(window.webpackJsonp=window.webpackJsonp||[]).push([[425],{747:function(t,s,a){"use strict";a.r(s);var r=a(10),v=Object(r.a)({},(function(){var t=this,s=t._self._c;return s("ContentSlotsDistributor",{attrs:{"slot-key":t.$parent.slotKey}},[s("h1",{attrs:{id:"实时运行与后处理运行"}},[s("a",{staticClass:"header-anchor",attrs:{href:"#实时运行与后处理运行"}},[t._v("#")]),t._v(" 实时运行与后处理运行")]),t._v(" "),s("h2",{attrs:{id:"实时运行"}},[s("a",{staticClass:"header-anchor",attrs:{href:"#实时运行"}},[t._v("#")]),t._v(" 实时运行")]),t._v(" "),s("p",[t._v("实时导航系统采用“因果”滤波器，即导航滤波器只能依据过去与当前的测量值计算导航输出。")]),t._v(" "),s("p",[t._v("因此不难理解：当载体驶入隧道、GNSS 不可用时，位置漂移会逐渐增大，直至隧道出口处误差达到最大；随后新的 GNSS 位置才能校正该漂移。")]),t._v(" "),s("h2",{attrs:{id:"前向-后向融合处理"}},[s("a",{staticClass:"header-anchor",attrs:{href:"#前向-后向融合处理"}},[t._v("#")]),t._v(" 前向–后向融合处理")]),t._v(" "),s("p",[t._v("若处理可在任务结束后进行（测绘类应用中常见），则全部测量在同一时刻可用，也可以从任务末尾开始运行导航算法，并沿时间反向处理至最早的传感器采样。")]),t._v(" "),s("p",[t._v("在信息论意义上，前向处理（类似于实时运行）与后向处理可视为相互独立：在任一历元，两趟处理所依据的信息集合完全不同。")]),t._v(" "),s("p",[t._v("因此可将这两趟独立处理结果“融合”，形成新的输出，其精度优于两趟中较好的那一趟。")]),t._v(" "),s("p",[t._v("下例展示在隧道中行驶 60 s 时位置误差的变化：前向处理中，位置误差呈指数增长，直至约 60 s 后 GNSS 恢复；后向数据中，约在 60 s 处失去 GNSS，误差同样指数增长，直至时间轴 0 s 附近 GNSS 恢复。对两趟结果进行融合与平滑后，误差显著降低，最大误差出现在 GNSS 中断区间的中部。")]),t._v(" "),s("fdi-img",{attrs:{width:"52.5%",alt:"MEMS",src:"/knowledge-base/02/020601.png"}}),t._v(" "),s("p",[t._v("这当然会大幅改善 GNSS 中断期间的性能，也对整体性能有益。例如，在单天线 GNSS 接收器的低动态应用中，由于整段数据历史已知，扩展卡尔曼滤波器不必过度依赖预测，航向性能也会随之提升。")]),t._v(" "),s("h2",{attrs:{id:"无需实时基站与通信链路"}},[s("a",{staticClass:"header-anchor",attrs:{href:"#无需实时基站与通信链路"}},[t._v("#")]),t._v(" 无需实时基站与通信链路")]),t._v(" "),s("p",[t._v("后处理的另一优势是：只要实时记录了原始 GNSS 数据，即可在事后导入基站数据。这意味着实时阶段不必再部署 GNSS 基站，从而节省安装基站及其与流动站之间无线电链路的时间与成本；也无需在实时阶段使用 NTRIP 链路，因而不再需要互联网连接或运行 NTRIP 客户端软件的计算机。")])],1)}),[],!1,null,null,null);s.default=v.exports}}]);