[学习]RTKLib详解：sbas.c与rtcm.c

RTKLib详解：sbas.c与rtcm.c

本文是 RTKLlib详解 系列文章的一篇，目前该系列文章还在持续总结写作中，以发表的如下，有兴趣的可以翻阅。

[学习] RTKlib详解：功能、工具与源码结构解析
[学习]RTKLib详解：pntpos.c与postpos.c
[学习]RTKLib详解：rtkcmn.c与rtkpos.c
[学习]RTKLib详解：ppp.c与ppp_ar.c
[学习]RTKLib详解：ephemeris.c与rinex.c

PART A: sbas.c

一、整体作用与工作流程

1.1 整体作用

sbas.c文件在RTKlib中主要负责SBAS数据的接收、解析、处理与应用。SBAS作为一种增强GPS定位精度的系统，通过提供差分修正信息、完整性监测等服务，显著提升了GPS定位的准确性和可靠性。sbas.c通过解码SBAS信号，提取其中的修正信息，并将其整合到GNSS数据处理流程中，从而实现更高精度的定位。

1.2 工作流程概述

sbas.c的工作流程大致可分为以下几个步骤：

1. SBAS信号接收：通过GNSS接收机捕获SBAS信号。
2. 信号解码：将接收到的SBAS信号解码为可识别的数据格式。
3. 数据解析：从解码后的数据中提取出修正信息、完整性参数等关键信息。
4. 数据处理：对提取的信息进行验证、滤波等处理，确保数据的准确性和可靠性。
5. 数据应用：将处理后的SBAS数据应用于GNSS定位解算中，提升定位精度。

二、代码函数详解

逐一解析sbas.c中的关键函数，包括其主要功能、输入输出参数说明，并辅以必要的数学原理及推导过程。

2.1 函数列表与调用关系

首先，我们通过Mermaid流程图展示sbas.c中各函数的调用关系：

2.2 函数详解

2.2.1 init_sbas

• 主要功能：初始化SBAS处理相关的数据结构、变量及资源，为后续的SBAS数据处理做好准备。
• 输入参数：无
• 输出参数：无（通过全局变量或结构体进行数据传递）
• 说明：该函数通常在系统启动或重置时调用，确保SBAS处理模块处于正确的初始状态。

2.2.2 decode_sbas

• 主要功能：对接收到的SBAS信号进行解码，将其转换为可处理的数据格式。
• 输入参数：
  • unsigned char *buffer：接收到的SBAS原始数据缓冲区。
  • int len：数据长度。
• 输出参数：
  • sbas_data_t *sbas_data：解码后的SBAS数据结构体指针。
• 说明：解码过程可能涉及错误检测与校正，确保数据的准确性。解码后的数据被存储在sbas_data_t结构体中，供后续处理使用。

2.2.3 parse_sbas_data

• 主要功能：从解码后的SBAS数据中提取出修正信息、完整性参数等关键信息。
• 输入参数：
  • sbas_data_t *sbas_data：解码后的SBAS数据结构体指针。
• 输出参数：
  • sbas_info_t *sbas_info：提取出的SBAS信息结构体指针。
• 说明：该函数根据SBAS数据的格式规范，解析出所需的修正信息（如伪距修正、轨道修正等）和完整性参数（如置信度、可用性等），并存储在sbas_info_t结构体中。

2.2.4 process_sbas_info

• 主要功能：对提取出的SBAS信息进行验证、滤波等处理，确保数据的准确性和可靠性。
• 输入参数：
  • sbas_info_t *sbas_info：提取出的SBAS信息结构体指针。
• 输出参数：
  • processed_sbas_info_t *processed_info：处理后的SBAS信息结构体指针。
• 说明：处理过程可能包括数据有效性检查、时间同步、滤波算法应用等。例如，通过卡尔曼滤波对修正信息进行平滑处理，提高数据的稳定性。

2.2.5 apply_sbas_correction

• 主要功能：将处理后的SBAS修正信息应用于GNSS定位解算中，提升定位精度。
• 输入参数：
  • processed_sbas_info_t *processed_info：处理后的SBAS信息结构体指针。
  • gnss_solution_t *solution：当前的GNSS定位解算结果结构体指针。
• 输出参数：无（直接修改solution结构体中的数据）
• 说明：该函数根据SBAS提供的修正信息，对GNSS定位结果进行修正。例如，通过减去伪距修正量来减小定位误差，或者调整卫星钟差以提高时间同步精度。

2.2.6 output_position

• 主要功能：输出经过SBAS修正后的高精度定位结果。
• 输入参数：
  • gnss_solution_t *solution：经过SBAS修正后的GNSS定位解算结果结构体指针。
• 输出参数：无（通常通过串口、网络或其他通信接口输出定位结果）
• 说明：该函数将最终的定位结果以合适的格式输出，供外部设备或应用程序使用。输出内容可能包括经纬度、高度、速度、时间等信息。

三、数学原理及推导过程

在sbas.c的处理过程中，涉及多个数学原理与算法，以下对其中几个关键点进行简要介绍与推导。

3.1 伪距修正原理

SBAS提供的伪距修正信息用于减小GNSS定位中的伪距测量误差。伪距$\rho$可以表示为：

$$\rho ={\rho }_{true}+c\Delta t+I+T+ϵ$$

其中：

• ${\rho }_{true}$：真实的几何距离；
• $c\Delta t$：卫星钟差引起的距离误差；
• $I$：电离层延迟；
• $T$：对流层延迟；
• $ϵ$：其他误差项。

SBAS通过提供伪距修正量$\Delta {\rho }_{sbas}$，可以将其应用于伪距测量中，得到修正后的伪距${\rho }_{corr}$：

$${\rho }_{corr}=\rho -\Delta {\rho }_{sbas}$$

从而减小定位误差，提高定位精度。

3.2 卡尔曼滤波在SBAS信息处理中的应用

为了提高SBAS信息的稳定性和准确性，process_sbas_info函数中可能采用了卡尔曼滤波算法对修正信息进行滤波处理。卡尔曼滤波是一种基于状态空间模型的最优估计方法，适用于线性动态系统的状态估计。

假设SBAS修正信息的状态方程和观测方程分别为：

$$x_k=F_k{x}_{k-1}+B_k{u}_k+w_k$$
$$z_k=H_k{x}_k+v_k$$

其中：

• $x_k$：状态向量；
• $F_k$：状态转移矩阵；
• $B_k$：控制输入矩阵；
• $u_k$：控制向量；
• $w_k$：过程噪声；
• $z_k$：观测向量；
• $H_k$：观测矩阵；
• $v_k$：观测噪声。

卡尔曼滤波通过预测和更新两个步骤，对状态向量进行最优估计。预测步骤基于状态方程预测下一时刻的状态向量和协方差矩阵；更新步骤则利用观测信息对预测结果进行修正，得到更精确的状态估计。

在process_sbas_info函数中，卡尔曼滤波可能被用于对SBAS修正信息进行时间序列上的平滑处理，减少噪声干扰，提高数据的稳定性。

3.3 时间同步与钟差修正

在GNSS定位中，准确的时间同步对于保证定位精度至关重要。SBAS提供的卫星钟差信息可以用于修正GNSS接收机与卫星之间的时间不同步问题。

假设接收机钟差为$\Delta t_{rcv}$，卫星钟差为$\Delta t_{sat}$，则总的钟差$\Delta t_{total}$可以表示为：

$$\Delta t_{total}=\Delta t_{rcv}+\Delta t_{sat}$$

通过SBAS提供的卫星钟差信息，可以对$\Delta t_{sat}$进行修正，从而减小总的钟差，提高时间同步精度。进而，在伪距测量中考虑钟差修正，可以得到更准确的伪距值，提升定位精度。

PART B：rtcm.c

一、整体作用与工作流程

1.1 整体作用

rtcm.c 文件在 RTKlib 中主要负责 RTCM 差分数据的接收、解析、处理与应用。RTCM 作为一种广泛使用的差分数据协议，通过提供卫星钟差、轨道修正等关键信息，显著提升了 GNSS 定位的准确性和可靠性。rtcm.c 通过解码 RTCM 信号，提取其中的修正信息，并将其整合到 GNSS 数据处理流程中，从而实现更高精度的定位。

1.2 工作流程概述

rtcm.c 的工作流程大致可分为以下几个步骤：

1. RTCM 信号接收：通过 GNSS 接收机捕获 RTCM 信号。
2. 信号解码：将接收到的 RTCM 信号解码为可识别的数据格式。
3. 数据解析：从解码后的数据中提取出修正信息、完整性参数等关键信息。
4. 数据处理：对提取的信息进行验证、滤波等处理，确保数据的准确性和可靠性。
5. 数据应用：将处理后的 RTCM 数据应用于 GNSS 定位解算中，提升定位精度。

二、代码函数详解

接下来，我们将逐一解析 rtcm.c 中的关键函数，包括其主要功能、输入输出参数说明，并辅以必要的数学原理及推导过程。

2.1 函数列表与调用关系

首先，我们通过 Mermaid 流程图展示 rtcm.c 中各函数的调用关系：

2.2 函数详解

2.2.1 init_rtcm

• 主要功能：初始化 RTCM 处理相关的数据结构、变量及资源，为后续的 RTCM 数据处理做好准备。
• 输入参数：无
• 输出参数：无（通过全局变量或结构体进行数据传递）
• 说明：该函数通常在系统启动或重置时调用，确保 RTCM 处理模块处于正确的初始状态。初始化过程可能包括分配内存、设置默认值、初始化通信接口等操作。

2.2.2 decode_rtcm

• 主要功能：对接收到的 RTCM 信号进行解码，将其转换为可处理的数据格式。
• 输入参数：
  • unsigned char *buffer：接收到的 RTCM 原始数据缓冲区。
  • int len：数据长度。
• 输出参数：
  • rtcm_data_t *rtcm_data：解码后的 RTCM 数据结构体指针。
• 说明：解码过程可能涉及错误检测与校正，确保数据的准确性。RTCM 数据通常采用特定的编码方式，如二进制编码或 ASCII 编码，decode_rtcm 函数需要根据 RTCM 协议规范对数据进行解析和转换。解码后的数据被存储在 rtcm_data_t 结构体中，供后续处理使用。

2.2.3 parse_rtcm_data

• 主要功能：从解码后的 RTCM 数据中提取出修正信息、完整性参数等关键信息。
• 输入参数：
  • rtcm_data_t *rtcm_data：解码后的 RTCM 数据结构体指针。
• 输出参数：
  • rtcm_info_t *rtcm_info：提取出的 RTCM 信息结构体指针。
• 说明：该函数根据 RTCM 数据的格式规范，解析出所需的修正信息（如卫星钟差、轨道修正等）和完整性参数（如置信度、可用性等），并存储在 rtcm_info_t 结构体中。这些信息对于后续的 GNSS 定位解算至关重要，能够显著提升定位的准确性和可靠性。

2.2.4 process_rtcm_info

• 主要功能：对提取出的 RTCM 信息进行验证、滤波等处理，确保数据的准确性和可靠性。
• 输入参数：
  • rtcm_info_t *rtcm_info：提取出的 RTCM 信息结构体指针。
• 输出参数：
  • processed_rtcm_info_t *processed_info：处理后的 RTCM 信息结构体指针。
• 说明：处理过程可能包括数据有效性检查、时间同步、滤波算法应用等。例如，通过卡尔曼滤波对修正信息进行平滑处理，提高数据的稳定性。卡尔曼滤波是一种基于状态空间模型的最优估计方法，适用于线性动态系统的状态估计。在 process_rtcm_info 函数中，卡尔曼滤波可能被用于对 RTCM 修正信息进行时间序列上的平滑处理，减少噪声干扰，提高数据的稳定性。

2.2.5 apply_rtcm_correction

• 主要功能：将处理后的 RTCM 修正信息应用于 GNSS 定位解算中，提升定位精度。
• 输入参数：
  • processed_rtcm_info_t *processed_info：处理后的 RTCM 信息结构体指针。
  • gnss_solution_t *solution：当前的 GNSS 定位解算结果结构体指针。
• 输出参数：无（直接修改 solution 结构体中的数据）
• 说明：该函数根据 RTCM 提供的修正信息，对 GNSS 定位结果进行修正。例如，通过减去卫星钟差修正量来减小定位误差，或者调整卫星轨道参数以提高定位精度。修正后的定位结果存储在 solution 结构体中，供后续输出或使用。

2.2.6 output_position

• 主要功能：输出经过 RTCM 修正后的高精度定位结果。
• 输入参数：
  • gnss_solution_t *solution：经过 RTCM 修正后的 GNSS 定位解算结果结构体指针。
• 输出参数：无（通常通过串口、网络或其他通信接口输出定位结果）
• 说明：该函数将最终的定位结果以合适的格式输出，供外部设备或应用程序使用。输出内容可能包括经纬度、高度、速度、时间等信息。输出方式可能根据具体应用场景而定，如通过串口通信、网络传输或文件保存等。

三、 数学原理及推导过程

在 rtcm.c 的处理过程中，涉及多个数学原理与算法，以下对其中几个关键点进行简要介绍与推导。

3.1 卫星钟差修正原理

RTCM 提供的卫星钟差信息用于修正 GNSS 接收机与卫星之间的时间不同步问题。假设接收机钟差为 $\Delta t_{rcv}$，卫星钟差为 $\Delta t_{sat}$，则总的钟差 $\Delta t_{total}$ 可以表示为：

$$\Delta t_{total}=\Delta t_{rcv}+\Delta t_{sat}$$

通过 RTCM 提供的卫星钟差信息，可以对 $\Delta t_{sat}$ 进行修正，从而减小总的钟差，提高时间同步精度。进而，在伪距测量中考虑钟差修正，可以得到更准确的伪距值，提升定位精度。

伪距 $\rho$ 可以表示为：

$$\rho ={\rho }_{true}+c\Delta t_{total}+I+T+ϵ$$

其中：

• ${\rho }_{true}$：真实的几何距离；
• $c\Delta t_{total}$：接收机与卫星之间的总钟差引起的距离误差；
• $I$：电离层延迟；
• $T$：对流层延迟；
• $ϵ$：其他误差项。

通过修正钟差 $\Delta t_{total}$，可以得到修正后的伪距 ${\rho }_{corr}$：

$${\rho }_{corr}=\rho -c\Delta t_{total}$$

从而减小定位误差，提高定位精度。

3.2 卡尔曼滤波在 RTCM 信息处理中的应用

为了提高 RTCM 信息的稳定性和准确性，process_rtcm_info 函数中可能采用了卡尔曼滤波算法对修正信息进行滤波处理。卡尔曼滤波是一种基于状态空间模型的最优估计方法，适用于线性动态系统的状态估计。

假设 RTCM 修正信息的状态方程和观测方程分别为：

$$x_k=F_k{x}_{k-1}+B_k{u}_k+w_k$$
$$z_k=H_k{x}_k+v_k$$

其中：

• $x_k$：状态向量；
• $F_k$：状态转移矩阵；
• $B_k$：控制输入矩阵；
• $u_k$：控制向量；
• $w_k$：过程噪声；
• $z_k$：观测向量；
• $H_k$：观测矩阵；
• $v_k$：观测噪声。

卡尔曼滤波通过预测和更新两个步骤，对状态向量进行最优估计。预测步骤基于状态方程预测下一时刻的状态向量和协方差矩阵；更新步骤则利用观测信息对预测结果进行修正，得到更精确的状态估计。

在 process_rtcm_info 函数中，卡尔曼滤波可能被用于对 RTCM 修正信息进行时间序列上的平滑处理，减少噪声干扰，提高数据的稳定性。例如，对于卫星钟差修正量，可以通过卡尔曼滤波对其进行平滑处理，得到更准确的钟差估计值，从而提高定位精度。

3.3 轨道修正原理

RTCM 提供的轨道修正信息用于修正卫星轨道参数，提高定位精度。卫星轨道参数的准确性直接影响定位结果的准确性，因此轨道修正是 RTCM 数据处理中的重要环节。

假设卫星的真实轨道参数为 $x_{true}$，广播星历提供的轨道参数为 $x_{brd}$，RTCM 提供的轨道修正量为 $\Delta x_{rtcm}$，则修正后的轨道参数 $x_{corr}$ 可以表示为：

$$x_{corr}=x_{brd}+\Delta x_{rtcm}$$

通过轨道修正，可以减小广播星历与真实轨道之间的差异，提高定位精度。在 GNSS 定位解算中，使用修正后的轨道参数 $x_{corr}$ 进行计算，可以得到更准确的定位结果。

轨道修正量的计算可能涉及复杂的数学模型和算法，包括卫星动力学模型、轨道确定算法等。在 rtcm.c 中，轨道修正量的提取和应用可能通过特定的函数和数据结构实现，具体实现细节取决于 RTCM 协议和 RTKlib 的设计理念。

研究学习不易，点赞易。
工作生活不易，收藏易，点收藏不迷茫 ：）