專利名稱：一種基于自適應遺傳算法的單頻gnss整周模糊度獲取方法
技術領域：
本發(fā)明涉及一種基于自適應遺傳算法的單頻GNSS整周模糊度獲取方法，屬于利用最優(yōu)化算法求解單頻GNSS整周模糊度的技術領域。
背景技術：
在利用GNSS載波相位進行高精度的姿態(tài)測量和相對定位時，其中最為關鍵的就是快速準確地解算出載波相位的初始整周模糊度。單頻GNSS整周模糊度求解方法可以分 為兩大類瞬時法和基于運動方法，瞬時算法，是指在一個歷元內(nèi)搜索所有可能的模糊度組合，同時提出殘差變得太大的候選解，以尋找使誤差殘差最小的解，這類方法的吸引力在于，它能提供一個“瞬時”解，而且對短基線模糊度求解較為有效，但是在存在觀測噪聲的情況下，方差最小并不能保證解的正確性，完全有可能將一個錯誤解作為正確解，而且在地面應用時對天線陣有較為嚴格的限制?；谶\動的方法是指在經(jīng)過一段時間觀測積累數(shù)據(jù)，對這些數(shù)據(jù)進行批處理求解整周模糊度，這種方法在搜集數(shù)據(jù)時需要發(fā)生一定的運動，或者是載體運動，或者是GNSS衛(wèi)星運動，與瞬時法相比，它的缺點是需要較長的觀測時間，另一個缺點是，由于對觀測數(shù)據(jù)進行批處理，需要較大的存儲空間，因此不適合實時求解整周模糊度。目前為了提高整周模糊度解算的速度，一些改進的算法也不斷提出，其中應用最為廣泛的就是Teunissen提出的利用整數(shù)高斯變換對模糊度方差陣進行變換的LAMBDA(Least-squares AMBiguity Decorrelation Adjustment)方法,對方差陣進行變換,縮小模糊度搜索空間，降低各模糊度分量之間的相關性，同時利用條件最小二乘平差逐步遞推，最終搜索得到整周模糊度。遺傳算法是在生物進化的基礎上發(fā)展起來的一種求解最優(yōu)解的算法，其本質(zhì)是一種并行、高效、穩(wěn)定的全局搜索算法。它能夠從很多個體開始最優(yōu)解的搜索，對種群進行選擇、交叉、變異等遺傳操作，進而搜索到最優(yōu)解。自適應遺傳算法(Adaptive GeneticAlgorithm,簡稱AGA)是在基本遺傳算法(Simple Genetic Algorithm)的基礎上提出的一種改進遺傳算法。在基本遺傳算法進行搜索全局最優(yōu)解時，由于遺傳算法運行參數(shù)交叉概率和變異概率都是恒定不變的，在搜索過程中不能隨著種群中個體的特性而改變，這樣容易使得初始設置的交叉概率和變異概率無法滿足運算初期和后期的搜索，進而也會導致種群中的優(yōu)良模式被破壞，種群容易陷入早熟，影響到搜索的速度和效率。與基本的遺傳算法相比，自適應遺傳算法中的運行參數(shù)交叉概率和變異概率能夠隨適應度自動改變，這在保證了群體多樣性的同時,也能夠保證遺傳算法的收斂性。

發(fā)明內(nèi)容
本發(fā)明的目的是為了快速求解GNSS整周模糊度，提出一種基于自適應遺傳算法的單頻GNSS整周模糊度獲取方法，本發(fā)明快速求解單頻GNSS整周模糊度，在確定了整周模糊度的浮點解之后，將自適應遺傳算法引入到整周模糊度的搜索中，從而得到正確的整周模糊度。一種基于自適應遺傳算法的單頻GNSS整周模糊度獲取方法，包括以下幾個步驟步驟一采集GNSS載波相位的觀測數(shù)據(jù)，建立GNSS載波相位雙差觀測方程；步驟二 根據(jù)步驟一得出的雙差觀測方程，利用最小二乘方法獲取GNSS整周模糊度的浮點解和相應的協(xié)方差陣；步驟三利用已知的基線長度作為約束條件，確定整周模糊度的搜索空間；步驟四利用白化濾波的方法對步驟二得出的整周模糊度浮點解和協(xié)方差陣進行降相關處理；步驟五根據(jù)目標函數(shù)確定適應度函數(shù)，確定自適應遺傳算法中的各個運行參數(shù)， 最后再將自適應遺傳算法引入對整周模糊度的快速解算，搜索整周模糊度的最優(yōu)解；本發(fā)明的優(yōu)點在于(I)本發(fā)明采用白化濾波對整周模糊度的協(xié)方差陣進行降相關處理，降低了各整周模糊度分量之間的相關性；(2)本發(fā)明將自適應遺傳算法引入到整周模糊度的搜索中，避免了利用LAMBDA等算法求解過程中的復雜計算量，極大地提高了搜索速度，與簡單遺傳算法相比又能較大地提高搜索的準確率。


圖I是自適應遺傳算法中交叉概率P。的變化圖；圖2是自適應遺傳算法中變異概率Pni的變化圖；圖3是本發(fā)明的方法流程圖。
具體實施例方式下面將結合附圖和實施例對本發(fā)明作進一步的詳細說明。如圖I、圖2所示，在自適應遺傳算法中，交叉概率P。和變異概率Pm是隨種群中個體的適應度自動改變的。由圖I、圖2可知，當種群中個體的適應度低于平均適應度值時，說明該個體是性能不好的個體，就應采用較大的交叉概率P。和變異概率Pm ;當種群中個體的適應度值高于平均適應度值時，說明該個體性能優(yōu)良，就應根據(jù)其適應度選擇相應的交叉概率P。和變異概率Pm。圖I、圖2中，f_為每代群體中最大的適應度；favg為每代群體的平均適應度值為要交叉的兩個個體中較大的適應度值為要變異個體的適應度。本發(fā)明是一種基于自適應遺傳算法的單頻GNSS整周模糊度獲取方法，流程如圖3所示，包括以下幾個步驟步驟一采集GNSS載波相位的觀測數(shù)據(jù)，建立GNSS載波相位雙差觀測方程；GNSS載波相位觀測值的雙差能消除衛(wèi)星軌道誤差、衛(wèi)星鐘差、接收機鐘差、大氣折射誤差等大部分系統(tǒng)誤差，因此在利用GNSS進行高精度姿態(tài)測量和相對定位時，一般采用站星的雙差模型來處理。采集GNSS載波相位的觀測數(shù)據(jù)，建立GNSS載波相位雙差觀測方程為(t) = zl-Xf (,) + (0 + ^f (0(I)式中，u，r分別為基準站與移動站，i，j分別表示兩顆不同的衛(wèi)星成 )為t時刻U，r與衛(wèi)星i，j之間載波相位雙差觀測量；入為GNSS載波LI的波長為t時刻u，r與衛(wèi)星i，j之間的幾何距離之差'Nlp(t、為t時刻u，r與衛(wèi)星i，j之間的雙差整周模糊度；為觀測噪聲。設U，I■分別為基準站與移動站，共跟蹤(n+1)顆衛(wèi)星，觀測歷元數(shù)為m，則上述方程中，未知數(shù)的個數(shù)為(n+3)個，而觀測量總數(shù)為mXn個。在短基線的GNSS姿態(tài)測量和相對定位中，其雙差模式下的觀測方程可用下面的線性方程來表示y = AX+BN+ e(2)式中y表示雙差模式下的觀測值向量;A和B分別表示位置參數(shù)向量系數(shù)矩陣和雙差整周模糊度系數(shù)矩陣；X表示位置參數(shù)向量；N表示雙差整周模糊度向量；e表示雙差模式下的觀測誤差(噪聲)向量。步驟二 根據(jù)步驟一得出的雙差觀測方程，利用最小二乘方法獲取GNSS整周模糊度的浮點解和相應的協(xié)方差陣；通過方程(2)得到誤差方程的法方程，用加權最小二乘法獲取位置向量和整周模糊度向量的浮點解I和々:
權利要求
1.ー種基于自適應遺傳算法的單頻GNSS整周模糊度獲取方法，其特征在于，包括以下幾個步驟 步驟ー采集GNSS載波相位的觀測數(shù)據(jù)，建立GNSS載波相位雙差觀測方程； 采集GNSS載波相位的觀測數(shù)據(jù)，建立GNSS載波相位雙差觀測方程為
2.根據(jù)權利要求I所述的ー種基于自適應遺傳算法的單頻GNSS整周模糊度獲取方法，其特征在于，步驟三中，入為單頻GNSS載波L1的波長19cm。
3.根據(jù)權利要求I所述的ー種基于自適應遺傳算法的單頻GNSS整周模糊度獲取方法，其特征在于，步驟五中，a為懲罰系數(shù)，取0.2、. 4。
4.根據(jù)權利要求I所述的ー種基于自適應遺傳算法的單頻GNSS整周模糊度獲取方法，其特征在于，步驟五中，種群大小M取為2(Tl00。
5.根據(jù)權利要求I所述的ー種基于自適應遺傳算法的單頻GNSS整周模糊度獲取方法，其特征在于，步驟五中，終止進化代數(shù)T取為100 500。
全文摘要
本發(fā)明公開了一種基于自適應遺傳算法的單頻GNSS整周模糊度獲取方法，包括以下幾個步驟步驟一采集GNSS載波相位的觀測數(shù)據(jù)，建立GNSS載波相位雙差觀測方程；步驟二根據(jù)步驟一得出的雙差觀測方程，利用最小二乘方法獲取GNSS整周模糊度的浮點解和相應的協(xié)方差陣；步驟三利用已知的基線長度作為約束條件，確定整周模糊度的搜索空間；步驟四利用白化濾波的方法對步驟二得出的整周模糊度浮點解和協(xié)方差陣進行降相關處理；步驟五根據(jù)目標函數(shù)確定適應度函數(shù)，確定自適應遺傳算法中的各個運行參數(shù)，最后再將自適應遺傳算法引入對整周模糊度的快速解算，搜索整周模糊度的最優(yōu)解。
文檔編號G01S19/55GK102736094SQ20121020240
公開日2012年10月17日 申請日期2012年6月19日 優(yōu)先權日2012年6月19日
發(fā)明者劉明凱, 孟兵, 寧秀麗, 李強, 沈鋒, 王剛, 祝麗業(yè), 范岳, 賀瑞 申請人:哈爾濱工程大學