动态情况下，PPP状态转移矩阵Fk_1是建立成单位矩阵，请问这是按照什么模型的啊？

[XiaoGongWei]

Fk_1是Kalman滤波的参数的转移矩阵（预测矩阵）。Fk_1构建根据天线运动模型确定。

PPP状态预报方程 *Xk=Fk_1Xk_1+Qw PPP中天线运动状态的预报可由两个参数确定Fk_1和Qw**（转移噪声）。

例如XYZ坐标在静态情况下对应的Fk_1为[1 1 1]，转移噪声为0; 在动态情况下理论上：

• 应将dXYZ对应的Fk_1为[0 0 0]，转移噪声为inf（无穷大），*Xk = 0dXYZ+inf**;
• 也可以将dXYZ对应的Fk_1为[1 1 1]，转移噪声为inf（无穷大），*Xk = 1dXYZ+inf**; 并无很大影响
• 在MG-APP中dXYZ对应Fk_1为[1 1 1]，转移噪声为1e3（相当于无穷大），*Xk = 1dXYZ+1e3**; 因为使用的近似坐标列方程，所以dXYZ一般不会超过50m。MG-APP是为了代码计算方便（Fk_1静动态都是单位阵）才这样考虑的。
• 你也可以将1e3改成更大的数值1e10或者1e12。这样会引起kalman协方差数值预报（Pkk_1 = FtPk_1F.transpose() + Qwk）的不稳定性，Pkk_1 数值差异增大条件数增大，病态性严重。因此先验参数对kalman数值稳定性有影响。一些改进的Kalman和SRIF滤波不会受到这些的影响，这也是MG-APP引入了SRIF滤波的原因