CN104964666B - 一种基于虚拟加速度的gnss变形监测方法及系统 - Google Patents

Abstract

本发明涉及一种基于虚拟加速度的GNSS变形监测方法及系统，包括虚拟流动站准静态条件的加速度，基于加速度解算流动站的第一速度和第一位置，利用第一速度、第一位置和预设零偏，结合RTK技术中基于基线解算流动站的第二速度和第二位置，并将所述第二速度置零，建立卡尔曼滤波模型求解流动站的运动状态改变量，进一步求解实时修正流动站的第三速度、第三位置和修正零偏；当全部实时修正完成，以全部第三位置为基础采用固定区间最优平滑算法，求解事后修正所得流动站的第四位置。本发明实现了，削弱RTK技术中实时变形监测中接收机观测噪声误差，及事后变形监测中接收机观测噪声误差，适用于大型建筑物的长期微小自然形变的变形监测。

Description

一种基于虚拟加速度的GNSS变形监测方法及系统

技术领域

本发明涉及变形监测领域，特别涉及一种基于虚拟加速度的GNSS变形监测方法及系统。

背景技术

变形监测主要是利用各种仪器和手段对被监测对象的变形进行持续观测，获得被监测对象的动态形变数据，通过对动态形变数据的统计分析，建立被监测对象变化情况的数学预测模型，对被监测对象未来变化趋势做出合理预测，当变形超过某个特定允许值，则认为有可能是灾害事故发生的前兆。由于变形监测是对被监测对象空间位置及内部形态随时间变化特征进行连续监测，故对监测信息的实时性、连续性和准确性要求较高。

GNSS(全球卫星导航定位系统)具有速度快、全天候观测和测点间无需通视等优点，其数据采集、传输、处理、分析、显示和存储等自动化程度高，已成为高精度同步变形监测的主要技术手段之一。GNSS主要包括PPP技术(精密单点定位技术)和RTK技术(实时动态测量定位技术)。PPP技术使用单台测量设备即可完成定位的精密解算，但在实践中必须采用延时较长的精密星历，难实现较高实时性要求。而RTK技术可直接使用广播星历，即可实现较高实时性要求。

RTK技术是基于高精度载波相位的差分技术，其在监测区布设多个接收站，并通过网络将数据传至控制中心，选择稳定区接收站作为基准站，形变区接收站作为流动站，通过组基线的方式解算流动站的位置，从而推算出被监测对象的变形情况。实践表明，RTK技术中基于基线解算流动站的位置可很好的消除卫星轨道误差、电离层误差和对流层误差等站间公共误差，但接收机观测噪声误差不易消除。

发明内容

本发明所要解决的技术问题是提供一种基于虚拟加速度的GNSS变形监测方法及系统，其能有效削弱RTK技术中实时变形监测中接收机观测噪声误差，及事后变形监测中接收机观测噪声误差，适用于大型建筑物的长期微小自然形变的变形监测。

本发明解决上述技术问题的技术方案如下：

一种基于虚拟加速度的GNSS变形监测方法，包括如下步骤：

步骤1，虚拟流动站准静态条件的加速度，对加速度以第一采样间隔进行采样并存储。

步骤2，提取对流动站以第二采样间隔开始采样时流动站的速度和位置，并将所述速度和位置分别作为初始速度和初始位置；设置预设零偏。

步骤3，提取初始速度、初始位置、预设零偏及所述初始速度和初始位置相应的加速度，并对所述初始速度和初始位置相应的加速度进行零偏修正，计算单位第一采样间隔后流动站的末速度和末位置。

步骤4，将末速度和末位置分别作为初始速度和初始位置，重复执行步骤3，至第一采样间隔的累积时长与第二采样间隔相等时，提取此刻计算所得的末速度和末位置分别作为基于加速度解算所得流动站的第一速度和第一位置。

步骤5，利用所述第一速度、第一位置和预设零偏，结合基于基线解算所得流动站的第二速度和第二位置，并将所述第二速度修正到预定取值范围内，建立卡尔曼滤波模型求解流动站的运动状态改变量，进一步求解实时修正所得流动站的第三速度、第三位置和修正零偏。

步骤6，将所述第三速度、第三位置和修正零偏分别作为初始速度、初始位置和预设零偏，重复执行步骤3至5，求解后续实时修正所得流动站的第三速度、第三位置和修正零偏，至全部实时修正完成；并以全部第三位置为基础采用固定区间最优平滑算法，求解事后修正所得流动站的第四位置。

本发明的有益效果是：虚拟流动站准静态条件的加速度，基于加速度解算流动站的第一速度和第一位置，利用第一速度、第一位置和预设零偏，结合RTK技术中基于基线解算流动站的第二速度和第二位置，并将所述第二速度修正到预定取值范围内，建立卡尔曼滤波模型求解流动站的运动状态改变量，进一步求解实时修正流动站的第三速度、第三位置和修正零偏；当全部实时修正完成，以全部第三位置为基础采用固定区间最优平滑算法，求解事后修正所得流动站的第四位置；其能有效削弱RTK技术中实时变形监测中接收机观测噪声误差，及事后变形监测中接收机观测噪声误差，适用于大型建筑物的长期微小自然形变的变形监测。

在上述技术方案的基础上，本发明还可以做如下改进。

进一步，所述加速度的表达式为：

a＝n_mv+n_wt

其中，所述a为加速度，n_mv为有色噪声，n_wt为白噪声。

所述对加速度以第一采样间隔进行采样并存储的具体实施方式为：以第一采样间隔采样流动站在ECEF坐标系下x轴、y轴和z轴三个方向的加速度，并将同一时刻x轴、y轴和z轴三个方向的加速度列为一行，按采样先后顺序逐行以文本形式存储。

进一步，所述步骤2中预设零偏为0。

进一步，所述步骤3的具体实施方式包括如下步骤：

步骤A1，提取所述初始速度和初始位置对应时刻的第一加速度，及单位第一采样间隔后的第二加速度，对所述第一加速度根据如下第一公式进行零偏修正得修正第一加速度，对所述第二加速度根据如下第二公式进行零偏修正得修正第二加速度。

所述第一公式如下：

所述第二公式如下：

其中，所述为修正第一加速度，a_t为第一加速度，为修正第二加速度，a_t+1为第二加速度，b^a为预设零偏。

步骤A2，利用所述修正第一加速度和修正第二加速度，根据如下第三公式和第四公式分别计算单位第一采样间隔后流动站的末速度和末位置。

所述第三公式如下：

所述第四公式如下：

其中，所述Δt为第一采样间隔，v_t为初始速度，v_t+1为末速度，s_t为初始位置，s_t+1为末位置。

进一步，所述步骤5的具体实施方式包括如下步骤：

步骤B1，将基准站位置固定，利用基准站在ECEF坐标系下的坐标，根据基线解算出的向量推算出基于基线解算所得流动站的第二速度和第二位置。

步骤B2，利用所述第一速度、第一位置、第二速度和第二位置建立流动站在ECEF坐标系下的系统模型方程和观测模型方程，并将所述第二速度置零，建立卡尔曼滤波模型求解流动站的运动状态改变量；其中所述运动状态改变量包括流动站的位置改变量、速度改变量和零偏改变量。

所述系统模型方程为：

其中，所述Δp为位置改变量，为位置改变量导数，Δv为速度改变量，为速度改变量导数，Δb为零偏改变量，为零偏改变量导数，n为系统模型白噪声，q为系统模型驱动白噪声，为连续马尔科夫过程状态系数,I为3阶单位矩阵，为主对角线上元素全部为的3阶对角矩阵。

所述观测模型方程为：

其中，所述p^a为第一位置，p^g为第二位置，v^a为第一速度，v^g为第二速度且为零，n_p为位置观测噪声，n_v为速度观测噪声。

步骤B3，利用所述流动站的运动状态改变量、第一速度、第一位置和预设零偏，根据如下第五公式求解实时修正所得流动站的第三速度、第三位置和修正零偏。

所述第五公式如下：

其中，所述p为第三位置，v为第三速度，b为修正零偏。

本发明的另一技术方案如下：

一种基于虚拟加速度的GNSS变形监测系统，包括加速度生成模块、初始状态提取模块、基于加速度中间状态生成模块、基于加速度解算模块、实时修正模块和事后修正模块。

所述加速度生成模块，其用于虚拟流动站准静态条件的加速度，对加速度以第一采样间隔进行采样并存储。

所述初始状态提取模块，其用于提取对流动站以第二采样间隔开始采样时流动站的速度和位置，并将所述速度和位置分别作为初始速度和初始位置；设置预设零偏。

所述基于加速度中间状态生成模块，其用于提取初始速度、初始位置、预设零偏及所述初始速度和初始位置相应的加速度，并对所述初始速度和初始位置相应的加速度进行零偏修正，计算单位第一采样间隔后流动站的末速度和末位置。

所述基于加速度解算模块，其用于将末速度和末位置分别作为初始速度和初始位置，重复驱动基于加速度中间状态生成模块工作，至第一采样间隔的累积时长与第二采样间隔相等时，提取此刻计算所得的末速度和末位置分别作为基于加速度解算所得流动站的第一速度和第一位置。

所述实时修正模块，其用于利用所述第一速度、第一位置和预设零偏，结合基于基线解算所得流动站的第二速度和第二位置，并将所述第二速度修正到预定取值范围内，建立卡尔曼滤波模型求解流动站的运动状态改变量，进一步求解实时修正所得流动站的第三速度、第三位置和修正零偏。

所述事后修正模块，其用于将所述第三速度、第三位置和修正零偏分别作为初始速度、初始位置和预设零偏，重复驱动基于加速度中间状态生成模块、基于加速度解算模块和实时修正模块依次工作，求解后续实时修正所得流动站的第三速度、第三位置和修正零偏，至全部实时修正完成；并以全部第三位置为基础采用固定区间最优平滑算法，求解事后修正所得流动站的第四位置。

在上述技术方案的基础上，本发明还可以做如下改进。

进一步，所述加速度生成模块包括加速度计算单元和加速度采样并存储单元。

所述加速度计算单元，其用于虚拟流动站准静态条件的加速度，所述加速度的表达式为：

a＝n_mv+n_wt

其中，所述a为加速度，n_mv为有色噪声，n_wt为白噪声。

所述加速度采样并存储单元，其用于以第一采样间隔采样流动站在ECEF坐标系下x轴、y轴和z轴三个方向的加速度，并将同一时刻x轴、y轴和z轴三个方向的加速度列为一行，按采样先后顺序逐行以文本形式存储。

进一步，所述初始状态提取模块包括初始速度和初始位置提取单元及预设零偏置零单元。

所述初始速度和初始位置提取单元，其用于提取对流动站以第二采样间隔开始采样时流动站的速度和位置，并将所述速度和位置分别作为初始速度和初始位置。

所述预设零偏置零单元，其用于将首次实时修正中预设零偏置零。

进一步，所述基于加速度中间状态生成模块包括加速度修正单元和中间状态计算单元。

所述加速度修正单元，其用于提取所述初始速度和初始位置对应时刻的第一加速度，及单位第一采样间隔后的第二加速度，对所述第一加速度根据如下第一公式进行零偏修正得修正第一加速度，对所述第二加速度根据如下第二公式进行零偏修正得修正第二加速度。

所述第一公式如下：

所述第二公式如下：

其中，所述为修正第一加速度，a_t为第一加速度，为修正第二加速度，a_t+1为第二加速度，b^a为预设零偏。

所述中间状态计算单元，其用于利用所述修正第一加速度和修正第二加速度，根据如下第三公式和第四公式分别计算单位第一采样间隔后流动站的末速度和末位置。

所述第三公式如下：

所述第四公式如下：

其中，所述Δt为第一采样间隔，v_t为初始速度，v_t+1为末速度，s_t为初始位置，s_t+1为末位置。

进一步，所述实时修正模块包括基于基线解算单元、流动站运动状态改变量解算单元和实时修正单元。

所述基于基线解算单元，其用于将基准站位置固定，利用基准站在ECEF坐标系下的坐标，根据基线解算出的向量推算出基于基线解算所得流动站的第二速度和第二位置。

所述流动站运动状态改变量解算单元，其用于利用所述第一速度、第一位置、第二速度和第二位置建立流动站在ECEF坐标系下的系统模型方程和观测模型方程，并将所述第二速度置零，建立卡尔曼滤波模型求解流动站的运动状态改变量；其中所述运动状态改变量包括流动站的位置改变量、速度改变量和零偏改变量。

所述系统模型方程为：

其中，所述Δp为位置改变量，为位置改变量导数，Δv为速度改变量，为速度改变量导数，Δb为零偏改变量，为零偏改变量导数，n为系统模型白噪声，q为系统模型驱动白噪声，为连续马尔科夫过程状态系数,I为3阶单位矩阵，为主对角线上元素全部为的3阶对角矩阵。

所述观测模型方程为：

其中，所述p^a为第一位置，p^g为第二位置，v^a为第一速度，v^g为第二速度且为零，n_p为位置观测噪声，n_v为速度观测噪声。

所述实时修正单元，其用于利用所述流动站的运动状态改变量、第一速度、第一位置和预设零偏，根据如下第五公式求解实时修正所得流动站的第三速度、第三位置和修正零偏。

所述第五公式如下：

其中，所述p为第三位置，v为第三速度，b为修正零偏。

附图说明

图1为本发明一种基于虚拟加速度的GNSS变形监测方法的方法流程图；

图2为本发明一种基于虚拟加速度的GNSS变形监测系统的原理框图。

具体实施方式

以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。

如图1所示，一种基于虚拟加速度的GNSS变形监测方法，包括如下步骤：

步骤1，虚拟流动站准静态条件的加速度，对加速度以第一采样间隔进行采样并存储。

所述加速度的表达式为：

a＝n_mv+n_wt

其中，所述a为加速度，n_mv为有色噪声，n_wt为白噪声。

所述有色噪声基于一阶高斯马尔柯夫过程生成，其数学模型为：

其中，所述为有色噪声在t时刻的变化率，x(t)为有色噪声在t时刻的值，T为相关时间，α(t)是驱动白噪声。

所述白噪声是一种功率频谱密度为常数的随机过程，可用MATLAB中已有函数生成。

所述对加速度以第一采样间隔进行采样并存储的具体实施方式为：以第一采样间隔采样流动站在ECEF坐标系下x轴、y轴和z轴三个方向的加速度，并将同一时刻x轴、y轴和z轴三个方向的加速度列为一行，按采样先后顺序逐行以文本形式存储。

步骤2，提取对流动站以第二采样间隔开始采样时流动站的速度和位置，并将所述速度和位置分别作为初始速度和初始位置；设置预设零偏。

本发明方法仅针对大型建筑物的长期微小自然形变的变形监测，此形变中基于加速度的零偏较小，在首次实时修正中将预设零偏设置为0。

步骤3，提取初始速度、初始位置、预设零偏及所述初始速度和初始位置相应的加速度，并对所述初始速度和初始位置相应的加速度进行零偏修正，计算单位第一采样间隔后流动站的末速度和末位置。

所述步骤3的具体实施方式包括如下步骤：

步骤A1，提取所述初始速度和初始位置对应时刻的第一加速度，及单位第一采样间隔后的第二加速度，对所述第一加速度根据如下第一公式进行零偏修正得修正第一加速度，对所述第二加速度根据如下第二公式进行零偏修正得修正第二加速度。

所述第一公式如下：

所述第二公式如下：

其中，所述为修正第一加速度，a_t为第一加速度，为修正第二加速度，a_t+1为第二加速度，b^a为预设零偏。

步骤A2，利用所述修正第一加速度和修正第二加速度，根据如下第三公式和第四公式分别计算单位第一采样间隔后流动站的末速度和末位置。

所述第三公式如下：

所述第四公式如下：

其中，所述Δt为第一采样间隔，v_t为初始速度，v_t+1为末速度，s_t为初始位置，s_t+1为末位置。

步骤4，将末速度和末位置分别作为初始速度和初始位置，重复执行步骤3，至第一采样间隔的累积时长与第二采样间隔相等时，提取此刻计算所得的末速度和末位置分别作为基于加速度解算所得流动站的第一速度和第一位置。

步骤5，利用所述第一速度、第一位置和预设零偏，结合基于基线解算所得流动站的第二速度和第二位置，并将所述第二速度修正到预定取值范围内，建立卡尔曼滤波模型求解流动站的运动状态改变量，进一步求解实时修正所得流动站的第三速度、第三位置和修正零偏。

本发明方法仅针对大型建筑物的长期微小自然形变的变形监测，实际流动站的速度较小，基于基线解算所得的第二速度存在较大接收机观测噪声误差，其偏离实际值较远，故将此第二速度修正到预定取值范围内，所述预定取值范围为(-10mm/s,10mm/s),最优选取(-2mm/s,2mm/s)。具体实施中将所述第二速度置零，使流动站的位置变化附加一个较强的静态约束；并通过调节卡尔曼滤波模型中系统噪声和观测噪声的方差参数适当弱化这一静态约束，使卡尔曼滤波适用于流动站一定范围内的位置变化。

所述步骤5的具体实施方式包括如下步骤：

步骤B1，将基准站位置固定，利用基准站在ECEF坐标系下的坐标，根据基线解算出的向量推算出基于基线解算所得流动站的第二速度和第二位置。

步骤B2，利用所述第一速度、第一位置、第二速度和第二位置建立流动站在ECEF坐标系下的系统模型方程和观测模型方程，并将所述第二速度置零，建立卡尔曼滤波模型求解流动站的运动状态改变量；其中所述运动状态改变量包括流动站的位置改变量、速度改变量和零偏改变量。

所述系统模型方程为：

其中，所述Δp为位置改变量，为位置改变量导数，Δv为速度改变量，为速度改变量导数，Δb为零偏改变量，为零偏改变量导数，n为系统模型白噪声，q为系统模型驱动白噪声，为连续马尔科夫过程状态系数,I为3阶单位矩阵，为主对角线上元素全部为的3阶对角矩阵。

所述观测模型方程为：

其中，所述p^a为第一位置，p^g为第二位置，v^a为第一速度，v^g为第二速度且为零，n_p为位置观测噪声，n_v为速度观测噪声。

步骤B3，利用所述流动站的运动状态改变量、第一速度、第一位置和预设零偏，根据如下第五公式求解实时修正所得流动站的第三速度、第三位置和修正零偏。

所述第五公式如下：

其中，所述p为第三位置，v为第三速度，b为修正零偏。

步骤6，将所述第三速度、第三位置和修正零偏分别作为初始速度、初始位置和预设零偏，重复执行步骤3至5，求解后续实时修正所得流动站的第三速度、第三位置和修正零偏，至全部实时修正完成；并以全部第三位置为基础采用固定区间最优平滑算法，求解事后修正所得流动站的第四位置。

如图2所示，一种基于虚拟加速度的GNSS变形监测系统，包括加速度生成模块、初始状态提取模块、基于加速度中间状态生成模块、基于加速度解算模块、实时修正模块和事后修正模块。

所述加速度生成模块，其用于虚拟流动站准静态条件的加速度，对加速度以第一采样间隔进行采样并存储。

所述加速度生成模块包括加速度计算单元和加速度采样并存储单元。

所述加速度计算单元，其用于虚拟流动站准静态条件的加速度，所述加速度的表达式为：

a＝n_mv+n_wt

其中，所述a为加速度，n_mv为有色噪声，n_wt为白噪声。

所述加速度采样并存储单元，其用于以第一采样间隔采样流动站在ECEF坐标系下x轴、y轴和z轴三个方向的加速度，并将同一时刻x轴、y轴和z轴三个方向的加速度列为一行，按采样先后顺序逐行以文本形式存储。

所述初始状态提取模块，其用于提取对流动站以第二采样间隔开始采样时流动站的速度和位置，并将所述速度和位置分别作为初始速度和初始位置；设置预设零偏。

所述初始状态提取模块包括初始速度和初始位置提取单元及预设零偏置零单元。

所述初始速度和初始位置提取单元，其用于提取对流动站以第二采样间隔开始采样时流动站的速度和位置，并将所述速度和位置分别作为初始速度和初始位置。

所述预设零偏置零单元，其用于将首次实时修正中预设零偏置零。

所述基于加速度中间状态生成模块，其用于提取初始速度、初始位置、预设零偏及所述初始速度和初始位置相应的加速度，并对所述初始速度和初始位置相应的加速度进行零偏修正，计算单位第一采样间隔后流动站的末速度和末位置。

所述基于加速度中间状态生成模块包括加速度修正单元和中间状态计算单元。

所述加速度修正单元，其用于提取所述初始速度和初始位置对应时刻的第一加速度，及单位第一采样间隔后的第二加速度，对所述第一加速度根据如下第一公式进行零偏修正得修正第一加速度，对所述第二加速度根据如下第二公式进行零偏修正得修正第二加速度。

所述第一公式如下：

所述第二公式如下：

其中，所述为修正第一加速度，a_t为第一加速度，为修正第二加速度，a_t+1为第二加速度，b^a为预设零偏。

所述中间状态计算单元，其用于利用所述修正第一加速度和修正第二加速度，根据如下第三公式和第四公式分别计算单位第一采样间隔后流动站的末速度和末位置。

所述第三公式如下：

所述第四公式如下：

其中，所述Δt为第一采样间隔，v_t为初始速度，v_t+1为末速度，s_t为初始位置，s_t+1为末位置。

所述基于加速度解算模块，其用于将末速度和末位置分别作为初始速度和初始位置，重复驱动基于加速度中间状态生成模块工作，至第一采样间隔的累积时长与第二采样间隔相等时，提取此刻计算所得的末速度和末位置分别作为基于加速度解算所得流动站的第一速度和第一位置。

所述实时修正模块，其用于利用所述第一速度、第一位置和预设零偏，结合基于基线解算所得流动站的第二速度和第二位置，并将所述第二速度修正到预定取值范围内，建立卡尔曼滤波模型求解流动站的运动状态改变量，进一步求解实时修正所得流动站的第三速度、第三位置和修正零偏。

所述实时修正模块包括基于基线解算单元、流动站运动状态改变量解算单元和实时修正单元。

所述基于基线解算单元，其用于将基准站位置固定，利用基准站在ECEF坐标系下的坐标，根据基线解算出的向量推算出基于基线解算所得流动站的第二速度和第二位置。

所述流动站运动状态改变量解算单元，其用于利用所述第一速度、第一位置、第二速度和第二位置建立流动站在ECEF坐标系下的系统模型方程和观测模型方程，并将所述第二速度置零，建立卡尔曼滤波模型求解流动站的运动状态改变量；其中所述运动状态改变量包括流动站的位置改变量、速度改变量和零偏改变量。

所述系统模型方程为：

其中，所述Δp为位置改变量，为位置改变量导数，Δv为速度改变量，为速度改变量导数，Δb为零偏改变量，为零偏改变量导数，n为系统模型白噪声，q为系统模型驱动白噪声，为连续马尔科夫过程状态系数,I为3阶单位矩阵，为主对角线上元素全部为的3阶对角矩阵。

所述观测模型方程为：

其中，所述p^a为第一位置，p^g为第二位置，v^a为第一速度，v^g为第二速度且为零，n_p为位置观测噪声，n_v为速度观测噪声。

所述实时修正单元，其用于利用所述流动站的运动状态改变量、第一速度、第一位置和预设零偏，根据如下第五公式求解实时修正所得流动站的第三速度、第三位置和修正零偏。

所述第五公式如下：

其中，所述p为第三位置，v为第三速度，b为修正零偏。

所述事后修正模块，其用于将所述第三速度、第三位置和修正零偏分别作为初始速度、初始位置和预设零偏，重复驱动基于加速度中间状态生成模块、基于加速度解算模块和实时修正模块依次工作，求解后续实时修正所得流动站的第三速度、第三位置和修正零偏，至全部实时修正完成；并以全部第三位置为基础采用固定区间最优平滑算法，求解事后修正所得流动站的第四位置。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于虚拟加速度的GNSS变形监测方法，其特征在于，包括如下步骤：

步骤1，虚拟流动站准静态条件的加速度，对加速度以第一采样间隔进行采样并存储；

步骤2，提取对流动站以第二采样间隔开始采样时流动站的速度和位置，并将所述速度和位置分别作为初始速度和初始位置；设置预设零偏；

步骤3，提取初始速度、初始位置、预设零偏及所述初始速度和初始位置相应的加速度，并对所述初始速度和初始位置相应的加速度进行零偏修正，计算单位第一采样间隔后流动站的末速度和末位置；

步骤4，将末速度和末位置分别作为初始速度和初始位置，重复执行步骤3，至第一采样间隔的累积时长与第二采样间隔相等时，提取此刻计算所得的末速度和末位置分别作为基于加速度解算所得流动站的第一速度和第一位置；

步骤5，利用所述第一速度、第一位置和预设零偏，结合基于基线解算所得流动站的第二速度和第二位置，并将所述第二速度修正到预定取值范围内，建立卡尔曼滤波模型求解流动站的运动状态改变量，进一步求解实时修正所得流动站的第三速度、第三位置和修正零偏；

步骤6，将所述第三速度、第三位置和修正零偏分别作为初始速度、初始位置和预设零偏，重复执行步骤3至5，求解后续实时修正所得流动站的第三速度、第三位置和修正零偏，至全部实时修正完成；并以全部第三位置为基础采用固定区间最优平滑算法，求解事后修正所得流动站的第四位置。

2.根据权利要求1所述一种基于虚拟加速度的GNSS变形监测方法，其特征在于，所述加速度的表达式为：

a＝n_mv+n_wt

其中，所述a为加速度，n_mv为有色噪声，n_wt为白噪声；

所述对加速度以第一采样间隔进行采样并存储的具体实施方式为：以第一采样间隔采样流动站在ECEF坐标系下x轴、y轴和z轴三个方向的加速度，并将同一时刻x轴、y轴和z轴三个方向的加速度列为一行，按采样先后顺序逐行以文本形式存储。

3.根据权利要求2所述一种基于虚拟加速度的GNSS变形监测方法，其特征在于，所述步骤2中预设零偏为0。

4.根据权利要求3所述一种基于虚拟加速度的GNSS变形监测方法，其特征在于，所述步骤3的具体实施方式包括如下步骤：

步骤A1，提取所述初始速度和初始位置对应时刻的第一加速度，及单位第一采样间隔后的第二加速度，对所述第一加速度根据如下第一公式进行零偏修正得修正第一加速度，对所述第二加速度根据如下第二公式进行零偏修正得修正第二加速度；

所述第一公式如下：

$a_t^a=a_t-b^a$

所述第二公式如下：

$a_{t+1}^a=a_{t+1}-b^a$

其中，所述为修正第一加速度，a_t为第一加速度，为修正第二加速度，a_t+1为第二加速度，b^a为预设零偏；

步骤A2，利用所述修正第一加速度和修正第二加速度，根据如下第三公式和第四公式分别计算单位第一采样间隔后流动站的末速度和末位置；

所述第三公式如下：

$v_{t+1}=v_t+\frac{(a_t^a+a_{t+1}^a)}{2}*\mathrm{\Δ}t$

所述第四公式如下：

$s_{t+1}=s_t+\{v_t+\frac{(a_t^a+a_{t+1}^a)}{2}*\mathrm{\Δ}t\}*\mathrm{\Δ}t$

其中，所述Δt为第一采样间隔，v_t为初始速度，v_t+1为末速度，s_t为初始位置，s_t+1为末位置。

5.根据权利要求4所述一种基于虚拟加速度的GNSS变形监测方法，其特征在于，所述步骤5的具体实施方式包括如下步骤：

步骤B1，将基准站位置固定，利用基准站在ECEF坐标系下的坐标，根据基线解算出的向量推算出基于基线解算所得流动站的第二速度和第二位置；

步骤B2，利用所述第一速度、第一位置、第二速度和第二位置建立流动站在ECEF坐标系下的系统模型方程和观测模型方程，并将所述第二速度置零，建立卡尔曼滤波模型求解流动站的运动状态改变量；其中所述运动状态改变量包括流动站的位置改变量、速度改变量和零偏改变量；

所述系统模型方程为：

$\left[\begin{array}{c}\mathrm{\Δ}\stackrel{\·}{p}\\ \mathrm{\Δ}\stackrel{\·}{v}\\ \mathrm{\Δ}\stackrel{\·}{b}\end{array}\right]=\left[\begin{array}{ccc}0& I& 0\\ 0& 0& I\\ 0& 0& diag(-\frac{1}{T})\end{array}\right]\left[\begin{array}{c}\mathrm{\Δ}p\\ \mathrm{\Δ}v\\ \mathrm{\Δ}b\end{array}\right]+\left[\begin{array}{cc}0& 0\\ I& 0\\ 0& I\end{array}\right]\left[\begin{array}{c}n\\ q\end{array}\right]$

其中，所述Δp为位置改变量，为位置改变量导数，Δv为速度改变量，为速度改变量导数，Δb为零偏改变量，为零偏改变量导数，n为系统模型白噪声，q为系统模型驱动白噪声，为连续马尔科夫过程状态系数,I为3阶单位矩阵，为主对角线上元素全部为的3阶对角矩阵；

所述观测模型方程为：

$\left[\begin{array}{c}{p}^a-p^g\\ v^a-v^g\end{array}\right]=\left[\begin{array}{ccc}I& 0& 0\\ 0& I& 0\end{array}\right]\left[\begin{array}{c}\mathrm{\Δ}p\\ \mathrm{\Δ}v\\ \mathrm{\Δ}b\end{array}\right]+\left[\begin{array}{c}{n}_p\\ n_v\end{array}\right]$

其中，所述p^a为第一位置，p^g为第二位置，v^a为第一速度，v^g为第二速度且为零，n_p为位置观测噪声，n_v为速度观测噪声；

步骤B3，利用所述流动站的运动状态改变量、第一速度、第一位置和预设零偏，根据如下第五公式求解实时修正所得流动站的第三速度、第三位置和修正零偏；

所述第五公式如下：

$\left[\begin{array}{c}p\\ v\\ b\end{array}\right]=\left[\begin{array}{c}{p}^a\\ v^a\\ b^a\end{array}\right]-\left[\begin{array}{c}\mathrm{\Δ}p\\ \mathrm{\Δ}v\\ \mathrm{\Δ}b\end{array}\right]$

其中，所述p为第三位置，v为第三速度，b为修正零偏。

6.一种基于虚拟加速度的GNSS变形监测系统，其特征在于，包括加速度生成模块、初始状态提取模块、基于加速度中间状态生成模块、基于加速度解算模块、实时修正模块和事后修正模块；

所述加速度生成模块，其用于虚拟流动站准静态条件的加速度，对加速度以第一采样间隔进行采样并存储；

所述初始状态提取模块，其用于提取对流动站以第二采样间隔开始采样时流动站的速度和位置，并将所述速度和位置分别作为初始速度和初始位置；设置预设零偏；

所述基于加速度中间状态生成模块，其用于提取初始速度、初始位置、预设零偏及所述初始速度和初始位置相应的加速度，并对所述初始速度和初始位置相应的加速度进行零偏修正，计算单位第一采样间隔后流动站的末速度和末位置；

所述基于加速度解算模块，其用于将末速度和末位置分别作为初始速度和初始位置，重复驱动基于加速度中间状态生成模块工作，至第一采样间隔的累积时长与第二采样间隔相等时，提取此刻计算所得的末速度和末位置分别作为基于加速度解算所得流动站的第一速度和第一位置；

所述实时修正模块，其用于利用所述第一速度、第一位置和预设零偏，结合基于基线解算所得流动站的第二速度和第二位置，并将所述第二速度修正到预定取值范围内，建立卡尔曼滤波模型求解流动站的运动状态改变量，进一步求解实时修正所得流动站的第三速度、第三位置和修正零偏；

所述事后修正模块，其用于将所述第三速度、第三位置和修正零偏分别作为初始速度、初始位置和预设零偏，重复驱动基于加速度中间状态生成模块、基于加速度解算模块和实时修正模块依次工作，求解后续实时修正所得流动站的第三速度、第三位置和修正零偏，至全部实时修正完成；并以全部第三位置为基础采用固定区间最优平滑算法，求解事后修正所得流动站的第四位置。

7.根据权利要求6所述一种基于虚拟加速度的GNSS变形监测系统，其特征在于，所述加速度生成模块包括加速度计算单元和加速度采样并存储单元；

所述加速度计算单元，其用于虚拟流动站准静态条件的加速度，所述加速度的表达式为：

a＝n_mv+n_wt

其中，所述a为加速度，n_mv为有色噪声，n_wt为白噪声；

所述加速度采样并存储单元，其用于以第一采样间隔采样流动站在ECEF坐标系下x轴、y轴和z轴三个方向的加速度，并将同一时刻x轴、y轴和z轴三个方向的加速度列为一行，按采样先后顺序逐行以文本形式存储。

8.根据权利要求7所述一种基于虚拟加速度的GNSS变形监测系统，其特征在于，所述初始状态提取模块包括初始速度和初始位置提取单元及预设零偏置零单元；

所述初始速度和初始位置提取单元，其用于提取对流动站以第二采样间隔开始采样时流动站的速度和位置，并将所述速度和位置分别作为初始速度和初始位置；

所述预设零偏置零单元，其用于将首次实时修正中预设零偏置零。

9.根据权利要求8所述一种基于虚拟加速度的GNSS变形监测系统，其特征在于，所述基于加速度中间状态生成模块包括加速度修正单元和中间状态计算单元；

所述加速度修正单元，其用于提取所述初始速度和初始位置对应时刻的第一加速度，及单位第一采样间隔后的第二加速度，对所述第一加速度根据如下第一公式进行零偏修正得修正第一加速度，对所述第二加速度根据如下第二公式进行零偏修正得修正第二加速度；

所述第一公式如下：

$a_t^a=a_t-b^a$

所述第二公式如下：

$a_{t+1}^a=a_{t+1}-b^a$

其中，所述为修正第一加速度，a_t为第一加速度，为修正第二加速度，a_t+1为第二加速度，b^a为预设零偏；

所述中间状态计算单元，其用于利用所述修正第一加速度和修正第二加速度，根据如下第三公式和第四公式分别计算单位第一采样间隔后流动站的末速度和末位置；

所述第三公式如下：

$v_{t+1}=v_t+\frac{(a_t^a+a_{t+1}^a)}{2}*\mathrm{\Δ}t$

所述第四公式如下：

$s_{t+1}=s_t+\{v_t+\frac{(a_t^a+a_{t+1}^a)}{2}*\mathrm{\Δ}t\}*\mathrm{\Δ}t$

其中，所述Δt为第一采样间隔，v_t为初始速度，v_t+1为末速度，s_t为初始位置，s_t+1为末位置。

10.根据权利要求9所述一种基于虚拟加速度的GNSS变形监测系统，其特征在于，所述实时修正模块包括基于基线解算单元、流动站运动状态改变量解算单元和实时修正单元；

所述基于基线解算单元，其用于将基准站位置固定，利用基准站在ECEF坐标系下的坐标，根据基线解算出的向量推算出基于基线解算所得流动站的第二速度和第二位置；

所述流动站运动状态改变量解算单元，其用于利用所述第一速度、第一位置、第二速度和第二位置建立流动站在ECEF坐标系下的系统模型方程和观测模型方程，并将所述第二速度置零，建立卡尔曼滤波模型求解流动站的运动状态改变量；其中所述运动状态改变量包括流动站的位置改变量、速度改变量和零偏改变量；

所述系统模型方程为：

$\left[\begin{array}{c}\mathrm{\Δ}\stackrel{\·}{p}\\ \mathrm{\Δ}\stackrel{\·}{v}\\ \mathrm{\Δ}\stackrel{\·}{b}\end{array}\right]=\left[\begin{array}{ccc}0& I& 0\\ 0& 0& I\\ 0& 0& diag(-\frac{1}{T})\end{array}\right]\left[\begin{array}{c}\mathrm{\Δ}p\\ \mathrm{\Δ}v\\ \mathrm{\Δ}b\end{array}\right]+\left[\begin{array}{cc}0& 0\\ I& 0\\ 0& I\end{array}\right]\left[\begin{array}{c}n\\ q\end{array}\right]$

其中，所述Δp为位置改变量，为位置改变量导数，Δv为速度改变量，为速度改变量导数，Δb为零偏改变量，为零偏改变量导数，n为系统模型白噪声，q为系统模型驱动白噪声，为连续马尔科夫过程状态系数,I为3阶单位矩阵，为主对角线上元素全部为的3阶对角矩阵；

所述观测模型方程为：

$\left[\begin{array}{c}{p}^a-p^g\\ v^a-v^g\end{array}\right]=\left[\begin{array}{ccc}I& 0& 0\\ 0& I& 0\end{array}\right]\left[\begin{array}{c}\mathrm{\Δ}p\\ \mathrm{\Δ}v\\ \mathrm{\Δ}b\end{array}\right]+\left[\begin{array}{c}{n}_p\\ n_v\end{array}\right]$

其中，所述p^a为第一位置，p^g为第二位置，v^a为第一速度，v^g为第二速度且为零，n_p为位置观测噪声，n_v为速度观测噪声；

所述实时修正单元，其用于利用所述流动站的运动状态改变量、第一速度、第一位置和预设零偏，根据如下第五公式求解实时修正所得流动站的第三速度、第三位置和修正零偏；

所述第五公式如下：

$\left[\begin{array}{c}p\\ v\\ b\end{array}\right]=\left[\begin{array}{c}{p}^a\\ v^a\\ b^a\end{array}\right]-\left[\begin{array}{c}\mathrm{\Δ}p\\ \mathrm{\Δ}v\\ \mathrm{\Δ}b\end{array}\right]$

其中，所述p为第三位置，v为第三速度，b为修正零偏。