CN110554412A - 用于边坡监测的gnss原始数据质量修正方法 - Google Patents
用于边坡监测的gnss原始数据质量修正方法 Download PDFInfo
- Publication number
- CN110554412A CN110554412A CN201910889783.6A CN201910889783A CN110554412A CN 110554412 A CN110554412 A CN 110554412A CN 201910889783 A CN201910889783 A CN 201910889783A CN 110554412 A CN110554412 A CN 110554412A
- Authority
- CN
- China
- Prior art keywords
- gnss
- data
- slope
- monitoring
- signal
- 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
Links
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
- G01S19/20—Integrity monitoring, fault detection or fault isolation of space segment
-
- 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
- G01S19/32—Multimode operation in a single same satellite system, e.g. GPS L1/L2
-
- 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
Abstract
本发明属于露天矿边坡变形监测技术领域,尤其是涉及一种用于边坡监测的GNSS原始数据质量修正方法,其特征在于包括如下步骤:(1)GNSS数据质量分析;(2)监测点数据质量统计;(3)精度优化。本发明利用TEQC的质量分析功能,给出了数据预处理对应的操作及含义,对原始GNSS数据进行预处理,对比预处理前后的数据质量,进而实现数据质量的提高,为露天矿边坡监测提供可靠稳定高质量的的数据。
Description
技术领域
本发明属于露天矿边坡变形监测技术领域,尤其是涉及一种用于边坡监测的GNSS原始数据质量修正方法。
背景技术
随着我国矿业的发展,露天矿的开采范围以及深度在不断的增加,随着长时间的开采,就会形成高陡深的边坡,而且也会造成周边地面的沉降和沉陷,在很大程度上破坏了建筑物以及一些基础设施。由于高陡深的边坡很容易发生安全事故,对矿区的开采造成很大的威胁。
利用GNSS原始数据对边坡进行实时监测,这对露天矿开采工作的安全保障具有十分重大的意义。在矿区实际工作中,如果边坡的重要监测点位的不利观测环境无法回避,则需要对特殊观测环境下的GNSS原始观测数据进行综合评价和修正,以判定是否满足实际工作要求,因此在数据处理之前开展GNSS数据的预处理工作对于后续数据处理至关重要。
发明内容
本发明的目的是提供一种用于边坡监测的GNSS原始数据质量修正方法,利用TEQC的质量分析功能,给出了数据预处理对应的操作及含义,对原始GNSS数据进行预处理,对比预处理前后的数据质量,进而实现数据质量的提高,为露天矿边坡监测提供可靠、稳定、高质量的数据。
本发明的目的是通过下述技术方案来实现的:
本发明的用于边坡监测的GNSS原始数据质量修正方法,其特征在于包括如下步骤:
(1)GNSS数据质量分析
a、对GNSS边坡监测点的具有方向性的多路径效应进行分析;
b、对GNSS边坡监测点的局部区域电离层延迟进行分析;
c、对GNSS边坡监测点的周期性信噪比进行分析;
(2)监测点数据质量统计
a、对所有监测点的进行数据有效率统计;
b、对所有监测点的进行周跳率统计;
(3)精度优化
对边坡监测获取的每个小时的数据文件进行质量检验,根据数据设定阈值,以及结合上述指标进行分析,并将超出阈值的数据进行改正或删除。
所述的具有方向性的多路径效应进行分析,在于对指定时间窗口内的GNSS原始监测数据进行多路径效应统计分析;在GNSS边坡监测中,多路径效应与高陡边坡的坡度、坡向以及卫星的高度角和方位角相关;边坡坡度坡向的多路径影响和修正方法,用于分析和修正具有特定方向性的边坡GNSS监测数据;
具体可由下式计算:
M1=f(mp1,θslope,βslope,σsat,δsat)
M2=f(mp2,θslope,βslope,σsat,δsat)
其中:
上述式中,f表示多因素统计分析方法,θslope和βslope分别表示边坡的坡度和坡向,σsat和δsat分别表示卫星的高度角和方位角,P1、P2分别为L1、L2波段上的伪距观测量;φ1、φ2分别为L1、L2波段上的载波相位观测量;α为L1、L2波段的频率f1、f2之比的平方和。
所述的局部区域电离层延迟进行分析,在于对指定时间窗口内的GNSS原始监测数据进行电离层延迟统计分析;边坡GNSS监测的电离层延迟具有区域性的特征,基于原始GNSS观测数据计算所有监测站的斜向电离层电子总含量(STEC),具体计算方法如下:
其中,φ1和φ2分别为两个频率上的载波相位观测值;ρ1和ρ2分别为两个频率上的码伪距观测值;f1和λ1分别为L1载波的频率和波长,f2和λ2分别为L2载波的频率和波长,Ambarc为连续跟踪卫星弧段相位观测值的模糊度参数,N为连续跟踪卫星弧段相位观测值个数,tTGD为卫星硬件延迟偏差,tIFB为接收机硬件延迟偏差,c为真空中光速;
然后利用STEC计算每颗卫星的电离层延迟,进而统计分析电离层延迟的区域特征,以改善GNSS边坡监测的精度。
所述的周期性信噪比进行分析,在于对指定时间窗口内的GNSS原始监测数据进行信噪比统计分析;GNSS边坡监测中信号的信噪比具有重复性和周期性,采用经验模态分解方法对信噪比信号进行分析和处理,设原始信号x(t),对其进行EMD分解步骤如下:
(1)计算信号中所有的最大值点和最小值点,并拟合其上下包络线,计算上下包络线的平均值a1(t);
(2)从原始信号x(t)中扣除a1(t)得到新的信号k1(t),然后重复第(1)步经过n次筛选,直到k1n(t)是基本IMF分量,计算信号的剩余分量r1(t);
(3)若剩余分量r1(t)仍包含长周期的信息,需要将r1(t)作为新的信号,对其进行分解,如果ri(t)的极值点数大于2,返回到第(1)步进行分解,否则终止;
(4)最终源信号x(t)可被分解为周期性的信号和非周期性信号;
针对信噪比中的周期性信号进行分析和修正,提高原始GNSS观测数据的质量。
所述的数据有效率统计,在于对指定时间窗口内的GNSS原始监测数据进行数据有效率统计分析;根据观测时设置的卫星截止高度角及相应时段的卫星星历,计算出理论上可接收的卫星观测值个数OBSpossible;由于观测环境和接收设备的影响,在该时段接收到的观测值个数OBScomplete与理论不符,数据有效率计算公式:
ratio=OBSpossible/OBScomplete。
所述的周跳率统计,在于对指定时间窗口内的GNSS原始监测数据进行周跳率统计分析;在接收机进行连续的载波相位测量过程中,整周计数发生错误,就会使相位观测值较之正常值出现一个整数周的跳跃,但不足一周的部分仍然正常,该跳跃称为周跳;
周跳率(Cycle slip rate,CSR)作为周跳情况的评价指标,其计算公式为:
式中:R为O/slps值,O为观测值个数,slps为周跳次数;CSR的含义是1000个有效观测值含有的周跳个数。
本发明的优点:
本发明的用于边坡监测GNSS原始数据质量修正方法,利用TEQC的质量分析功能,给出了数据预处理对应的操作及含义,对原始GNSS数据进行预处理,对比预处理前后的数据质量,进而实现数据质量的提高,为露天矿边坡监测提供可靠、稳定、高质量的数据。
附图说明
图1为本发明实施例GK05测站G08卫星在15-23UT段内的多路径效应。
图2为本发明实施例各监测点的数据有效率。
图3为本发明实施例各监测点多路径效应统计结果。
图4为本发明实施例各监测点周跳率统计结果。
图5为本发明实施例预处理前后数据对比。
具体实施方式
下面结合附图进一步说明本发明的具体实施方式。
本发明的用于边坡监测的GNSS原始数据质量修正方法,其特征在于包括如下步骤:
(1)GNSS数据质量分析
a、对GNSS边坡监测点的具有方向性的多路径效应进行分析;
b、对GNSS边坡监测点的局部区域电离层延迟进行分析;
c、对GNSS边坡监测点的周期性信噪比进行分析;
(2)监测点数据质量统计
a、对所有监测点的进行数据有效率统计;
b、对所有监测点的进行周跳率统计;
(3)精度优化
对边坡监测获取的每个小时的数据文件进行质量检验,根据数据设定阈值,以及结合上述指标进行分析,并将超出阈值的数据进行改正或删除。
所述的具有方向性的多路径效应进行分析,在于对指定时间窗口内的GNSS原始监测数据进行多路径效应统计分析;在GNSS边坡监测中,多路径效应与高陡边坡的坡度、坡向以及卫星的高度角和方位角相关;边坡坡度坡向的多路径影响和修正方法,用于分析和修正具有特定方向性的边坡GNSS监测数据;
具体可由下式计算:
M1=f(mp1,θslope,βslope,σsat,δsat)
M2=f(mp2,θslope,βslope,σsat,δsat)
其中:
上述式中,f表示多因素统计分析方法,θslope和βslope分别表示边坡的坡度和坡向,σsat和δsat分别表示卫星的高度角和方位角,P1、P2分别为L1、L2波段上的伪距观测量;φ1、φ2分别为L1、L2波段上的载波相位观测量;α为L1、L2波段的频率f1、f2之比的平方和。
所述的局部区域电离层延迟进行分析,在于对指定时间窗口内的GNSS原始监测数据进行电离层延迟统计分析;边坡GNSS监测的电离层延迟具有区域性的特征,基于原始GNSS观测数据计算所有监测站的斜向电离层电子总含量(STEC),具体计算方法如下:
其中,φ1和φ2分别为两个频率上的载波相位观测值;ρ1和ρ2分别为两个频率上的码伪距观测值;f1和λ1分别为L1载波的频率和波长,f2和λ2分别为L2载波的频率和波长,Ambarc为连续跟踪卫星弧段相位观测值的模糊度参数,N为连续跟踪卫星弧段相位观测值个数,tTGD为卫星硬件延迟偏差,tIFB为接收机硬件延迟偏差,c为真空中光速;
然后利用STEC计算每颗卫星的电离层延迟,进而统计分析电离层延迟的区域特征,以改善GNSS边坡监测的精度。
所述的周期性信噪比进行分析,在于对指定时间窗口内的GNSS原始监测数据进行信噪比统计分析;GNSS边坡监测中信号的信噪比具有重复性和周期性,采用经验模态分解方法对信噪比信号进行分析和处理,设原始信号x(t),对其进行EMD分解步骤如下:
(1)计算信号中所有的最大值点和最小值点,并拟合其上下包络线,计算上下包络线的平均值a1(t);
(2)从原始信号x(t)中扣除a1(t)得到新的信号k1(t),然后重复第(1)步经过n次筛选,直到k1n(t)是基本IMF分量,计算信号的剩余分量r1(t);
(3)若剩余分量r1(t)仍包含长周期的信息,需要将r1(t)作为新的信号,对其进行分解,如果ri(t)的极值点数大于2,返回到第(1)步进行分解,否则终止;
(4)最终源信号x(t)可被分解为周期性的信号和非周期性信号;
针对信噪比中的周期性信号进行分析和修正,提高原始GNSS观测数据的质量。
所述的数据有效率统计,在于对指定时间窗口内的GNSS原始监测数据进行数据有效率统计分析;根据观测时设置的卫星截止高度角及相应时段的卫星星历,计算出理论上可接收的卫星观测值个数OBSpossible;由于观测环境和接收设备的影响,在该时段接收到的观测值个数OBScomplete与理论不符,数据有效率计算公式:
ratio=OBSpossible/OBScomplete。
所述的周跳率统计,在于对指定时间窗口内的GNSS原始监测数据进行周跳率统计分析;在接收机进行连续的载波相位测量过程中,整周计数发生错误,就会使相位观测值较之正常值出现一个整数周的跳跃,但不足一周的部分仍然正常,该跳跃称为周跳;
周跳率(Cycle slip rate,CSR)作为周跳情况的评价指标,其计算公式为:
式中:R为O/slps值,O为观测值个数,slps为周跳次数;CSR的含义是1000个有效观测值含有的周跳个数。
本发明的用于边坡监测GNSS数据质量修正方法,基于前述数据预处理对应的操作及含义,对原始GNSS数据进行预处理,对比预处理前后的数据处理结果,进而实现数据质量的提高,为露天矿边坡监测提供可靠稳定高质量的数据。不同厂家的GNSS接收机观测(二进制)文件首先需要转换为RINEX文件,通过读取RINEX格式的原始观测数据,计算原始数据质量的重要评价指标,包括多路径效应、电离层延迟、接收机周跳、卫星信号信噪比等,这些指标可反映GNSS测站的观测条件和周边环境的好坏,对于评价和改善GNSS监测精度具有重要意义。
接收机中的GNSS原始数据会受到各种误差的影响,是影响监测精度的主要因素之一。因此在数据处理之前需要开展GNSS数据的预处理工作。一种用于边坡监测的GNSS原始数据质量修正方法,主要是利用了Python编写的数据预处理程序模块,实现了对多路径效应、电离层延迟、接收机周跳、卫星信号信噪比、数据有效率等参数的计算,以及图形显示和可视化,使质量检查结果更加清晰明确。对指定时间窗口内(例如1小时)的GNSS监测数据进行统计分析和有效性检验,以多路径效应(mp1、mp2)值、信噪比、电离层延迟、数据有效率、周跳率作为衡量原始数据质量的评定指标,对原始数据进行综合分析。
1)边坡监测中的多路径效应
在常规GNSS测量中,被测站附近的反射物所反射的卫星信号(反射波)如果进入接收机天线,就将和直接来自卫星的信号(反射波)产生干涉,从而使观测值偏离真值,产生所谓的“多路径误差”。这种由于多路径的信号传播引起的干涉时延效应被称为多路径效应。多路径效应将严重损害GNSS测量精度,严重时还会引起信号失锁,是GNSS测量中一种重要的误差源。
通过长时间的边坡监测实践,我们发现在GNSS边坡监测中,多路径效应与高陡边坡的坡度、坡向以及卫星的高度角和方位角具有显著相关性。为此,提出一种顾及边坡坡度坡向的多路径影响和修正方法,用于分析和修正具有特定方向性的边坡GNSS监测数据。
具体可由下式计算:
M1=f(mp1,θslope,βslope,σsat,δsat)
M2=f(mp2,θslope,βslope,σsat,δsat)
其中:
上述式中,f表示多因素统计分析方法,θslope和βslope分别表示边坡的坡度和坡向,σsat和δsat分别表示卫星的高度角和方位角,P1、P2分别为L1、L2波段上的伪距观测量;φ1、φ2分别为L1、L2波段上的载波相位观测量;α为L1、L2波段的频率f1、f2之比的平方和。
2)信噪比
GNSS边坡监测中信号的信噪比具有一定的重复性和周期性,因此,提出采用经验模态分解方法对信噪比信号进行分析和处理,设原始信号x(t),对其进行EMD分解步骤如下:
(1)计算信号中所有的最大值点和最小值点,并拟合其上下包络线,计算上下包络线的平均值a1(t);
(2)从原始信号x(t)中扣除a1(t)得到新的信号k1(t),然后重复第(1)步经过n次筛选,直到k1n(t)是基本IMF分量,计算信号的剩余分量r1(t);
(3)若剩余分量r1(t)仍包含长周期的信息,需要将r1(t)作为新的信号,对其进行分解,如果ri(t)的极值点数大于2,返回到第(1)步进行分解,否则终止;
(4)最终源信号x(t)可被分解为周期性的信号和非周期性信号。
针对信噪比中的周期性信号进行分析和修正,以提高原始GNSS观测数据的质量。
3)电离层延迟
边坡GNSS监测的电离层延迟具有区域性的特征,基于原始GNSS观测数据计算所有监测站的斜向电离层电子总含量(STEC),具体计算方法如下:
其中,φ1和φ2分别为两个频率上的载波相位观测值;ρ1和ρ2分别为两个频率上的码伪距观测值;f1和λ1分别为L1载波的频率和波长,f2和λ2分别为L2载波的频率和波长,Ambarc为连续跟踪卫星弧段相位观测值的模糊度参数,N为连续跟踪卫星弧段相位观测值个数,tTGD为卫星硬件延迟偏差,tIFB为接收机硬件延迟偏差,c为真空中光速。
然后利用STEC计算每颗卫星的电离层延迟,进而统计分析电离层延迟的区域特征,以改善GNSS边坡监测的精度。
4)数据有效率
根据观测时设置的卫星截止高度角及相应时段的卫星星历,可计算出理论上可接收的卫星观测值个数OBSpossible。实际上由于观测环境和接收设备的影响,在该时段接收到的观测值个数OBScomplete与理论不符,数据有效率计算公式:
ratio=OBSpossible/OBScomplete。
5)周跳率
在接收机进行连续的载波相位测量过程中,若由于某种原因而导致整周计数发生错误,就会使相位观测值较之正常值出现一个整数周的跳跃,但不足一周的部分仍然正常,该跳跃称为周跳。
周跳率(Cycle slip rate,CSR)作为周跳情况的评价指标,其计算公式为:
式中:R为O/slps值,O为观测值个数,slps为周跳次数;CSR的含义是1000个有效观测值含有的周跳个数。
实施例1
1、GNSS数据质量分析
鞍钢矿区边坡GNSS在线监测系统安装的是最新型的GNSS接收机,可同时接收到美国的GPS、俄罗斯的GLONASS以及我国的BDS系统卫星信号。其中GNSS可跟踪32颗卫星,GLONASS包括24颗卫星,BDS包括11颗卫星,总共一个GNSS测站一天之内可跟踪多达67颗GNSS卫星的信号。
通过对GNSS监测点GK05的电离层延迟计算结果分析,可以看出绝大部分GNSS卫星的电离层延迟均处于正常范围之内,仅有个别卫星的电离层延迟偏大。因此,在相应时段的基线解算中可删除对应的卫星数据,从而提高基线解算的精度。
图1为GK05测站G08卫星在15-23UT段内的多路径效应,多路径效应具有特定的方向性以及高度角依赖性,与边坡的坡度坡向和卫星的方位角和高度角具有显著相关性。因此,在数据处理中需要对特定的卫星和时段进行分析和处理,以提高解算结果的稳定性。首先对信噪比分析结果进行EMD分解和周期性修正,从修正后的数据可以看出,低高度角卫星信号的信噪比普遍偏低,数据质量不佳,在后续数据处理中需要删除相应的数据。
2、监测点数据质量统计
对所有监测点的数据有效率进行统计分析,如图2所示,全部监测点数据有效率都在95%以上。其中,QK02、QK03、AG93、AG94、AG95五个监测站数据有效率为95%。QK01、GK01、GK02、GK04、GK05五个监测站数据有效率为96%。图2为各监测点的数据有效率。
对所有监测站的mp1和mp2分别统计,如下图3所示。统计结果显示,QK03、GK01、GK02、GK04、GK05五个监测站的mp1、mp2值都在0.5m以上,说明测站受多路径效应影响较大。5个测站的mp1值小于0.5m,2个测站的mp2值小于0.5m。QK01站受多路径效应影响最小。
周跳率(Cycle slip rate,CSR)是评价GNSS原始观测数据周跳情况的一个重要评价指标,CSR的含义是1000个有效观测值含有的周跳个数。反映监测站观测数据周跳情况的CSR指标统计如图4所示。结果显示,QK03监测站的CSR值大于2,其余监测站的CSR值均小于2,GK01、GK04、GK05三个监测站的CSR值均小于1。图4为各监测点周跳率统计结果。
3、精度优化
对每个小时的数据文件进行质量检验,根据数据设定阈值:mp1<0.6,mp2<1.0,o/slps>500,以及结合电离层延迟和信噪比进行分析,并将超出阈值的数据进行删除。预处理前后的对比结果如图5和表1所示。
表1预处理前后监测点不同方向的中误差值
处理方式 | N方向误差(mm) | E方向误差(mm) | U方向误差(mm) |
未做预处理 | 0.49 | 0.49 | 0.53 |
预处理 | 0.46 | 0.30 | 0.36 |
根据图5与表1的结果可知,预处理后的数据波动较处理前更加稳定,监测点不同方向的中误差值也较预处理前较小。综上所述,鞍山矿区GNSS原始数据由于观测环境影响存在较大的噪声,在数据处理之前需要开展相应的数据预处理工作,根据试验的结果,阈值可选为:mp1<0.6,mp2<1.0,o/slps>500,可显著提高解算结果的精度和稳定性。
本发明的用于边坡监测的GNSS原始数据质量修正方法,基于GNSS原始观测数据给出了数据预处理对应的操作及含义,对原始GNSS数据进行预处理,对比预处理前后的数据质量,进而实现数据质量的提高,为露天矿边坡监测提供可靠、稳定、高质量的数据。
Claims (6)
1.一种用于边坡监测的GNSS原始数据质量修正方法,其特征在于包括如下步骤:
(1)GNSS数据质量分析
a、对GNSS边坡监测点的具有方向性的多路径效应进行分析;
b、对GNSS边坡监测点的局部区域电离层延迟进行分析;
c、对GNSS边坡监测点的周期性信噪比进行分析;
(2)监测点数据质量统计
a、对所有监测点的进行数据有效率统计;
b、对所有监测点的进行周跳率统计;
(3)精度优化
对边坡监测获取的每个小时的数据文件进行质量检验,根据数据设定阈值,以及结合上述指标进行分析,并将超出阈值的数据进行改正或删除。
2.根据权利要求1所述的用于边坡监测的GNSS原始数据质量修正方法,其特征在于所述的具有方向性的多路径效应进行分析,在于对指定时间窗口内的GNSS原始监测数据进行多路径效应统计分析;在GNSS边坡监测中,多路径效应与高陡边坡的坡度、坡向以及卫星的高度角和方位角相关;边坡坡度坡向的多路径影响和修正方法,用于分析和修正具有特定方向性的边坡GNSS监测数据;
具体可由下式计算:
M1=f(mp1,θslope,βslope,σsat,δsat)
M2=f(mp2,θslope,βslope,σsat,δsat)
其中:
上述式中,f表示多因素统计分析方法,θslope和βslope分别表示边坡的坡度和坡向,σsat和δsat分别表示卫星的高度角和方位角,P1、P2分别为L1、L2波段上的伪距观测量;φ1、φ2分别为L1、L2波段上的载波相位观测量;α为L1、L2波段的频率f1、f2之比的平方和。
3.根据权利要求1所述的用于边坡监测的GNSS原始数据质量修正方法,其特征在于所述的局部区域电离层延迟进行分析,在于对指定时间窗口内的GNSS原始监测数据进行电离层延迟统计分析;边坡GNSS监测的电离层延迟具有区域性的特征,基于原始GNSS观测数据计算所有监测站的斜向电离层电子总含量(STEC),具体计算方法如下:
其中,φ1和φ2分别为两个频率上的载波相位观测值;ρ1和ρ2分别为两个频率上的码伪距观测值;f1和λ1分别为L1载波的频率和波长,f2和λ2分别为L2载波的频率和波长,Ambarc为连续跟踪卫星弧段相位观测值的模糊度参数,N为连续跟踪卫星弧段相位观测值个数,tTGD为卫星硬件延迟偏差,tIFB为接收机硬件延迟偏差,c为真空中光速;
然后利用STEC计算每颗卫星的电离层延迟,进而统计分析电离层延迟的区域特征,以改善GNSS边坡监测的精度。
4.根据权利要求1所述的用于边坡监测的GNSS原始数据质量修正方法,其特征在于所述的周期性信噪比进行分析,在于对指定时间窗口内的GNSS原始监测数据进行信噪比统计分析;GNSS边坡监测中信号的信噪比具有重复性和周期性,采用经验模态分解方法对信噪比信号进行分析和处理,设原始信号x(t),对其进行EMD分解步骤如下:
(1)计算信号中所有的最大值点和最小值点,并拟合其上下包络线,计算上下包络线的平均值a1(t);
(2)从原始信号x(t)中扣除a1(t)得到新的信号k1(t),然后重复第(1)步经过n次筛选,直到k1n(t)是基本IMF分量,计算信号的剩余分量r1(t);
(3)若剩余分量r1(t)仍包含长周期的信息,需要将r1(t)作为新的信号,对其进行分解,如果ri(t)的极值点数大于2,返回到第(1)步进行分解,否则终止;
(4)最终源信号x(t)可被分解为周期性的信号和非周期性信号;
针对信噪比中的周期性信号进行分析和修正,提高原始GNSS观测数据的质量。
5.根据权利要求1所述的用于边坡监测的GNSS原始数据质量修正方法,其特征在于所述的数据有效率统计,在于对指定时间窗口内的GNSS原始监测数据进行数据有效率统计分析;根据观测时设置的卫星截止高度角及相应时段的卫星星历,计算出理论上可接收的卫星观测值个数OBSpossible;由于观测环境和接收设备的影响,在该时段接收到的观测值个数OBScomplete与理论不符,数据有效率计算公式:
ratio=OBSpossible/OBScomplete。
6.根据权利要求1所述的用于边坡监测的GNSS原始数据质量修正方法,其特征在于所述的周跳率统计,在于对指定时间窗口内的GNSS原始监测数据进行周跳率统计分析;在接收机进行连续的载波相位测量过程中,整周计数发生错误,就会使相位观测值较之正常值出现一个整数周的跳跃,但不足一周的部分仍然正常,该跳跃称为周跳;
周跳率(Cycle slip rate,CSR)作为周跳情况的评价指标,其计算公式为:
式中:R为O/slps值,O为观测值个数,slps为周跳次数;CSR的含义是1000个有效观测值含有的周跳个数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910889783.6A CN110554412A (zh) | 2019-09-20 | 2019-09-20 | 用于边坡监测的gnss原始数据质量修正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910889783.6A CN110554412A (zh) | 2019-09-20 | 2019-09-20 | 用于边坡监测的gnss原始数据质量修正方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110554412A true CN110554412A (zh) | 2019-12-10 |
Family
ID=68740832
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910889783.6A Pending CN110554412A (zh) | 2019-09-20 | 2019-09-20 | 用于边坡监测的gnss原始数据质量修正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110554412A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114236581A (zh) * | 2022-03-01 | 2022-03-25 | 湖南联智科技股份有限公司 | 一种北斗边坡监测数据后处理方法 |
CN116990841A (zh) * | 2023-06-25 | 2023-11-03 | 无锡卡尔曼导航技术有限公司南京技术中心 | 一种gnss形变监测数据质量控制方法、系统及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105929411A (zh) * | 2016-04-21 | 2016-09-07 | 上海司南卫星导航技术股份有限公司 | Gnss接收机、质量分析装置和质量分析方法 |
CN107067333A (zh) * | 2017-01-16 | 2017-08-18 | 长沙矿山研究院有限责任公司 | 一种高寒高海拔高陡边坡稳定性监控方法 |
CN107544077A (zh) * | 2017-08-31 | 2018-01-05 | 千寻位置网络(浙江)有限公司 | 一种gnss数据质量检测分析系统及其分析方法 |
CN110034964A (zh) * | 2019-05-06 | 2019-07-19 | 广西壮族自治区基础地理信息中心 | 基于teqc的cors数据质量检测与预警系统 |
-
2019
- 2019-09-20 CN CN201910889783.6A patent/CN110554412A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105929411A (zh) * | 2016-04-21 | 2016-09-07 | 上海司南卫星导航技术股份有限公司 | Gnss接收机、质量分析装置和质量分析方法 |
CN107067333A (zh) * | 2017-01-16 | 2017-08-18 | 长沙矿山研究院有限责任公司 | 一种高寒高海拔高陡边坡稳定性监控方法 |
CN107544077A (zh) * | 2017-08-31 | 2018-01-05 | 千寻位置网络(浙江)有限公司 | 一种gnss数据质量检测分析系统及其分析方法 |
CN110034964A (zh) * | 2019-05-06 | 2019-07-19 | 广西壮族自治区基础地理信息中心 | 基于teqc的cors数据质量检测与预警系统 |
Non-Patent Citations (3)
Title |
---|
何佳: "地表环境对GNSS数据质量的影响分析", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
王开锋 等: "GNSS数据质量检查工具TEQC与SpiderQC功能对比", 《测绘通报》 * |
贺黎明: "滑坡与地震监测中电离层扰动分析及其影响改正算法", 《中国博士学位论文全文数据库 基础科学辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114236581A (zh) * | 2022-03-01 | 2022-03-25 | 湖南联智科技股份有限公司 | 一种北斗边坡监测数据后处理方法 |
CN114236581B (zh) * | 2022-03-01 | 2022-07-26 | 湖南联智科技股份有限公司 | 一种北斗边坡监测数据后处理方法 |
CN116990841A (zh) * | 2023-06-25 | 2023-11-03 | 无锡卡尔曼导航技术有限公司南京技术中心 | 一种gnss形变监测数据质量控制方法、系统及装置 |
CN116990841B (zh) * | 2023-06-25 | 2024-01-23 | 无锡卡尔曼导航技术有限公司南京技术中心 | 一种gnss形变监测数据质量控制方法、系统及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8610624B2 (en) | Satellite navigation system fault detection based on biased measurements | |
EP3030922B1 (en) | Detection of scintillations in signals of global navigation satellite systems caused by ionospheric irregularities | |
US5831576A (en) | Integrity monitoring of location and velocity coordinates from differential satellite positioning systems signals | |
CN108196281B (zh) | 一种基于位置域曲线约束的单频动态周跳探测与修复方法 | |
US9244174B2 (en) | Mitigation of scintillations in signals of global navigation satellite systems caused by ionospheric irregularities | |
US6861979B1 (en) | Method and apparatus for detecting anomalous measurements in a satellite navigation receiver | |
CN103760571A (zh) | 用于gps的基于影响因素特征的脆弱性监测系统及方法 | |
Krypiak-Gregorczyk et al. | Carrier phase bias estimation of geometry-free linear combination of GNSS signals for ionospheric TEC modeling | |
CN110554412A (zh) | 用于边坡监测的gnss原始数据质量修正方法 | |
CN111435167B (zh) | 一种基于北斗三号的接收机数据质量分析方法和装置 | |
Park et al. | Effect of outlier removal from temporal ASF corrections on multichain Loran positioning accuracy | |
Hussain et al. | Complexity and limitations of GNSS signal reception in highly obstructed enviroments | |
CN113835105B (zh) | 一种基于gnss模拟器的gbas完好性监测方法 | |
CN114384561A (zh) | 一种用于北斗导航系统连续运行参考站的故障定位系统及方法 | |
Hong et al. | Efficient GPS receiver DCB estimation for ionosphere modeling using satellite-receiver geometry changes | |
Yoon et al. | Extreme ionospheric spatial decorrelation observed during the March 1, 2014, equatorial plasma bubble event | |
El-Mowafy | Diagnostic tools using a multi-constellation single-receiver single-satellite data validation method | |
Duman et al. | Assessment of geodetic velocities using GPS campaign measurements over long baseline lengths | |
Datta-Barua | Ionospheric threats to space-based augmentation system development | |
CN111175789B (zh) | 地基增强系统的电离层异常监测方法、装置以及系统 | |
Kim et al. | Data quality improvements and applications of long-term monitoring of ionospheric anomalies for GBAS | |
Guan et al. | Signal quality analysis and quality check of BDS3 Precise Point Positioning in the Arctic Ocean | |
Zhao et al. | Cycle-slip Detection for Triple-frequency GPS Observations Under Ionospheric Scintillation | |
Aquino et al. | Ionospheric scintillation effects on GPS carrier phase positioning accuracy at auroral and sub-auroral latitudes | |
CN116148898A (zh) | 基于gnss多普勒观测值的电离层闪烁指数构建方法 |
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 |