【学习笔记】GPS原理与数据处理(静态定位模糊度的固定)

本文介绍了静态定位中的经典方法,特别是模糊度固定的几种策略。包括取整法、置信区间法和模糊函数法。置信区间法中探讨了置信度与置信区间的关联,并解释了如何通过模糊函数法直接获取基线向量的最优解,适用于处理周跳较多的数据。此外,还讨论了整数解和实数解的概念以及整数解的求解步骤。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

一、静态定位中常用的方法

经典的静态定位常被用于高精度的GPS测量领域,一般进行较长时间的观测,以便能获得精确的实数模糊度(其误差小于0.1周)。

  1. 取整法
    对求出的模糊度进行四舍五入,对模糊度的精度要求比较高(基本小于0.5周)
  2. 置信区间法
    对于数理统计有点混乱
    Nimi,1α,f, 对 于 求 得 的 整 周 模 糊 度 函 数 N i 及 其 精 度 m i , 置 信 度 ( 1 − α ) , 自 由 度 f ,
    Niβmi,Ni+βmi 置 信 区 间 : ( N i − β m i , N i + β m i )

    f=2500,1α95%,β=1.96;1α=99.9%,β=3.28 书 上 写 到 当 自 由 度 f = 2500 , 置 信 度 为 ( 1 − α ) 为 95 % , β = 1.96 ; 当 置 信 度 ( 1 − α ) = 99.9 % , β = 3.28
    疑问:为什么置信度越高,置信区间反而越大了
    利用置信区间法固定模糊度时,往往只能固定部分模糊度参数,然后将这些部分固定的整周模糊度带入方程,然后在利用置信区间法求解为固定的模糊度参数,直到所有模糊度参数固定。
    3. 模糊函数法
    模糊函数法是不求解模糊度参数,但是可以通过搜索算法来直接获得基线向量(待定点的坐标)的最优解。
    F(X,Y,Z)=i=1
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值