CN112799101A - 一种构建gnss区域大地参考框架的方法 - Google Patents

一种构建gnss区域大地参考框架的方法 Download PDF

Info

Publication number
CN112799101A
CN112799101A CN202110125306.XA CN202110125306A CN112799101A CN 112799101 A CN112799101 A CN 112799101A CN 202110125306 A CN202110125306 A CN 202110125306A CN 112799101 A CN112799101 A CN 112799101A
Authority
CN
China
Prior art keywords
station
regional
constraint
coordinate
solution
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110125306.XA
Other languages
English (en)
Inventor
彭宇
陈雯
董大南
鹿然
刘敏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
East China Normal University
Original Assignee
East China Normal University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by East China Normal University filed Critical East China Normal University
Priority to CN202110125306.XA priority Critical patent/CN112799101A/zh
Publication of CN112799101A publication Critical patent/CN112799101A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/13—Receivers
    • G01S19/14—Receivers specially adapted for specific applications
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/13—Receivers
    • G01S19/35—Constructional details or hardware or software details of the signal processing chain
    • G01S19/37—Hardware or software details of the signal processing chain

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明公开了一种构建GNSS区域大地参考框架的方法，其特点是该方法包括：GNSS双差模型解算区域子网的松约束解及协方差矩阵；根据框架站点的选择标准确定最优约束方案；逐历元估计各测站瞬时坐标及Helmert转换参数；利用时间序列分析去除各站点趋势项、速度以及周年项、半周年项等非线性变化，得到测站坐标纯残差系列；基于区域范围内测站坐标残差系列结合主分量分析进行区域滤波消除区域性台站中普遍存在的共同误差；最后再次进行时间序列分析，得到各台站滤波后参考历元的测站坐标、速度及非线性项。本发明与现有技术相比具有高效、灵活，便于非线性变化处理，能实现区域大地参考框架的实时更新的优点。

Description

一种构建GNSS区域大地参考框架的方法
技术领域
本发明涉及全球卫星定位系统技术领域，具体地说是一种构建高精度GNSS区域大地参考框架的方法。
背景技术
大地参考框架提供了标定一个物体和事件在地球上任何时间所在位置和速度的依据，比如远洋轮、导弹、地震震源和台风中心。它精度的好坏将直接影响到工业、交通运输、军事等方面的应用，也深刻地影响大尺度长周期的基础科学研究，如全球变化、冰盖消融、海平面升降和整体地球动力学。目前国际公认的精度最高、应用最广泛、最可靠的地心坐标参考框架为国际地球参考框架ITRF(International Terrestrial ReferenceFrame)。
ITRF2014是所有版本的ITRF中测站数量最多的全球参考框架，但其测站的分布仍然极其不均匀，西欧和北美分布密集，而中国区域及周边测站较少，难以直接利用 ITRF得到高精度GNSS坐标。因此，为了获得尽可能高精度和高稳定性的GNSS测站坐标，满足区域地球物理应用研究的要求，需要利用高精度ITRF台站以及区域内高密度的GNSS测站联合建立区域性的参考框架。
为了保证各区域性大地参考框架与全球大地参考框架的自洽性，所有的区域框架都应该连接或转换到ITRF框架，一旦ITRF框架更新，所有的区域框架也应相应更新，以实现及时的相互兼容。内约束是公认的更合理的定义大地参考系的最少约束，内约束并不约束每个台站坐标，它的本质是通过约束一批高精度台站的坐标和速度，进而实现这批台站网的重心和旋转与其在某一大地参考框架的重心和旋转在最小二乘意义下一致。因此，构建一个高精度GNSS区域大地参考框架，以解决全球框架下区域台站解的精度及稳定性不足问题。
发明内容
本发明的目的是针对现有技术的不足而设计的一种构建GNSS区域大地参考框架的方法，采用GNSS双差模型解算区域子网的松约束解及协方差矩阵，根据框架站点的选择标准确定最优约束方案，并逐历元估计各测站瞬时坐标及Helmert转换参数，利用时间序列分析去除各站点趋势项、速度以及周年项、半周年项等非线性变化，得到测站坐标纯残差系列，基于区域范围内测站坐标残差系列结合主分量分析进行区域滤波消除区域性台站中普遍存在的共同误差，最后再次进行时间序列分析，得到各台站滤波后参考历元的测站坐标、速度及非线性项，方法简便，精度高，便于非线性变化处理，同时实现区域大地参考框架的实时更新，解决全球框架下区域台站解的精度及稳定性不足问题。
实现本发明目的的具体技术方案是：一种构建GNSS区域大地参考框架的方法，其特点GNSS区域大地参考框架的构建具体包括以下步骤：
步骤1：区域子网的松约束解及协方差矩阵解算
利用GAMIT软件处理区域子网持续测站的监测数据，得到区域子网无约束解及其协方差矩阵；利用GLOBK软件并入全球网松约束解。
步骤2：最优约束方案确定
参考框架是通过对网平差解施行约束消除其秩亏后实现的，施行的约束不同网平差解的最终结果的稳定性和自洽性也不同，这就存在一个最优约束选择的问题，最优约束方案的确定包括下述步骤：
2-1：内约束台站选择标准
区域性台站网内约束台站的中心尽量靠近整体网的中心，内约束台站至少有三年的长期连续观测；台站的坐标位置残差小于5mm，速度残差小于3mm/y；
2-2内约束方案及台站相对权重确定
以ITRF给出的GNSS台站径向分量为先验值，经过几次迭代提取每个内约束台站径向分量的方差，当方差大于某一标准时，将从内约束站列表中剔除精度较差的内约束台站。对旋转分量进行等权拟合，计算水平残差偏差指数，当其偏差指数超过某一阈值时，从内约束站点列表中剔除。以台站残差与偏差指数之比作为各内约束台站的相对权重，对旋转分量进行加权拟合，剔除野值，经过3～4次迭代，直至不再出现较大偏差的台站，并最终确定台站相对权重，得到最优约束方案。
步骤3：Helmert转换及瞬时测站坐标确定
Helmert转换利用所有自由网络的松约束坐标解，通过最小二乘(LS)平差，其估计模型由下述1式表示：
Figure BDA0002923387900000021
式中：xr为全球参考框架ITRF下的先验坐标；
Figure BDA0002923387900000022
为在步骤2确定的最优约束方案下的估计坐标；B为设计矩阵，其中只有与选定核心站相关的元素不为零；θ是转换参数。
所述最小二乘由下述2式求解：
Figure BDA0002923387900000031
于是，最少约束方程可由下述3式表示：
Figure BDA0002923387900000032
其中，Cc为协方差矩阵：
假定，下述4式成立：
Figure BDA0002923387900000033
则约束方程由下述5～7式表示：
Figure BDA0002923387900000034
Figure BDA0002923387900000035
Figure BDA0002923387900000036
步骤4：区域滤波实施
利用主分量分析方法实现区域滤波，假设某GNSS观测网的观测结果X构成一个由下述8式表示的m×n维的观测矩阵：
Figure BDA0002923387900000037
其中：m为观测历元数；n为测站数，地形变分析中最常见的情况是m＞n，数组的每一行代表一个历元的所有观测，每一列代表一个台站的所有观测。
将实际观测矩阵X按下述9式进行奇异值分解：
X＝U×S×VT (9)；
式中：U为m×m正交归一矩阵；S为m×n准对角矩阵；V为n×n正交归一矩阵。
实际观测矩阵X的协方差矩阵B通常对应满秩的协方差矩阵，即B为n×n维对称正定矩阵，对其进行正交分解得下述10～11式：
Figure BDA0002923387900000041
B＝VΛVT (11)；
式中：bij为矩阵B第i行j列的元；V称为本征矢矩阵，它为n×n维矩阵，它的列向量正交归一；Λ为对角矩阵，对于满秩矩阵，它每个对角元为非零的奇异值的功率。
由线性代数可知，任何一个秩为n的矩阵都可以用n个正交矢量作为基底展开。本文就选V的n个正交列矢量作为基底对数组X(秩为n)，展开可得下述12式的主分量分析：
Figure BDA0002923387900000042
式中的展开系数ak(ti)由下述13式求出：
Figure BDA0002923387900000043
式中：ak(ti)序列为第k个主分量；νk(xj)为对应于第k个主分量的本征矢，也可解释为主分量的空间响应。
步骤5：参考历元坐标、速度及非线性项确定
对于每个测站而言，其约束坐标时间序列
Figure BDA0002923387900000044
不仅包括线性趋势还包括非线性变化，利用时间序列分析得到每个台站的在参考历元t0的测站坐标
Figure BDA0002923387900000045
及速度
Figure BDA0002923387900000046
以及非线性项，其时间序列分析的模型如下述14式表示：
Figure BDA0002923387900000047
式中：
Figure BDA0002923387900000048
表示季节项振幅；k＝1表示周年项；k＝2表示半周年项；ωk和
Figure BDA0002923387900000049
分别表示相应的频率和初始相位；
Figure BDA00029233879000000410
表示振幅的季节项变化，由于
Figure BDA00029233879000000411
是
Figure BDA00029233879000000412
的两倍,所以首先估计
Figure BDA00029233879000000413
和
Figure BDA00029233879000000414
然后利用残差估计
Figure BDA00029233879000000415
Figure BDA00029233879000000416
为模型多项式或样条曲线；
Figure BDA00029233879000000417
表示t1开始，t2历元结束的窗函数的振幅；Pi k表示震后形变；tk为震后形变开始历元；τk为特征衰减时刻；Fi k为震后形变模型；所述形变模型为指数衰减模型：
Figure BDA0002923387900000051
或对数衰减模型：
Figure BDA0002923387900000052
Figure BDA0002923387900000053
表示其它非线性项。
本发明与现有技术相比具有方法简便，精度高，高效、灵活等优点，便于非线性变化处理，能实现区域大地参考框架的实时更新，较好的解决了全球框架下区域台站解的精度及稳定性不足问题。
附图说明
图1为本发明流程图；
图2为本发明的实施框图；
图3为最优约束方案台站分布图；
图4为上海高精度GNSS区域大地参考框架原点X偏移图；
图5为上海高精度GNSS区域大地参考框架原点Y偏移图；
图6为上海高精度GNSS区域大地参考框架原点Z偏移图；
图7为上海高精度GNSS区域大地参考框架原点尺度因子时间序列图；
图8为SHCORS各台站E、N、U三个方向PCA滤波前后NRMS值图；
图9为SHCORS各台站E、N、U三个方向PCA滤波前后WRMS值图；
图10为SHCORS水平速度场。
图11为SHCORS垂向速度场。
具体实施方式
参阅附图1，本发明按下述步骤构建高精度GNSS区域大地参考框架：
步骤1：区域子网的松约束解及协方差矩阵解算
基于区域子网长序列观测资料，利用GAMIT软件处理得到区域子网无约束解及其协方差矩阵；利用GLOBK把区域子网松弛解并入全球网松约束解。
步骤2：最优约束方案确定
参考框架是通过对网平差解施行约束消除其秩亏后实现的。施行的约束不同，网平差解的最终结果的稳定性和自洽性也不同，这就存在一个最优的约束选择问题。最少约束是一种更合理的定义大地参考框架的约束方案，其本质是通过约束一些高精度台站网的坐标和速度实现的，实施合理的约束方案非常关键，如何确定最少约束方案是实现区域大地参考框架并与全球性大地参考框架连接的关键性问题，这些问题包括台站数量的多少、台站的几何分布、台站的相对权重确定等问题。
区域性台站网内约束台站选择应使得区域网的中心尽量靠近整体网的中心，内约束台站至少有三年的长期连续观测；台站的坐标位置残差小于5mm，速度残差小于 3mm/y。确定台站相对权重时，首先以ITRF给出的GNSS台站径向分量为先验值，经过几次迭代得提取每个内约束台站径向分量的方差，当方差大于某一标准时，将从内约束站列表中剔除精度较差的内约束台站。对旋转分量进行等权拟合，计算水平残差偏差指数，当其偏差指数超过某一阈值时，从内约束站点列表中剔除。以台站残差与偏差指数之比作为各内约束台站的相对权重，对旋转分量进行加权拟合，剔除野值，经过3～4次迭代，直至不再出现较大偏差的台站。
步骤3：Helmert转换及瞬时测站坐标确定
Helmert转换利用所有自由网络的松约束坐标解，通过最小二乘(LS)平差，在区域参考系实施过程中保持整个相对几何结构不发生内部变形。对单日松弛解坐标解按下述7式(或6式)进行参数变换，以保持松散约束解的内部几何结构，也称为最小最小约束，其估计模型由下述1式表示为：
Figure BDA0002923387900000061
其中：xr为全球参考框架ITRF下的先验坐标；
Figure BDA0002923387900000062
为在步骤2确定的最优约束方案下的估计坐标；B为设计矩阵，其中只有与选定核心站相关的元素不为零；θ是转换参数。
所述最小二乘由下述2式求解：
Figure BDA0002923387900000063
于是，最少约束方程由下述3式表示为：
Figure BDA0002923387900000064
其中，Cc为协方差矩阵。
假定：下述4式成立：
Figure BDA0002923387900000065
则约束方程可由下述5～7式表示：
Figure BDA0002923387900000066
Figure BDA0002923387900000067
Figure BDA0002923387900000068
步骤4：区域滤波实施
利用主分量分析方法实现区域滤波，提取共模误差。共模误差是一种非构造噪声，具有区域相关性，坐标时间序列的强相关性与具有较强空间特征的共模误差有关，这种相关性会随着测站距离的增大而慢慢减弱。
主分量分析也叫经验正交函数分析(Empirical Orthogonal Function,EOF)或特征向量分析，利用GNSS台站坐标时间序列作正交分解得到时间域的主分量和空间域的特征向量。假设某GNSS观测网的观测结果X构成下述8式所示的一个m×n维的观测矩阵：
Figure BDA0002923387900000071
其中：m为观测历元数；n为测站数，地形变分析中最常见的情况是m＞n，数组的每一行代表一个历元的所有观测，每一列代表一个台站的所有观测。
将实际观测矩阵X按下述9式进行奇异值分解：
X＝U×S×VT (9)；
式中：U为m×m正交归一矩阵；S为m×n准对角矩阵；V为n×n正交归一矩阵。
实际观测矩阵X的协方差矩阵B通常对应满秩的协方差矩阵，即B为n×n维对称正定矩阵，对其按下述10～11式进行正交分解：
Figure BDA0002923387900000072
B＝VΛVT (11)；
式中：bij为矩阵B第i行j列的元；V称为本征矢矩阵，它为n×n维矩阵，它的列向量正交归一；Λ为对角矩阵，对于满秩矩阵，它每个对角元为非零的奇异值的功率。
由线性代数可知，任何一个秩为n的矩阵都可以用n个正交矢量作为基底展开。本文就选V的n个正交列矢量作为基底对数组X(秩为n)，展开可得下述12式的主分量分析：
Figure BDA0002923387900000073
式中的展开系数ak(ti)可以通过下述13式求解：
Figure BDA0002923387900000081
式中：ak(ti)序列为第k个主分量；νk(xj)为对应于第k个主分量的本征矢，也可解释为主分量的空间响应。
步骤5：参考历元坐标、速度及非线性项确定
对于每个测站而言，其约束坐标时间序列
Figure BDA0002923387900000082
不仅包括线性趋势还包括非线性变化，利用时间序列分析得到每个台站的在参考历元t0的测站坐标
Figure BDA0002923387900000083
及速度
Figure BDA0002923387900000084
以及非线性项，所述时间序列由下述14式表示的模型进行分析：
Figure BDA0002923387900000085
式中：
Figure BDA0002923387900000086
表示季节项振幅；k＝1表示周年项；k＝2表示半周年项；ωk和
Figure BDA0002923387900000087
分别表示相应的频率和初始相位；
Figure BDA0002923387900000088
表示振幅的季节项变化，由于
Figure BDA0002923387900000089
是
Figure BDA00029233879000000810
的两倍, 所以首先估计
Figure BDA00029233879000000811
和
Figure BDA00029233879000000812
然后利用残差估计
Figure BDA00029233879000000813
Figure BDA00029233879000000814
为模型多项式或样条曲线；
Figure BDA00029233879000000815
表示t1开始，t2历元结束的窗函数的振幅；Pi k表示震后形变；tk为震后形变开始历元；τk为特征衰减时刻；Fi k为震后形变模型；所述形变模型为指数衰减模型：
Figure BDA00029233879000000816
或对数衰减模型；
Figure BDA00029233879000000817
Figure BDA00029233879000000818
表示其它非线性项。
为验证本发明，下面以上海为典型区域，构建高精度GNSS上海区域大地参考框架的实施例对本发明作进一步的详细说明。
实施例1
参阅附图2，基于城市持续运行参考系统(CORS)，按下述步骤构建高精度GNSS 上海区域大地参考框架：
步骤1：区域子网的松约束解及协方差矩阵解算
SHCORS有10个位于上海境内高精度GNSS监测站：SHBS、SHXZ、SSJG(SJGN)、 CMMZ、SHCH、SHJD、SHQP、LGXC、CMDT、JSXC(SHJS)与一个位于江苏启东的监测站JSQD，,经过相关部门的维护，SHJS已改造成JSXC、SJGN已改造成SSJG，这些台站长期稳定数据质量较高。
利用上海市测绘院提供上述台站2008-2014观测资料，结合中国及周边15个IGS非核心站与3个IGS核心站组成区域子网，利用GAMIT软件得到区域子网的松约束解及协方差矩阵，然后利用GLOBK软件把子网松弛解并到加利福尼亚大学提供的全球网解中(ftp://garner.ucsd.edu/pub/hfiles)，为保持解的一致性，解算过程中所有参数及模型均与其数据处理过程一致，详见下述表1：
表1 GAMIT数据处理过程中采用参数及模型
Figure BDA0002923387900000091
步骤2：最优约束方案确定
参考框架是通过对网平差解施行约束消除其秩亏后实现的，施行的约束不同网平差解的最终结果的稳定性和自洽性也不同，这就存在一个最优的约束选择问题。最少约束是一种更合理的定义大地参考框架的约束方案，其本质是通过约束一些高精度台站网的坐标和速度实现的，实施合理的约束方案非常关键，如何确定最少约束方案是实现区域大地参考框架并与全球性大地参考框架连接的关键性问题，这些问题包括台站数量的多少、台站的几何分布、台站的相对权重确定等问题。
区域性台站网内约束台站选择应使得区域网的中心尽量靠近整体网的中心，内约束台站至少有三年的长期连续观测；台站的坐标位置残差小于5mm，速度残差小于 3mm/y。确定台站相对权重时，首先以ITRF给出的GNSS台站径向分量为先验值，经过几次迭代得提取每个内约束台站径向分量的方差，当方差大于某一标准时，将从内约束站列表中剔除精度较差的内约束台站。对旋转分量进行等权拟合，计算水平残差偏差指数，当其偏差指数超过某一阈值时，从内约束站点列表中剔除。以台站残差与偏差指数之比作为各内约束台站的相对权重，对旋转分量进行加权拟合，剔除野值，经过3～4次迭代，直至不再出现较大偏差的台站。
参阅附图3，为了确定用于最少约束的台站，本实施做了大量的数据处理及分析工作，最终确定最优约束方案为37个IGS核心站、10个区域IGS非核心站及六个6个 SHCORS本地站工作。
步骤3：Helmert转换及瞬时测站坐标确定
Helmert转换利用所有自由网络的松约束坐标解，通过最小二乘(LS)平差，在区域参考系实施过程中保持整个相对几何结构不发生内部变形。对单日松弛解坐标解按下述7式(或6式)进行参数变换，以保持松散约束解的内部几何结构，也称为最小最小约束，其估计模型由下述1式表示：
Figure BDA0002923387900000101
其中：xr为全球参考框架ITRF下的先验坐标；
Figure BDA0002923387900000102
为在步骤2确定的最优约束方案下的估计坐标；B为设计矩阵，其中只有与选定核心站相关的元素不为零；θ是转换参数。
所述最小二乘由下述2式求解：
Figure BDA0002923387900000103
于是，最少约束方程则由下述3式表示：
Figure BDA0002923387900000104
其中：Cc为协方差矩阵。
假定，下述4式成立：
Figure BDA0002923387900000105
则约束方程可由下述5～7式表示：
Figure BDA0002923387900000106
Figure BDA0002923387900000107
Figure BDA0002923387900000108
通过对最小约束台站台站做加权最小二乘7参数拟合，从而解得区域性参考框架连接至ITRF14的7个转换参数，包括原点在X、Y、Z三个方向的平移个分量、尺度因子和旋转参数3个分量。由于空间大地测量技术对地球的旋转是不敏感的，因而旋转参数随时间的演变是任意的，从物理意义上来讲，其随时间的演变趋势不具备与ITRF框架一致性，因而选择通过3个平移参数和尺度因子来分析建立的高精度上海区域大地参考框架的稳定性。
参阅附图4～图7，可以看出区域框架原点在X、Y、Z三个方向偏移量及尺度因子，均无明显的偏移、趋势项及突变；时刻尺度因子都稳定在-2至2ppb之间，除2013年～2014年间有往反方向变大的趋势，2008年至2014年整个时间序列较为平稳，没有太大幅度的变化上海区域大地参考框架整体稳定性较好。在物质负荷周期变化的作用下，区域框架Y方向的原点偏移量和尺度因子存在明显的季节项。
步骤4：区域滤波实施
利用主分量分析方法实现区域滤波，提取共模误差。共模误差是一种非构造噪声，具有区域相关性，坐标时间序列的强相关性与具有较强空间特征的共模误差有关，这种相关性会随着测站距离的增大而慢慢减弱。为了减小共模误差对坐标时间序列的影响，采用一定的方法进行剔除。本实施例通过SHCORS站的数据，对13个SHCORS 站扣除构造跳跃项、趋势项、周年半周年项后的残差序列采用了主成分分析(PCA)方法进行分析，提取共模误差，并且比较了所有SHCORS站共模误差提取前后各个分量时间序列的NRMS(归一化均方差)、WRMS(加权均方差)值。
所述归一化均方差由下述18式求解：
Figure BDA0002923387900000111
式中，ci是单日解；σi为方差；n是天数；
Figure BDA0002923387900000112
是单日解的加权平均值。
所述加权均方差由下述19式求解：
Figure BDA0002923387900000113
参阅附图8～图9，使用SHCORS所有台站的NRMS与WRMS平均值减小的百分比来衡量滤波的效果，其PCA滤波前后SHCORS所有台站三个方向的NRMS与WRMS 的平均值详见下表2：
表2 SHCORS台站NRMS和WRMS平均值(mm)
Figure BDA0002923387900000121
由表可知PCA滤波后，NRMS与WRMS值均有明显的降低，在E、N、U三个分量上分别减少36％、20％、43％。
步骤5：参考历元坐标、速度及非线性项确定
对于每个测站而言，其约束坐标时间序列
Figure BDA0002923387900000122
不仅包括线性趋势还包括非线性变化，利用时间序列分析得到每个台站的在参考历元t0的测站坐标
Figure BDA0002923387900000123
及速度
Figure BDA0002923387900000124
以及非线性项。
所述时间序列由下述14式的模型进行分析：
Figure BDA0002923387900000125
式中：
Figure BDA0002923387900000126
表示季节项振幅；k＝1表示周年项；k＝2表示半周年项；ωk和
Figure BDA0002923387900000127
分别表示相应的频率和初始相位；
Figure BDA0002923387900000128
表示振幅的季节项变化，由于
Figure BDA0002923387900000129
是
Figure BDA00029233879000001210
的两倍,所以首先估计
Figure BDA00029233879000001211
和
Figure BDA00029233879000001212
然后利用残差估计
Figure BDA00029233879000001213
Figure BDA00029233879000001214
为模型多项式或者样条曲线；
Figure BDA00029233879000001215
表示t1开始，t2历元结束的窗函数的振幅；Pi k表示震后形变；tk为震后形变开始历元；τk为特征衰减时刻；Fi k为震后形变模型；所述形变模型为指数衰减模型：
Figure BDA00029233879000001216
或对数衰减模型：
Figure BDA00029233879000001217
Figure BDA00029233879000001218
表示其它非线性项。
参阅附图10～图11，从上海区域大地参考框架下SHCORS水平及垂向速度场可以看出各台站均存在东南方向水平运动趋势，其驱动力主要为板块构造运动，速度约34mm/yr。垂向速度受局部地球物理机制影响差异较大，总体而言上海地区地面仍然以沉降为主。
下述表3罗列了SHCORS空间滤波后的周年及半周年非线性变化：
表3 SHCORS各测站U分量季节性周期变化
Figure BDA00029233879000001219
Figure BDA0002923387900000131
从上述表3中可以看出SHCORS所有台站均存在显著的季节项。
本发明高效、灵活的构建一种高精度区域大地参考框架，便于非线性变化处理，同时实现区域大地参考框架的实时更新，解决全球框架下区域台站解的精度及稳定性不足问题。以上只是对本发明做进一步说明，并非用以限制本专利，凡为本发明等效实施，均应包含于本专利的权利要求范围之内。

Claims (1)

1.一种构建GNSS区域大地参考框架的方法，其特征在于GNSS区域大地参考框架的构建具体包括以下步骤：
步骤1：区域子网的松约束解及协方差矩阵解算
利用GAMIT软件处理区域子网持续测站的监测数据，得到区域子网无约束解及其协方差矩阵，利用GLOBK软件并入全球网松约束解；
步骤2：最优约束方案的确定
2-1：内约束台站的选择标准
区域性台站网内约束台站的中心尽量靠近整体网的中心，内约束台站至少有三年的长期连续观测；台站的坐标位置残差小于5mm，速度残差小于3mm/y；
2-2：内约束方案及台站相对权重的确定
以ITRF给出的GNSS台站径向分量为先验值，经3～4次迭代提取每个内约束台站径向分量的方差，当方差大于某一标准时，将从内约束站列表中剔除精度较差的内约束台站；对旋转分量进行等权拟合，计算水平残差偏差指数，当其偏差指数超过某一阈值时，从内约束站点列表中剔除，以台站残差与偏差指数之比作为各内约束台站的相对权重，对旋转分量进行加权拟合，剔除野值，经过3～4次迭代，直至不再出现较大偏差的台站，并确定台站相对权重，得到最优约束方案；
步骤3：Helmert转换及瞬时测站坐标的确定
利用所有自由网络的松约束坐标解进行Helmert转换，并通过最小二乘(LS)平差，在区域参考系实施过程中保持整个相对几何结构不发生内部变形，对单日松弛解坐标解进行参数变换，以保持松散约束解的内部几何结构；
步骤4：区域滤波的实施
利用主分量分析实现区域滤波，所述主分量分析为经验正交函数分析(EmpiricalOrthogonal Function,EOF)或特征向量分析，利用GNSS台站坐标时间序列作正交分解得到时间域的主分量和空间域的特征向量；
步骤5：参考历元坐标、速度及非线性项的确定
对于每个测站而言，其约束坐标时间序列
Figure FDA0002923387890000011
不仅包括线性趋势还包括非线性变化，利用时间序列分析得到每个台站的在参考历元t0的测站坐标
Figure FDA0002923387890000012
及速度
Figure FDA0002923387890000013
以及非线性项，所述时间序列采用下述14式表示的模型进行分析：
Figure FDA0002923387890000021
式中：
Figure FDA0002923387890000022
表示季节项振幅；k＝1表示周年项,；k＝2表示半周年项；ωk和
Figure FDA0002923387890000023
分别表示相应的频率和初始相位；
Figure FDA0002923387890000024
表示振幅的季节项变化；
Figure FDA0002923387890000025
表示t1开始，t2历元结束的窗函数的振幅；
Figure FDA0002923387890000026
表示震后形变；tk为震后形变开始历元；τk为特征衰减时刻；
Figure FDA0002923387890000027
为震后指数衰减模型或对数衰减模型；
Figure FDA0002923387890000028
表示其它非线性项。
CN202110125306.XA 2021-01-29 2021-01-29 一种构建gnss区域大地参考框架的方法 Pending CN112799101A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110125306.XA CN112799101A (zh) 2021-01-29 2021-01-29 一种构建gnss区域大地参考框架的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110125306.XA CN112799101A (zh) 2021-01-29 2021-01-29 一种构建gnss区域大地参考框架的方法

Publications (1)

Publication Number Publication Date
CN112799101A true CN112799101A (zh) 2021-05-14

Family

ID=75812814

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110125306.XA Pending CN112799101A (zh) 2021-01-29 2021-01-29 一种构建gnss区域大地参考框架的方法

Country Status (1)

Country Link
CN (1) CN112799101A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114253962A (zh) * 2022-03-02 2022-03-29 中国测绘科学研究院 一种考虑非线性因素的区域格网速度场构建方法及系统
CN114332389A (zh) * 2021-12-24 2022-04-12 中国测绘科学研究院 一种三维地壳形变模型的构建方法和装置
CN116204756A (zh) * 2023-04-28 2023-06-02 武汉大学 一种多分析中心精密站坐标产品综合方法及系统
CN117388872A (zh) * 2023-09-05 2024-01-12 武汉大学 一种北斗地基增强系统参考站坐标框架维持方法和系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105572703A (zh) * 2015-12-17 2016-05-11 武汉大学 一种gps时间序列广义共模误差提取方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105572703A (zh) * 2015-12-17 2016-05-11 武汉大学 一种gps时间序列广义共模误差提取方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
吕聪: "基于CORS的上海区域坐标参考框架建立", 《中国优秀硕士学位论文全文数据库 基础科学辑》 *
张晶等: "基于PCA方法的GPS台站时间序列分析", 《大地测量与地球动力学》 *
彭宇: "GNSS 高精度垂向分量探寻区域地表形变机制及地球深部构造运动信号", 《中国优秀博硕士学位论文全文数据库（博士） 基础科学辑》 *
王峥等: "基于Kalman滤波的大规模GNSS网参数估计方法", 《测绘通报》 *
肖玉钢等: "GNSS网参数估计中基准定义方法研究", 《大地测量与地球动力学》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114332389A (zh) * 2021-12-24 2022-04-12 中国测绘科学研究院 一种三维地壳形变模型的构建方法和装置
CN114332389B (zh) * 2021-12-24 2022-11-08 中国测绘科学研究院 一种三维地壳形变模型的构建方法和装置
CN114253962A (zh) * 2022-03-02 2022-03-29 中国测绘科学研究院 一种考虑非线性因素的区域格网速度场构建方法及系统
CN114253962B (zh) * 2022-03-02 2022-05-17 中国测绘科学研究院 一种考虑非线性因素的区域格网速度场构建方法及系统
CN116204756A (zh) * 2023-04-28 2023-06-02 武汉大学 一种多分析中心精密站坐标产品综合方法及系统
CN117388872A (zh) * 2023-09-05 2024-01-12 武汉大学 一种北斗地基增强系统参考站坐标框架维持方法和系统
CN117388872B (zh) * 2023-09-05 2024-03-19 武汉大学 一种北斗地基增强系统参考站坐标框架维持方法和系统

Similar Documents

Publication Publication Date Title
CN112799101A (zh) 一种构建gnss区域大地参考框架的方法
US20220326211A1 (en) Marine Transportation Platform Guarantee-Oriented Analysis and Prediction Method for Three-Dimensional Temperature and Salinity Field
He et al. Accuracy enhancement of GPS time series using principal component analysis and block spatial filtering
Hwang et al. Global mean sea surface and marine gravity anomaly from multi-satellite altimetry: applications of deflection-geoid and inverse Vening Meinesz formulae
Sang et al. Covariance approximation for large multivariate spatial data sets with an application to multiple climate model errors
De Mey et al. A multivariate reduced-order optimal interpolation method and its application to the Mediterranean basin-scale circulation
Chelton The sea state bias in altimeter estimates of sea level from collinear analysis of TOPEX data
CN106814378B (zh) 一种gnss位置时间序列周期特性挖掘方法
CN110909447B (zh) 一种高精度电离层区域短期预报方法
CN106597484B (zh) 热膨胀效应对gps坐标时间序列影响的精确量化方法
CN111812641B (zh) 一种基于多尺度峰值监测的雷达高度计波形重跟踪方法
Uwamahoro et al. Reconstruction of storm-time total electron content using ionospheric tomography and artificial neural networks: A comparative study over the African region
Gruszczynski et al. Orthogonal transformation in extracting of common mode errors from continuous GPS networks
Weaver et al. An evaluation of methods for normalizing diffusion‐based covariance operators in variational data assimilation
Febvre et al. Joint calibration and mapping of satellite altimetry data using trainable variational models
Raquet et al. Use of a Covariance Analysis Technique for Predicting Performance of Regional‐Area Differential Code and Carrier‐Phase Networks
CN114925327A (zh) 一种超短期地球自转参数预报方法
Smith et al. Evaluation of the S (T) assimilation method with the Argo dataset
Hello et al. Combined use of sensitivity information and observations to improve meteorological forecasts: A feasibility study applied to the'Christmas storm'case
CN116485857A (zh) 一种基于多源遥感数据的高时间分辨率冰川厚度反演方法
Xu et al. Assimilation of high frequency radar data into a shelf sea circulation model
Rienecker et al. Ocean data assimilation using optimal interpolation with a quasi‐geostrophic model
Segers et al. Assimilation of GOME ozone profiles and a global chemistry–transport model using a Kalman filter with anisotropic covariance
CN109164471A (zh) 一种基于主成分分析的区域划分方法
Tserolas et al. The Western Crete geodetic infrastructure: Long-range power-law correlations in GPS time series using Detrended Fluctuation Analysis

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210514