讓GNSSRTK不再難【第14講-第二部分】

14.1.2 多個系統多個頻率

在 10.3 節中,我們介紹了衛星碼偏差產生原因,信號發出的是天線相位中心,而不是信號發生器。同樣的,對于接收機也存在相同的問題,即從模擬機的天線相位中心到內部信號跟蹤環路這段的時延我們是無法知曉的。

如果多個系統僅僅使用一個地點進行定位,那不需要考慮接收機碼偏差影響,因為會被接收機鐘差吸收。當然也可以選擇不估計,對終端的定位精度影響不大。

如果多個頻率估計一個接收機鐘差,也可以解決該問題。即每個系統每個頻率估計一個接收機鐘差,或者估計一個相對于基準頻率的偏差。

(1)衛星 S S S在第1個頻點的偽距殘差:
p r 1 ? 2 , f 1 s = P r 1 ? 2 , f 1 s ? ( R 01 s ? R 2 s ) = ? d r 1 ? ? u r 1 s ? + c δ t r 1 ? 2 + d r 1 ? 2 , f 1 + ? P 1 ? 2 , f 1 p_{r_1 - 2, f_1}^s = P_{r_1 - 2, f_1}^s - (R_{01}^s - R_2^s) = - \vec{d r_1} \cdot \vec{u_{r_1}^s} + c\delta t_{r_{1 - 2}} + d_{r_{1 - 2}, f_1} + \epsilon_{P_{1 - 2, f_1}} pr1??2,f1?s?=Pr1??2,f1?s??(R01s??R2s?)=?dr1? ??ur1?s? ?+tr1?2??+dr1?2?,f1??+?P1?2,f1???

(2)衛星 S S S在第2個頻點的偽距殘差:
p r 1 ? 2 , f 2 s = P r 1 ? 2 , f 2 s ? ( R 01 s ? R 2 s ) = ? d r 1 ? ? u r 1 s ? + c δ t r 1 ? 2 + d r 1 ? 2 , f 2 + ? P 1 ? 2 , f 2 p_{r_1 - 2, f_2}^s = P_{r_1 - 2, f_2}^s - (R_{01}^s - R_2^s) = - \vec{d r_1} \cdot \vec{u_{r_1}^s} + c\delta t_{r_{1 - 2}} + d_{r_{1 - 2}, f_2} + \epsilon_{P_{1 - 2, f_2}} pr1??2,f2?s?=Pr1??2,f2?s??(R01s??R2s?)=?dr1? ??ur1?s? ?+tr1?2??+dr1?2?,f2??+?P1?2,f2???

[等式右邊:偽距硬件延遲與頻率相關; ]

[接收機鐘:狀態量的變化量反應接收機晶振的時間變化量,通道時延:差值在短時間內穩定不變。]

如果令(估:第2個頻點的通道時延與第1個頻點的通道時延的差值)

c δ t f 1 ? f 2 = d r 1 ? 2 , f 2 ? d r 1 ? 2 , f 1 c\delta t_{f_1 - f_2} = d_{r_1 - 2, f_2} - d_{r_1 - 2, f_1} tf1??f2??=dr1??2,f2???dr1??2,f1??
[第一個歷元估計的通道差,在下一個歷元可以拿來用。兩個歷元采樣間隔在1秒]

如果在以上** 站間單差方程 {\color{red} 站間單差方程} 站間單差方程中,擴展到 雙頻 {\color{red} 雙頻} 雙頻**,同時估計接收機端碼偏差(通道時延的差值)。
V = [ p f 1 1 p f 1 2 p f 1 3 ? p f 1 n p f 2 1 p f 2 2 p f 2 3 ? p f 2 n ] , A = [ l f 1 1 m f 1 1 n f 1 1 ? 1 0 l f 1 2 m f 1 2 n f 1 2 ? 1 0 l f 1 3 m f 1 3 n f 1 3 ? 1 0 ? ? ? ? ? l f 1 n m f 1 n n f 1 n ? 1 0 l f 2 1 m f 2 1 n f 2 1 ? 1 ? 1 l f 2 2 m f 2 2 n f 2 2 ? 1 ? 1 l f 2 3 m f 2 3 n f 2 3 ? 1 ? 1 ? ? ? ? ? l f 2 n m f 2 n n f 2 n ? 1 ? 1 ] , δ x = [ d x d y d z c δ t f 1 c δ t f 2 ? f 1 ] \mathbf{V} = \begin{bmatrix} p^{1}_{f_1} \\ p^{2}_{f_1} \\ p^{3}_{f_1} \\ \vdots \\ p^{n}_{f_1} \\ \\ p^{1}_{f_2} \\ p^{2}_{f_2} \\ p^{3}_{f_2} \\ \vdots \\ p^{n}_{f_2} \\ \end{bmatrix}, \quad \mathbf{A} = \begin{bmatrix} l^{1}_{f_1} & m^{1}_{f_1} & n^{1}_{f_1} & -1 & 0 \\ l^{2}_{f_1} & m^{2}_{f_1} & n^{2}_{f_1} & -1 & 0 \\ l^{3}_{f_1} & m^{3}_{f_1} & n^{3}_{f_1} & -1 & 0 \\ \vdots & \vdots & \vdots & \vdots & \vdots \\ l^{n}_{f_1} & m^{n}_{f_1} & n^{n}_{f_1} & -1 & 0 \\ \\ l^{1}_{f_2} & m^{1}_{f_2} & n^{1}_{f_2} & -1 & -1 \\ l^{2}_{f_2} & m^{2}_{f_2} & n^{2}_{f_2} & -1 & -1 \\ l^{3}_{f_2} & m^{3}_{f_2} & n^{3}_{f_2} & -1 & -1 \\ \vdots & \vdots & \vdots & \vdots & \vdots \\ l^{n}_{f_2} & m^{n}_{f_2} & n^{n}_{f_2} & -1 & -1 \\ \end{bmatrix}, \quad \delta x = \begin{bmatrix} dx \\ dy \\ dz \\ c\delta t_{f_1} \\ c\delta t_{f_2 - f_1} \\ \end{bmatrix} V= ?pf1?1?pf1?2?pf1?3??pf1?n?pf2?1?pf2?2?pf2?3??pf2?n?? ?,A= ?lf1?1?lf1?2?lf1?3??lf1?n?lf2?1?lf2?2?lf2?3??lf2?n??mf1?1?mf1?2?mf1?3??mf1?n?mf2?1?mf2?2?mf2?3??mf2?n??nf1?1?nf1?2?nf1?3??nf1?n?nf2?1?nf2?2?nf2?3??nf2?n???1?1?1??1?1?1?1??1?000?0?1?1?1??1? ?,δx= ?dxdydztf1??tf2??f1??? ?
增加下標 f 1 f_1 f1? f 2 f_2 f2? 用來標識不同頻率,其中新增的 c δ t f 1 ? f 2 c\delta t_{f_1 - f_2} tf1??f2?? 其實就是接收機端的頻率之間的碼偏差,即兩個頻率偽距硬件延遲之差 DCB (Differential Code Bias)。

(附加內容)矩陣 V \mathbf{V} V, A \mathbf{A} A δ x \delta x δx 解釋:

(1)觀測向量 V \mathbf{V} V

  • V \mathbf{V} V 表示偽距殘差向量。前 n n n個元素 p f j i p^i_{f_j} pfj?i? 為第1個頻點的偽距殘差;后 n n n個元素 p f j i p^i_{f_j} pfj?i? 為第2個頻點的偽距殘差。 p f 1 n p^{n}_{f_1} pf1?n? p f 2 n p^{n}_{f_2} pf2?n?中的n可以是不等的。

(2)設計矩陣 A A \mathbf{A}\mathbf{A} AA

  • A \mathbf{A} A 為設計矩陣或Jacobian矩陣。每行的前三個元素 ( l f j i , m f j i , n f j i l^i_{f_j}, m^i_{f_j}, n^i_{f_j} lfj?i?,mfj?i?,nfj?i?) 表示第 i i i 顆衛星在第 j j j 個頻率上的方向余弦。最后兩個元素為常數項 ? 1 -1 ?1,第一個

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/diannao/35306.shtml
繁體地址,請注明出處:http://hk.pswp.cn/diannao/35306.shtml
英文地址,請注明出處:http://en.pswp.cn/diannao/35306.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

什么!你還不會Redis?跟著我講透Redis【上篇之初識與安裝】

1 NoSQL是什么 1.1 NoSQL數據庫概述 NoSQL(NoSQL Not Only SQL ),意即”不僅僅是SQL“,泛指非關系型的數據庫。 NoSQL 不依賴業務邏輯方式存儲,而以簡單的key-value模式存儲。因此大大的增加了數據庫的擴展能力。 不遵循SQL標準。不支持A…

PKG打包sqlite3項目,如何添加node_sqlite3.node依賴

項目地址:https://github.com/helson-lin/pkg_sqlite 在ffandown項目內,由于項目使用了sqlite3,在跨平臺打包的時候,除了本機外其他平臺打包之后運行缺少node_sqlite3.node依賴。 為了解決問題,百度了很久&#xff0c…

構建RESTful API:PHP框架中的實踐與策略

隨著Web服務的興起,RESTful API成為前后端分離架構中的關鍵組件。PHP作為一種廣泛使用的服務器端腳本語言,通過各種現代框架提供了構建RESTful API的強大工具和靈活性。本文將詳細介紹如何在PHP框架中實現RESTful API,探討設計原則、實現步驟…

NLP 相關知識

NLP 相關知識 NLPLLMPrompt ChainingLangChain NLP NLP(Natuarl Language Processing)是人工智能的一個分支,中文名自然語言處理,專注于處理和理解人類使用的自然語言。它涵蓋了多個子領域,如文本分類、情感分析、機器…

思維導圖麒麟liunx系統

系統管理與計劃任 ” 使用at命令提交任務。 6.2.1 at任務概述 6.1.4 定時任務的使用場景 at任務是指使用at命令安排的,只執行一次的任務它允許用戶指定在未來某個特定時間執行命令或腳本定時更新系統軟件包。定時清理系統臨時文件。自動備份文件和數據庫。 at:用于一…

pytorch 源碼閱讀(2)——torch._dynamo.optimize

0 torch._dynamo.optimize(backend, *, nopython, guard_export_fn, guard_fail_fn, disable, dynamic),TorchDynamo 的主入口點 1 參數說明 backend,一般有兩種情況: 一個包含 torch.fx.GraphModule 和 example_inputs,返回一個…

【websocket】websocket網課視頻記錄

僅個人方便回顧。 【WebSocket入門與案例實戰-嗶哩嗶哩】 https://b23.tv/2p1f9t2 課程對應代碼倉庫: https://gitee.com/duoli-java/websocket-demo.git

C++編程(二)引用

文章目錄 一、C中的引用(一)引用1. 語法格式2. 作用3. 注意事項 (二)常引用2. 其他場景 (三)引用和函數結合使用1. 引用可以作為函數的參數2. 引用可以作為函數的返回值 (四)引用和指…

在 C/C++ 中使用 popen去執行linux命令樣例,失敗場景

在 C/C 中使用 popen 函數去執行 Linux 命令是一種常見的方式,但確實存在多種可能導致失敗的場景。以下是一些可能導致 popen 失敗的常見原因和樣例: 命令不存在或路徑錯誤: 如果你嘗試執行的命令不存在于系統的 PATH 環境變量中,…

記因hive配置文件參數運用不當導致 sqoop MySQL導入數據到hive 失敗的案例

sqoop MySQL導入數據到hive報錯 ERROR tool.ImportTool: Encountered IOException running import job: java.io.IOException: Hive exited with status 64 報錯解釋: 這個錯誤表明Sqoop在嘗試導入數據到Hive時遇到了問題,導致Hive進程異常退出。狀態碼…

HarmonyOS Next開發學習手冊——通過startAbility拉起文件處理類應用

使用場景 開發者可以通過調用startAbility接口,由系統從已安裝的應用中尋找符合要求的應用來實現打開特定文件的意圖,例如:瀏覽器下應用下載PDF文件,可以調用此接口選擇文件處理應用打開此PDF文件。開發者需要在請求中設置待打開…

三個方法計算兩張圖片的相似度

import cv2 import numpy as np from skimage.metrics import structural_similarity as ssim import osdef is_similar(image1, image2, threshold0.95):對圖像的顏色信息敏感,能快速計算。對圖像的旋轉、縮放等幾何變換不敏感。缺點:對圖像的結構、紋理等信息不敏…

0625_ARM2

練習: 匯編實現1-100累加,結果保存在r0 .text .global _start start:mov r0,#0mov r1,#1b loop loop:add r0,r0,r1add r1,r1,#1cmp r1,#101bne loop .end思維導圖:

C#——SortedList 排序列表詳情

SortedList 排序列表 SortedList 類用來表示鍵/值對的集合,這些鍵/值對按照鍵值進行排序,并且可以通過鍵或索引訪問集合中的各個項。 我們可以將排序列表看作是數組和哈希表的組合,其中包含了可以使用鍵或索引訪問各項的列表。如果您使用索…

tensorflow學習1.3-創建會話,啟動會話

tensorflow學習1.3-創建會話,啟動會話 會話的由來與作用由來作用 會話的定義與結構定義 用法基本用法上下文管理器執行部分計算圖獲取多個結果 總結 練習代碼報錯原因:TensorFlow 2.x中的Eager Execution使用兼容模式來啟用SessionEager Execution和計算…

AI文檔助手:提升文檔處理效率

隨著人工智能技術的飛速發展,AI文檔助手已經成為我們提升工作效率的重要工具。小編就來和大家分享幾款AI文檔助手,它們能夠通過智能化的功能幫助我們快速、準確地完成各種文檔任務。 1.百度文庫AI助手 百度文庫AI助手是百度基于文心一言重構的一站式智能…

全景圖片/老照片/動漫圖片一鍵無損放大與修復

在日常生活中,我們經常使用系統自帶的圖片處理軟件來對圖片進行縮放操作,從而實現放大或縮小圖片。然而,這種方法會帶來一個問題:如果原始圖片較小,放大后會導致精度損失,使圖片變得模糊。 近年來&#xf…

vue uniapp MEQX JWT認證

1.下載依賴 npm install mqttimport * as mqtt from "mqtt/dist/mqtt.min" ? 我是用的uniapp vue3 vite這里嘗試了很多方式,都導入不進去后來我就采用的本地引入方式, 把mqtt.min.js下載到本地然后在index.html 中導入<script src"./MEQX/mqtt.js" typ…

rapidocr-onnxruntime庫及在open-webui上傳PDF 圖像處理 (使用 OCR)應用

背景 rapidocr-onnxruntime是一個跨平臺的OCR庫&#xff0c;基于ONNXRuntime推理框架。 目前已知運行速度最快、支持最廣&#xff0c;完全開源免費并支持離線快速部署的多平臺多語言OCR。 緣起&#xff1a;百度paddle工程化不是太好&#xff0c;為了方便大家在各種端上進行oc…

終極指南:解決iCloud備份錯誤代碼的全面策略

終極指南&#xff1a;解決iCloud備份錯誤代碼的全面策略 在數字化時代&#xff0c;數據安全至關重要。iCloud作為Apple提供的云服務&#xff0c;為我們的iPhone、iPad等設備提供了便捷的數據備份與恢復功能。然而&#xff0c;在使用過程中&#xff0c;我們可能會遇到各種備份錯…