CN110515996A - 一种多信道对流层延迟解算数据整合可视化处理方法 - Google Patents

一种多信道对流层延迟解算数据整合可视化处理方法 Download PDF

Info

Publication number
CN110515996A
CN110515996A CN201910779677.2A CN201910779677A CN110515996A CN 110515996 A CN110515996 A CN 110515996A CN 201910779677 A CN201910779677 A CN 201910779677A CN 110515996 A CN110515996 A CN 110515996A
Authority
CN
China
Prior art keywords
matrix
time
data
multichannel
column
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.)
Granted
Application number
CN201910779677.2A
Other languages
English (en)
Other versions
CN110515996B (zh
Inventor
李春意
丁来中
张红利
赵亮
张捍卫
郭敏
李铭
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.)
Henan University of Technology
Original Assignee
Henan University of Technology
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 Henan University of Technology filed Critical Henan University of Technology
Priority to CN201910779677.2A priority Critical patent/CN110515996B/zh
Publication of CN110515996A publication Critical patent/CN110515996A/zh
Application granted granted Critical
Publication of CN110515996B publication Critical patent/CN110515996B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2228—Indexing structures
    • G06F16/2237—Vectors, bitmaps or matrices
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/248—Presentation of query results
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G06F16/258—Data format conversion from or to a database
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Abstract

本发明公开了一种多信道对流层延迟解算数据整合可视化处理方法，包括：转换多信道对流层解算结果数据组合方式，时分秒数据转化为常规时间格式，相同时间行自动计数，返回序列不变时间矩阵，自动匹配时间列对延迟量列做切片化，对切片求取平均值，获得平均值一维矩阵，生成点线图等部分；本发明操作简单，计算准确率高，且针对性强。一方面，提高了多信道对流层延迟数据的处理效率，节省处理时间；另一方面，大大的减少了处理过程中人机交互次数，避免人为误差，大大提高了准确性。

Description

一种多信道对流层延迟解算数据整合可视化处理方法
技术领域
本发明涉及数据处理技术领域，特别是一种多信道对流层延迟解算数据整合可视化处理方法。
背景技术
使用GAMIT软件解算后的对流层延迟数据一天24h高达三万多行，且同一时刻内有多个信道对流层解算结果以及不同时刻出现不同信道解算结果数量不同的多个变量问题，目前市面上没有这一类针对性的数据处理方法，如果使用Excel表格进行处理，对不同时段不同行数的对流层延迟数据求取某一时段的多信道对流层延迟数据的平均值，需要人工对三万多行数据进行筛捡；而且处理三万多行数据时大量的人机交互，会造成Excel软件卡机，且处理过程步骤繁琐，稍有不慎，就会出现错误。
发明内容
为了克服上述不足，本发明的目的是要提供一种多信道对流层延迟解算数据整合可视化处理方法，一方面为了提高多信道对流层延迟数据的处理效率，另一方面是为了实现一键化操作，减少处理过程中人机交互次数，避免人工误差，提高准确性，最终为分析对流层延迟规律提供便捷的工具，为提高影响GNSS导航精度的误差分析提供便利的数据可视化，也为提高GNSS精度提供基础性数据处理方面的快速研究。
为达到上述目的，本发明是按照以下技术方案实施的：
一种多信道对流层延迟解算数据整合可视化处理方法，包括以下步骤：S1，按列读取使用GAMIT软件解算后的对流层结算数据，以csv格式进行储存；S2，读取储存的数据中的时列、分列、秒列，并将其合并成常规时分秒的时间格式；S3，将S2中时间格式的数据转换成时间一维矩阵N，相同时间数据进行分类计数；S4，读取延迟量列并转换为一维矩阵，调用时间一维矩阵N、切片延迟量矩阵前N1个数据，对切片N1求平均值，将平均值，存入新矩阵；S5，循环调用计数矩阵,切片延迟量矩阵，求取平均值，最终得到延迟量平均值矩阵；S6，将时间一维矩阵，，去除时间矩阵重复时间数据，形成单一时间矩阵；S7，将单一时间矩阵赋值变量X,平均值矩阵赋值变量Y,绘制点线图并最终保存图像数据，调用csv库，运用csv.write方法将单一时间矩阵和平均值矩阵写入新的csv格式文件进行储存；
具体的，步骤S2中，读取储存数据中的时列、分列、秒列的方法为调用scipy、numpy、matplotlib库，使用numpy.loadtxt；
具体的，步骤S4中，调用numpy.mean方法，对切片N1求平均值；
具体的，步骤S6中，调用sort.set方法，去除时间矩阵重复时间数据；
具体的，步骤S7中，调用matplotlib.plot(X,Y)绘制点线图并最终保存图像数据。
与现有技术相比，本发明的多信道对流层延迟解算数据整合可视化处理方法，操作简单，计算准确率高，且针对性强；一方面，提高了多信道对流层延迟数据的处理效率，节省处理时间；另一方面，实行一键化操作，大大的减少了处理过程中人机交互次数，避免人为误差，大大提高了准确性。比Excel处理多信道对流层延迟数据时，速度更快，效率要高，精度更好，更智能化。
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简单地介绍，显而易见地，下面描述中的附图仅仅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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的流程图；
图2为本发明实施例的试验图。
具体实施方式
下面结合附图以及具体实施例对本发明作进一步描述，在此发明的示意性实施例以及说明用来解释本发明，但并不作为对本发明的限定。
如图1所示的一种多信道对流层延迟解算数据整合可视化处理方法，包括以下步骤：S1，按列读取使用GAMIT软件解算后的对流层结算数据，以csv格式进行储存；S2，调用scipy、numpy、matplotlib库，使用numpy.loadtxt方法读取储存的数据中的时列、分列、秒列，并将其合并成常规时分秒的时间格式；S3，将S2中时间格式的数据转换成时间一维矩阵N，相同时间数据进行分类计数；S4，读取延迟量列并转换为一维矩阵，调用时间一维矩阵N、切片延迟量矩阵前N1个数据，调用numpy.mean方法，对切片N1求平均值，将平均值，存入新矩阵；S5，循环调用计数矩阵，切片延迟量矩阵，求取平均值，最终得到延迟量平均值矩阵；首先将多信道延迟量数据定义为一维矩阵；
式中，DT代表多信道延迟量矩阵转置；代表0时刻多信道延迟矩阵切片；代表除去步长为t0个元素的剩余多信道延迟量矩阵；
式中，代表0时刻多信道对流层延迟量平均值；t0代表对流层延迟信道数；
由上述计算式可最终生成所有时刻等权平均值延迟量一维矩阵：
式中，ZTD代表多信道对流层延迟量平均值矩阵。
S6，将时间一维矩阵，调用sort.set方法，去除时间矩阵重复时间数据，形成单一时间矩阵；S7，将单一时间矩阵赋值变量X,平均值矩阵赋值变量Y,调用matplotlib.plot(X,Y)绘制点线图并最终保存图像数据，调用csv库，运用csv.write方法将单一时间矩阵和平均值矩阵写入新的csv格式文件进行储存。
选取2017年8月19日，即年积日为231日一天的数据进行解算分析。
将解算后的含有对流层延迟解算量的数据文件通过数据路径导入到本发明中，指定每列数据的位置。一般选取时分秒三列为数据读取的1、2、3列，总延迟量作为第4列进行读取；设定好图形标题与坐标轴名称，若时间较多可在标题中加入年积日进行区分，其次设定好图形绘制的线宽、点大小以及线条颜色。最后，依次点击计数、求平均值、绘制即可得到解算结果当日内的数据变化情况图；图2展示的即为一天内(2017年年积日为231)解算数据最终的可视化结果。
本发明的技术方案不限于上述具体实施例的限制，凡是根据本发明的技术方案做出的技术变形，均落入本发明的保护范围之内。

Claims (5)

1.一种多信道对流层延迟解算数据整合可视化处理方法，其特征在于，包括以下步骤：
S1，按列读取使用GAMIT软件解算后的对流层结算数据，以csv格式进行储存；
S2，读取储存的数据中的时列、分列、秒列，并将其合并成常规时分秒的时间格式；
S3，将S2中时间格式的数据转换成时间一维矩阵N，相同时间数据进行分类计数；
S4，读取延迟量列并转换为一维矩阵，调用时间一维矩阵N、切片延迟量矩阵前N1个数据，对切片N1求平均值，将平均值，存入新矩阵；
S5，循环调用计数矩阵,切片延迟量矩阵，求取平均值，最终得到延迟量平均值矩阵；
S6，将时间一维矩阵，去除时间矩阵重复时间数据，形成单一时间矩阵；
S7，将单一时间矩阵赋值变量X,平均值矩阵赋值变量Y,绘制点线图并最终保存图像数据，调用csv库，运用csv.write方法将单一时间矩阵和平均值矩阵写入新的csv格式文件进行储存。
2.根据权利要求1所述的多信道对流层延迟解算数据整合可视化处理方法，其特征在于，步骤S2中，读取储存数据中的时列、分列、秒列的方法为调用scipy、numpy、matplotlib库，使用numpy.loadtxt。
3.根据权利要求2所述的多信道对流层延迟解算数据整合可视化处理方法，其特征在于，步骤S4中，调用numpy.mean方法，对切片N1求平均值。
4.根据权利要求3所述的多信道对流层延迟解算数据整合可视化处理方法，其特征在于，步骤S6中，调用sort.set方法，去除时间矩阵重复时间数据。
5.根据权利要求4所述的多信道对流层延迟解算数据整合可视化处理方法，其特征在于，步骤S7中，调用matplotlib.plot(X,Y)绘制点线图并最终保存图像数据。
CN201910779677.2A 2019-08-22 2019-08-22 一种多信道对流层延迟解算数据整合可视化处理方法 Active CN110515996B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910779677.2A CN110515996B (zh) 2019-08-22 2019-08-22 一种多信道对流层延迟解算数据整合可视化处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910779677.2A CN110515996B (zh) 2019-08-22 2019-08-22 一种多信道对流层延迟解算数据整合可视化处理方法

Publications (2)

Publication Number Publication Date
CN110515996A true CN110515996A (zh) 2019-11-29
CN110515996B CN110515996B (zh) 2023-05-23

Family

ID=68626536

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910779677.2A Active CN110515996B (zh) 2019-08-22 2019-08-22 一种多信道对流层延迟解算数据整合可视化处理方法

Country Status (1)

Country Link
CN (1) CN110515996B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110066933A1 (en) * 2009-09-02 2011-03-17 Ludwig Lester F Value-driven visualization primitives for spreadsheets, tabular data, and advanced spreadsheet visualization
CN108387169A (zh) * 2018-02-11 2018-08-10 羲和时空（武汉）网络科技有限公司 一种基于实时大气产品的gnss形变监测系统
CN109857981A (zh) * 2018-12-17 2019-06-07 恒银金融科技股份有限公司 一种基于python进行循环机芯测试数据处理的方法
CN109902120A (zh) * 2019-01-16 2019-06-18 中山大学 一种面向栅格文本降水数据的可视化分析方法
CN110018095A (zh) * 2019-05-21 2019-07-16 河南理工大学 一种基于gnss对流层延迟短时预测pm2.5浓度变化的方法
US20190227179A1 (en) * 2016-06-24 2019-07-25 Rx Networks Inc. Method and apparatus for reducing tropospheric effects in gnss positioning

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110066933A1 (en) * 2009-09-02 2011-03-17 Ludwig Lester F Value-driven visualization primitives for spreadsheets, tabular data, and advanced spreadsheet visualization
US20190227179A1 (en) * 2016-06-24 2019-07-25 Rx Networks Inc. Method and apparatus for reducing tropospheric effects in gnss positioning
CN108387169A (zh) * 2018-02-11 2018-08-10 羲和时空（武汉）网络科技有限公司 一种基于实时大气产品的gnss形变监测系统
CN109857981A (zh) * 2018-12-17 2019-06-07 恒银金融科技股份有限公司 一种基于python进行循环机芯测试数据处理的方法
CN109902120A (zh) * 2019-01-16 2019-06-18 中山大学 一种面向栅格文本降水数据的可视化分析方法
CN110018095A (zh) * 2019-05-21 2019-07-16 河南理工大学 一种基于gnss对流层延迟短时预测pm2.5浓度变化的方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
刘智敏等: "区域CORS数据自动化处理系统建设", 《全球定位系统》 *
吴晓莉;平劲松;刘利;邢楠;: "区域卫星导航系统硬件延迟解算", 武汉大学学报(信息科学版) *
张海平等: "基于TEQC的数据批量预处理程序实现与应用", 《全球定位系统》 *

Also Published As

Publication number Publication date
CN110515996B (zh) 2023-05-23

Similar Documents

Publication Publication Date Title
CN105653507B (zh) 图表生成方法及装置
CN107085602B (zh) 统计图的生成方法与计算机存储介质
CN110928255B (zh) 数据异常统计报警方法、装置、存储介质及电子设备
US9069847B2 (en) Data visualization methods, data visualization devices, data visualization apparatuses, and articles of manufacture
US20080126934A1 (en) Computer-implemented display of ordered items
CN103116599A (zh) 一种基于改进Bloom Filter结构的城市海量数据流快速冗余消除方法
CN112926299B (zh) 一种文本比对方法、合同审阅方法、审核系统
CN110020773A (zh) 一种数据处理方法、设备及计算机可读介质
CN111458746A (zh) 一种基于U-Net神经网络的隧道微震波形到时拾取方法
CN108647261A (zh) 基于气象数据离散点网格化处理的全球等值线绘制方法
CN110515996A (zh) 一种多信道对流层延迟解算数据整合可视化处理方法
CN104239329B (zh) 地图道路形状点数据的保存和加载方法及装置
TWI220481B (en) A system and method for automatically inputting measurement data of an object to computer graphic files thereof
CN115329722B (zh) 一种遥感影像地物标注的要素自动处理系统及方法
CN108875043A (zh) 用户数据处理方法、装置、计算机设备和存储介质
CN105589900A (zh) 基于多维分析的数据挖掘方法
CN110879812A (zh) 一种电商平台中基于spark的数据同步方法
CN107729308B (zh) 大比例尺dlg质量检查统计方法及装置
CN107632137B (zh) 一种铀矿勘查中土壤氡气瞬时测量数据校正方法
US20020156597A1 (en) Inspection report generation software
CN113342687A (zh) 一种批量检测代码规范的方法
CN105975807B (zh) 一种评估群体分化时间的方法及装置
CN107544090B (zh) 一种基于MapReduce的地震数据解析存储方法
CN100587691C (zh) 联机分析处理表格的格式化方法
CN106774916A (zh) 一种虚拟现实系统的实现方法以及虚拟现实系统

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