夜雨聆风
论文推荐 | Android 智能手机实时精密单点定位软件实现及精度分析
点击图片上方蓝色字体“慧天地”即可订阅
文章转载自微信公众号经纬石旁话遥测，本文改编自学术论文《Android 智能手机实时精密单点定位软件实现及精度分析》，刊载于《武汉大学学报·信息科学版》2021年第7期，版权归原作者及刊载媒体所有。
郭 斐 1 吴维旺 1 张小红 1 刘万科 1
1 武汉大学测绘学院，湖北 武汉，430079
郭斐
博士，教授，主要从事 GNSS 精密定位技术及其应用研究。fguo@sgg.whu.edu.cn
摘要
随着智能手机的普及和卫星导航定位技术发展，导航定位已成为智能手机必不可少的功能之一。
对华为(Huawei)和小米(Xiaomi)双频智能手机Huawei Mate 20/30、Xiaomi 8观测数据进行质量分析，提出了一套适用于手机精密单点定位(precise point positioning, PPP)的质量控制方案，开发了一款基于安卓(Android)平台的实时PPP应用程序。
通过实验对比分析了单频与双频、实时与事后手机PPP的定位性能。结果表明，Xiaomi 8和Huawei Mate 20/30手机单频PPP平面方向的定位精度均可达到0.5~0.6 m，高程方向的定位精度为1.0~2.0 m。
相比于单频PPP，双频PPP收敛后，其平面与高程方向的定位精度均有提高，且高程方向提升显著。实时与事后PPP在平面方向的定位精度相当，但在高程方向上，事后PPP较实时PPP的定位精度提升20%~40%。
引用
郭斐, 吴维旺, 张小红, 刘万科. Android智能手机实时精密单点定位软件实现及精度分析[J]. 武汉大学学报 · 信息科学版, 2021, 46(7): 1053-1062. doi: 10.13203/j.whugis20200527
随着智能手机的普及和全球导航卫星系统(global navigation satellite system，GNSS)的发展，导航定位已经成为智能手机必不可少的功能，超过一半的手机应用程序需要访问位置信息。
2016年起，谷歌公司在安卓(Android)N操作系统上开放了访问GNSS原始观测值的应用程序接口(application programming interface，API)，这为开发者从智能手机中实时获取GNSS伪距、载波相位、多普勒等观测值提供了可能，从而进行高精度导航定位与授时。
考虑到低成本和低功耗，大众智能手机普遍集成的是单频GNSS芯片。2018年5月，全球首款双频智能手机Xiaomi 8发布，其搭载了支持L1/L5波段的双频GNSS定位芯片，并取消了占空比(duty cycle)机制，引起了学界广泛关注。随后，众多手机厂商也争相发布了具备双频定位功能的手机，如华为公司发布的Huawei Mate系列手机(Mate 20/30)、联想公司发布的Lenovo Z6手机等。双频GNSS芯片的搭载为智能手机进行精密单点定位(precise point positioning，PPP)创造了条件，也增加了手机在复杂环境下的适应性。
国内外众多学者对智能手机的数据质量和定位性能进行了评估。文献[8]指出，手机中存在的duty cycle机制导致相位观测数据不连续。
文献[9]使用Huawei P10手机的相位变化量评估手机的相位观测值噪声，在duty cycle关闭的情况下，手机的测速精度可以达到厘米级。
文献[10]对Samsung 8、Huawei P10、Nexus 9等智能手机的信噪比、伪距残差进行了分析，建立了相应的信噪比定权模型，同时分析了duty cycle机制下相位跟踪状态和设备运动状态的相关性，提出了一种考虑duty cycle的连续平滑定位算法。
文献[11]对Xiaomi 8手机在郊区开阔和高楼林立场景下的信噪比和多路径进行了分析，与测地型接收机相比，手机信噪比值平均降低5~12 dB; 在多路径效应方面，欧盟伽利略(Galileo)系统较GPS卫星的多路径更小，且L5频率的多路径误差明显小于L1频率。
在定位性能评估方面，文献[12]使用Xiaomi 8手机进行双频PPP和实时动态定位(real time kinematic，RTK)测试，其精度仅为米级。
文献[13]在静态开阔的环境下使用Xiaomi 8手机进行静态PPP，东、北、天方向定位误差的均方根(root mean square，RMS)分别为0.50 m、0.47 m、0.56 m，静态模拟动态PPP 3个方向定位误差的RMS分别为2.20 m、2.32 m、2.03 m。
文献[14]评估了Xiaomi 8手机分别在静态和动态场景下双频PPP的定位性能，结果表明，静态PPP收敛后的位置误差在东、北、天3个方向上的RMS分别为4.1 cm、21.8 cm和11.0 cm，但收敛到亚米级的时间长达3 h; 对于动态PPP，由于卫星数较少，定位误差达到几米甚至几十米。
现有研究主要聚集于单一的某款智能手机，且大多数采用后处理算法，得到的定位性能差异较大。因此，本文拟对常见的双频智能手机Huawei Mate 20/30、Xiaomi 8，对比分析其数据质量，提出一套适用于手机PPP的质量控制方案，开发一款基于Android平台的实时PPP软件，并评估其定位性能。
1 智能手机实时PPP数学模型
1.1
函数模型
通过调用Android API的GNSS Clock类、GNSS Measurement类，可以获取智能手机的原始GNSS观测值，包括伪距、载波相位和多普勒观测值。
目前，大部分智能手机的GNSS接收芯片仅提供GPS的L1单频点信号，少数智能手机如Huawei Mate 20/30、Xiaomi 8/9支持GPS、Galileo和日本准天顶卫星系统(quasi-zenith satellite system，QZSS)的L1/E1、L5/E5双频定位。对于单频PPP，常用的定位模型有半和模型和非差非组合模型。
半和模型通过构造伪距和相位的组合观测值，虽然可以消除电离层延迟影响，但组合后相位观测值的噪声被放大。特别是对于智能手机，GNSS伪距观测值的噪声达到数米甚至数十米，严重影响半和模型的精度。为此，对于手机单频PPP，本文采用非差非组合模型，其观测方程为：
对于L1/E1、L5/E5a双频PPP，采用双频无电离层组合模型，其观测方程为：
在误差处理方面，通过国际GNSS服务组织(International GNSS Service，IGS)实时播发的状态空间表达(state space representation，SSR)信息修正广播星历轨道和钟差。
对于单频PPP中的电离层延迟误差，采用预报的全球电离层格网模型进行改正，其精度约为0.3 m。对流层延迟干分量采用萨斯塔莫宁(Saastamoinen)模型改正，湿分量附加参数进行估计。接收机端的硬件延迟偏差可被接收机钟差吸收，而卫星端的硬件延迟偏差可被模糊度参数吸收，故在PPP浮点解时可不顾及硬件延迟偏差。
1.2
随机模型
在GNSS数据处理中，常用的随机模型有卫星高度角模型、信噪比模型、方差分量估计模型。基于方差分量估计的随机模型，其实时性较差、无法满足实时PPP的要求。
信噪比是反映信号接收质量的重要指标之一，其定义为接收信号的功率与接收机噪声的功率谱密度的比值。文献[3]证实了智能手机的伪距单差残差与卫星高度角弱相关，但与信噪比强相关。因此，使用信噪比模型更能反映手机GNSS观测值的特征[3, 7]。信噪比随机模型可表示为：
1.3
质量控制
由于智能手机通常采用体积小、低成本、低功耗、高灵敏度的线性极化天线，而GNSS信号衰减、非视距传播和多路径干扰更易产生粗差和周跳，严重影响手机定位的精度。
本文采用数据探测与抗差估计结合的质量控制方案，从卫星高度角、信噪比、验前与验后残差等方面剔除伪距观测值中的粗差[15-17]。
利用Android API中提供的载波相位跟踪状态指示参数(accumulated delta range state，ADRS)和相位历元差分法(time difference carrier phase，TDCP)探测相位周跳，其流程如图 1所示。具体步骤如下：
图 1 联合ADRS和TDCP的周跳探测流程
1) 采用ADRS和多普勒较差法(相位导出的多普勒与实际多普勒值之差)对当前历元的相位观测值进行周跳初步探测。当ADRS被标识为4时，表示相位跟踪失锁; 当多普勒较差小于给定阈值0.75 m时，认为未发生周跳，否则将其标记为周跳。
2) 选取未被标定为周跳的n个相位观测值，构造历元差分模型：
λ⋅Δφ=Δρ−c⋅Δdts+c⋅Δdtr+ΔT+ΔI+εΔL (5)
式中，Δ为历元间单差算子。当历元间隔较短时，ΔI和ΔT可近似为零，采用最小二乘方法估计载体位置变化量及钟差变化量。
3) 计算各卫星相位观测值的验后残差及单位权中误差。若最大验后残差或单位权中误差超过设定阈值，则认为最大验后残差的观测值发生周跳; 将其剔除后重新进行最小二乘解算，直到所有的验后残差都小于设定阈值。
4) 保留当前历元无周跳的相位观测值，进入下一历元的周跳探测，重复步骤2)和步骤3)，直至结束。
需要说明的是，最小二乘抵抗多粗差的能力较弱，当周跳观测值超过全部观测值的1/3时，相位历元差分法探测周跳的成功率较低。因此，对于n个有效的相位历元差分方程，当连续n/3次剔除最大残差时，则认为周跳探测失败。
2 基于Android的实时PPP架构
2.1
开发环境搭建
本文所用实验数据集图像大小为 416×416 像素。改进 Yolo ⁃v3 模型的架构、训练及测试都 是在 TensorFlow 的深度学习框架 Keras 上进行 的 ，在 带 有 Win10 系 统 NVIDIA GeForce GTX 1080 with Max⁃Q Design 8 GB 的 GPU 上实现。
Android是一款主要面向移动终端的开源操作系统，其底层基于Linux操作系统，支持丰富的硬件驱动开发，涵盖多元化的硬件配置和无线通信功能，广泛用于各类交互平台。
Android系统的经典架构分为4层，从下往上分别为Linux内核层、C/C++本地系统库和Android运行时环境、应用程序框架层、应用程序层。在底层的Linux内核层中，Android以虚拟机(Android run time，ART)的形式最终调用底层的Linux内核以执行命令。当设备具有特定的硬件设备支持时，其内核层还涵盖有硬件抽象层。
当上层请求访问设备硬件层时，系统会为该硬件加载相应的库模块。第2层为系统库和Android运行时，系统库主要负责提供连接应用框架层和内核层的方法库，Android运行时则包括核心库和ART，应用在运行时都拥有自己的ART实例，ART的主要功能包括预编译和及时编译、优化的资源回收、调试支持等。第3层为应用程序框架层，其提供了各种基本的API，例如Activity、Service、Notification等组件，方便开发人员实现一些基本功能，封装成接口给上层调用。
最上层为Android应用程序层，其主要包括Android原生应用以及第三方应用，为开发的应用所在层级。
Android系统的用户接口(user interface，UI)层是通过Java语言进行封装的，而底层则是基于C/C++语言。软件开发设计可以充分结合Java语言库丰富、开发效率高以及C/C++语言开源算法丰富、运行效率高的优点，交互操作部分使用Java语言编写，嵌入的PPP算法则使用C/C++语言编写。
通过Java本地开发接口，使Java和C/C++编写的程序可以相互调用。因此，开发前需要配置Android Java和C的开发环境，具体如下：
1) Java开发工具集配置
Java开发工具包(Java development kit，JDK)是Java开发的核心，由Java运行环境、Java工具集、Java基础类库构成，为应用开发者提供了基本的开发环境和开发工具。在Windows系统上进行开发，需要配置JDK的系统环境变量，其配置如表 2所示。在完成JDK配置后，继续安装Android集成开发环境(integrated development environment，IDE)，软件开发使用的IDE为Android Studio 3.3版本。
表 2 Windows平台中JDK的系统环境变量配置
2) Android开发工具集配置
Android软件开发工具包(software development kit，SDK)是开发Android应用必备的工具集，其为开发者提供了在对应平台上的开发组件。Android SDK包括Android ART和Android开发工具插件(Android development tools，ADT)以及一些开发调试、应用程序包(Android application package，APK)打包、ART管理的工具。
Android Studio的设置选项包含有Android SDK的下载页面，根据应用开发所需要适配的API等级选择配置对应的SDK平台，例如本文采用的是Android 9(API 28)的SDK版本。
由于软件涉及到C/C++与Java程序的交互，还需要进一步配置Android本地开发工具集(native development kit，NDK)，NDK包含快速开发C/C++动态链接库和将其合并打包到APK的工具。NDK可以通过Android Studio自带的Android SDK Manager进行自动下载和配置。
2.2
实时PPP架构与工作原理
开发的智能手机实时PPP软件整体架构与工作原理如图 2所示，主要分为3个部分——用户交互UI界面、外部数据的传输、软件后台服务。交互UI包括用户配置、结果显示、数据记录、地图显示，其主要负责定位的参数配置以及数据的可视化。
外部数据流的传输部分包括NTRIP(networked transport of RTCM via internet protocol)传输的RTCM(radio technical commission for maritime services)格式的广播星历和SSR改正数据以及调用Android应用框架API获得的GNSS观测数据，对于单频PPP定位，可事先下载预报的全球电离层格网模型。
图 2 智能手机实时PPP软件的架构及工作原理
图 2为智能手机实时PPP软件的架构及工作原理，红色虚线框表示的是嵌入PPP算法的后台服务部分，其主要负责对RTCM格式的数据流进行解码，对获得的观测数据加工生成原始观测值，并将数据处理核心解算的位置反馈给UI界面，调用百度地图API实现定位结果的地图可视化。
3 手机定位实验与结果分析
3.1
实验数据描述
本文采用3款双频智能手机Xiaomi 8、Huawei Mate 20、Huawei Mate 30进行实验分析。表 3给出了这3款手机所搭载的GNSS芯片型号类型及相关配置。其中，Xiaomi 8搭载的是博通公司生产的BCM47755芯片组，而Huawei Mate 20/30搭载的是厂商自主研发的海思芯片组。
3款手机均能跟踪全GNSS星座，并且能在GPS、Galileo、QZSS星座上提供L1/L5频率的双频观测值。此外，3款手机的内置系统已经取消了duty cycle机制，允许输出连续跟踪的相位观测值。
表 3 智能手机内置的GNSS芯片型号及配置
采用静态模拟动态的方式验证算法的正确性，两次静态实验的GNSS数据采集场景如图 3所示。实验A采集于湖北省武汉市某实验大楼楼顶，实验手机为Xiaomi 8和Huawei Mate 20，测量时手机正面朝上固定于观测台上。在手机旁架设有NovAtel-704-WB天线，其连接的是Septentrio PolaRx 5S测地型接收机，用于计算手机的坐标参考真值。两台手机至NovAtel天线的距离已事先量取，并进行了相应的距离改正。
此外，在手机附近的观测墩上设有观测站，其采用的是Trimble Zephyr 3天线，接收机类型为Septentrio PolaRx 5，将其作为基站，基站的位置精确已知。实验B采集于海南省海口市某居民区楼顶，实验手机为Xiaomi 8和Huawei Mate 30，两台手机正面朝上放置。两次实验的观测时长均为4 h，采样率为1 Hz。
图 3 两次静态实验的手机布局及观测环境
3.2
卫星可视性分析
图 4和图 5分别给出了两次实验中不同手机在L1和L5波段所观测到的卫星总数。实验A中Xiaomi 8和Huawei Mate 20对L1波段的平均可见星数分别为33颗和27颗，明显少于同时段测地型接收机Septentrio观测的卫星数。
对于L5波段的卫星观测情况，由于播发L5信号的卫星本身数量较少，因此Huawei Mate 20和Xiaomi 8在L5波段所跟踪的平均卫星数分别仅为14颗和8颗。实验A和实验B均表明，在L1波段，Huawei Mate系列手机比Xiaomi 8的平均观测卫星数多5~8颗，而在L5波段的平均卫星数多4~5颗。
图 4 实验A中手机跟踪的L1波段和L5波段的可视卫星数
图 5 实验B中手机跟踪的L1波段和L5波段的可视卫星数
3.3
单频与双频PPP结果
图 6~8给出了3组双频和单频PPP算例，包括可用卫星数(Sat)、定位精度因子(position dilution of precision，PDOP)和定位误差时序，对应的定位精度统计如表 4所示。从图 6~8中不难发现，单频PPP可用的卫星数明显多于双频PPP，且对应的PDOP值也相对更小; PPP定位误差整体上呈现随时间累积而减小并趋于平稳的趋势
图 6 实验A中Xiaomi 8双频和单频PPP的定位误差、可用卫星数及PDOP
图 7 实验B中Xiaomi 8双频和单频PPP的定位误差、可用卫星数及PDOP
图 8 实验B中Huawei Mate 30双频和单频PPP的定位误差、可用卫星数及PDOP
表 4 双频和单频PPP精度统计/m
由于同时跟踪L1、L5双频信号的卫星数较少，因此双频PPP的收敛速度要慢于单频PPP。以实验A中的Xiaomi 8手机为例，其单频和双频PPP平面方向收敛到1 m以内的时间分别为1 700 s和3 000 s左右。而在定位精度方面，双频PPP的结果则略优于单频PPP，收敛后双频和单频PPP在东、北、天方向上的定位误差RMS分别为0.36 m、0.28 m、0.16 m和0.46 m、0.56 m、2.04 m。
对于重复性分析，实验B中Xiaomi 8双频PPP收敛后，其东、北、天3个方向的标准差(standard deviation，STD)在0.2 m左右，单频和双频PPP的坐标重复性相当，收敛时间均在1 500 s左右。
对于Huawei Mate 30，尽管其观测到的卫星数要明显多于Xiaomi 8，但其用于解算的可用卫星数相当，主要原因是Huawei Mate 30在质量控制中剔除了较多发生粗差和周跳的卫星。因此，Huawei Mate 30单频和双频PPP的重复性精度比较差，其收敛的时间也比较长。
3.4
实时与事后PPP结果
为了满足时效性要求，实时PPP一般采用预报的轨道与钟差改正数以及预报的电离层模型或产品。后处理PPP(事后PPP)则可以采用最终的精密星历和精密钟差以及实测电离层模型，以提高PPP定位精度。
本节以单频PPP为例，对比分析了实时与事后PPP的精度。图 9给出了Xiaomi 8和Huawei Mate 20实时和事后PPP的定位结果，相应的定位误差RMS统计结果列于表 5。
图 9 Xiaomi 8和Huawei Mate 20实时和事后单频PPP的定位误差、可用卫星数及PDOP
表 5 实时和事后单频PPP精度统计(RMS)/m
从图 9中可以看出，由实时PPP和事后PPP获得的定位结果在平面方向上基本一致，即使用实时或事后精密轨道、钟差及电离层产品对平面方向上的定位精度影响较小，其差值仅在0.1 m左右; 但在高程方向上，两者的坐标差值达到0.3~0.7 m，这主要是因为采用的预报电离层格网模型相对事后的精度较差，而电离层延迟对定位的影响主要反映在天顶方向上。
4 结 语
随着智能手机的普及和全球导航卫星系统的发展，导航定位已成为智能手机不可或缺的功能之一，大众对智能手机的高精度定位需求也越来越高。从2016年起，开发者可通过谷歌Android应用程序接口获得GNSS原始观测数据。Android 9.0及以上版本提供了关闭占空比的选项，这为智能手机的精密单点定位创造了有利条件。
本文基于Huawei Mate 20/30和Xiaomi 8三款双频智能手机的实测GNSS观测数据，建立了单、双频PPP函数模型和随机模型，提出了一种适用于智能手机的PPP质量控制方案。在此基础上，开发了一款实时PPP应用软件。该软件实现了输入数据源接收和转换、实时定位、数据记录、结果可视化等功能，具备实时和事后处理与分析能力。
设计实验对比分析了单频与双频、实时与事后PPP的定位性能。结果表明，Xiaomi 8和Huawei Mate 20/30手机单频PPP的定位精度在平面和高程方向上分别约为0.5~0.6 m和1.0~2.0 m; 相较于单频PPP，双频PPP精度在高程方向上虽有显著改善，但受限于可用的双频卫星数较少，收敛时间明显更长。
相比于实时PPP，后处理PPP的定位精度在高程方向改善幅度达到20%~40%。智能手机普遍使用低成本的线性极化天线，在城市复杂环境下更容易受到粗差、周跳和多路径影响，联合GNSS、MEMS等多传感器提升手机定位性能是未来的研究重点。
向上滑动阅览对应参考文献
[1] Zhang X, Tao X, Zhu F, et al. Quality Assessment of GNSS Observations from an Android N Smartphone and Positioning Performance Analysis Using Time-Differenced Filtering Approach[J]. GPS Solutions, 2018, 22(3): 70 doi: 10.1007/s10291-018-0736-8
[2] 刘万科, 史翔, 朱锋, 等. 谷歌Nexus 9智能终端原始GNSS观测值的质量分析[J]. 武汉大学学报·信息科学版, 2019, 44(12): 1 749-1 756 doi: 10.13203/j.whugis20180141
Liu Wanke, Shi Xiang, Zhu Feng, et al. Quality Analysis of Raw GNSS Observation of Google Nexus 9 Smart Tablet Terminal[J]. Geomatics and Information Science of Wuhan University, 2019, 44(12): 1 749-1 756 doi: 10.13203/j.whugis20180141
[3] 史翔. 基于智能手机GNSS观测值的连续平滑定位算法[D]. 武汉: 武汉大学, 2019
Shi Xiang. Continuous Smoothing Positioning Algorithm Based on GNSS Observations of Smartphones[D]. Wuhan: Wuhan University, 2019
[4] Aggrey J, Bisnath S, Naciri N, et al. Use of PPP Processing for Next-generation Smartphone GNSS Chips: Key Benefits and Challenges[C]. The 32nd International Technical Meeting of the Satellite Division of the Institute of Navigation (ION GNSS+ 2019), Miami, Florida, USA, 2019
[5] Chen B, Gao C, Liu Y, et al. Real-Time Precise Point Positioning with a Xiaomi Mi 8 Android Smartphone[J]. Sensors, 2019, 19(12): 2 835 doi: 10.3390/s19122835
[6] Håkansson M. Characterization of GNSS Observations from a Nexus 9 Android Tablet[J]. GPS Solutions, 2019, 23(1): 21 doi: 10.1007/s10291-018-0818-7
[7] Paziewski J, Sieradzki R, Baryla R. Signal Characterization and Assessment of Code GNSS Positioning with Low-Power Consumption Smartphones[J]. GPS Solutions, 2019, 23(4): 98 doi: 10.1007/s10291-019-0892-5
[8] Riley S, Lentz W, Clare A. On the Path to Precision-Observations with Android GNSS Observables[C]. The 30th International Technical Meeting of the Satellite Division of the Institute of Navigation (ION GNSS+ 2017), Portland, Oregon, USA, 2017
[9] Pirazzi G, Mazzoni A, Biagi L, et al. Preliminary Performance Analysis with a GPS+Galileo Enabled Chipset Embedded in a Smartphone[C]. The 30th International Technical Meeting of the Satellite Division of the Institute of Navigation (ION GNSS+ 2017), Portland, Oregon, USA, 2017
[10] Liu W, Shi X, Zhu F, et al. Quality Analysis of Multi-GNSS Raw Observations and a Velocity-Aided Positioning Approach Based on Smartphones [J]. Advances in Space Research, 2019, 63(8): 2 358-2 377 doi: 10.1016/j.asr.2019.01.004
[11] Robustelli U, Baiocchi V, Pugliano G. Assessment of Dual Frequency GNSS Observations from a Xiaomi Mi 8 Android Smartphone and Positioning Performance Analysis[J]. Electronics, 2019, 8(1): 91 doi: 10.3390/electronics8010091
[12] Fortunato M, Critchley-Marrows J, Siutkowska M, et al. Enabling High Accuracy Dynamic Applications in Urban Environments Using PPP and RTK on Android Multi-frequency and Multi-GNSS Smartphones[C]. European Navigation Conference (ENC), Warsaw, Poland, 2019
[13] Elmezayen A G, El-Rabbany A. Precise Point Positioning Using World’s First Dual-Frequency GPS/Galileo Smartphone[J]. Sensors, 2019, 19(11): 2 593 doi: 10.3390/s19112593
[14] Wu Q, Sun M, Zhou C, et al. Precise Point Positioning Using Dual-Frequency GNSS Observations on Smartphone[J]. Sensors, 2019, 19(9): 2 189 doi: 10.3390/s19092189
[15] 郭斐. GPS精密单点定位质量控制与分析的相关理论和方法研究[D]. 武汉: 武汉大学, 2013
Guo Fei. Theory and Method of Quality Control and Quality Analysis for Precise Point Positioning[D]. Wuhan: Wuhan University, 2013
[16] 张小红, 郭斐, 李盼, 等. GNSS精密单点定位中的实时质量控制[J]. 武汉大学学报·信息科学版, 2012, 37(8): 940-944 http://ch.whu.edu.cn/article/id/281
Zhang Xiaohong, Guo Fei, Li Pan, et al. Real-Time Quality Control Procedure for GNSS Precise Point Positioning[J]. Geomatics and Information Science of Wuhan University, 2012, 37(8): 940-944 http://ch.whu.edu.cn/article/id/281
[17] 邹璇, 李宗楠, 陈亮, 等. 一种历元间差分单站单频周跳探测与修复方法[J]. 武汉大学学报·信息科学版, 2017, 42(10): 1 406-1 410 doi: 10.13203/j.whugis20150805
Zou Xuan, Li Zongnan, Chen Liang, et al. A New Cycle Slip Detection and Repair Method Based on Epoch Difference for a Single-Frequency GNSS Receiver[J]. Geomatics and Information Science of Wuhan University, 2017, 42(10): 1 406-1 410 doi: 10.13203/j.whugis20150805
点击文末“阅读原文”即可获取PDF全文。
内容转载、商务活动、投稿等合作请联系
微信号：huitiandi321
邮箱：geomaticshtd@163.com
欢迎关注慧天地同名新浪微博：
ID：慧天地_geomaticser
《慧天地》敬告
