CN109459762B - 基于gnss和slr周解的地心运动解算方法及装置 - Google Patents

基于gnss和slr周解的地心运动解算方法及装置 Download PDF

Info

Publication number
CN109459762B
CN109459762B CN201811383730.9A CN201811383730A CN109459762B CN 109459762 B CN109459762 B CN 109459762B CN 201811383730 A CN201811383730 A CN 201811383730A CN 109459762 B CN109459762 B CN 109459762B
Authority
CN
China
Prior art keywords
geocentric
motion
slr
gnss
time sequence
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.)
Expired - Fee Related
Application number
CN201811383730.9A
Other languages
English (en)
Other versions
CN109459762A (zh
Inventor
马天明
赵春梅
何正斌
乔灵娜
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.)
Chinese Academy of Surveying and Mapping
Original Assignee
Chinese Academy of Surveying and Mapping
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 Chinese Academy of Surveying and Mapping filed Critical Chinese Academy of Surveying and Mapping
Priority to CN201811383730.9A priority Critical patent/CN109459762B/zh
Publication of CN109459762A publication Critical patent/CN109459762A/zh
Application granted granted Critical
Publication of CN109459762B publication Critical patent/CN109459762B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

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

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明实施例提供一种基于GNSS和SLR周解的地心运动解算方法及装置，所述方法包括：组合利用GNSS测站和SLR测站的周解坐标，以所述GNSS测站和SLR测站在国际地球参考框架下的位置坐标为参考，采用七参数转换求解未知参数法解算地心运动，获得地心运动的初始解算结果；基于所述地心运动的初始解算结果，采用方差分量估计法对所述GNSS测站和SLR测站进行定权，并根据定权结果重新对地心运动进行解算，获得地心运动时间序列；基于奇异谱分析法提取所述地心运动时间序列的周年项和趋势项。本发明实施例通过综合处理GNSS周解和SLR周解，解算精度高，可为毫米级国际地球参考框架的建立和地球物理学的研究提供依据。

Description

基于GNSS和SLR周解的地心运动解算方法及装置
技术领域
本发明实施例涉及大地测量技术领域，更具体地，涉及基于GNSS和SLR周解的地心运动解算方法及装置。
背景技术
地球参考框架是表达地球空间信息及描述地球形状的基础，根据国际地球自转与参考系服务公布的技术规范，国际地球参考框架的原点是包括固体地球的质量、海洋和大气在内的整个地球的质量中心(CM)。而国际地球参考框架的原点仅在长时间尺度上表现为整个地球的质量中心，在短时间尺度上，国际地球参考框架的原点更接近于固体地球表面的形状中心。地球系统的质量重新分布导致国际地球参考框架的原点相对于地球质量中心存在运动，称之为地心运动。地心运动与地球参考框架原点的实现直接相关，并且已经成为实现毫米级精度的地球参考框架的主要误差源。
由于IGS(International GPS Service)站在全球分布广泛、坐标时间序列也相对较长且精度越来越高，国内外许多学者利用GPS数据研究地心运动，根据GPS跟踪网的站点位移推导出的年地心解算结果。但是GPS本身存在相位中心偏差、对地心灵敏度不高、观测量不是直接相对于卫星的绝对距离量、自带噪声特征等问题，导致基于GPS数据监测地心运动误差较大且不太稳定。实现国际地球参考框架的空间技术中，SLR(Satellite LaserRanging，卫星激光测距)技术是基于卫星观测、根据卫星动力学轨道实现地球参考系，由于卫星轨道对地球引力场变化十分敏感，具有较高的精度，但是SLR测站存在数量少，坐标时间序列短等问题。
因此，为了解决现有技术存在的地心运动解算误差较大、不稳定的问题，亟需提供一种能够精确解算地心运动的方法。
发明内容
本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的基于GNSS和SLR周解的地心运动解算方法及装置。
第一方面，本发明实施例提供一种基于GNSS和SLR周解的地心运动解算方法，包括:
组合利用GNSS测站和SLR测站的周解坐标，以所述GNSS测站和SLR测站在国际地球参考框架下的位置坐标为参考，采用七参数转换求解未知参数法解算地心运动，获得地心运动的初始解算结果；
基于所述地心运动的初始解算结果，采用方差分量估计法对所述GNSS测站和SLR测站进行定权，并根据定权结果重新对地心运动进行解算，获得地心运动时间序列；
采用奇异谱分析法提取所述地心运动时间序列的周年项和趋势项。
第二方面，本发明实施例提供一种基于GNSS和SLR周解的地心运动解算装置，包括：
初始解算模块，用于组合利用GNSS测站和SLR测站的周解坐标，以所述GNSS测站和SLR测站在国际地球参考框架下的位置坐标为参考，采用七参数转换求解未知参数法解算地心运动，获得地心运动的初始解算结果；
定权模块，用于基于所述地心运动的初始解算结果，采用方差分量估计法对所述GNSS测站和SLR测站进行定权，并根据定权结果重新对地心运动进行解算，获得地心运动时间序列；
周年项提取模块，用于采用奇异谱分析法提取所述地心运动时间序列的周年项和趋势项。
第三方面，本发明实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所提供的基于GNSS和SLR周解的地心运动解算方法的步骤。
第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所提供的基于GNSS和SLR周解的地心运动解算方法的步骤。
本发明实施例提供的基于GNSS和SLR周解的地心运动解算方法及装置，通过综合处理GNSS周解和SLR周解，探求GNSS和SLR两种空间测量技术间的系统偏差，构建合理的地心运动求定权值，解算地心运动时间序列，采用奇异谱分析法提取地心运动的周年项，探求地心运动规律，解算精度高，可为毫米级国际地球参考框架的建立和地球物理学的研究提供依据。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的基于GNSS和SLR周解的地心运动解算方法的流程示意图；
图2为本发明实施例提供的一种基于GNSS和SLR周解的地心运动解算装置的结构示意图；
图3为本发明实施例提供的电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
地心运动的精确求定对于构建精细的误差改正模型、实现站点位置的精确表达以及构建毫米级地球参考框架具有重要的理论价值和实际意义。为了克服现有技术存在的地心运动解算结果精度不高、误差大、不稳定的问提，本发明实施例提供基于GNSS和SLR周解的地心运动解算方法和装置。
图1为本发明实施例提供的基于GNSS和SLR周解的地心运动解算方法的流程示意图，如图所示，该方法包括：
步骤10、组合利用GNSS测站和SLR测站的周解坐标，以所述GNSS测站和SLR测站在国际地球参考框架下的位置坐标为参考，采用七参数转换求解未知参数法解算地心运动，获得地心运动的初始解算结果。
具体地，全球卫星导航系统进入多系统联合定位时代，GNSS(Global NavigationSatellite System，全球卫星导航系统)技术和SLR(Satellite Laser Ranging，卫星激光测距)技术是全球存在的并置观测站最多的两种技术，这两种技术也是确定地球参考框架的重要技术。
其中，GNSS系统测站分布最为广泛且密集，但是观测精度低，SLR系统观测精度高，但是测站少，因此，本发明实施例组合利用GNSS测站的周解坐标和SLR测站的周解坐标来对地心运动进行解算，既克服了单纯使用GNSS测站数据定位精度不够高的缺陷，也克服了SLR测站可使用数据较少的缺陷，在保证了测站数据充足的同时也可以保证测站数据具有较高的精度。
周解坐标是指利用测站连续一周的观测值计算获得的测站的位置坐标，GNSS系统和SLR系统实现的地球参考系原点为地球的质量中心。在一个实施例中，GNSS测站周解坐标和SLR测站周解坐标均可以从IGS官网下载获得。
所述GNSS测站和SLR测站在国际地球参考框架(International terrestrialreference frame，ITRF)下的位置坐标可以在ITRF官网直接获得，在一个实施例中，以ITRF2014为基准。
七参数转换求解未知参数法用于空间直角坐标系的转换，具有较高的精度。将地心运动导致的各测站的位置坐标变化用两个空间直角坐标系间的转换来进行表示，由于两个直角坐标系的原点不一样，相应的坐标轴相互不平行，坐标轴直接除了发生x,y,z轴的平移变化外，还发生了x,y,z轴的旋转变化，又考虑到两个坐标系之间的尺度可能不一致，还需设置一个尺度参数，因此，总共有七个参数。其中，x,y,z轴的平移变化即所要求解的地心运动。
步骤20、基于所述地心运动的初始解算结果，采用方差分量估计法对所述GNSS测站和SLR测站进行定权，并根据定权结果重新对地心运动进行解算，获得地心运动时间序列。
具体地，采用方差分量估计法对所述GNSS测站和SLR测站进行定权是指采用Helmert方差分量估计法确定GNSS测站的周解数据和SLR测站的周解数据在计算地心运动中的权值比，这样确定出的权值比能够抵御单个系统数据粗差的影响，是较合理的，可显著提高地心运动的解算精度。
采用方差分量估计法对所述GNSS测站和SLR测站进行定权，并根据所获得的权值比，组合利用GNSS测站和SLR测站的周解坐标，以GNSS测站和SLR测站在国际地球参考框架下的位置坐标为参考，采用七参数转换求解位置参数法重新对地心运动进行解算，获得地心运动时间序列。
值得说明的是，在步骤10组合利用GNSS测站和SLR测站的周解坐标，GNSS测站周解与SLR测站周解的初始权值比为1:1。
值得说明的是，每一周GNSS测站和SLR测站的坐标都是变化，利用每一周的周解坐标和在国际地球参考框架下的参考坐标可以得到一个地心运动结果，由于一年有52周，因此，解算某一年的地心运动，需要的周解坐标是52周的周解坐标，求解52次就可以得到一年的地心运动解算结果，形成地心运动时间序列。
在解算地心运动过程中，需要将周解的时刻换算到参考坐标的时刻。
步骤30、基于奇异谱分析法提取所述地心运动时间序列的周年项和趋势项。
具体地，对解算得到的多个年度的地心运动时间序列采用傅里叶变换进行频谱分析，发现地心运动在X，Y和Z三个方向均存在周年变化和不同程度的长期变化趋势。因此，基于奇异谱分析法(Singular Spectrum Analysis，SSA)，并利用噪声与信号的赫斯特(Hurst)指数有显著的差异这一特性提取所述地心运动时间序列的周年项和趋势项。获取了地心运动时间序列的周年项和趋势项，即获知了地心运动的规律，可以为毫米级国际地球参考框架的建立和地球物理学的研究提供支持。
本发明实施例提供的基于GNSS和SLR周解的地心运动解算方法，通过综合处理GNSS周解和SLR周解，探求GNSS和SLR两种空间测量技术间的系统偏差，构建合理的地心运动求定权值，解算地心运动时间序列，采用奇异谱分析法提取地心运动的周年项，探求地心运动规律，解算精度高，可为毫米级国际地球参考框架的建立和地球物理学的研究提供依据。
基于上述实施例的内容，所述采用奇异谱分析法提取所述地心运动解算结果的周年项和趋势项的步骤之后，还包括：
利用所述地心运动时间序列的周年项训练三层BP神经网络，获得地心运动预测模型；
基于所述地心运动预测模型对地心运动的周年项进行预测，获得地心运动的周年项预测结果；
若判断所述地心运动时间序列的周年项与所述地心运动的周年项预测结果之间的误差小于预设阈值，则获知所述地心运动预测模型是有效的。
具体地，利用前面步骤中提取出的地心运动时间序列的周年项训练三层BP神经网络，选择三层BP神经网络是因为三层BP神经网络能够完成任意n维到m维的映射。
在一个实施例中，训练的过程是采用第N年之前共M年的地心运动时间序列的周年项作为三层BP神经网络的输入，以第N年的地心运动时间序列的周年项作为输出，对三层BP神经网络进行训练，直至达到预设的迭代次数或预设的误差精度要求，使该三层BP神经网络具有预测地心运动周年项的能力，将训练完成的三层BP神经网络作为地心运动预测模型。值得说明的是，本发明实施例对N和M的取值均不作限制。
例如，可以利用2007-2015年共9年的地心运动周年项对BP神经网络进行训练，将2016年的地心运动周年项作为输出，通过多次训练确定BP神经网络中的权值和阈值等参数，然后利用训练好的参数去预测2017年的地心运动周年项，最后对预测残差的RMS(均方差)值进行统计，X，Y和Z三个方向分别达到0.61mm，0.71mm和0.89mm，证明采用BP神经网络训练完成，且训练完成获得的地心运动预测模型，对地心运动周年项的预测精度可以达到1mm以内。
利用预先训练完成的BP神经网络模型对地心运动的周年项进行预测，获得地心运动的周年项预测结果。
利用获得的地心运动预测模型对地心运动的周年项进行预测，可以直接获得地心运动的周年项预测结果，再与采用本发明前述步骤10-步骤30获得的同一年的地心运动时间序列的周年项进行比较，若两者之间的误差小于预设阈值，则可以确定所述训练完成的BP神经网络能够有效预测地心运动的周年项。
本发明实施例通过对三层BP神经网络进行训练，获得了地心运动预测模型，在实际应用时可以利用该地心运动预测模型对地心运动的周年项进行预测，可用于对地面观测站的定位结果进行修正，使地面观测站的定位结果更加准确。
基于上述各实施例的内容，所述组合利用GNSS测站和SLR测站的周解坐标，以所述GNSS测站和SLR测站在国际地球参考框架下的位置坐标为参考，采用七参数转换求解未知参数法解算地心运动，获得地心运动的初始解算结果的步骤，具体为：
确定七参数基本公式，将所述七参数基本公式转换为误差方程；
利用最小二乘法求解所述述误差方程，获得地心运动的解算公式；
组合利用GNSS测站和SLR测站的周解坐标以及所述GNSS测站和SLR测站在国际地球参考框架下的位置坐标，根据所述地心运动的解算公式，获得地心运动的初始解算结果。
具体地，七参数基本公式为：
Figure BDA0001872487340000081
其中，X(t)为测站在t时刻的位置向量，即为GNSS和SLR的周解坐标，
Figure BDA0001872487340000082
为测站在国际地球参考框架下的位置向量，Tx(t),Ty(t),Tz(t)为平移参数，即为要解算的地心运动，Rx(t)，Ry(t),Rz(t)为旋转参数，Δ(t)为尺度因子。
将所述七参数基本公式(1)转换成误差方程形式，如下：
V＝Bx-L (2)
其中，
Figure BDA0001872487340000083
Figure BDA0001872487340000084
由上述公式可知，只要获知了测站的周解坐标和在国际地球参考框架下的坐标，即可以获得B,L。
对式(2)进行最小二乘解算，获得地心运动的解算公式：
x＝(BTPB)-1(BTPL) (3)
对于GNSS系统和SLR系统误差方程分别为：
VG＝BGx-LG (4)
VS＝BSx-LS (5)
组合利用GNSS测站和SLR测站的周解坐标以及所述GNSS测站和SLR测站在国际地球参考框架下的位置坐标时，有：
Figure BDA0001872487340000091
其中，在初始解算地心运动时，GNSS测站周解与SLR测站周解的初始权值比为1:1，即P为单位对角矩阵；
其中，
Figure BDA0001872487340000092
n为GNSS测站的数量，m为SLR测站的数量，
Figure BDA0001872487340000093
将上述B,L,P的实际取值代入公式(3)，可以得到地心运动的初始解算结果。
基于上述各实施例的内容，所述基于所述地心运动的初始解算结果，采用方差分量估计法对所述GNSS测站和SLR测站进行定权的步骤，具体为：
基于所述地心运动的初始解算结果和误差方程，分别计算GNSS测站的周解误差和SLR测站的周解误差；
计算GNSS测站周解和SLR测站周解的Helmert方差分量估计公式中的S矩阵；
根据所述S矩阵、GNSS测站的周解误差和SLR测站的周解误差，计算SLR测站周解的权值。
具体地，获得了地心运动的初始解算结果x后，根据公式(4)和公式(5)可以分别求得GNSS测站的周解误差VG和SLR测站的周解误差VS。
计算S矩阵：
Figure BDA0001872487340000101
其中，ng为GNSS系统的测站数量，ns为SLR系统的测站数量，tr表示求矩阵的迹；
其中，
Figure BDA0001872487340000102
在一个实施例中，测站数量通过IGS官网下载的周解数据中包含多少测站进行确定，每周的测站数量有可能不同，一般情况下GNSS系统测站数量为300-500个，SLR测站数量为30-50个。
然后，计算sigma矩阵：
Figure BDA0001872487340000103
计算sigma2矩阵：
Figure BDA0001872487340000104
重新计算PS：
PS＝sigma2[0]/sigma2[1] (11)
当sigma[0]-sigma[1]＞0.01时，重复上述步骤，直至sigma[0]-sigma[1]≤0.01为止。
公式(8)-(10)中，初始计算时PG，PS均为单位对角矩阵，从第二次计算开始，PG不变，PS为上一次计算结束得到的值，即根据公式(11)得到的值。
通过上述方差分量估计确定SLR测站周解的权值PS以后，再利用公式(3)重新进行平差计算得到地心运动的解算结果。
基于上述各实施例的内容，所述采用奇异谱分析法提取所述地心运动时间序列的周年项和趋势项的步骤，具体为：
确定嵌入维数和重构阶次，根据所述嵌入维数和所述地心运动时间序列构造轨迹矩阵；
利用所述轨迹矩阵获得一个新的矩阵，对所述新的矩阵进行奇异值分解，将分解得到的奇异值进行降序排列，获得所述地心运动时间序列的奇异谱；
基于所述地心运动时间序列的奇异谱和重构阶次，采用矩阵对角平均的方法重构所述地心运动时间序列，将重构获得的一维地心运动时间序列作为地心运动的周年项。
具体地，奇异谱分析法最重要的步骤是确定嵌入维数和重构阶次，首先根据嵌入维数和前述步骤得到的地心运动时间序列构造轨迹矩阵。例如，由于计算出来的地心运动是一维时间序列，可以设为x1,x2,x3,…xN，假设嵌入维数确定为L，则轨迹矩阵如下：
Figure BDA0001872487340000111
式中，S＝N-L+1，对于奇异谱分析法，若嵌入维数L太大，则会导致奇异值分解得到不同的部分产生混叠，若嵌入维数太小，则无法使信号从弱到强渐进划分，从而使部分信号无法获取，因此，嵌入维数的选择对于SSA是十分重要的。而重构阶次P表示前P个分量是信号，若P太小，则后面的信号都被当成噪声剔除，若P太大，则会使部分噪声被当成信号被提取出来。
因此，本发明实施例对传统的嵌入维数的选择方法进行了改进，所述确定嵌入维数和重构阶次的步骤具体为：
进行内循环，先给定嵌入维数L，利用Hurst指数确定重构阶次：令重构阶次P初始值为1，计算重构后的时间序列的Hurst指数H，若H>0.5，则重构阶次P的值加一，重新计算重构后的时间序列的Hurst指数H，直到第P个阶次得到的重构时间序列的Hurst指数H≤0.5时，重构阶次P＝P-1，并计算此时重构时间序列与原始时间序列之间的差值序列的标准差，计算所述重构时间序列与原始时间序列之间的线性相关系数，并计算所述差值序列的标准差与线性相关系数间的乘积；
进行外循环，对不同的嵌入维数L进行所述内循环的过程；
根据所述内循环和外循环，确定所述差值序列的标准差与线性相关系数间的乘积的最大值，与所述最大值对应的L和P则为最终求得的嵌入维数和重构阶次。
然后，利用所述轨迹矩阵可以得到一个新的矩阵XXT，对所述新的矩阵进行奇异值分解，将分解得到的奇异值进行降序排列，获得所述地心运动时间序列的奇异谱。
最后，基于所述地心运动时间序列的奇异谱和重构阶次，采用矩阵对角平均的方法重构所述地心运动时间序列，将重构获得的一维地心运动时间序列作为地心运动的周年项。
本发明实施例提供的奇异谱分析法能够更有效的提取地心运动的周年项。
如图2所示，为本发明实施例提供的基于GNSS和SLR周解的地心运动解算装置的结构示意图，包括：初始解算模块210、定权模块220和周年项提取模块230，其中，
初始解算模块210，用于组合利用GNSS测站和SLR测站的周解坐标，以所述GNSS测站和SLR测站在国际地球参考框架下的位置坐标为参考，采用七参数转换求解未知参数法解算地心运动，获得地心运动的初始解算结果。
具体地，GNSS系统测站分布最为广泛且密集，但是观测精度低，SLR系统观测精度高，但是测站少，因此，初始解算模块210组合利用GNSS测站的周解坐标和SLR测站的周解坐标来对地心运动进行解算，既克服了单纯使用GNSS测站数据定位精度不够高的缺陷，也克服了SLR测站可使用数据较少的缺陷，在保证了测站数据充足的同时也可以保证测站数据具有较高的精度。
周解坐标是指利用测站连续一周的观测值计算获得的测站的位置坐标，GNSS系统和SLR系统实现的地球参考系原点为地球的质量中心。
七参数转换求解未知参数法用于空间直角坐标系的转换，具有较高的精度。将地心运动导致的各测站的位置坐标变化用两个空间直角坐标系间的转换来进行表示，由于两个直角坐标系的原点不一样，相应的坐标轴相互不平行，坐标轴直接除了发生x，y,z轴的平移变化外，还发生了x,y,z轴的旋转变化，又考虑到两个坐标系之间的尺度可能不一致，还需设置一个尺度参数，因此，总共有七个参数。其中，x,y,z轴的平移变化即所要求解的地心运动。
定权模块220，用于基于所述地心运动的初始解算结果，采用方差分量估计法对所述GNSS测站和SLR测站进行定权，并根据定权结果重新对地心运动进行解算，获得地心运动时间序列。
具体地，采用方差分量估计法对所述GNSS测站和SLR测站进行定权是指采用Helmert方差分量估计法确定GNSS测站的周解数据和SLR测站的周解数据在计算地心运动中的权值比，这样确定出的权值比能够抵御单个系统数据粗差的影响，是较合理的，可显著提高地心运动的解算精度。
定权模块220采用方差分量估计法对所述GNSS测站和SLR测站进行定权，并根据所获得的权值比，组合利用GNSS测站和SLR测站的周解坐标，以GNSS测站和SLR测站在国际地球参考框架下的位置坐标为参考，采用七参数转换求解位置参数法重新对地心运动进行解算，获得地心运动时间序列。
值得说明的是，GNSS测站周解与SLR测站周解的初始权值比为1:1。每一周GNSS测站和SLR测站的坐标都是变化，利用每一周的周解坐标和在国际地球参考框架下的参考坐标可以得到一个地心运动结果，由于一年有52周，因此，解算某一年的地心运动，需要的周解坐标是52周的周解坐标，求解52次就可以得到一年的地心运动解算结果，形成地心运动时间序列。在解算地心运动过程中，需要将周解的时刻换算到参考坐标的时刻。
周年项提取模块230，用于采用奇异谱分析法提取所述地心运动时间序列的周年项和趋势项。
具体地，周年项提取模块对解算得到的多个年度的地心运动时间序列采用傅里叶变换进行频谱分析，发现地心运动在X，Y和Z三个方向均存在周年变化和不同程度的长期变化趋势。因此，周年项提取模块230基于奇异谱分析法(Singular Spectrum Analysis，SSA)，并利用噪声与信号的赫斯特(Hurst)指数有显著的差异这一特性提取所述地心运动时间序列的周年项和趋势项。获取了地心运动时间序列的周年项和趋势项，即获知了地心运动的规律，可以为毫米级国际地球参考框架的建立和地球物理学的研究提供支持。
本发明实施例提供的基于GNSS和SLR周解的地心运动解算装置，通过综合处理GNSS周解和SLR周解，探求GNSS和SLR两种空间测量技术间的系统偏差，构建合理的地心运动求定权值，解算地心运动时间序列，采用奇异谱分析法提取地心运动的周年项，探求地心运动规律，解算精度高，可为毫米级国际地球参考框架的建立和地球物理学的研究提供依据。
基于上述实施例的内容，所述基于GNSS和SLR周解的地心运动解算装置还包括：
神经网络训练模块，用于利用所述地心运动时间序列的周年项训练三层BP神经网络，获得地心运动预测模型；
预测模块，用于利用所述地心运动预测模型对地心运动的周年项进行预测，获得地心运动的周年项预测结果；
验证模块，用于若判断所述地心运动时间序列的周年项与所述地心运动的周年项预测结果之间的误差小于预设阈值，则获知所述地心运动预测模型是有效的。
具体地，选择三层BP神经网络是因为三层BP神经网络能够完成任意n维到m维的映射。
在一个实施例中，训练的过程是采用第N年之前共M年的地心运动时间序列的周年项作为三层BP神经网络的输入，以第N年的地心运动时间序列的周年项作为输出，对三层BP神经网络进行训练，直至达到预设的迭代次数或预设的误差精度要求，使该三层BP神经网络具有预测地心运动周年项的能力，将训练完成的三层BP神经网络作为地心运动预测模型。值得说明的是，本发明实施例对N和M的取值均不作限制。
预测模块利用预先训练完成的BP神经网络模型对地心运动的周年项进行预测，获得地心运动的周年项预测结果。
验证模块用于若判断所述地心运动时间序列的周年项与所述地心运动的周年项预测结果之间的误差小于预设阈值，则确定所述训练完成的三层BP神经网络能够有效预测地心运动周年项。
本发明实施例所提供的基于GNSS和SLR周解的地心运动解算装置装置，通过对三层BP神经网络进行训练，获得了地心运动预测模型，在实际应用时可以利用该地心运动预测模型对地心运动的周年项进行预测，可用于对地面观测站的定位结果进行修正，使地面观测站的定位结果更加准确。
图3为本发明实施例提供的电子设备的实体结构示意图，如图3所示，该电子设备可以包括：处理器(processor)310、通信接口(Communications Interface)320、存储器(memory)330和通信总线340，其中，处理器310，通信接口320，存储器330通过通信总线340完成相互间的通信。处理器310可以调用存储在存储器330上并可在处理器310上运行的计算机程序，以执行上述各实施例提供的基于GNSS和SLR周解的地心运动解算方法，例如包括：组合利用GNSS测站和SLR测站的周解坐标，以所述GNSS测站和SLR测站在国际地球参考框架下的位置坐标为参考，采用七参数转换求解未知参数法解算地心运动，获得地心运动的初始解算结果；基于所述地心运动的初始解算结果，采用方差分量估计法对所述GNSS测站和SLR测站进行定权，并根据定权结果重新对地心运动进行解算，获得地心运动时间序列；采用奇异谱分析法提取所述地心运动时间序列的周年项和趋势项。
此外，上述的存储器330中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的基于GNSS和SLR周解的地心运动解算方法，例如包括：组合利用GNSS测站和SLR测站的周解坐标，以所述GNSS测站和SLR测站在国际地球参考框架下的位置坐标为参考，采用七参数转换求解未知参数法解算地心运动，获得地心运动的初始解算结果；基于所述地心运动的初始解算结果，采用方差分量估计法对所述GNSS测站和SLR测站进行定权，并根据定权结果重新对地心运动进行解算，获得地心运动时间序列；采用奇异谱分析法提取所述地心运动时间序列的周年项和趋势项。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种基于GNSS和SLR周解的地心运动解算方法，其特征在于，包括：
组合利用GNSS测站和SLR测站的周解坐标，以所述GNSS测站和SLR测站在国际地球参考框架下的位置坐标为参考，采用七参数转换求解未知参数法解算地心运动，获得地心运动的初始解算结果；
基于所述地心运动的初始解算结果，采用方差分量估计法对所述GNSS测站和SLR测站进行定权，并根据定权结果重新对地心运动进行解算，获得地心运动时间序列；
基于奇异谱分析法提取所述地心运动时间序列的周年项和趋势项；
其中，所述采用奇异谱分析法提取所述地心运动解算结果的周年项和趋势项的步骤之后，还包括：
利用所述地心运动时间序列的周年项训练三层BP神经网络，获得地心运动预测模型；
基于所述地心运动预测模型对地心运动的周年项进行预测，获得地心运动的周年项预测结果；
若判断所述地心运动时间序列的周年项与所述地心运动的周年项预测结果之间的误差小于预设阈值，则获知所述地心运动预测模型是有效的。
2.根据权利要求1所述的方法，其特征在于，所述组合利用GNSS测站和SLR测站的周解坐标，以所述GNSS测站和SLR测站在国际地球参考框架下的位置坐标为参考，采用七参数转换求解未知参数法解算地心运动，获得地心运动的初始解算结果的步骤，具体为：
确定七参数基本公式，将所述七参数基本公式转换为误差方程；
利用最小二乘法求解所述误差方程，获得地心运动的解算公式；
组合利用GNSS测站和SLR测站的周解坐标以及所述GNSS测站和SLR测站在国际地球参考框架下的位置坐标，根据所述地心运动的解算公式，获得地心运动的初始解算结果。
3.根据权利要求2所述的方法，其特征在于，所述基于所述地心运动的初始解算结果，采用方差分量估计法对所述GNSS测站和SLR测站进行定权的步骤，具体为：
基于所述地心运动的初始解算结果和误差方程，分别计算GNSS测站的周解误差和SLR测站的周解误差；
计算GNSS测站周解和SLR测站周解的Helmert方差分量估计公式中的S矩阵；
根据所述S矩阵、GNSS测站的周解误差和SLR测站的周解误差，计算SLR测站周解的权值。
4.根据权利要求1所述的方法，其特征在于，所述基于奇异谱分析法提取所述地心运动时间序列的周年项和趋势项的步骤，具体为：
确定嵌入维数和重构阶次，根据所述嵌入维数和所述地心运动时间序列构造轨迹矩阵；
利用所述轨迹矩阵获得一个新的矩阵，对所述新的矩阵进行奇异值分解，将分解得到的奇异值进行降序排列，获得所述地心运动时间序列的奇异谱；
基于所述地心运动时间序列的奇异谱和重构阶次，采用矩阵对角平均的方法重构所述地心运动时间序列，将重构获得的一维地心运动时间序列作为地心运动的周年项。
5.根据权利要求4所述的方法，其特征在于，所述确定嵌入维数和重构阶次的步骤具体为：
进行内循环，先给定嵌入维数L，利用Hurst指数确定重构阶次：令重构阶次P初始值为1，计算重构后的时间序列的Hurst指数H，若H>0.5，则重构阶次P的值加一，重新计算重构后的时间序列的Hurst指数H，直到第P个阶次得到的重构时间序列的Hurst指数H≤0.5时，重构阶次P＝P-1，并计算此时重构时间序列与原始时间序列之间的差值序列的标准差，计算所述重构时间序列与原始时间序列之间的线性相关系数，并计算所述差值序列的标准差与线性相关系数间的乘积；
进行外循环，对不同的嵌入维数L进行所述内循环的过程；
根据所述内循环和外循环，确定所述差值序列的标准差与线性相关系数间的乘积的最大值，与所述最大值对应的L和P则为最终求得的嵌入维数和重构阶次。
6.一种基于GNSS和SLR周解的地心运动解算装置，其特征在于，包括：
初始解算模块，用于组合利用GNSS测站和SLR测站的周解坐标，以所述GNSS测站和SLR测站在国际地球参考框架下的位置坐标为参考，采用七参数转换求解未知参数法解算地心运动，获得地心运动的初始解算结果；
定权模块，用于基于所述地心运动的初始解算结果，采用方差分量估计法对所述GNSS测站和SLR测站进行定权，并根据定权结果重新对地心运动进行解算，获得地心运动时间序列；
周年项提取模块，用于基于奇异谱分析法提取所述地心运动时间序列的周年项和趋势项；
其中，还包括：
神经网络训练模块，用于利用所述地心运动时间序列的周年项训练三层BP神经网络，获得地心运动预测模型；
预测模块，用于利用所述地心运动预测模型对地心运动的周年项进行预测，获得地心运动的周年项预测结果；
验证模块，用于若判断所述地心运动时间序列的周年项与所述地心运动的周年项预测结果之间的误差小于预设阈值，则获知所述地心运动预测模型是有效的。
7.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述处理器通信连接的至少一个存储器，其中：
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至5任一所述的方法。
8.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1至5任一所述的方法。
CN201811383730.9A 2018-11-20 2018-11-20 基于gnss和slr周解的地心运动解算方法及装置 Expired - Fee Related CN109459762B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811383730.9A CN109459762B (zh) 2018-11-20 2018-11-20 基于gnss和slr周解的地心运动解算方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811383730.9A CN109459762B (zh) 2018-11-20 2018-11-20 基于gnss和slr周解的地心运动解算方法及装置

Publications (2)

Publication Number Publication Date
CN109459762A CN109459762A (zh) 2019-03-12
CN109459762B true CN109459762B (zh) 2020-12-15

Family

ID=65611052

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811383730.9A Expired - Fee Related CN109459762B (zh) 2018-11-20 2018-11-20 基于gnss和slr周解的地心运动解算方法及装置

Country Status (1)

Country Link
CN (1) CN109459762B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112629492A (zh) * 2020-12-18 2021-04-09 湖北理工学院 一种利用gnss数据确定地心运动的方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101581778A (zh) * 2009-06-26 2009-11-18 长安大学 利用陀螺全站仪求取隐蔽点itrf框架坐标的方法
EP2400267A1 (fr) * 2010-06-25 2011-12-28 Thales Filtre de navigation pour système de navigation par corrélation de terrain.
US20120203455A1 (en) * 2010-05-05 2012-08-09 Thales Method of definition of a navigation system
US20130076966A1 (en) * 2011-09-22 2013-03-28 John Norvold Border Digital imaging system with refocusable imaging mode
CN104535992A (zh) * 2014-12-16 2015-04-22 中国测绘科学研究院 人造卫星激光测距系统
CN105138010A (zh) * 2015-08-31 2015-12-09 哈尔滨工业大学 一种编队卫星分布式有限时间跟踪控制方法
CN106772446A (zh) * 2016-12-12 2017-05-31 武汉大学 高阶项电离层延迟对gps坐标时间序列影响的量化方法
CN107480105A (zh) * 2017-08-04 2017-12-15 中国测绘科学研究院 构建地心坐标系框架站点运动模型的方法及装置
CN108761507A (zh) * 2018-05-21 2018-11-06 中国人民解放军战略支援部队信息工程大学 基于短弧定轨和预报的导航卫星轨道快速恢复方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB1444614A (en) * 1972-09-07 1976-08-04 Kurpanek W H Permanently implantable artificial heart
US5073450A (en) * 1990-12-17 1991-12-17 Ford Motor Company Laminated glazing unit
CN102252673B (zh) * 2011-06-03 2012-10-24 哈尔滨工业大学 一种星敏感器在轨光行差的修正方法
CN103033822B (zh) * 2011-09-30 2014-09-24 迈实电子(上海)有限公司 移动信息确定装置、方法以及接收机
CN102650703B (zh) * 2012-04-27 2014-03-26 中国测绘科学研究院 Cgcs2000板块模型cpm-cgcs2000构建方法
CN102736118B (zh) * 2012-06-18 2016-05-04 航天东方红卫星有限公司 一种用于全球重力场测量的综合型卫星系统
CN103399326B (zh) * 2013-08-20 2015-04-15 武汉大学 一种gnss动态测量精度检验系统及方法
CN103902817B (zh) * 2014-03-14 2017-03-01 中国测绘科学研究院 Cgcs2000框架站点非线性运动模型的构建方法
CN108061908B (zh) * 2017-12-11 2020-01-17 山东科技大学 基于低轨卫星星载gnss技术的slr台站三维坐标几何解算方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101581778A (zh) * 2009-06-26 2009-11-18 长安大学 利用陀螺全站仪求取隐蔽点itrf框架坐标的方法
US20120203455A1 (en) * 2010-05-05 2012-08-09 Thales Method of definition of a navigation system
EP2400267A1 (fr) * 2010-06-25 2011-12-28 Thales Filtre de navigation pour système de navigation par corrélation de terrain.
US20130076966A1 (en) * 2011-09-22 2013-03-28 John Norvold Border Digital imaging system with refocusable imaging mode
CN104535992A (zh) * 2014-12-16 2015-04-22 中国测绘科学研究院 人造卫星激光测距系统
CN105138010A (zh) * 2015-08-31 2015-12-09 哈尔滨工业大学 一种编队卫星分布式有限时间跟踪控制方法
CN106772446A (zh) * 2016-12-12 2017-05-31 武汉大学 高阶项电离层延迟对gps坐标时间序列影响的量化方法
CN107480105A (zh) * 2017-08-04 2017-12-15 中国测绘科学研究院 构建地心坐标系框架站点运动模型的方法及装置
CN108761507A (zh) * 2018-05-21 2018-11-06 中国人民解放军战略支援部队信息工程大学 基于短弧定轨和预报的导航卫星轨道快速恢复方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Krzysztof So＇snica 等.Impact of loading displacements on SLR-derived parameters and on the consistency between GNSS and SLR results.《Springer-Verlag Berlin Heidelberg 2013》.2013,第751-769页. *
The Estimation and Prediction of Geocenter Motion Based on GNSS/SLR Weekly Solutions;Zhao, Chunmei等;《42nd COSPAR Scientific Assembly》;20180722;第1页 *
利用SLR进行地心运动方法研究;李欣 等;《新世纪观测技术发展及防震减灾青年学术研讨会论文集》;20070501;第43-45页 *

Also Published As

Publication number Publication date
CN109459762A (zh) 2019-03-12

Similar Documents

Publication Publication Date Title
Hu et al. Three-dimensional surface displacements from InSAR and GPS measurements with variance component estimation
Xu et al. A refined strategy for removing composite errors of SAR interferogram
Chen et al. Voxel-optimized regional water vapor tomography and comparison with radiosonde and numerical weather model
CN110568459B (zh) 基于igs和cors站的区域电离层tec实时监测方法
CN110069868B (zh) Gnss测站非线性运动建模方法与装置
Rohm The precision of humidity in GNSS tomography
Dean et al. Recent sea level trends and accelerations: comparison of tide gauge and satellite results
Shao et al. What the exercise of the SPICE source inversion validation BlindTest 1 did not tell you
Das et al. Polynomial interpolation methods in development of local geoid model
CN112797886B (zh) 面向缠绕相位的InSAR时序三维形变监测方法
Chen et al. ARU-net: Reduction of atmospheric phase screen in SAR interferometry using attention-based deep residual U-net
CN109459762B (zh) 基于gnss和slr周解的地心运动解算方法及装置
CN114253962A (zh) 一种考虑非线性因素的区域格网速度场构建方法及系统
CN115856958A (zh) 一种leo卫星实时钟差估计方法、设备及介质
Zhang et al. Reduction of atmospheric effects on InSAR observations through incorporation of GACOS and PCA into small baseline subset InSAR
Lu et al. TropNet: a deep spatiotemporal neural network for tropospheric delay modeling and forecasting
CN109886910B (zh) 外部数字高程模型dem修正方法及装置
Ma et al. A new spatiotemporal InSAR tropospheric noise filtering: An interseismic case study over Central San Andreas fault
CN116148855A (zh) 时序InSAR大气相位去除和形变解算的方法及系统
CN113064444B (zh) 无人机下一飞行位置的预测方法、装置、设备和存储介质
Kutiev et al. Real time 3-D electron density reconstruction over Europe by using TaD profiler
Ebauer Development of a software package for determination of geodynamic parameters from combined processing of SLR data from LAGEOS and LEO
Marchenko et al. Regional quasigeoid solutions for the Ukraine area
Wijaya et al. pyGABEUR-ITB: A free software for adjustment of relative gravimeter data
Dai et al. Regional spatio-temporal zenith tropospheric delay modelling using independent component 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
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20201215

Termination date: 20211120