CN104965207A - 一种区域对流层天顶延迟的获取方法 - Google Patents

Abstract

本发明涉及一种区域对流层天顶延迟的获取方法，包括以下步骤：1)在测试区域内进行网格划分，并设定各个网格的大小及衰减因子；2)实时获取测试区域内各参考站的天顶总延迟值，并根据GPT函数获取干湿延迟的延迟值，计算得到各参考站天顶延迟改正量；3)根据所有参考站天顶延迟改正量采用带有衰减因子的反距离加权内插算法，计算每个格网点的天顶延迟改正量；4)反距离加权内插计算得到用户站的延迟改正量，获取用户站对流层天顶延迟值；5)对用户站对流层天顶延迟值进行精度验证，若不符合要求，则返回步骤1)，若符合要求，则记录该用户站对流层天顶延迟值。与现有技术相比，本发明具有考虑充分、简便易操作、便于播发、精度高等优点。

Description

一种区域对流层天顶延迟的获取方法

技术领域

本发明涉及卫星导航领域，尤其是涉及一种区域对流层天顶延迟的获取方法。

背景技术

自从美国的GPS(Global Position System)完全建成以来，导航卫星系统(GNSS，Global Navigation Satellite System)以其全天候、全球性、实时性和高精度的特点，发展迅速，得到了广泛应用。尤其近几年，全球几大卫星导航系统发展尤为迅速：GPS系统进行了现代化升级，增加了新的民用新号L2C；俄罗斯GLONASS补充了新的星座，重新开始了满星座服务；欧洲的Galileo(伽利略定位系统)卫星新发射了卫星；此外，我国的北斗卫星导航系统(BeiDou NavigationSatellite System，BDS)也得到了快速发展，目前已经能够满足亚太区域的高精度导航定位服务，正在向着为全球用户提供服务迈进。

卫星导航系统的基本原理是电磁波测距，而电磁波在经过大气时速度与传播路径会发生变化，成为大气延迟。大气延迟主要包括电离层延迟与对流层延迟，其中电离层延迟一阶项可以通过双频组合消除，高阶项对定位影响较小；对流层延迟没有类似的便捷方法处理。对流层天顶延迟约～2m，对是GNSS定位中的主要误差源之一。因此，建立区域对流层延迟改正模型，提高对流层延迟计算的精度，对提升GNSS导航定位整体水平有着十分重要的意义，在GNSS定位中有着广泛的应用前景。本专利基于格网函数，建立了高精度的区域对流层延迟改正模型，以期为提升GNSS服务水平做出积极贡献。

常用的对流层延迟改正方法主要有三种，分别是(1)利用经验模型预报对流层天顶延迟值，以及利用实测气象数据计算天顶延迟。传统经验模型有Saastamoinen模型、Hopfield模型、Black模型，近年来的发展的模型包括EGNOS、UBN3、ESA、GPT、GPT2、GPT2w等由气象数据计算的模型，以及IGGtrop、SHAO、GZTD等直接拟合模型。经验模型的优点是计算简单，使用方便，缺点是精度低，尤其是湿延迟计算精度差，中误差通常为3～5cm。(2)参数估计法，即将对流层天顶延迟作为未知参数，与测站坐标、接收机钟差一起解算。参数估计法能够显著提高对流层天顶延迟的解算精度，但是增加了待求参数个数，导致整体解精度降低，模糊度收敛时间延长。(3)外部修正法，是指通过外部手段获取测站天顶延迟，包括通过水汽辐射计、激光雷达等计算延迟量，或者通过参考站解算的天顶延迟量差值获取用户站延迟量。水汽辐射计等设备笨重，价格昂贵，不便于使用，而区域参考站网络内插法在实际使用中能够显著提高对流层改正的精度。

卫星导航系统的电磁波信号经过大气对流层时，会产生一定的延迟，称对流层延迟。对流层延迟误差是卫星导航系统的主要误差之一，对定位精度有着直接的影响。对流层延迟可以通过经验模型改正，或作为未知参数解算，也可以由区域观测网参考站解算的对流层天顶延迟播发给用户使用。现有的区域对流层天顶延迟内插方法，包括反距离加权内插法、H1QM3系列内插法、四参数曲面拟合、多面函数拟合法、球冠谐函数拟合法，以及格网函数区域建模。上述算法中，格网函数建模方法简单，适用范围广。格网函数建模时，格网点对流层天顶延迟量的生成通常采用普通克里格插值法，但是由于对流层天顶延迟的区域特性，普通克里格差值法并不总是适用的。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种考虑充分、简便易操作、便于播发、精度高的区域对流层天顶延迟的获取方法。

本发明的目的可以通过以下技术方案来实现：

一种区域对流层天顶延迟的获取方法，包括以下步骤：

1)在测试区域内进行网格划分，并设定各个网格的大小及衰减因子；

2)实时获取测试区域内各参考站的天顶总延迟值，并根据GPT函数获取干湿延迟的延迟值，计算得到各参考站天顶延迟改正量；

3)根据所有参考站天顶延迟改正量采用带有衰减因子的反距离加权内插算法，计算每个格网点的天顶延迟改正量；

4)在测试区域网格内的用户站根据其所在格网的四个格网点延迟改正量，反距离加权内插计算得到用户站的延迟改正量，并与GPT函数计算的用户站干湿延迟值相加，获取用户站对流层天顶延迟值；

5)对用户站对流层天顶延迟值进行精度验证，若不符合要求，则返回步骤1)，若符合要求，则记录该用户站对流层天顶延迟值。

所述的步骤2)具体包括以下步骤：

21)参考站通过实时测量获取天顶总延迟值ZTD；

22)根据Saastamoinen模型的GPT函数获取干湿延迟的延迟值ZTD^s，计算公式为：

${\mathrm{ZTD}}^s=Z_h^s+Z_w^s$

$e=RH\×6.11\×{10}^{\frac{7.5t}{5+237.3}}$

其中，为天顶干延迟分量模型值，为天顶湿延迟分量模型值，p为气压，t为温度，e为水汽压，RH为相对湿度，为纬度，h为高程；

23)将天顶总延迟值ZTD与干湿延迟的延迟值ZTD^s相减得到参考站天顶延迟改正量ZTD^C：

ZTD^C＝ZTD-ZTD^S。

所述的步骤3)具体包括以下步骤：

31)根据带有衰减因子的反距离加权内插算法计算格网点对流层天顶延迟改正量：

$D_{{\mathrm{GD}}_j}=\frac{\underset{i=1}{\overset{n}{\Σ}}{P_{i}D}_i}{\underset{i=1}{\overset{n}{\Σ}}{P}_i}$

$P_i=K^{T_i}{d}_i$

其中，为格网点j的对流层天顶延迟改正量，D_i为参考站i的天顶延迟改正量，P_i为参考站i的权值，为参考站所在网格的衰减因子，d_i为参考站i到网格点的几何距离，T_i为参考站i与格网点GD之间的格网个数，n为参考站的数量；

32)根据步骤31)分别计算区域内所有格网点的对流层天顶延迟改正量。

所述的步骤4)具体包括以下步骤：

41)根据用户站所在网格的四个格网点的对流层天顶延迟改正量，采用反距离加权内插计算得到用户站的延迟改正量

${\mathrm{ZTD}}_U^C=\frac{\underset{j=1}{\overset{4}{\Σ}}{D}_{{\mathrm{GD}}_j}{P}_{{\mathrm{GD}}_j}}{\underset{j=1}{\overset{4}{\Σ}}{P}_{{\mathrm{GD}}_j}}$

$P_{{\mathrm{GD}}_j}=\frac{1}{dist(i,{\mathrm{GD}}_j)}$

其中，为权值，dist(i,GD_j)为用户站到格网点的几何距离，为格网点j的对流层天顶延迟改正量；

42)根据Saastamoinen模型的GPT函数计算用户站的干湿延迟模型值

43)对用户站的延迟改正量与用户站的干湿延迟模型值求和得到用户站对流层天顶延迟值ZTD_U：

${\mathrm{ZTD}}_U={\mathrm{ZTD}}_U^S+{\mathrm{ZTD}}_U^C.$

所述的步骤1)中的衰减因子和网格的大小的确定方法为：

根据上述步骤，在需要建模的区域内，分别采用不同的格网大小和衰减因子，进行区域格网的建模，然后对模型的精度进行验证，通过比较不同格网大小和衰减因子的模型精度RMS，选择RMS值最小时对应的格网大小和衰减因子作为确定的网格划分参数，模型的精度RMS的计算式为：

$RMS=\sqrt{\underset{i=1}{\overset{N}{\Σ}}\left({\mathrm{ZTD}}_i-{\mathrm{ZTD}}_i^T\right)/N}$

式中，ZTD_i为由格网计算得到的参考站i的对流层天顶延迟值，为参考站i的对流层天顶延迟真值，N为参考站的个数。

与现有技术相比，本发明具有以下优点：

一、考虑充分：本发明在格网点的计算中，在各个不同的网格点设置了不同的衰减因子，采用了带有衰减因子的反距离加权内插算法，充分考虑了不同测区参考站分布的影响。

二、简便易操作：与四参数拟合、多面函数拟合、球冠谐函数拟合等相比，算法没有复杂繁琐的计算公式，区域参考网与用户站均易于实施。

三、便于播发：与播发简单的测站延迟量相比，采用格网函数的通用性更好。

四、精度高：与传统区域拟合函数相比，该算法精度提升显著，格网函数为3时，能够取得最好的拟合精度，其大于1cm的误差仅有20％，远低于其他模型，大于3cm和5cm的误差比例也很小。

附图说明

图1为区域格网模型示意图。

图2为内插算法网格示意图。

图3为实施例中的实验数据所用测站分布图。

图4为对流层区域拟合函数测试策略流程图。

图5为各建模方法的建模精度比较图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。

实施例：

对流层天顶延迟模型值的计算基于GPT函数的气象参数，采用Saastamoinen模型，干湿延迟计算见式(1)：

${\mathrm{ZTD}}^s=Z_h^s+Z_w^s$

$e=RH\×6.11\×{10}^{\frac{7.5t}{5+237.3}}$

式中，其中，为天顶干延迟分量模型值，为天顶湿延迟分量模型值，p为气压，t为温度，e为水汽压，RH为相对湿度，为纬度，h为高程，GPT模型提供任意经纬度、高度地区的气温与气压，相对湿度可以采用经验参数60％；

区域格网建模时，首先要由参考站计算格网点的延迟量。格网点延迟量的计算方法有反距离加权、普通克里格内插等算法，后者数学意义更优，但是计算复杂。反距离加权要考虑格网点周围的测站分布，本发明提出了的带有衰减因子的反距离加权算法，充分考虑不同区域网络的测站分布，适用性良好，格网点GD_i延迟量D_GDi的计算采用式(2)：

$D_{{\mathrm{GD}}_j}=\frac{\underset{i=1}{\overset{n}{\Σ}}{P_{i}D}_i}{\underset{i=1}{\overset{n}{\Σ}}{P}_i}$

$P_i=K^{T_i}{d}_i---\left(2\right)$

其中，为参考站i所在网格的格网点j的对流层天顶延迟改正量，D_i为参考站i的天顶延迟改正量，P_i为参考站i的权值，由参考站i到格网点的距离计算，为参考站所在网格的衰减因子，K的选取与区域网基准站的分布以及格网大小有关，T_i为参考站i与格网点GD之间的格网个数，d_i为参考站i到网格点的几何距离；

用户站采用反距离加权内插测站延迟量，如图1和2所示，i点延迟量计算如下：

${\mathrm{ZTD}}_U^C=\frac{\underset{j=1}{\overset{4}{\Σ}}{D}_{{\mathrm{GD}}_j}{P}_{{\mathrm{GD}}_j}}{\underset{j=1}{\overset{4}{\Σ}}{P}_{{\mathrm{GD}}_j}}$

$P_{{\mathrm{GD}}_j}=\frac{1}{dist(i,{\mathrm{GD}}_j)}$

其中，为权值，取该点到i点的距离倒数，dist(i,GD_j)为用户站到格网点的几何距离。

本发明在实施时，需要进行以下几步：

(1)首先，区域参考网通过数据实验，确定区域网最适宜的格网大小以及衰减因子；

(2)其次，参考站实时解算天顶总延迟，根据GPT模型计算干、湿延迟的模型值，相减得到天顶延迟改正数；

(3)采用带有衰减因子反距离加权内插，计算区域内格网点的对流层天顶延迟改正数，按照一定的数据格式播发改正数；

(4)用户站接收到改正数后，根据其所在格网四个格网点的延迟改正数，反距离加权内插计算用户站的改正数，与用户站GPT模型计算的延迟量相加，获取天顶延迟值。

为验证本发明算法的有效性，选取了(100°E～110°E，25°N～35°N)区域内的49个测站2013年001-031天的实测对流层数据，各测站分布见图3，该区域范围较大，各测站高程分布均匀，从500m到3500m均有测站。

采用上述数据，对新算法的精度进行了统计分析。同时，还对H1QM3、H1QM4、H1QX1、H1QX2、H2QM3、H3QM3、H3QX1模型的精度也进行了计算对比。在格网函数中，衰减因子分别取1、2、3、5、10、15、20，分别简称Grid_K1、Grid_K2、…，Grid_K20，在经纬方向取1°×1°。每个历元，首先排除一个用户站，由其余测站计算拟合函数的参数以及格网函数格网点的对流层天顶延迟量改正数，然后由公式或内插得用户站的延迟改正数，计算其误差，流程如图4所示。

不同模型的RMS均值与最大值统计如图5所示，可以看出，H1QM3、H2QM3、H3QM3精度差别很小，RMS均值为～11cm，与K＝1时的格网函数Grid_K1精度相当；H1QM4、H1QX1、H1QX2、H3QX1精度为13～15mm；K≥3时，格网函数Grid_K3、Grid_K5等精度优于其他模型，其RMS的均值为<8mm，最大值<18mm，均小于其他模型。因此，衰减因子K＝3时格网函数Grid_K3精度最优；K>3时，精度没有明显变化，但是K值不能取过大，否则用户站受其距离最近的测站影响太大，当该测站数据出现粗差时，用户站容易出错。

此外，还统计了各模型的误差在不同区间的分布状况，如表1所示，由表可知，格网函数在K＝3时，能够取得最好的拟合精度，其大于1cm的误差仅有20％，远低于其他模型。大于3cm、5cm的误差比例也很小。

表1 各模型在不同区间的误差分布(％)

通过以上分析可知，本专利提出的区域对流层插值算法能够取得良好的精度，优于其他模型，且对高差较大的区域有良好的适用性。

Claims (5)

1.一种区域对流层天顶延迟的获取方法，其特征在于，包括以下步骤：

1)在测试区域内进行网格划分，并设定各个网格的大小及衰减因子；

2)实时获取测试区域内各参考站的天顶总延迟值，并根据GPT函数获取干湿延迟的延迟值，计算得到各参考站天顶延迟改正量；

3)根据所有参考站天顶延迟改正量采用带有衰减因子的反距离加权内插算法，计算每个格网点的天顶延迟改正量；

4)在测试区域网格内的用户站根据其所在格网的四个格网点延迟改正量，反距离加权内插计算得到用户站的延迟改正量，并与GPT函数计算的用户站干湿延迟值相加，获取用户站对流层天顶延迟值；

5)对用户站对流层天顶延迟值进行精度验证，若不符合要求，则返回步骤1)，若符合要求，则记录该用户站对流层天顶延迟值。

2.根据权利要求1所述的一种区域对流层天顶延迟的获取方法，其特征在于，所述的步骤2)具体包括以下步骤：

21)参考站通过实时测量获取天顶总延迟值ZTD；

22)根据Saastamoinen模型的GPT函数获取干湿延迟的延迟值ZTDs，计算公式为：

${\mathrm{ZTD}}^s=Z_h^s+Z_w^s$

$e=\mathrm{RH}\&times;6.11\&times;{10}^{\frac{7.5t}{5+237.3}}$

其中，为天顶干延迟分量模型值，为天顶湿延迟分量模型值，p为气压，t为温度，e为水汽压，RH为相对湿度，为纬度，h为高程；

23)将天顶总延迟值ZTD与干湿延迟的延迟值ZTD^s相减得到参考站天顶延迟改正量ZTD^C：

ZTD^C＝ZTD-ZTD^S。

3.根据权利要求1所述的一种区域对流层天顶延迟的获取方法，其特征在于，所述的步骤3)具体包括以下步骤：

31)根据带有衰减因子的反距离加权内插算法计算格网点对流层天顶延迟改正量：

$D_{{\mathrm{GD}}_j}=\frac{\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{P}_i{D}_i}{\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{P}_i}$

$P_i=K^{T_i}{d}_i$

其中，为格网点j的对流层天顶延迟改正量，D_i为参考站i的天顶延迟改正量，P_i为参考站i的权值，为参考站所在网格的衰减因子，d_i为参考站i到网格点的几何距离，T_i为参考站i与格网点GD之间的格网个数，n为参考站的数量；

32)根据步骤31)分别计算区域内所有格网点的对流层天顶延迟改正量。

4.根据权利要求1所述的一种区域对流层天顶延迟的获取方法，其特征在于，所述的步骤4)具体包括以下步骤：

41)根据用户站所在网格的四个格网点的对流层天顶延迟改正量，采用反距离加权内插计算得到用户站的延迟改正量

${\mathrm{ZTD}}_U^C=\frac{\underset{j=1}{\overset{4}{\mathrm{\&Sigma;}}}{D}_{{\mathrm{GD}}_j}{P}_{{\mathrm{GD}}_j}}{\underset{j=1}{\overset{4}{\mathrm{\&Sigma;}}}{P}_{{\mathrm{GD}}_j}}$

$P_{{\mathrm{GD}}_j}=\frac{1}{\mathrm{dist}(i,{\mathrm{GD}}_j)}$

其中，为权值，dist(i,GD_j)为用户站到格网点的几何距离，为格网点j的对流层天顶延迟改正量；

42)根据Saastamoinen模型的GPT函数计算用户站的干湿延迟模型值

43)对用户站的延迟改正量与用户站的干湿延迟模型值求和得到用户站对流层天顶延迟值ZTD_U：

${\mathrm{ZTD}}_U={\mathrm{ZTD}}_U^S+{\mathrm{ZTD}}_U^C.$

5.根据权利要求1所述的一种区域对流层天顶延迟的获取方法，其特征在于，所述的步骤1)中的衰减因子和网格的大小的确定方法为：

根据上述步骤，在需要建模的区域内，分别采用不同的格网大小和衰减因子，进行区域格网的建模，然后对模型的精度进行验证，通过比较不同格网大小和衰减因子的模型精度RMS，选择RMS值最小时对应的格网大小和衰减因子作为确定的网格划分参数，模型的精度RMS的计算式为：

$\mathrm{RMS}=\sqrt{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}({\mathrm{ZTD}}_i-{\mathrm{ZTD}}_i^T)/N}$

式中，ZTD_i为由格网计算得到的参考站i的对流层天顶延迟值，为参考站i的对流层天顶延迟真值，N为参考站的个数。