Rtklib
- 一、抗差自適應卡爾曼濾波
- 1. **核心難點**
- 2. **公式與代碼實現**
- 二、模糊度固定與LAMBDA算法
- 1. **核心難點**
- 2. **LAMBDA算法實現**
- 3. **部分模糊度固定技術**
- 三、偽距單點定位與誤差修正
- 1. **多系統多頻點修正**
- 2. **接收機鐘差與系統間偏差**
- 四、動態模型與周跳處理
- 1. **動態模型選擇**
- 2. **周跳檢測方法**
- 五、關鍵配置與調試陷阱
- 六、參考文獻與代碼模塊
以下是對RTKLib中重難點技術、公式及代碼實現的總結，結合其核心模塊和實際應用場景進行分點闡述：
一、抗差自適應卡爾曼濾波
1. 核心難點
在復雜動態環境下（如城市峽谷、高動態運動），傳統擴展卡爾曼濾波（EKF）易受粗差和周跳影響，需結合抗差估計（Robust Estimation）和自適應因子調整量測與動力學模型的權重。
2. 公式與代碼實現
-
自適應因子計算：基于新息向量（預測殘差）動態調整狀態噪聲協方差矩陣。公式中設定閾值 ( c_0 ) 和 ( c_1 )，通過殘差平方和計算自適應因子：
double adaptive_factor(const double <
四個基本公式推導)
)
