动态定位

动态定位是以确定与各观测站相应的、运动中的、接收机载体的位置或轨迹的卫星定位。定位时，至少应有1台接收机处于运动状态。

按定位元素不同分为：①绝对动态定位，以确定运动中的单个接收机载体的三维地心坐标或轨迹为目的；②相对动态定位，通过安置在运动载体上的接收机（称流动站）与安置在基准点上的接收机（称基准站）进行同步观测，经差分处理以获得流动站的位置或轨迹。

按观测数据处理时间不同分为：①实时动态定位，运动中接收机载体的位置数据可实时获得；②非实时动态定位，运动中接收机载体的位置数据不能实时获得，而必须经事后处理方可获得。

　　按照误差改正参数估计方法、改正数的生成与发播方式、用户流动站定位解算方法等方面的不同，基于连续运行基准站的动态定位技术可分成虚拟参考站、区域改正参数和综合误差内插法等方法。

虚拟参考站方法

　　虚拟参考站方法是由Herbert Landau博士提出，并由Spectra/Terrasat公司推向市场的方法。系统工作时，数据处理中心实时接收各基准站观测数据，一旦接收到流动站用户的概略坐标，利用基准站的精确坐标和实时观测数据对概略坐标处进行误差建模，虚拟出该处的误差改正数，并按RTCM格式发播给流动站。流动站相当于和一个离自己不远，但实际上并不存在的参考站进行高精度相对定位，避免了基准站和流动站的距离过长导致的RTK性能下降的现象。 VRS方法的主要技术特点是：

1.流动站一般以NMEA格式向数据处理中心传递概略坐标，数据处理中心需向流动站传递生成的虚拟参考站误差值，这要求数据处理中心和流动站都具备双向通信功能；

2.大部分计算由数据处理中心完成，流动站只承担少部分计算；
　　3.流动站仅要求一般的支持RTCM的常规RTK接收机，不需要另外的软硬件支持，提高了兼容性；
　　4..与常规RTK相比，流动站需要向数据处理中心传输概略坐标，即虚拟参考站的坐标。
　　采用这种方法的CORS系统用户容量取决于网络的带宽和主控站的计算能力。Trimble公司的GPSNet软件采用的就是VRS方法。

区域改正参数方法

　　区域改正参数方法是由Wiibbena博士提出的全网整体解算模型。这种方法基于状态空间模型，要求所有基准站将原始观测值实时传送给数据处理中心，数据处理中心实时处理后产生空间误差改正参数并通过扩展的RTCM59格式发播给服务区内的流动站，流动站根据观测量和改正参数进行位置求解。这种方法的主要技术特点是：
　　1 .数据处理中心计算区域改正参数，并向用户发播；
　　2 .流动站根据改正参数生成误差修正值，并完成用户坐标解算；
　　3 .流动站不向数据处理中心发送数据，用户数量没有限制；
　　4 .采用扩展RTCM格式发播误差修正值，流动站要购买新的软件来支持这种模式。
　　FKP方法发展较快，在德国、荷兰等欧洲国家有广泛的应用。
　　主辅站(Master Auxiliary Concept一MAC)方法是一种改进的FKP方法，它将基准站网分成网络、丛网和单元三个层面。流动站根据其与基准站的相对位置，选择不同层面基准站生成修正值。
　　Leica公司的Spider软件就采用主辅站方法。

综合误差内插法

　　卫星定位的多种系统误差在一定区域内具有强相关性。综合误差内插法通过多个基准站的己知误差直接内插该区域内任何一处的综合误差，流动站利用观测数据和综合误差进行动态定位。所谓综合误差是指卫星定位时所受的系统误差的综合影响量综合误差内插法的主要技术特点是：
　　1.数据处理中心收集所有基站观测数据，根据流动站的位置选择合适的基准站计算流动站的综合误差改正信息，数据计算量较少；
　　2 .流动站需向数据处理中心发送概略坐标；
　　3.数据处理中心和流动站用户需具备双向通信功能；
　　4.流动站需要购买新的软件模块用于用户位置解算。
　　武汉大学的Power-NET软件采用这种综合误差内插法。 ^[1] 

　　卡尔曼滤波理论一经提出，就立即受到了工程界的重视，伴随着计算机的快速发展，卡尔曼滤波理论在动态定位领域得到了广泛应用。而动态定位领域中遇到的实际问题又使滤波理论的研究更深入更完善。
　　经典的卡尔曼滤波应用的一个先决条件是建立准确的动态模型和观测模型，这就要求对物体的运动了解比较清楚。偏离理想假设的观测向量或偏离理想假设的动力学模型必然会给动态定位结果带来偏差，甚至使卡尔曼滤波发散。杨元喜分析了在动态定位中，卡尔曼滤波模型误差对当前历元和后续历元的影响。杨元喜给出了一个均值补偿算法来克服系统误差对动态定位结果的影响。还有许多学者曾提出一些自适应卡尔曼滤波来减弱系统偏差的影响。如模型方差自适应补偿法，Sage自适应滤波法，衰减自适应估计法等。但是，这些方法并不能达到减免模型误差的目的。张金槐指出：当模型误差较大时，衰减因子的选择和自适应水平缺乏足够的论证，不是一种严密的方法。 ^[2] 

当动态模型误差在滤波过程中未模型化或测量噪声非正态分布时，线性Kalman滤波的可靠性均受到严重影响。杨元喜基于抗差M估计原理，建立了一种新的自适应抗差滤波理论，并讨论了自适应滤波解的性质。通过一个自适应因子平衡状态预报参数和动态观测值的权，在每一观测历元的参数估计中，采用抗差估计法控制观测异常的影响。徐天河提出了改进Sage自适应滤波的新方法，若动态载体平稳，则采用Sage自适应滤波，若载体出现扰动，则采用具有自适应因子的Kalman滤波。胡国荣和欧吉坤基Sage滤波提出了一种适用于高动态GPS定位的改进的自适应Kalman滤波方法。由于观测向量和状态预测向量可看成两组随机向量，则可基于方差分量估计和开窗协方差估计，自适应地确定载体运动方程信息的权，为此，提出了基于方差分量估计和开窗协方差估计的自适应滤波理论[gal。这些方法比经典滤波和统计检验方法有了较大的改进，效果也比较明显，但是抗差估计对观测结构比较差的情况存在粗差的转移和淹没问题，目前选取合适的抗差权因子还比较困难。
　　如何克服模型偏差对参数估计的干扰一直是一个比较棘手的问题，也是目前的研究热点。测绘界的一些学者己将假设检验法拓展到卡尔曼滤波滤波中，Teunissen提出了与卡尔曼滤波并行操作的误差探测、诊断与修复法；陶本藻提出两步检验法，首先对滤波模型进行整体检验，如果检验失败，再对观测模型和状态模型分别检验，定位观测粗差和状态异常并进行消除或补偿。杨元喜，张双成(2004)提出了一种基于移动窗口的函数模型和随机模型系统误差自适应拟合法。基于相同的窗口，他们给出了相应的观测向量和状态预测向量的协方差矩阵估计方法，利用经系统误差修正后的观测向量和状态预测向量及相应的协方差矩阵，再进行动态导航滤波计算，能有效提高导航解的精度。

在动态定位中，滤波技术是影响系统性能即定位精度的一个关键因素。由于卡尔曼滤波最初提出的滤波理论只适应线性系统，而许多导航定位系统的量测模型都具有不同程度的非线性，因而就要求人们去研究和探索适合于组合导航系统特点的滤波理论和方法。Sunahara等人提出并研究了扩展卡尔曼滤波，将卡尔曼滤波理论进一步应用到非线性领域，EKF的基本思想是将非线性系统进行线性化，然后进行卡尔曼滤波，因此卡尔曼滤波是一种次优滤波。房建成，万德钧建立了一种新的GPS动态定位扩展卡尔曼滤波模型及其自适应算法，大大提高了GPS动态定位扩展卡尔曼滤波器的跟踪能力。郭杭研究了迭代扩展卡尔曼滤波计算方法，并将其用于GPS数据的实时处理。贾志军针对GPS定位系统基于卡尔曼滤波器提出了一种自适应扩展卡尔曼滤波器算法。张文明基于扩展卡尔曼滤波，研究了GPS多径抑制技术。然而扩展卡尔曼滤波存在实现性差、计算量大、估计精度低等缺陷，这些问题起源于标准EKF是取Taylor展开式的一阶近似，为提高估计精度也可取二阶近似，构成SONF滤波，但其实现复杂性和计算量大大增加。Peiliang Xu利用Bayes原理对EKF滤波和SONF滤波进行了研究。