目录
多余观测与待求参数的矛盾 原片 @ 00:00*
在 GPS 测量（尤其是静态相对定位）中，观测方程的建立往往伴随着大量的参数。为了理解这一点，我们需要量化观测值（Observations）与未知参数（Unknown Parameters）之间的数量关系。
1. 典型观测场景设定
假设进行一次标准的静态基线测量：
- 测站数：2 个（基线两端）。
- 观测卫星数：7 颗。
- 观测时长：2 小时（120 分钟）。
- 采样间隔：15 秒（即每分钟观测 4 次）。
2. 观测值总量计算
- 历元数（Epochs）：120 \text{ min} \times 4 \text{ epochs/min} = 480 \text{ epochs}。
- 单历元观测数：2 个测站 \times 7 颗卫星 = 14 个观测值（假设仅使用单频）。
- 总观测值个数：14 \times 480 = 6720 个。
这意味着我们建立了 6720 个观测方程。然而，大量的未知参数（Nuisance Parameters）混杂其中，使得直接求解变得极其困难。
Screenshot-[02:08]
截图说明：此画面展示了观测值总量的计算过程（6720个观测值），形象地说明了数据量的庞大，有助于理解后续参数消除的必要性。
参数爆炸的具体分析 原片 @ 02:18*
在上述观测方程中，我们需要估计的未知参数数量惊人，主要包括以下几类：
1. 卫星钟差（Satellite Clock Error）
- 特性：尽管广播星历（Broadcast Ephemeris）提供了卫星钟差改正数，但在载波相位测量（Carrier Phase Measurement）追求厘米级甚至毫米级精度时，广播星历的精度（米级或分米级）远远不够。
- 处理方式：在精密定位中，广播星历提供的钟差只能作为初值，必须引入一个改正数作为未知参数进行估计，或者直接将卫星钟差视为未知数。
- 参数数量：7 颗卫星 \times 480 个历元 = 3360 个参数。
2. 接收机钟差（Receiver Clock Error）
- 特性：每个测站在每个观测历元都会产生一个接收机钟差。
- 参数数量：2 个测站 \times 480 个历元 = 960 个参数。
3. 整周模糊度（Ambiguity）
- 特性：假设信号未失锁（No Cycle Slip），每对“测站-卫星”对应一个模糊度参数。
- 参数数量：2 个测站 \times 7 颗卫星 = 14 个参数。
4. 坐标参数（Coordinates）
- 特性：这是用户真正关心的参数（基线向量 \Delta X, \Delta Y, \Delta Z）。
- 参数数量：仅 3 个。
5. 计算困境
- 总未知数：3360 \text{ (Sat Clock)} + 960 \text{ (Rx Clock)} + 14 \text{ (Ambiguity)} + 3 \text{ (Coord)} \approx 4337 个。
- 问题：为了求解 3 个核心参数，我们需要解算一个包含 4000 多个未知数的庞大法方程（Normal Equations）。这对计算机内存、计算速度要求极高，且过多的参数会导致解算不稳定。
Screenshot-[07:07]
截图说明：此画面对比了观测值个数（6000+）与未知数个数（4000+），强调了直接解算的计算负荷和不稳定性。
差分模型的引入与原理 原片 @ 07:36*
为了解决上述问题，GPS 数据处理中引入了差分（Differencing）技术。通过对观测方程进行线性组合（两两相减），消除或大幅削弱某些特定的误差项。
常见差分类型
- 站间单差（Single Difference, SD）：在两个测站之间求差（消除卫星钟差）。
- 星间双差（Double Difference, DD）：在单差基础上对卫星求差（消除接收机钟差）。
- 历元间三差（Triple Difference, TD）：在双差基础上对历元求差（消除整周模糊度）。
Screenshot-[08:24]
截图说明：讲师开始介绍“求单差”的概念，即在同一时刻对同一颗卫星进行观测，通过方程相减消除不必要的参数。
站间单差（Single Difference）模型详解 原片 @ 11:11*
定义：在同一时刻（t），两个不同的测站（i 和 j）对同一颗卫星（p）进行观测，将这两个观测方程相减。
1. 原始观测方程
对于测站 i 和 j，观测卫星 p 的载波相位方程（简化版）分别表示为：
\Phi_i^p(t) = \rho_i^p(t) + c \cdot dt_i(t) – c \cdot dt^p(t) + \lambda N_i^p + \dots
\Phi_j^p(t) = \rho_j^p(t) + c \cdot dt_j(t) – c \cdot dt^p(t) + \lambda N_j^p + \dots
其中：
- c \cdot dt^p(t) 是卫星钟差项。
- c \cdot dt_i(t) 是接收机钟差项。
2. 单差方程推导
将上述两式相减（j – i）：
\Delta \Phi_{ij}^p(t) = \Phi_j^p(t) – \Phi_i^p(t)
由于是同一时刻观测同一颗卫星，卫星钟差项 c \cdot dt^p(t) 完全相同，相减后被消除。整理后得到：
\Delta \Phi_{ij}^p(t) = \Delta \rho_{ij}^p(t) + c \cdot \Delta dt_{ij}(t) + \lambda \Delta N_{ij}^p + \dots
其中：
- \Delta \rho_{ij}^p：站星几何距离之差。
- \Delta dt_{ij}：相对接收机钟差（dt_j – dt_i）。
Screenshot-[13:36]
截图说明：画面展示了两个观测方程相减的过程，直观地演示了卫星钟差项是如何被划掉（抵消）的。
单差模型的参数重组与消除 原片 @ 15:46*
通过站间单差，我们显著改变了方程组的结构：
1. 卫星钟差的彻底消除
- 效果：所有涉及卫星钟差的参数（3360个）全部消失，不再出现在平差计算中。
- 代价：观测方程的总数减少了一半（从 6720 变为 3360），但这是值得的，因为消除了大量的干扰参数。
2. 接收机钟差的参数重组
- 相对钟差：单差方程中仍然保留了接收机钟差项，但形式变为 \Delta dt_{ij} = dt_j – dt_i。
- 参数减少：
- 原先需要分别求解 dt_i 和 dt_j（共 960 个参数）。
- 现在只需求解它们之间的相对钟差（Relative Clock Error）。
- 这实际上是对未知数进行了重新定义和组合，使得接收机钟差参数数量也减少了一半（从 960 降至 480）。
3. 其他误差的削弱
- 大气延迟：电离层延时和对流层延时具有空间相关性。对于短基线，两站路径上的大气状况相似，通过站间求差可以大幅度削弱这些误差的影响。
Screenshot-[21:09]
截图说明：讲师总结单差后的参数变化，重点指出相对钟差（Relative Clock Error）成为了新的未知参数，且数量减半。
AI 总结
本节课程深入探讨了 GPS 静态相对定位中的核心数学处理方法。首先指出了在长时段多星观测中，卫星钟差和接收机钟差会导致未知参数呈爆炸式增长（如 4000 多个未知数），给直接解算带来巨大的计算压力和不稳定性。
为解决此矛盾，课程引入了差分技术。重点讲解了站间单差（Single Difference）模型：
- 原理：利用两测站同步观测同一卫星的几何关系。
- 核心优势：通过方程相减，完全消除了卫星钟差参数（减少 3360 个未知数），并将接收机钟差转化为相对钟差（减少 480 个未知数）。
- 附加效益：有效削弱了空间相关的电离层和对流层延迟误差。
这为后续讲解“双差模型”（进一步消除接收机钟差）奠定了理论基础，是理解高精度 GPS 数据处理的关键步骤。
