張寶成，柯 成,2，查九平，侯鵬宇,2，劉 騰，袁運斌，李子申

1. 中國科學院精密測量科學與技術(shù)創(chuàng)新研究院大地測量與地球動力學國家重點實驗室，湖北 武漢 430071； 2. 中國科學院大學地球與行星科學學院，北京 100049； 3. 中國科學院空天信息創(chuàng)新研究院，北京 100094

全球?qū)Ш叫l(wèi)星系統(tǒng)(GNSS)已廣泛應用于國防建設、交通運輸和精密農(nóng)業(yè)等領(lǐng)域，而這些領(lǐng)域的快速發(fā)展又對GNSS精密定位技術(shù)提出了更高要求[1-5]。傳統(tǒng)精密單點定位(PPP)由于收斂慢，無法快速獲取高精度定位結(jié)果[6-7]。實時動態(tài)定位(RTK)雖然實現(xiàn)了快速收斂，卻又依賴于密集參考網(wǎng)[8-9]。為克服兩種傳統(tǒng)精密定位技術(shù)的不足，更為快速靈活的PPP-RTK技術(shù)應運而生[10]。

PPP-RTK技術(shù)融合了PPP和RTK技術(shù)各自的優(yōu)勢，其按照PPP的服務模式，向用戶播發(fā)狀態(tài)改正參數(shù)，再利用RTK技術(shù)固定模糊度的策略，實現(xiàn)了單測站快速高精度定位[10-11]。國內(nèi)外學者提出了多種PPP-RTK方法，主要包括UPD/FCB[12]、整數(shù)恢復鐘[13]、解耦鐘[14]和非差非組合公共鐘方法[15]。前3種方法均基于消電離層組合觀測值，而非差非組合公共鐘方法直接從原始觀測值出發(fā)，利于當前多頻多模數(shù)據(jù)的處理[16-17]。更具特色的是，非差非組合方法保留了所有原始參數(shù)，顧及參數(shù)的物理特性施加約束可提高模型強度，同步估計的改正參數(shù)完全自洽且具備全局最優(yōu)性[18-20]。另外，筆者團隊最新研究將非差非組合PPP-RTK從采用碼分多址(CDMA)信號的系統(tǒng)拓展至采用頻分多址(FDMA)信號的系統(tǒng)，由此構(gòu)建了統(tǒng)一完備的多頻多模非差非組合PPP-RTK理論算法[21]。

隨著PPP-RTK理論的日漸成熟，國內(nèi)外多家單位搭建了軟件實驗平臺以期將PPP-RTK技術(shù)推廣應用。例如法國國家空間研究中心(CNES)的PPP-Wizard[22]、加拿大測繪局的CSRS-PPP[23]、我國武漢大學的PRIDE-PPPAR[24]及上海天文臺的Net_Diff軟件等。上述軟件目前側(cè)重應用于科學研究，尚未移植至用戶終端為大眾和產(chǎn)業(yè)界提供服務。將科研型事后處理軟件嵌入終端設備實時運行需進行繁雜的代碼升級和集成。運行在終端設備的代碼需兼容其操作系統(tǒng)，顧及其有限的計算資源和內(nèi)存資源，有機融合、調(diào)配其內(nèi)置通信接口等，因此要求代碼簡潔、高效、高聚合且低耦合。

本文從理論到實踐，構(gòu)建CDMA和FDMA非差非組合PPP-RTK服務端和用戶端模型，開發(fā)相應的產(chǎn)業(yè)應用軟件，同時基于ARM Cortex-A8芯片的OK335核心板及和芯星通UM4B0高精度全頻點GNSS模塊，開發(fā)集成PPP-RTK終端樣機。利用平均站間距為154 km的京津冀參考網(wǎng)估計的精密改正產(chǎn)品，將該終端樣機分別安裝在無人機、農(nóng)機和城市跑車上開展系列實時定位測試，論證非差非組合PPP-RTK在實際應用場景下的服務性能。

1 非差非組合PPP-RTK模型

本節(jié)構(gòu)建了非差非組合PPP-RTK服務端和用戶端模型，包括CDMA信號體制下基于偽距和相位觀測值的模型及FDMA信號體制下僅利用相位觀測值的模型。

1.1 CDMA PPP-RTK模型

在一個區(qū)域參考網(wǎng)中，假設接收機r(r=1,2,…,n)跟蹤到衛(wèi)星s(s=1,2,…,m)發(fā)射的頻率j(j=1,2,…,f)的信號，同時考慮區(qū)域電離層延遲的空間相關(guān)性，建立如下PPP-RTK服務端滿秩模型[21]

(1)

表1 CDMA PPP-RTK可估參數(shù)及其定義Tab.1 Estimable parameters and their definitions of CDMA PPP-RTK

(2)

將服務端估計得到的衛(wèi)星鐘差、衛(wèi)星偽距和相位偏差以及對流層和電離層改正產(chǎn)品傳輸至用戶測站u，建立如下用戶端定位模型[21]

(3)

本文直接對單星斜電離層延遲進行建模，而不是對垂直電離層延遲進行建模。若對垂直電離層延遲進行建模，需選定映射函數(shù)將斜電離層延遲轉(zhuǎn)換為垂直電離層延遲。然而，受電離層映射函數(shù)精度的影響，轉(zhuǎn)換為垂直電離層延遲將導致精度損失，最終影響定位精度。而直接對斜電離層延遲建模則避開了這一問題。

1.2 FDMA PPP-RTK模型

(4)

式中，對流層延遲與CDMA模型可估形式一致，而其他參數(shù)的可估形式發(fā)生了改變，其具體定義見表2。尤其注意到模糊度的可估形式不再是標準雙差形式，而是模糊度的特定線性組合，其系數(shù)也發(fā)生了改變，這里λj為GLONASS中心頻率對應的波長；as=2848+κs；κs∈[-7,+6]為GLONASS衛(wèi)星的通道號。

表2 FDMA PPP-RTK可估參數(shù)及其定義Tab.2 Estimable parameters and their definitions of FDMA PPP-RTK

雖然式(4)中的模糊度具備整數(shù)特性且可估，但其等效波長約為0.1 mm，且將其固定為整數(shù)無法保證原始模糊度的整數(shù)特性，因此需進一步將其轉(zhuǎn)換為整數(shù)可估模糊度以實現(xiàn)嚴密的模糊度固定，即將式(4)中的可估模糊度及其系數(shù)替換為整數(shù)可估模糊度及其系數(shù)，具體形式見文獻[27]，由于其解析形式復雜，需迭代計算，本文不再贅述。

為直觀展現(xiàn)GLONASS整數(shù)可估模型，并分析其模糊度固定性能，筆者以某個歷元觀測到的7顆GLONASS衛(wèi)星為例，根據(jù)文獻[27]中的方法將頻率j的整數(shù)可估模糊度的系數(shù)矩陣構(gòu)建為λjL

(5)

觀察其對角線元素，僅第一個元素非常小，其他均接近1。這說明僅每個頻率的第一個模糊度等效波長十分小，難以固定，而其他模糊度并非如此。為保證GLONASS模糊度的正確固定，采取部分模糊度固定策略，且每個頻率最多固定m-2(m為衛(wèi)星數(shù))個模糊度，而不是m-1個模糊度。

由于GLONASS僅播發(fā)雙頻FDMA觀測值，式(4)未考慮三頻及以上觀測值，前兩個頻率的衛(wèi)星相位偏差均被選為基準而不可估。因此，僅改正衛(wèi)星鐘差、電離層和對流層延遲即可構(gòu)成用戶端模型[21]

(6)

同樣地，需要將可估模糊度轉(zhuǎn)換為整數(shù)可估模糊度來實現(xiàn)嚴密模糊度固定。

2 非差非組合PPP-RTK軟件平臺

基于上述非差非組合PPP-RTK模型，筆者團隊開發(fā)了一套事后/實時多頻多GNSS PPP-RTK軟件平臺—NASDAK(network augmented satellite data analysis kits)[28]。NASDAK基于標準C語言編寫，主要包括服務端和用戶端兩大部分，支持GPS/BDS/Galileo/GLONASS多頻數(shù)據(jù)處理，服務端可在Windows/Linux雙系統(tǒng)長期穩(wěn)定運行，用戶端支持Windows及嵌入式系統(tǒng)運行。

圖1展示了NASDAK的軟件結(jié)構(gòu)與數(shù)據(jù)處理流程，包括服務端的4個子程序和1個用戶端子程序。服務端數(shù)據(jù)接收/解碼/分發(fā)子程序(NASDAK-SVR)從公網(wǎng)/專線獲取參考網(wǎng)觀測數(shù)據(jù)、廣播星歷及精密衛(wèi)星產(chǎn)品二進制實時流，根據(jù)相應協(xié)議標準將二進制電文解碼為十進制數(shù)據(jù)，再通過廣播協(xié)議將十進制結(jié)構(gòu)體廣播到局域網(wǎng)。產(chǎn)品解算及建模主程序(NASDAK-NET)從局域網(wǎng)廣播端口獲取數(shù)據(jù)及產(chǎn)品，進行整網(wǎng)參數(shù)估計，獲得衛(wèi)星鐘差、衛(wèi)星偽距和相位偏差及電離層和對流層延遲產(chǎn)品，將電離層和對流層延遲進行建模后將所有產(chǎn)品發(fā)送給編碼播發(fā)子程序。產(chǎn)品編碼播發(fā)子程序(NASDAK-Encode)從特定端口接收來自主程序的產(chǎn)品結(jié)構(gòu)體數(shù)據(jù)包，將各類產(chǎn)品按指定標準進行編碼，并發(fā)送給用戶管理子程序進行授權(quán)轉(zhuǎn)播或發(fā)送給通信衛(wèi)星控制中心注入衛(wèi)星向地面廣播。最后，用戶定位程序(NASDAK-USR)從網(wǎng)絡或衛(wèi)星獲取精密改正數(shù)，進行單站固定模糊度的精密單點定位。此外，數(shù)據(jù)監(jiān)測子程序(NASDAK-MON)為PPP-RTK產(chǎn)品解算主程序鏡像程序，將主程序參數(shù)估計替代為數(shù)據(jù)質(zhì)量統(tǒng)計分析，將主程序產(chǎn)品輸出替代為數(shù)據(jù)備份及統(tǒng)計信息輸出，該模塊為一個獨立模塊，其統(tǒng)計信息不被其他模塊所接收，僅供事后分析。

圖1 PPP-RTK軟件結(jié)構(gòu)與數(shù)據(jù)處理流程[28]Fig.1 Structure and working flow of the PPP-RTK software[28]

3 非差非組合PPP-RTK終端樣機

3.1 硬件設計

面向高精度導航定位用戶，PPP-RTK終端樣機采用了和芯星通UM4B0高精度全系統(tǒng)全頻點GNSS模塊。如圖2所示，PPP-RTK終端樣機包括3大部分：通信模塊、傳感器模塊及核心計算模塊。通信模塊包括ESP8266 Wi-Fi模塊，其中Wi-Fi模塊不僅可以通過Ntrip協(xié)議以網(wǎng)絡通信模式接收外部精密改正信息，也可以通過TCP/IP協(xié)議以衛(wèi)星通信模式。GNSS模塊采用的是和芯星通UM4B0全系統(tǒng)全頻點的高精度GNSS模塊。Wi-Fi模塊及GNSS模塊均以串口與核心板連接。對外一個DB25接口，轉(zhuǎn)接RS232接口，用于以串口模式實時輸出結(jié)果，此外核心板豐富的ROM資源及對外的TF卡接口也能夠保證定位結(jié)果以及軟件的LOG輸出以事后文件的形式存儲，以供事后分析。

圖2 PPP-RTK板卡及終端樣機Fig.2 PPP-RTK core-board and prototype terminal

3.2 軟件基礎

PPP-RTK終端樣機采用基于ARM Cortex-A8芯片的OK335核心板，擁有豐富的ROM/RAM，可供搭載Ubuntu操作系統(tǒng)。核心板與Wi-Fi模塊及GNSS模塊均通過串口通信，一方面，通過Wi-Fi模塊連入服務器并向其發(fā)送攜帶用戶認證及掛載點信息的GET請求，以透傳模式實時接入服務端發(fā)送Ntrip協(xié)議的實時精密改正產(chǎn)品；另一方面，通過指令配置UM4B0 GNSS模塊，獲取全頻點全系統(tǒng)的GNSS原始觀測數(shù)據(jù)。終端樣機完成所有必要的實時流數(shù)據(jù)接收及解碼之后，即可進行單站PPP-RTK用戶端解算并通過串口實時輸出NMEA/自定義格式定位結(jié)果，同時將定位結(jié)果、LOG日志文件及質(zhì)量控制文件以文件讀寫模式保存下來以供事后分析。

4 試驗與結(jié)果

為評估非差非組合PPP-RTK終端樣機的定位性能，本文利用京津冀參考網(wǎng)解算的PPP-RTK服務端產(chǎn)品，開展了3大場景應用，分別是：搭載在無人機上的無人系統(tǒng)應用，搭載在農(nóng)機上的智慧農(nóng)業(yè)應用以及搭載在汽車上的智能駕駛應用。本節(jié)先介紹參考網(wǎng)數(shù)據(jù)和處理策略，然后相繼評估3大場景下PPP-RTK終端樣機的定位性能。

4.1 試驗數(shù)據(jù)與處理方法

京津冀參考網(wǎng)分布如圖3所示，藍色實線相連的11個參考站覆蓋了北京、天津、河北及山東西北的部分區(qū)域，參考站平均站間距為154 km。每個參考站均部署和芯UR4B0-D接收機和HXCCGX601A HXCS天線，跟蹤GPS(G) L1/L2,BDS2/3 (C2/3) B1I/B3I及GLONASS L1/L2數(shù)據(jù)，數(shù)據(jù)采樣率為1 Hz。

圖3 京津冀參考網(wǎng)分布Fig.3 Distribution of the Beijing-Tianjin-Hebei reference network

GUDN測站不參與服務端產(chǎn)品解算，將用于短基線RTK的基準站，RTK解將作為參考值與PPP-RTK結(jié)果進行比較。無人機和車載測試均在GUDN測站附近，農(nóng)機測試在MYKT測站附近。無人機、農(nóng)機和車載3個場景下，RTK基線長度分別為16、11和12 km左右。在此基線長度下，多系統(tǒng)RTK能在1～2個歷元實現(xiàn)模糊度固定，一旦模糊度成功固定，RTK定位精度可達厘米至毫米級[29]。以最長基線(16 km)的無人機場景下的RTK為例，本文計算了RTK ADOP(模糊度精度因子)值，以評估模糊度固定性能。ADOP值越小，模糊度固定成功率越高：ADOP值小于0.12，模糊度固定成功率大于99.9%；ADOP值小于0.14，模糊度固定成功率大于99.0%[29]。如圖4所示，首歷元ADOP值為0.13，第2個歷元ADOP值為0.09，隨后ADOP值隨著濾波逐漸減小。可見，在此場景下(16 km)RTK能在1～2個兩個歷元成功實現(xiàn)模糊度固定，而另外兩個場景RTK基線更短，模糊度固定性能更優(yōu)。因此，本文的RTK結(jié)果滿足作為基準的條件。

圖4 無人機RTK(16 km) ADOP值Fig.4 ADOP value of airborne RTK (16 km)

表3列出了本次試驗中NASDAK軟件配置的PPP-RTK數(shù)據(jù)策略。文獻[21]指出，基于本文的PPP-RTK方法，服務端各項產(chǎn)品相互耦合，雖然單獨某項產(chǎn)品的精度在濾波初始化階段精度較差，但組合產(chǎn)品的精度可達毫米級，與相位觀測值的精度一致。因此，服務端產(chǎn)品在濾波剛開始即可用，且跨天不需要重新初始化。用戶端利用服務端產(chǎn)品進行改正時，同時考慮了服務端輸出的產(chǎn)品精度信息。服務端進行多測站聯(lián)合解算，模糊度參數(shù)眾多，即使進行部分模糊度固定，也存在錯誤固定的風險，且一旦某一個模糊度錯誤固定，都將影響所有用戶的定位。為規(guī)避該風險，本文的PPP-RTK服務端采用模糊度浮點解。文獻[30]理論證明了利用服務端的浮點解產(chǎn)品，用戶可實現(xiàn)快速高精度定位。用戶端采用LAMBDA算法進行部分模糊度固定[31]。DIA(detection，identification,and adaptation)質(zhì)量控制策略用于周跳探測和粗差探測與剔除[32]。

表3 PPP-RTK數(shù)據(jù)處理策略Tab.3 PPP-RTK data processing strategies

4.2 無人系統(tǒng)應用

北京時間2021年5月13日，將PPP-RTK定位終端搭載在一臺六旋翼無人機上按照預設軌跡進行飛行定位測試。圖5展示了搭載PPP-RTK定位終端的無人機及其飛行軌跡?？梢钥闯觯撎庯w行環(huán)境開闊，觀測條件良好，PPP-RTK終端定位軌跡連續(xù)清晰，與預設飛行軌跡一致。

圖5 搭載PPP-RTK定位終端的無人機及其飛行軌跡Fig.5 The drone equipped with a PPP-RTK prototype terminal and its flight trace

為進一步評估無人機PPP-RTK定位性能，在測試區(qū)域附近架設了參考站GUDN進行短基線(16 km左右)RTK定位并將其結(jié)果作為參考值與PPP-RTK結(jié)果進行對比。圖6展示了無人機PPP-RTK結(jié)果相對于RTK結(jié)果的定位誤差。從浮點解可以看出，若不進行模糊度固定，定位誤差需要較長時間才能收斂，尤其在E方向，在大約1.5 h以后才能收斂至5 cm以內(nèi)。該收斂過程與PPP十分類似，即定位誤差緩慢收斂至零附近。進行模糊度固定之后，定位終端在剛開啟的一瞬間就將水平和高程定位誤差分別控制在5和10 cm以內(nèi)，這充分證明了模糊度固定的好處，也證明了PPP-RTK技術(shù)相當于PPP技術(shù)的優(yōu)勢。此外，眾多研究也指出[12]，模糊度固定對E方向收斂的提升尤為顯著，本文結(jié)果也反映了這一點?？焖倌：裙潭ㄒ驳靡嬗诙嘞到y(tǒng)數(shù)據(jù)的聯(lián)合使用，在整個試驗期間4系統(tǒng)可用衛(wèi)星數(shù)基本均在25～30顆。

圖6 無人機PPP-RTK定位誤差與衛(wèi)星數(shù)Fig.6 Positioning errors and number of satellites for airborne PPP-RTK

表4定量給出了無人機PPP-RTK的模糊度首次固定時間(TTFF)、模糊度固定成功率和均方根誤差(RMS)。本文TTFF指模糊度固定通過FFRatio檢驗[33]且定位結(jié)果滿足水平和高程定位誤差分別在5和10 cm以內(nèi)并至少維持20個歷元。模糊度固定成功率指通過FFRatio檢驗且水平和高程定位誤差分別在5和10 cm以內(nèi)的歷元數(shù)與總歷元數(shù)的比值。結(jié)果顯示，無人機PPP-RTK TTFF為5 s，模糊度固定成功率達99.79%，水平定位精度在1 cm左右，高程定位精度為3.82 cm。

表4 無人機、農(nóng)機和車載PPP-RTK定位TTFF、模糊度固定(AR)成功率和RMSTab.4 TTFF, success rate of ambiguity resolution (AR), and RMS of airborne, tractor-borne and vehicle-borne PPP-RTK

4.3 智慧農(nóng)業(yè)應用

為評估PPP-RTK在智慧農(nóng)業(yè)中的服務性能，于2021年5月20日在北京密云開展了農(nóng)機PPP-RTK測試。由于密云緊靠MYKT參考站，本次試驗服務端解算未使用該測站，而將其當作短基線(11 km左右)RTK參考站。如圖7所示，將PPP-RTK終端及測量型天線搭載在農(nóng)機上，圍繞著預設軌跡行駛。整個測段中除部分低矮房屋遮擋外，整段測區(qū)環(huán)境開闊。測段總時長約為2 h，期間儀器冷啟動兩次，共有3段35 min左右的農(nóng)機測試。

圖7 搭載PPP-RTK定位終端的農(nóng)機及其作業(yè)軌跡Fig.7 The agricultural tractor equipped with a PPP-RTK prototype terminal and its trace

圖8展示了農(nóng)機PPP-RTK定位誤差與衛(wèi)星數(shù)，同樣可以看出浮點解的緩慢收斂和固定解的瞬時初始化。浮點解大約需要十幾到二十幾分鐘才能收斂，而固定解實現(xiàn)了秒收斂。由圖3 MYKT的地理位置可以看出，本次測試地點已經(jīng)位于參考網(wǎng)的邊緣，但依然實現(xiàn)了快速高精度定位，這得益于非差非組合PPP-RTK同步解算所有參數(shù)且進行全局建模。該測試地點觀測條件同樣較好，除少部分歷元只觀測到21顆衛(wèi)星左右，其余歷元基本都能觀測到30顆衛(wèi)星左右。

圖8 農(nóng)機PPP-RTK定位誤差與衛(wèi)星數(shù)Fig.8 Positioning errors and number of satellites for tractor-borne PPP-RTK

農(nóng)機PPP-RTK的定位性能定量評估見表4。3次冷啟動PPP-RTK平均TTFF為2 s，模糊度固定成功率為99.14%，水平定位精度仍然處于1 cm的水平，高程定位精度為4.07 cm。對比表4中無人機PPP-RTK的結(jié)果可以發(fā)現(xiàn)，在同樣開闊觀測條件下，終端樣機的定位性能基本一致，這反映了其穩(wěn)定的服務能力。

4.4 智能駕駛應用

筆者于2021年6月29日測試了車載PPP-RTK定位終端在城市環(huán)境下的定位效果，測試地點為北京海淀區(qū)北清路路段，周圍高樓較少。測試時長約40 min，跑車時速為40～60 km/h。圖9展示了測試跑車及其軌跡，從軌跡周圍環(huán)境來看，該處不屬于主城區(qū)，遮擋較少，觀測條件較好。

圖10展示了車載PPP-RTK相對于短基線RTK的定位誤差，本次試驗短基線RTK基準站仍為GUDN站，與動態(tài)跑車距離在12 km以內(nèi)。浮點解定位結(jié)果仍需長時間收斂，且存在兩次重收斂，這是由于跑車當時正從人行天橋下通過，衛(wèi)星信號弱，從衛(wèi)星數(shù)目可以看出，該時刻衛(wèi)星數(shù)突然減少。就固定解而言，雖然衛(wèi)星在失鎖后重跟蹤，但其仍然能再一次快速固定模糊度并實現(xiàn)高精度定位。車載PPP-RTK的高程誤差在前幾分鐘內(nèi)波動較大，主要原因是在該時段內(nèi)服務端參考站TJJC發(fā)生了數(shù)據(jù)中斷，未參與產(chǎn)品解算，而該測站正好位于車載測試區(qū)域附近，該測站的數(shù)據(jù)中斷，影響了電離層產(chǎn)品的質(zhì)量，最終影響了高程定位結(jié)果。

圖10 車載PPP-RTK定位誤差與衛(wèi)星數(shù)Fig.10 Positioning errors and number of satellites for vehicle-borne PPP-RTK

表4統(tǒng)計結(jié)果表明，車載PPP-RTK TTFF為7 s，模糊度固定成功率為98.96%，水平定位精度仍能保持在1 cm左右，高程定位精度為4.33 cm。對比之前的結(jié)果，車載定位成功率比機載和農(nóng)機的成功率低，這是由于動態(tài)跑車的測試場景更為復雜多變。

5 總結(jié)與展望

非差非組合PPP-RTK順應多頻多GNSS發(fā)展趨勢，其同步估計所有參數(shù)具備全局最優(yōu)性。本文從理論到實踐，構(gòu)建了CDMA和FDMA PPP-RTK模型并開發(fā)了相應軟件，同時將終端軟件植入基于ARM Cortex-A8芯片的OK335核心板，研制了一款PPP-RTK定位終端樣機。為評估該PPP-RTK定位終端在實際應用場景下的性能，基于平均站間距為154 km的京津冀參考網(wǎng)估計的服務端產(chǎn)品，將定位終端分別搭載在無人機、農(nóng)機和城市跑車上開展了實時測試，結(jié)果與結(jié)論如下：

(1) 無人機PPP-RTK TTFF為5 s，模糊度固定成功率為99.79%，水平定位精度在1 cm左右，高程定位精度為3.82 cm。農(nóng)機PPP-RTK TTFF為2 s，模糊度固定成功率為99.14%，水平定位精度仍處于1 cm水平，高程定位精度為4.07 cm。車載PPP-RTK由于測試環(huán)境更為復雜，其模糊度固定成功率略微降低，為98.96%，但其仍能在7 s內(nèi)實現(xiàn)模糊度首次固定，水平精度仍能達到1 cm，高程定位精度為4.33 cm。此外，3個試驗的模糊度浮點解均需要較長時間(十幾到二十幾分鐘)才能收斂，這證明了模糊度固定的好處，也證明了PPP-RTK技術(shù)相對于PPP技術(shù)的優(yōu)勢。

(2) 從3個場景的試驗結(jié)果來看，聯(lián)合多系統(tǒng)數(shù)據(jù)，在較為開闊的環(huán)境下，筆者團隊自研的非差非組合PPP-RTK定位終端能實現(xiàn)秒級模糊度首次固定，真動態(tài)定位精度可達水平1 cm，高程4 cm。在衛(wèi)星失鎖濾波重啟的情況下，模糊度仍能在幾秒內(nèi)固定，再次實現(xiàn)高精度定位，展現(xiàn)了自研PPP-RTK終端可提供連續(xù)可靠的定位結(jié)果。

(3) 本文初步研制了一款PPP-RTK定位終端樣機，PPP-RTK技術(shù)從理論走向成熟應用仍有諸多問題需要解決。例如如何進一步減輕終端設備的計算負擔和內(nèi)存負擔，如何將PPP-RTK終端算法植入更為輕便小型的設備等，這將是我們后續(xù)的研發(fā)重點。