刘基余，陈小明

（武汉大学测绘学院，武汉 430079）

利用卡尔漫滤波处理GNSS动态测量数据，需要首先建立滤波的动态模型（状态方程）和观测模型（观测方程）。对GNSS动态定位而言，动态模型难以用精确的数学公式来表达，实用中一般在精度损失较小的前提下对动态模型进行简化。最常用的动态模型为常速模型或常加速模型。常速模型或常加速模型的选择依赖于运动载体的运动状态以及数据采样率的高低，在高精度GNSS动态定位中数据采样率一般为1秒或更高，此时可采用常速模型。动态噪声可假定为零均值高斯噪声。在整周模糊度已知时（利用基线初始化或模糊度在航解算OTF求得），单纯利用双差载波相位观测量就可以获得极高的动态定位精度。

由于载波相位测量的整周模糊度特性，在载波相位测量出现周跳后，整周模糊度会发生改变。若不能及时修正，将严重影响动态定位的精度。在滤波设计时，需要考虑对周跳的探测与修复。另一个方面要考虑到动态接收机机动情形，在滤波设计时，更需考虑对机动加速度的补偿。中国魏明博士等（1990）和卢刚博士等（1991）分别提出了用统计检验的方法来探测周跳和机动加速度，并利用两步卡尔曼滤波来估计周跳的方法；卢刚博士等（1990）称之为GPS动态定位的统计质量控制（Statistical quantity control）。为了研究质量控制的有效性，本文提出利用可靠性理论来分析周跳探测，机动探测的能力以及周跳与机动加速度的可区分性问题，并在此基础上提出一种更为简单实用的高精度GNSS动态定位模型。……