PPP中不同的状态参数传递方法

精密单点定位中的状态传递

精密单点定位凭借其单站作业、定位精度高等优势取得了广泛应用。基于开源代码rtklib，以比较常用的卡尔曼滤波为例，总结待估状态量的传递方法。

• 白噪声估计
• 随机游走估计
• 各类参数的状态传递
• 不同模式的状态传递

---

##估计方法
PPP中根据参数的随机特性选择不同的估计方法。常用的有白噪声估计和随机游走估计。程序实现时需要考虑待估状态的数值和方差两个因素。一般待估状态的数值主要由解算模式决定，而方差的变化根据参数特性建模。需要注意的是，当使用随机游走估计且过程噪声为0时，此时参数被认为是常数。下表简单介绍了两种估计方法以及实现细节。

| 估计方法 | 介绍 | 实现 |
| :---- : |: —: |: —?
| 白噪声 | 前后历元没有任何关系，与其他状态不相关|除对角线其余元素为0，每次重新赋初始值|
| 随机游走| 前后历元具有相关性，且与时间间隔呈现比例关系，与其他状态不相关| 当前时刻的方差等于上一时刻的方差加上过程噪声$ \sigma_{i+1} = \sigma_i + \xi * t $ |

---

##各类参数的噪声特性

• 位置参数
  位置参数的变化一般是根据接收机实际状态而定。对于静态定位位置参数可以作为常数估计，而当接收机的位置变化比较快，属于动态定位时，位置参数往往需要采用白噪声或者随机游走估计。当接收机的变化非常剧烈，达到18000米高度以上或者速度达到515m/s以上基本就停止工作了，不再使用卫星进行定位了。

• 钟差参数
  GPS接收机的钟差参数的估计信息主要来源于原始观测值，而且时间上的关系比较小，一般作为白噪声处理。

• 对流层延迟参数
  对流层延迟分为干延迟和湿延迟(ZWD)，，干延迟部分使用模型改正，湿延迟部分作为参数进行估计。ZWD在时间上具有很强的相关性，而且可观测性比较低，一般使用随机游走估计。

• 模糊度参数
  模糊度一般作为常数进行估计，但是也有部分学者在此基础上增加一个较小的过程噪声。可以认为模糊度参数前后历元关系很强，使用近似常数的随机游走估计。

---

##PPP中参数估计的具体实现

参数类型	估计方法	数值更新	方差更新
静态坐标参数	随机游走	完全继承前一历元的数值结果	完全继承前一历元的数值结果，即过程噪声为$0$
动态坐标参数	白噪声	使用本历元SPP的结果	与前一时刻的方差无关，重新赋值，一般为$30^2{m}^2$
动态坐标参数	随机游走	使用本历元SPP的结果	使用随机游走，过程噪声设置为$100m^2$
钟差参数	白噪声	使用本历元SPP的结果	方差一般比较大，可以设置为$100^2{m}^2$
对流层延迟参数	随机游走估计	前一历元PPP结果	过程噪声设置为$5.0e-4(m/\sqrt{(}s))$
模糊度参数	随机游走估计	上一时刻的PPP结果	过程噪声设置为$[0$,$1e-7]m^2$

进行卡尔曼滤波时参数可以按照上述结果进行，一般初始时刻需要通过其他手段得到初值。具体方案如下：

参数类型	初值确定
坐标参数	初始时刻坐标由SPP得到，初始方差位$[30^2,100^2]m^2$
钟差参数	初始时刻由SPP结果得到，初始方差设置与位置参数基本一致
对流层参数	初始时刻数值由对流层延迟模型(例如Saastamoinen模型)得到，出是方差可以设置为$0.25m^2$
模糊度参数	初始时刻由无电离层伪距减去相位观测值得到，方差设为$100^2{m}^2$

---

以后还会持续更新
希望多多交流。
作者邮箱：zhangyuxi.2015@gmail.com