1.一种面向无人机厘米级PPK定位结果的分级评价方法，其特征在于，包括如下步骤：步骤S1：通过PPK定位解算，获取无人机各历元正反向Kalman滤波的状态向量及其方差协方差矩阵、定位解状态、位置精度衰减因子PDOP；

步骤S2：进行正反向Kalman滤波历元共视，对共视后的正反向滤波状态向量互差结果进行双尾正态检验；

具体包括：

将正向滤波的定位结果 和反向滤波的定位结果 作差，其中上标f和b分别表示前向后向标志，下标k表示k时刻，考虑正反向状态预测的不确定性，认为其差值理论上满足均值为0的正态分布，即认为两种假设的定位结果的数学期望相同，此时仅剩余满足正态分布的随机噪声影响，将ΔXk作为假设检验量来检验正反向定位结果的可靠性；

将ΔXk标准化后，对定位结果进行假设检验；从应用需要的角度出发，N方向和E方向定位应同时满足误差需要，且定位结果只有可靠和不可靠两种假设，因此以正反向定位结果可靠为原假设H0，N和E方向同时满足，下式(1)成立时认为原假设H0成立：以正反向定位结果不可靠为备选假设Ha，下式(2)成立时认为备选假设Ha成立：式(1)和(2)中：ΔXE和ΔXN分别为ΔXk在E和N方向的分量， 和 分别为ΔXk在E和N方向上的方差，α为置信度， 为正太分布分位值；根据3σ原则，标准化后的假设检验量分布在(‑3σ,3σ)区间内的概率为0.9973；若标准化后的假设检验量分布(‑3σ,3σ)区间外，则认为原假设H0不成立，备选假设Ha成立，正反向定位结果不可靠，取α＝0.9973；其中，和 由ΔXk的方差‑协方差矩阵 得到；根据Kalman滤波的状态更新公式：Xk＝Xk,k‑1+Kk(Lk‑AkXk,k‑1) (3)

式中，Xk表示k时刻的参数估值；Xk,k‑1表示从k‑1时刻预测至k时刻的参数估值；Kk表示k时刻的增益矩阵；Lk和Ak分别表示k时刻的观测值矩阵和观测设计矩阵；由误差传播规律得到 的计算公式：式中： 和 分别为正向和反向滤波预测状态向量ΔXk,k‑1的方差‑协方差矩阵，Kf和Kb分别为正向和反向滤波的增益矩阵，Af和Ab分别为正向和反向滤波的观测设计矩阵；

通过根据上述式(1)和式(2)的假设检验判断，自适应的确定针对无人机的正向和反向定位结果的互差是否异常或超限；

步骤S3：结合假设检验结果、定位解状态及PDOP值进行定位分级评价并优化结果输出；

具体包括：

当正反向滤波定位解状态均为浮点解时，定位不可信，定位结果根据PDOP检验结果输出；当正反向滤波其一为固定解但ratio小于评价阈值时，定位可疑，定位输出模糊度固定解；当正反向滤波均固定，但状态向量互差超限时，定位可疑，定位结果根据PDOP检验结果输出；当正反向滤波其一为固定解且ratio大于评价阈值时，定位可信，定位输出模糊度固定解；当正反向滤波均固定且状态向量互差不超限时，定位可信，定位结果由正反向滤波状态加权得到；

其中PDOP检验结果为(0,0)时表示正向和反向所采用的卫星对应的PDOP均满足PDOP阈值要求；结果为(1,0)表示正向不满足、反向满足；结果为(0,1)表示正向满足、反向不满足；

结果为(1,1)表示两者均不满足；依据公式(5)确定PDOP阈值：

σp＝σφ·PDOP (5)

式中，σp为定位阈值，σφ为双差载波相位测量精度；当给定定位阈值条件后，即可确定相应的PDOP阈值；最终结果的输出根据预设的PDOP条件进行输出。