程建华，王晶，晏亮，时俊宇

(1.哈尔滨工程大学自动化学院，黑龙江哈尔滨150001;2.北京航天时代激光导航技术有限责任公司设计部，北京100143)

最小二乘降相关平差法(least-squares ambiguity decorrelation adjustment，LAMBDA)去相关处理即将双差模糊度的估计值通过整数Z变换映射到相关度相对较小的空间内，使模糊度协方差矩阵趋近于对角阵，最终完成模糊度的快速搜索.由于双差模糊度具有高度相关性，去相关处理效果的好坏直接影响之后的搜索效率高低.研究发现当在高维网络式或多基线、多频率解算的工作模式下，LAMBDA算法经常失效[1]，这极大地限制了这一快速解算方法的应用，因此分析高维情况下LAMBDA算法解算效果对于扩展其应用范围具有重要的研究价值.

国内外学者对于LAMBDA算法提出了不同的改进意见[2-4]，但都针对去相关速度进行改进，而1998年Li and Gao提出的高维改进算法也只是在7～13维内有效[1].XU Peiliang 等[1]首次分析了不同去相关算法在不同工作模式下的解算效果，发现在高维网络式的工作状态去相关算法经常失效，但没有从理论角度对这种状况进行分析.X W Chang等[4]讨论了LAMBDA法去相关的不完全性，但未对不同模式下算法的效果进行具体分析，仍然只是改进了去相关的解算效率.Kuylen，Monikes以及Wang等在多基线的姿态测量中，利用基线长度的限制解决该模式下的模糊度解算问题[5-6];Teunissen等[7]提出的MC LAMBDA方法利用旋转矩阵的正交性来限制模糊度估计参数，使得LAMBDA方法在多基线姿态测量中得到应用.但都没有对解决高维解算问题给……