matlab运行RTKDEMO几个小函数
一、matlab函数：
1、datenum() :
将时间点转换为0000年1月0日到现在的天数！其中起点为：0000年1月0日
例如：
K>> t0=datenum(2005,4,2,0,0,0)
t0 =
732404
K>> t0=datenum(2005,4,2,12,0,0)
t0 =
732404.5
K>> t0=datenum(2005,4,2)
t0 =
732404
2、unique():
用法1：[C,ia,ic]=unique(A,'rows');
Define a matrix with a repeated row.
A = [9 2 9 5;
9 2 9 0;
9 2 9 5];
Find the unique rows of A and the index vectors ia and ic, such that C = A(ia,:) and A = C(ic,:).
%按照‘行’顺序，进行排序，
% 1、两行作比较，如两行前几个为相同的元素，从左到右依次比较；
% 2、结果按升序排列；
[C, ia, ic] = unique(A,'rows')
C =
9 2 9 0
9 2 9 5
% ia为 矩阵C中元素在矩阵A中的位置
ia =
2
1
% ic为 矩阵A中元素在矩阵C中的位置
ic =
2
1
2
其中在代码实现时，用法如下：
- 按照‘rows’/行 ，升序排序；
- n为升序后的矩阵，i为矩阵n中元素("行"为一个元素)在矩阵nav(:,1:33)中的位置；
- 如果有同样的元素，则删去；
[n,i]=unique(nav(:,1:33),'rows');
nav=nav(i,:);
inav=inav(i,:);参考：matlab中的unique函数详解
3、sortrows():
用法1：[B,i]=sortrows(A)
表示：对矩阵A中的行元数进行大小比较，如果每行中第一列元素相等，则比较第二列……/从左向右，一次比下去；
i为排序后的矩阵B中行元素在矩阵A中的位置：
示例如下：
A =[95 45 92 41 13 1 84
95 45 92 41 13 1 84
95 7 73 5 19 44 20
95 7 40 35 60 93 67
76 61 93 81 27 46 83
76 79 91 0 19 41 1];
[B,i]=sortrows(A)
在代码中，其实现和功能为：将移动站和基准站相同历元观测到的相同卫星进行1、2标识。
[iobs,i]=sortrows(iobs); obs=obs(i,:);
二、readrnx 函数：
% read RINEX observation data/navigation messages 观测数据 导航电文
[obs,iobs,nav,inav]=readrnx(t0,time(1),time(end),files); % iobs中 rover:1,ref.:2
读取文件依次为：流动站观测文件、基准站观测文件；流动站导航文件、基准站导航文件；
输出矩阵：
1、obs iobs
obs为按照数据类型：'L1','L2','C1','P2'；输出的数据；
其中第一行为流动站第一个历元数据；第二行为基准站第一个历元数据；
iobs：第一列为历元时间，第二列为卫星号，第三列为：1/rover和2/base
2、nav inav
nav: 基准站和移动站导航电文，经过unique处理后（即：按照时间的升序），删除重复的导航电文信息；
inav:导航电文的卫星号；
三、rtkdemo()
[xp,xs,xf]=rtkdemo(t0,time,rref,obs,iobs,nav,inav,mode)
函数说明/处理策略：
- 取第一个历元，高度角最大的卫星为参考卫星；
- 利用L1频点的双差载波对EKF状态量进行更新；
- 通过LAMBDA/MLAMBDA方法求解模糊度；
- 对于周跳和粗差不处理；
1、流动站单点定位计算：
计算出流动站坐标、高度角最大卫星；
[rr,t,sat,dop]=pointp(t0,obsk,iobsk,nav,inav);
2、EKF的时间更新：
[x,P]=udstate(sref,sats,x,P,rr(:,1),obsk,iobsk,mode,lam);
状态量：单点定位坐标、双差模糊度(载波双差-伪距双差/lam)/cycle
其中，双差模糊度噪声设置为：10厘米
状态协方差矩阵P为对角阵，且P=Q.^2
3、L1频段载波双差测量值、双差预测值：
（1）L1频段双差载波测量值：y为载波相位双差值！
y=lam*obs_dd(sref,sats,obsk,iobsk,1);%L1双差,单位：米/m
（2）测量模型：
h为伪距双差值+模糊度(单位：mi)；其中，移动站坐标是每一个历元通过单点定位得到。即双差预测值
H为设计矩阵；
R为模糊度噪声；单位：m/米
[h,H,R]=measmodel(t0,t(1),t(2),x(1:3),rref,x(4:end),sref,sats,nav,inav,lam);
4、kalman测量更新：
% measurement update of states -------------------------------------------------
function [x,P]=filt(x,P,y,h,H,R)
i=find(~isnan(y)&~isnan(h)); H=H(i,:);
K=P*H'/(H*P*H'+R(i,i));
x=x+K*(y(i)-h(i));
P=P-K*H*P;5、模糊度固定：
% ambiguity resolution ---------------------------------------------------------
function x=fixamb(x,P);
i=1:3; j=4:length(x);
j=j(~isnan(x(j))&diag(P(j,j))<10^2);
[N,s]=mlambda(x(j),P(j,j),2);
if isempty(N)|s(2)/s(1)<3, x(:)=nan; return, end % ratio-test
x([i,j])=[x(i)-P(i,j)/P(j,j)*(x(j)-N(:,1));N(:,1)];
四、plot_pos