基于风险规避状态估计的 GNSS 精密单点定位野值容错

在联网自动驾驶车辆（CAV）领域，可靠且精确的绝对定位至关重要。全球导航卫星系统（GNSS）为绝对定位提供了基础。最近增强的精密单点定位（PPP）技术现在可在全球范围内提供 GNSS 修正，有望达到适合实时 CAV 应用的精度。然而，在天空受阻条件下，GNSS 信号常受野值影响；因此，处理野值至关重要。在 GNSS 应用中，可用测量值远多于满足规范所需的数量。因此，选择测量值以避开野值备受关注。最近开发的风险规避性能指定（RAPS）状态估计方法能够最优地选择测量值，在满足性能正半定约束的同时最小化野值风险；目前，现有的求解方法不适用于实时计算，且尚未在具有挑战性的真实世界数据或实时 PPP（RT-PPP）应用中得到验证。本文在几个方向上做出了贡献。首先，它采用了对角性能规范，相较于正半定约束降低了计算成本。其次，本文考虑了 GNSS RT-PPP 应用。第三，实验使用了在挑战性环境中收集的真实世界 GNSS 数据。RT-PPP 实验结果表明，在所比较的方法中：所有方法在开阔天空条件下均实现了相当的性能，且均超过了汽车工程师学会（SAE）的规范；然而，在挑战性环境中，对角 RAPS 方法相较于传统方法提升了 6-19%。总体而言，RAPS 实现了最低的估计风险。