解算分析使用作者研发的PPNav软件，对该组带有60s中断的实验数据， 南海路灯维修车出租, 南海路灯维修车租赁, 南海路灯维修车公司  按照如下三种方案进行解算：

        ①模糊度浮点解PPP/INS紧组合前向滤波、  ②模糊度浮点解PPP/INS紧组合后向滤波、  ③对前后向滤波结果加权平滑。数据的初始及末尾均有数分钟的静止段，这段数据分别用来前向、后向滤波的初始对准，不再参与组合解算。解算过程中已考虑杠杆臂改正。将解算结果与参考轨迹进行比较，得到各导航参数的误差结果。值得说明的情况是，60s中断后，INS起到的辅助作用很不明显，需要较长时间才能实现可靠的模糊度重新固定。可是，该组数据却又较短，很难实现60s中断后的重新固定。这也是所面临的实际难题。因此，本组实验不再考虑模糊度固定问题。但是需要说明，前后向平滑算法与模糊度浮动或固定无关，均可适用。

     1)位置平滑效果,  分别给出了三种方案解算得到的位置误差图，对比三幅图可发现，无论初始和重新收敛段还是GNSS信号中断段(即INS独立导航段)，平滑后的位置误差均显著减小，可以发现：

    (1)对于初始收敛段：无论是前向滤波还是后向滤波，在初始收敛段，位置误差均较大，而且会不断起伏震荡，但随着观测时间延长，滤波逐渐收敛，最终能取得分米级的定位精度。

   (2)对于GNSS信号中断段：该段时长为60s，这一段单独依赖于INS导航，由于INS推算误差随着时间迅速累积，导致位置误差在这60s内迅速达到米级(对应两图中尖刺)。

    (3)对于重新收敛段：由于GNSS信号完全中断长达60s，由INS推算位置的预测误差较大，对重新收敛起到的加速作用有限，但与初始收敛段相比，重新收敛段仍然短些。重新收敛段与初始收敛段类似，位置误差较大且会不断起伏震荡。

    (4)无论是收敛段(初始和重新收敛段)还是GNSS信号完全中断段(INS单独导航段)，若不进行平滑，位置误差均较大，这些数据段的位置结果通常难以满足测绘用户的精度需求，造成了观测数据浪费。 可以发现，经平滑后，整个数据段的位置误差显著变小，特别是三种特殊数据段。2)速分别给出了前向滤波速度误差、后向滤波速度误差以及平滑后的速度误差； 给出了前向滤波姿态角误差、后向滤波姿态角误差以及平滑后的姿态角误差。对这六幅图进行对比分析，可以发现：(1)  与位置误差不同，速度误差不会经历初始收敛段和重新收敛段，仅在GNSS信号中断段增大(对应两图中尖刺)。经过平滑，GNSS信号中断段的速度误差已经显著减小。

    (2)，在GNSS信号中断段，姿态角误差增大的很不明显。事实上，这正印证了INS本身的误差积累特性(即位置误差增大的最显著，速度误差次之，姿态角最小)。，经过平滑，姿态角误差更小且趋势更为平滑。为何能够取得如此理想的平滑效果？除了本文所实现的前后向平滑算法本身性能优异外，还需要注意如下原因：由于参考值本身也经过了平滑，因此使用平滑后的结果与参考值比较，会更加符合。经过平滑，常值零偏近似一条水平的直线，符合将它们建模成常数的假设；就量级而言，符合109所用INS的质量等级。以上两点也从侧面反映了本文所实现的前后向平滑算法的正确性，能够取得较满意的平滑效果。

    南海路灯维修车出租, 南海路灯维修车租赁, 南海路灯维修车公司

    二组算例1数据背景一组算例表明，前后向平滑算法能够较为显著的提高初始与重新收敛段、GNSS信号中断段(即INS独立导航段)的PPP/INS紧组合结果精度。既然如此，是否就意味着本文五章所提出的周跳修复新方法就没有必要了呢？本组算例将会解答这个问题。算例数据取自青岛实验。由于跑车环境为高速公路，GPS信号频繁受桥梁等遮挡，因此该组实验的显著特点是GPS信号频繁中断。五章已经表明：在INS辅助下，能够加速PPP的重新收敛；而修复周跳后，有望实现瞬时重新收敛，将能获取更好的定位结果。

      解算分析,  该组实验观测环境恶劣，因此难以取得模糊度固定解，仅能获取模糊度浮点解结果。针对该组数据，基于模糊度浮点解PPP/INS紧组合模式，使用作者研发的PPNav软件，按如下六种方案进行解算：①前向滤波(不修复周跳)；②后向滤波(不修复周跳)；③将①②的结果进行加权平滑；④前向滤波(修复周跳)；⑤后向滤波(修复周跳)；⑥将④⑤的结果进行加权平滑。其余解算设置可参考上组算例的描述。将解算结果与参考轨迹进行比较，得到六种方案的位置误差图。其中，未修复周跳的位置误差位于左侧三幅；修复周跳的位置误差位于右侧三幅。考虑到本小节的研究重点，不再给出速度、姿态角平滑效果图。对比并分析这六幅图，可以发现：(1)无论是前向滤波还是后向滤波，修复周跳后的位置误差都要更小，这再次(从后向滤波的角度)验证了本文五章周跳修复新方法的有效性。(2)修复周跳后的平滑位置误差也要更小。这是因为，若不在GPS信号中断处修复周跳，那么中断处的模糊度信息就会被重新初始化。无论前向滤波还是后向滤波，这种频繁初始化均会造成模糊度信息的不连续和收敛不充分。修复周跳后，确保了模糊度信息的连续性和收敛性，因此平滑效果更好。注意此处所谓模糊度信息包括了模糊度参数值及其协方差阵。(3)综上，修复周跳后可获取更好的平滑效果。这组算例表明五章所提出的周跳修复新方法仍有必要。该组算例即是对周跳修复新方法的验证，也是对前后向平算法的验证。

     提出了一种适用于PPP/INS紧组合的前后向平滑算法，能够同时提高初始和重新收敛段、GNSS信号完全中断段(即INS独立导航段)的组合结果精度，重点对后向滤波进111行了研究。本章以遵义实验和青岛实验为算例，验证了该算法的性能，得出如下结论：（1）对于单独的前向、后向滤波而言：初始与重新收敛段的位置误差均较大且不断震荡，需要较长时间才能完成滤波收敛；在GNSS信号中断段，仅依赖INS单独导航，随着中断时间的延长，位置误差在不断增大。以上三种数据段的组合结果通常不能被使用，会造成观测数据浪费和测绘成果的不连续。（2）将前向滤波和后向滤波的结果进行加权平滑后，整段数据的组合精度都得到了提高，尤其是上述特殊数据段的位置结果，即平滑有助于提高数据利用效率。（3）先修复周跳，再进行平滑，能取得更好的平滑效果，这是因为修复周跳后，确保了模糊度信息的连续性和收敛性，对平滑有益。还可以将前后向平滑算法与RTS平滑算法结合，形成多向平滑算法。但结合后的执行效率如何以及能否进一步提高平滑效果，这些问题值得进一步研究。作者在实践中发现，紧组合下的平滑效果要优于松组合、对全部参数一起平滑的效果要优于对参数分类后再平滑。限于本章的研究重点，对这些细节内容并没有深入展开。前后向平滑算法不仅起到对参数平滑的作用，还能起到质量检核的作用。将前、后向滤波看作两个独立的滤波过程，因此对前后向的滤波结果作差，求取位置、速度和姿态等参数的不符值，作为检核指标，弥补当前PPP/INS紧组合结果缺乏质量检核的难题。因此，该算法会在七章中继续发挥效能。

    南海路灯维修车出租, 南海路灯维修车租赁, 南海路灯维修车公司