNSS接收机中的一个或多个的GNSS测量。因此，在第一卡尔曼滤波器和第二卡尔曼滤波器的第一状态向量和第二状态向量中确定的位置可以与多个GNSS接收机中的任何一个有关。在使用多个GNSS接收机的实际实现中，可以认为多个GNSS接收机在可实现的位置精度的上下文中基本上并置，并且因此一个GNSS接收机的位置可以近似为与另一个GNSS接收机的位置相同。对于本文档的其余部分，我们参考“接收机”的位置，但这应理解为在适当的情况下表示多个接收机之一的位置或多个GNSS接收机所位于的装置的位置。

在具体的方法和装置中，第一组GNSS测量104和第二组GNSS测量106可以包括不同的GNSS测量。也就是说，第一组GNSS测量中的至少一个GNSS测量可能不存在于第二组GNSS测量中，和/或反之亦然。

此外，第一卡尔曼滤波器100和第二卡尔曼滤波器102可以在分开的处理器上实现。分开的处理器可以形成各自包括GNSS接收机的单独的接收机芯片的一部分。接收机芯片可以并入集成电路设计中。

如图1示意性地所示，第二卡尔曼滤波器102接收载波范围模糊度数据126，其基于在第一卡尔曼滤波器100中估计的载波范围模糊度值。第二卡尔曼滤波器102将载波范围模糊度数据作为测量接收到测量更新模块118中。因此，第二卡尔曼滤波器102能够基于载波范围模糊度来确定第二状态向量的后验估计，而不必将载波范围模糊度估计为状态变量。这意味着实现第二卡尔曼滤波器102的计算负担与实现用于估计PVT和载波范围模糊度的较大卡尔曼滤波器的计算负担相比显著降低。这允许第二卡尔曼滤波器102在不太强大的处理器上实现，并且还可以允许第二卡尔曼滤波器102以与第一卡尔曼滤波器100不同的(例如，更高的)更新速率进行更新。因此，从第二卡尔曼滤波器102输出的导航数据(即，PVT124)可以处于用户或例如车辆上的其他系统需要导航数据的速率，而载波范围模糊度可以以较慢的速率来确定，其中载波范围模糊度是固定的(忽略周期滑移)，在导航数据中不需要且对确定来说在计算上是密集的。

还要注意的是，第一卡尔曼滤波器100和第二卡尔曼滤波器102均独立地估计位置，其中，使用单独的时间更新模块和测量更新模块在每个卡尔曼滤波器中估计该位置。虽然在下面讨论的一些示例性装置中，某些参数和/或变量可以从第二卡尔曼滤波器102传递到第一卡尔曼滤波器100，但是在每个的时间更新和/或测量更新中仍然存在一些独立性。

载波范围模糊度数据126不需要包括只属于载波范围测量的模糊度的信息。例如，第一卡尔曼滤波器100可以估计除了在第二卡尔曼滤波器102中使用的载波范围模糊度之外的参数，以改进第二状态向量中的一个或多个状态的估计，例如位置。然而，由于第一卡尔曼滤波器100中的估计和第二卡尔曼滤波器102中的使用之间的延时，这些参数必须在短时间段内不显著改变。它们可以在第二卡尔曼滤波器102中明确使用，或者与载波范围模糊度组合以形成载波范围偏置参数。一个例子是大气效应的估计，例如使用多频数据的倾斜电离层延迟。对此进行估计将根据每个卫星增加一个附加状态，这将显著地扩大第二卡尔曼滤波器102中的估计状态的数量。然而，电离层延迟通常只是缓慢变化，所以这些参数可以被添加到第一个卡尔曼滤波器100以便与模糊度一起被估计，然后被传递到第二卡尔曼滤波器102，以改进第二状态向量中的一个或多个状态的估计。

图2示出了用于使用由至少一个GNSS接收机获得的载波范围测量来确定导航数据(例如，PVT解决方案)的方法的流程图。下面也参照图1对图2进行描述。

步骤200：第一卡尔曼滤波器100的时间更新模块112确定第一状态向量

和相关联的误差协方差

的先验估计120。上标“1”表示第一卡尔曼滤波器100。

如上所述，使用等式(1)确定第一状态向量

的先验估计，并且使用等式(2)确定协方差

的先验估计。

步骤202：第二卡尔曼滤波器102的时间更新模块116确定第二状态向量

和相关联的误差协方差

的先验估计122。上标“2”表示第二卡尔曼滤波器。

与第一卡尔曼滤波器100一样，使用等式(1)和(2)在第二卡尔曼滤波器102中确定先验估计122。

在示例性布置中，使用由一个或多个传感器(例如，惯性传感器)获得的测量来确定第一状态向量

和/或第二状态向量

的先验估计。惯性传感器测量可以作为控制输入u_k-1与适当的控制输入矩阵B一起包括在等式(1)中。然而，应注意，替代惯性测量或除了惯性测量之外，其他测量可以用作控制输入

此外，如果在确定第一状态向量和/或第二状态向量的先验估计中没有使用测量，则控制输入

之一或两者可以设置为零。

步骤204：第一卡尔曼滤波器100的测量更新模块114确定第一状态向量

和相关联的误差协方差

的后验估计。如上所述，这可以利用等式(3)、(4)和(5)使用来自时间更新模块112的第一状态向量

的先验估计120和相关联的误差协方差

的先验估计以及形成

的至少部分且与多个GNSS卫星有关的第一组GNSS测量104来完成。第一组GNSS测量104可能已由一个或多个GNSS接收机获得。

第一卡尔曼滤波器100的测量更新模块114还可以接收与多个卫星有关的GNSS模型数据108。GNSS模型数据108可以用于例如通过考虑大气校正来减轻或去除第一组GNSS测量104中的误差源。此外，可以采用卫星-卫星差分技术以从第一组GNSS测量中减轻或去除误差源。

第一状态向量的后验估计至少包括对于多个GNSS卫星中的每一个的位置估计和载波范围模糊度估计。第一状态向量中的位置估计允许使用基于几何的技术来确定载波范围模糊度。

步骤206：在这种情况下包括估计的载波范围模糊度的载波范围模糊度数据126从第一卡尔曼滤波器100的测量更新模块114传递到第二卡尔曼滤波器102的测量更新模块118。

步骤208：第二卡尔曼滤波器102的测量更新模块118确定第二状态向量

的后验估计。与第一卡尔曼滤波器100一样，可以利用上述等式(3)、(4)和(5)使用来自时间更新模块116的第二状态向量

的先验估计122和相关联的误差协方差

的先验估计以及形成

的一部分且与多个GNSS卫星有关的第二组GNSS测量106和来自步骤206的载波范围模糊度数据126来完成。测量更新模块118还可以接收GNSS模型数据110，其可以以与第一卡尔曼滤波器100类似的方式使用以校正和/或减轻一个或多个GNSS误差源。换句话说，测量更新模块118从测量更新模块114接收载波范围模糊度数据126，并将它们与第二组GNSS测量110一起添加到

第二状态向量的后验估计可以被输出为PVT 124。

步骤210：测量更新模块114、118分别将后验估计

传送到时间更新模块112、116，其中它们被用作

和

以用于卡尔曼滤波器100、102的下一次迭代。

第一卡尔曼滤波器100和/或第二卡尔曼滤波器102的测量更新模块114、118还可以从一个或多个传感器(例如，速度传感器或里程计)接收指示GNSS接收机(或装置所装配到的车辆)的速度的进一步测量。在一个具体实施例中，在给定时间段内发生的车辆的车轮的转数(有时也称为车轮刻度)可以被用作指示第一卡尔曼滤波器100和/或第二卡尔曼滤波器102中的速度的测量。如果使用这样的测量，则将它们添加到相应卡尔曼滤波器的测量向量z_k。

应注意，图2所示的流程图仅是说明性的，并且流程的各个步骤不需要按该顺序进行。还应注意，图2的流程图假定第一卡尔曼滤波器100和第二卡尔曼滤波器102在同时被更新。然而，在示例性实现中，第一卡尔曼滤波器100和第二卡尔曼滤波器102可以分别以第一更新速率和第二更新速率进行更新，并且第二更新速率可以大于第一更新速率。在这种情况下，第二卡尔曼滤波器102的测量更新模块118使用由第一卡尔曼滤波器100确定的最新的载波范围模糊度数据126。

通过速度控制输入的模块化

图3示出了用于使用由GNSS接收机获得并与多个GNSS卫星有关的载波范围测量来确定导航数据的示例性装置。图3的一个或多个特征可以具有与图1的对应特征相同或相似的功能，这里不再对此进行详细说明。在可能的情况下，这些特征由与图1中使用的附图标记相对应的附图标记来标示，但以“3”而不是“1”开始。

如上所述，卡尔曼滤波器中的测量更新可以以两个或更多个步骤来进行，使得可以独立地确定特定的状态变量。图2的装置使用卡尔曼滤波器的该属性作为使得第二卡尔曼滤波器302向第一卡尔曼滤波器300提供包括速度估计的速度数据328的手段。

更具体地，在示例性方法和装置中，第二卡尔曼滤波器302基于由一个或多个传感器330、332所获得的数据来确定速度数据328，该速度数据包括速度估计和对速度估计的不确定性的测量(例如，误差协方差的估计)，并且如上面结合等式(1)和(2)所描述的那样，指示来自在时间更新模块中进行的时间更新的运动和/或取向。速度数据328从第二卡尔曼滤波器传递到第一卡尔曼滤波器300的时间更新模块312。然后，当确定第一状态向量的先验估计320时，第一卡尔曼滤波器300的时间更新模块312可以使用作为控制输入的速度估计以及不确定性的量度。用于第一卡尔曼滤波器300的控制输入矩阵使用速度估计以通过使用以下等式将速度估计乘以第一卡尔曼滤波器300的更新之间的时间来传播位置估计：

其中τ是更新之间的时间。

以这种方式，第一卡尔曼滤波器300不需要扩展为支持来自一个或多个传感器330、332(例如，惯性和/或速度传感器)的测量的整合，因为所述测量被整合在第二卡尔曼滤波器302中并且速度数据328被传递到次级滤波器。另外，由于例如通过使用附加传感器测量而引起的第二卡尔曼滤波器302的改进自动在第一卡尔曼滤波器300中实现，而不需要对第一卡尔曼滤波器300实施修改，所以改善了模块化。

图3示出了速度数据328由第二卡尔曼滤波器302的测量更新模块318确定，并被传递到第一卡尔曼滤波器300的时间更新模块312。在这种布置中，第二卡尔曼滤波器302的时间更新模块316使用上述等式(1)来确定第二状态向量的先验估计322(其可以使用或可以不使用惯性传感器测量330作为控制输入)，并且使用上述等式(2)来确定相关联的误差协方差的先验估计。

测量更新模块318接收先验估计322和速度传感器测量332(例如，车轮刻度数据)，并且基于此和使用等式7(下面复制)来执行速度测量更新，以产生速度数据328，所述速度数据包括速度估计以及可选地速度估计的误差协方差。第二组GNSS测量306不用于速度测量更新。

速度数据328被传递到第一卡尔曼滤波器300的时间更新模块312。时间更新模块使用等式(1)和(2)以速度估计作为控制输入来确定先验估计320。

应注意，在其他布置中，第二卡尔曼滤波器302的时间更新模块316可以将速度数据328传送到第一卡尔曼滤波器300的时间更新模块312。在这种布置中，时间更新模块316使用惯性传感器测量330作为控制输入来确定先验估计322，并将来自先验估计322的速度数据328传递到第一卡尔曼滤波器300的时间更新模块312。

图3的装置的其余操作与针对图1和图2已经讨论过的操作相似。第一卡尔曼滤波器300的测量更新模块314基于先验估计320、第一组GNSS测量304以及可选地GNSS模型数据308来确定第一状态向量的后验估计。在这种情况下，包括用于每个接收的GNSS卫星信号的测距测量的载波范围模糊度在内的载波范围模糊度数据326被传递到第二卡尔曼滤波器302的测量更新模块318。测量更新模块318基于先验估计322、速度传感器测量332、第二组GNSS测量306、载波范围模糊度数据326以及可选地GNSS模型数据310来确定第二状态向量的后验估计。

通过调整测量残差的优化

图4示出了用于使用由GNSS接收机获得并与多个GNSS卫星有关的载波范围测量来确定导航数据的示例性装置。图4的一个或多个特征可以具有与图1和图3的对应特征相同或相似的功能，这里不再对此进行详细说明。在可能的情况下，这些特征由与图1中使用的附图标记相对应的附图标记来标示，但以“4”而不是“1”开始。

如上所述，第一卡尔曼滤波器400和第二卡尔曼滤波器402是独立的，并且通过它们对应的状态向量中的“位置”状态来估计独立的位置解。然而，可以假定由每个卡尔曼滤波器估计的位置解之间的差较小，并且这允许基于第二卡尔曼滤波器的测量残差(第二测量残差)来近似第一卡尔曼滤波器的测量残差(第一测量残差)。

在一个示例性布置中，第二卡尔曼滤波器的时间更新模块416确定第二状态向量的先验估计422(其可以包括或可以不包括惯性传感器测量)以及第二状态向量中每个状态的协方差的估计。第二卡尔曼滤波器402的时间更新模块416将来自第二状态向量的一个或多个状态的先验估计传递到第一卡尔曼滤波器400的测量更新模块414。

如上所述，第二卡尔曼滤波器402的测量更新模块418基于先验估计422、第二组GNSS测量406、由第一卡尔曼滤波器400先前确定的载波范围模糊度数据426以及可选地GNSS模型数据410来确定第二状态向量的后验估计。

在确定第二状态向量的后验估计时，测量更新模块418确定第二卡尔曼滤波器402的卡尔曼滤波器参数436，并将它们传递到第一卡尔曼滤波器400的测量更新模块414。在具体示例中，卡尔曼滤波器参数包括第二卡尔曼滤波器402的测量矩阵H、第二测量残差和测量协方差矩阵R。第二状态向量的一个或多个状态的先验估计和卡尔曼滤波器参数436一起形成测量残差数据438。

第一卡尔曼滤波器400的测量更新模块414从第二卡尔曼滤波器402接收测量残差数据438，并使用以下等式估计要在第一卡尔曼滤波器400中使用的测量残差：

其中y¹是第一卡尔曼滤波器400的第一测量残差，y²是第二测量残差。

当确定第一状态向量的后验估计时，所估计的第一测量残差可以由测量更新模块414代入上述等式(3)。

图4所示的布置减少了第一卡尔曼滤波器400需要访问的数据量。例如，第一卡尔曼滤波器400不需要访问GNSS测量或GNSS模型数据。然而，应注意，即使第一卡尔曼滤波器400不直接接收GNSS测量，第一卡尔曼滤波器400的后验估计也是基于GNSS测量的，因为这些GNSS测量用于确定第二测量残差，第二测量残差继而用于确定第一测量残差。在这种布置中，第一组GNSS测量可以被认为与第二组GNSS测量相同。

载波范围模糊度相对整数的可选解析

图5示出了用于使用由GNSS接收机获得并与多个GNSS卫星有关的载波范围测量来确定导航数据的示例性装置。图5的一个或多个特征可以具有与图1、图3和图4的对应特征相同或相似的功能，这里不再对此进行详细说明。在可能的情况下，这些特征由与图1中使用的附图标记相对应的附图标记来标示，但以“5”而不是“1”开始。

图5的装置包括模糊度解析模块540。模糊度解析模块540可以包括在本文公开的任何装置中，具体是图1、图3和图4所示的装置。图5示出了与图1的装置一起使用的模糊度解析模块540，但这仅是示例性的。

如图5所示，模糊度解析模块540从测量更新模块514接收浮动载波范围模糊度值542，从而将它们估计为第二状态向量的后验估计的一部分。模糊度解析模块使用任何已知技术(如LAMBDA技术)将载波范围模糊度值解析为整数。解析的整数载波范围模糊度值作为载波范围模糊度数据526被传递给第二卡尔曼滤波器的测量更新模块518。

多载波范围模糊度卡尔曼滤波器

示例性方法和装置可以包括被配置为确定包括载波范围模糊度值在内的状态向量的后验估计的多个卡尔曼滤波器。也就是说，示例性方法和装置可以包括多个第一卡尔曼滤波器100、300、400，每个第一卡尔曼滤波器实现不同的状态模型和/或基于不同组的GNSS测量来确定状态向量的后验估计。

例如，可以使用单独的卡尔曼滤波器来确定多个GNSS星座中的每一个的载波范围模糊度值。替代地或另外地，单独的卡尔曼滤波器可以被配置为在估计载波范围模糊度值时使用不同的估计策略。例如，一个卡尔曼滤波器可以使用积极的估计策略，另一个可以使用更保守的估计策略。

第二卡尔曼滤波器102、302、402等的测量更新模块118、318、418等可以基于载波范围模糊度的所有不同估计来接收载波范围模糊度数据。出于一致性，第二卡尔曼滤波器的测量更新模块可以比较载波范围模糊度的所有估计，并且不使用任何不正确的估计。替代地，第二卡尔曼滤波器的测量更新模块可以在使用它们时对载波范围模糊度的每个估计进行加权，以确定第二状态向量的后验估计。

计算机程序可以被配置为提供任何上述方法。计算机程序可以提供在计算机可读介质上。计算机程序可以是计算机程序产品。所述产品可以包括非暂时性计算机可用存储介质。计算机程序产品可以具有在配置为执行所述方法的介质中实施的计算机可读程序代码。计算机程序产品可以被配置为使至少一个处理器执行所述方法中的部分或全部。

本文参考计算机实现的方法、装置(系统和/或设备)和/或计算机程序产品的框图或流程图图示描述了各种方法和装置。应该理解的是可以通过由一个或多个计算机电路执行的计算机程序指令来实现方框图和/或流程图图示的框以及方框图和/或流程图图示的框组合。可以将这些计算机程序指令提供给通用计算机电路、专用计算机电路和/或其他可编程数据处理电路的处理器电路来产生机器，使得经由计算机和/或其他可编程数据处理设备的处理器执行的指令转换和控制晶体管、存储器位置中存储的值、以及这种电路内的其他硬件组件，以实现框图和/或流程图框中指定的功能/动作，并由此创建用于实现框图和/或流程图框中指定的功能/动作的装置(功能体)和/或结构。

计算机程序指令也可以存储在计算机可读介质中，所述有形计算机可读介质可以指导计算机或其他可编程数据处理装置按照具体的方式作用，使得在计算机可读介质中存储的指令产生制造物品，所述制造物品包括实现在所述方框图和/或流程模块中指定的功能/动作的指令。

有形非暂时计算机可读介质可以包括电子、磁性、光学、电磁或者半导体数据存储系统、装置或设备。计算机可读介质的更具体的示例将包括以下各项：变形计算机磁盘、随机存取存储器(RAM)电路、只读存储器(ROM)电路、可擦除可编程只读存储器(EPROM或闪存)电路、便携紧凑盘只读存储器(CD-ROM)、以及便携数字视频盘只读存储器(DVD/蓝光)。

计算机程序指令也可以加载到计算机和/或其他可编程数据处理装置，以使得在计算机和/或其他可编程装置上执行一系列操作步骤，以产生计算机实现的处理，使得在计算机或其他可编程设备上执行的指令提供用于实现在方框图和/或流程模块中指定的功能/动作的步骤。

因此，可以通过硬件和/或处理器上运行的软件(包括固件、驻留软件、微代码等)来实施本发明，该硬件和/或软件可被共同称为″电路″、″模块″或其变型。

应该注意的是，在一些替代实施例中，在框中标记的功能/动作可以不以流程图中标记的顺序发生。例如依赖于所涉及的功能/动作，连续示出的两个框实际上可以实质上同时执行，或者框有时候可以按照相反的顺序执行。此外，可以将流程图和/或方框图中的给定模块的功能分离成多个框和/或流程图的两个或更多框的功能和/或可以至少部分地集成方框图。最后，示出了在框之间添加/插入的其它框。

本领域技术人员将能够在不背离所附权利要求的范围的情况下设想其他实施例。

Claims

1.一种用于使用由GNSS接收机针对多个GNSS卫星获得的载波范围测量来确定导航数据的装置，所述装置包括：

第一卡尔曼滤波器，被配置为至少部分地基于由所述GNSS接收机和/或另外的GNSS接收机获得的第一组GNSS测量和第一状态向量的先验估计来确定所述第一状态向量的后验估计，所述第一状态向量包括与所述多个GNSS卫星相关的载波范围模糊度值以及所述GNSS接收机和/或所述另外的GNSS接收机的位置；以及

第二卡尔曼滤波器，被配置为至少部分地基于由所述GNSS接收机和/或另外的GNSS接收机获得的第二组GNSS测量和第二状态向量的先验估计来确定包括导航数据的所述第二状态向量的后验估计，以及基于在所述第一状态向量的后验估计中确定的载波范围模糊度值来确定载波范围模糊度数据。

2.根据权利要求1所述的装置，其中，所述第一卡尔曼滤波器被配置为基于以下至少一项来确定所述第一状态向量的先验估计：所述GNSS接收机和/或所述另外的GNSS接收机的速度估计、以及与所述速度估计有关的不确定性的测量，其中所述速度估计和所述不确定性的测量均由所述第二卡尔曼滤波器确定。

3.根据权利要求2所述的装置，其中，所述第二卡尔曼滤波器被配置为基于由一个或多个传感器获得的数据来确定所述速度估计和/或所述不确定性的测量，其中所述一个或多个传感器获得的数据指示所述GNSS接收机和/或所述另外的GNSS接收机的运动和/或取向。

4.根据权利要求2或3所述的装置，其中，所述第二卡尔曼滤波器被配置为基于所述第二状态向量的先验估计和由一个或多个传感器获得的一个或多个测量来确定所述速度估计和/或所述不确定性的测量，其中所述一个或多个测量指示所述GNSS接收机或所述另外的GNSS接收机的速度。

5.根据权利要求1至3中任一项所述的装置，其中，当确定所述第一状态向量的后验估计时，所述第一卡尔曼滤波器被配置为基于所述第二卡尔曼滤波器的第二测量残差来确定所述第一卡尔曼滤波器的估计的第一测量残差。

6.根据权利要求5所述的装置，其中，所述第一卡尔曼滤波器还被配置为基于所述第二卡尔曼滤波器的卡尔曼滤波器参数、所述第二状态向量的先验估计的至少一部分以及所述第一状态向量的先验估计的至少一部分来估计所述第一测量残差。

7.根据权利要求1至3中任一项所述的装置，其中，所述第一卡尔曼滤波器被配置为以第一更新速率确定所述第一状态向量的后验估计，并且其中所述第二卡尔曼滤波器被配置为以第二更新速率确定所述第二状态向量的后验估计。

8.根据权利要求7所述的装置，其中，所述第二更新速率大于所述第一更新速率。

9.根据权利要求1至3中任一项所述的装置，其中，所述第二卡尔曼滤波器被配置为基于由一个或多个惯性传感器获得的惯性测量来确定所述第二状态向量的先验估计，其中所述惯性测量指示所述GNSS接收机或所述另外的GNSS接收机的加速度和/或旋转角速度。

10.根据权利要求1至3中任一项所述的装置，其中，所述第一组GNSS测量和所述第二组GNSS测量之一包括至少一个GNSS测量，所述至少一个GNSS测量未包括在所述第一组GNSS测量和所述第二组GNSS测量中的另一个中。

11.根据权利要求1至3中任一项所述的装置，包括两个GNSS接收机，并且其中所述第一组GNSS测量和所述第二组GNSS测量均包括由所述两个GNSS接收机获得的GNSS测量。

12.根据权利要求1至3中任一项所述的装置，还包括第一处理器和第二处理器，其中所述第一处理器被配置为实现所述第一卡尔曼滤波器，并且所述第二处理器被配置为实现所述第二卡尔曼滤波器。

13.根据权利要求1至3中任一项所述的装置，还包括：模糊度解析模块，被配置为将在所述第一状态向量的后验估计中确定的所述载波范围模糊度值解析为整数，并且其中所述载波范围模糊度数据包括所解析的整数载波范围模糊度值。

14.根据权利要求1至3中任一项所述的装置，其中，所述第一状态向量包括与所述多个GNSS卫星有关的大气校正值。

15.根据权利要求14所述的装置，其中，所述载波范围模糊度数据包括所述载波范围模糊度值和所述大气校正值，并且其中所述第二卡尔曼滤波器被配置为基于所述大气校正值来调整所述载波范围模糊度值。

16.根据权利要求14所述的装置，其中，所述第一卡尔曼滤波器被配置为基于所述大气校正值来调整所述载波范围模糊度值，并且其中所述载波范围模糊度数据包括经调整的载波范围模糊度值。

17.根据权利要求1至3中任一项所述的装置，还包括：一个或多个另外的卡尔曼滤波器，被配置为至少部分地基于由所述GNSS接收机和/或另外的GNSS接收机获得的另外的GNSS测量和一个或多个另外的状态向量的一个或多个先验估计来确定所述一个或多个另外的状态向量的后验估计，所述一个或多个另外的状态向量包括与所述多个GNSS卫星有关的另外的载波范围模糊度值，

并且其中，所述载波范围模糊度数据还基于所述另外的载波范围模糊度值。

18.一种用于使用由GNSS接收机针对多个GNSS卫星获得的载波范围测量来确定导航数据的方法，所述方法包括：

由第一卡尔曼滤波器至少部分地基于由所述GNSS接收机和/或另外的GNSS接收机获得的第一组GNSS测量和第一状态向量的先验估计来确定所述第一状态向量的后验估计，所述第一状态向量包括与所述多个GNSS卫星相关的载波范围模糊度值以及所述GNSS接收机和/或所述另外的GNSS接收机的位置；以及

由第二卡尔曼滤波器至少部分地基于由所述GNSS接收机和/或另外的GNSS接收机获得的第二组GNSS测量和第二状态向量的先验估计来确定包括导航数据的所述第二状态向量的后验估计，以及基于在所述第一状态向量的后验估计中确定的载波范围模糊度值来确定载波范围模糊度数据。

19.一种包括指令的计算机程序，所述指令在至少一个处理器上执行时使得所述至少一个处理器执行根据权利要求18所述的方法。