CN111722250B - 基于gnss时间序列的地壳形变影像共模误差提取方法 - Google Patents
基于gnss时间序列的地壳形变影像共模误差提取方法 Download PDFInfo
- Publication number
- CN111722250B CN111722250B CN202010348284.9A CN202010348284A CN111722250B CN 111722250 B CN111722250 B CN 111722250B CN 202010348284 A CN202010348284 A CN 202010348284A CN 111722250 B CN111722250 B CN 111722250B
- Authority
- CN
- China
- Prior art keywords
- gnss
- common
- station
- block
- mode error
- 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.)
- Active
Links
- 238000000605 extraction Methods 0.000 title claims abstract description 10
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000003384 imaging method Methods 0.000 claims description 10
- 238000012360 testing method Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 6
- 238000007476 Maximum Likelihood Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 abstract description 5
- 230000019771 cognition Effects 0.000 abstract description 2
- 238000007796 conventional method Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 8
- 238000011160 research Methods 0.000 description 5
- 238000009826 distribution Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000005192 partition Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
- 239000013585 weight reducing agent Substances 0.000 description 1
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)
- Geophysics And Detection Of Objects (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明提供一种基于GNSS时间序列的地壳形变影像共模误差提取方法,包括获取GNSS测站坐标时间序列观测值,并获取每个GNSS测站的坐标、速度及其不确定性,构建GNSS的形变影像图;依据形变影像图对GNSS测站的覆盖区域进行块体划分,根据每个GNSS测站的坐标,获得各块体内的测站组;计算任一块体内的测站组内任意两测站所构成测站对之间的距离,并计算块体内GNSS网的平均跨度;基于平均跨度,提取块体内部测站组的共模误差。该方法适用于GNSS站网密集的情况,并且共模误差提取突破了常规方法在空间构建上的限制。本发明以GNSS影像结果作为先验约束,充分利用空间可用点,实现了共模误差空间合理划分,提高了对地壳形变空间模式的认知。
Description
技术领域
本发明属于GNSS数据精密处理技术领域,尤其是涉及一种基于GNSS时间序列的地壳形变影像共模误差提取方法。
背景技术
近年来,国内外各种GNSS监测网络的建立,如中国地壳运动观测网络和中国大陆构造环境监测网络,美国的PBO网络,欧洲的EPN,日本的GEONET等。这些GPS/GNSS监测网络的投入运行,在覆盖范围上获得了巨大的扩展,测站数目日益增多,产生了大量的呈级数增长的观测数据。其中,GNSS为全球导航卫星系统简称,GPS为全球定位系统简称。
地壳形变在不同空间尺度下呈现出既有广泛分布,又有局部突变的空间分布特征。随着近期GNSS观测站数目日益增多、数据不断积累、测站范围扩大,利用GNSS时间序列进行地壳形变成像已成现实,可获得兼顾时间和空间分辨率的地壳垂向形变影像图。
武汉大学提出一种基于站间相关性空间结构函数构建的GNSS成像方法,已获得专利授权(专利号:201811552232.2)。该方法包括输入GNSS测站坐标时间序列观测值,以及每个GNSS测站的速度及不确定性;结合研究区域的地质学与大地测量学结果(如地质断层位置信息、基于长期GPS观测的活动块体划分模型等),对GNSS网内的测站进行聚类划分,得到聚类区域;计算各聚类区域内任意两测站所构成测站对之间的相关系数,根据测站间相关系数进行数据池划分,获取每个聚类区域中若干数据池及在各数据池内的GNSS测站对;在每个聚类区域内,计算每个数据池中所有测站对相关系数的中值和绝对中位差,构建各聚类区域的空间结构函数,标准化形成整个GNSS网最终的空间结构函数;依据速度不确定性和空间结构函数,确定研究范围内所有测站的权,利用空间插值方法进行空间插值,形成影像。
申请人的研究团队经过进一步研究发现:针对GNSS站网空间跨度日益增大,引起坐标时间序列的来源因素空间上分布随着空间增大而更加复杂的现状,本领域亟待提出解决由于子网划分不正确而造成的测站局部效应对共模误差的技术方案。
发明内容
为解决上述现有技术的问题,本发明提供了一种利用GNSS时间序列成像结果进行地壳形变影像共模误差提取的方法,以GNSS成像结果作为先验约束,建立共模误差计算的网形范围,尽可能减小由于子网划分不正确而造成的测站局部效应对共模误差的提取效果。
本发明的技术方案提供一种基于GNSS时间序列的地壳形变影像共模误差提取方法,包括如下步骤:
步骤1,获取GNSS测站坐标时间序列观测值,并获取每个GNSS测站的坐标(Bi,Li)、速度vi及其不确定性σi,其中,i=1,2,…,N,N为总测站数;Bi,Li为第i个测站在大地坐标系下的纬度与经度;
步骤2,构建GNSS的形变影像图;
步骤3,依据步骤2所得形变影像图,对GNSS测站的覆盖区域进行块体划分,设得到k个块体;
步骤4,根据每个GNSS测站的坐标(Bi,Li),判断第i个测站是否落在第j个块体内,获得各块体内的测站组lj,设mj为lj内的测站数目,j=1,…,k;
步骤5,计算任一块体内的测站组lj内任意两测站x,y所构成测站对之间的距离Dx,y,并计算第j个块体内GNSS网的平均跨度Meanj:
其中,Totalj表示第j个块体中总测站对个数,j=1,…,k,y≠x;
步骤6,基于步骤5中获得的平均跨度Meanj,提取第j个块体内部测站组的共模误差,实现方式如下式,
其中,
j=1,…,k;
CMEj∶εs为第j个块体内部测站组内所有普通测站p共同作用于第j个块体内部测站组内任意基准站s的共模误差;
mj-1为GPS网内参与共模误差计算的普通测站数目,对于第j个块体,第j个块体内部测站组内所有普通测站参与共模误差计算;
rs,p为公共历元内基准站s与普通测站p坐标时间序列残差间的皮尔逊相关系数;
而且,步骤2中,利用基于站间相关性空间结构函数构建的GNSS成像方法,构建GNSS 的形变影像图。
而且,步骤3中,对GNSS测站的覆盖区域进行块体划分的实现方式为,对形变影像图进行边缘特征提取,将提取的边缘作为块体边界。
而且,历元以单日为单位。
而且,步骤6中,坐标时间序列的残差∈p,n基于最小二乘估计或极大似然估计,去除线性趋势、周年信号与半周年信号后获取。
而且,用于准确提取地壳形变空间模式。
和现有技术相比,本发明具有如下特点和有益效果:
本发明提供了一种基于GNSS时间序列影像进行共模误差提取的关键方法,该方法适用于GNSS站网密集的情况,并且共模误差提取突破了常规方法在空间构建上的限制。本发明针对共模误差提取中的关键问题——测站网的选取,提出创新性的解决方案,以GNSS影像结果作为先验约束,得到了令人满意的解决方案:利用GNSS时间序列估计的测站速率具有较高的时间分辨率和可靠性,并且GNSS时间序列本身隐含有地球物理过程,利用密集的 GNSS测站时间序列成像并以此进行共模误差的空间划分的方法,充分利用空间可用点,实现了共模误差空间合理划分,提高了对地壳形变空间模式的认知。
附图说明
图1为本发明实施例的流程示意图。
具体实施方式
为了更好地理解本发明的技术方案,下面结合附图和实施例对本发明做进一步的详细说明。
参见图1,本发明实施例提出的一种基于GNSS时间序列的地壳形变影像共模误差提取方法,包括以下步骤:
步骤1,获取GNSS测站坐标时间序列观测值,并获取每个GNSS测站的坐标(Bi,Li)、速度vi及其不确定性σi(i=1,2,…,N),其中,N为总测站数;Bi,Li为第i个测站在大地坐标系下的纬度与经度;
GNSS测站坐标时间序列反映了测站位置随时间变化的规律特征。具体实施时,可以通过双差定位软件工具、精密单点定位软件工具或IGS分析中心获取积累的GPS测站坐标时间序列观测值。可基于现有技术(如最小二乘估计、极大似然估计等),建立各测站GNSS坐标时间序列观测值的速度模型,获取速度vi及其不确定性σi。
步骤2,构建GNSS的形变影像图;
本步骤实现可参见现有技术,例如申请人的发明《基于站间相关性空间结构函数构建的 GNSS成像方法》(专利号:201811552232.2),其中提出一种基于测站对相关系数的空间结构函数的构建方案,实现GNSS成像。该方法基于站间相关性的空间结构函数构建,对异常点进行降权处理,充分利用空间可用点,从而实现GNSS成像。因此,本发明优选利用该技术,实现构建GNSS的形变影像图。
步骤3,依据步骤2所得形变影像图,对GNSS测站的覆盖区域进行块体划分,优选方式之一为对形变影像图进行边缘特征提取,将提取的边缘作为块体边界,实现划分;设得到k个块体,块体1,块体2,...,块体k分别记作block1,block2,…,blockk;
本发明以GNSS影像结果作为块体划分的依据,对测站进行分组,并在各测站组内进行共模误差的计算。
步骤4,根据每个GNSS测站的坐标(Bi,Li),判断第i个测站(i=1,2,…,n)是否落在第j个块体内,获得各块体内的测站组lj(j=1,…,k),设mj为lj内的测站数目;
步骤5,计算任一块体内的测站组lj(j=1,…,k)内任意两测站x,y所构成测站对之间的距离Dx,y,并计算第j个块体内GNSS网的平均跨度Meanj:
其中,Totalj表示第j个块体中总测站对个数,j=1,…,k,y≠x;
步骤6,基于步骤5中获得的平均跨度Meanj,提取第j个块体内部测站组的共模误差。
区域叠加滤波方法假设共模误差在某一区域是均匀分布的,仅使用标准差对测站进行定权然而,随着研究区域范围扩大,该假设不再适用,因此本发明提出,当测站平均跨度大于一定距离时,需要进一步顾及测站残差序列的相关性提取共模误差((2)中下式)。本发明优选采用500km,是基于已有成果(马俊等,2017)设置的共模误差均匀分布假设的范围阈值。
实现方式如下:
其中,
j=1,…,k;
CMEj∶εs为第j个块体内部测站组内所有普通测站p共同作用于第j个块体内部测站组内任意基准站s的共模误差;
mj-1为GPS网内参与共模误差计算的普通测站数目,对于第j个块体,本发明中采用第 j个块体内部测站组内所有普通测站参与共模误差计算;
rs,p为公共历元内基准站s与普通测站p坐标时间序列残差间的皮尔逊相关系数(Pearson, 1914);
∈p,n和分别为普通测站p第n个公共历元(本实施例中,历元以单日为单位)的坐标时间序列的残差和标准差。坐标时间序列的残差∈p,n可基于最小二乘估计或极大似然估计,去除线性趋势、周年信号与半周年信号后获取;标准差/>可直接从残差坐标时间序列中获取。
本发明提取的块体内部测站组的共模误差属于特定区域尺度内所有测站共有的误差,可用于准确提取地壳形变空间模式,对于提高整个GNSS站网的信噪比,挖掘地壳形变的空间特征具有重要的意义。
具体实施时,可采用软件方式实现流程的自动运行。运行流程的装置也应当在本发明的保护范围内。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代。
Claims (6)
1.一种基于GNSS时间序列的地壳形变影像共模误差提取方法,其特征在于,提取块体内部测站组的共模误差,作为特定区域尺度内所有测站共有的误差,支持提高整个GNSS站网的信噪比,挖掘地壳形变的空间特征,实现过程包括如下步骤:
步骤1,获取GNSS测站坐标时间序列观测值,并获取每个GNSS测站的坐标(Bi,Li)、速度vi及其不确定性σi,其中,i=1,2,…,N,N为总测站数;Bi,Li为第i个测站在大地坐标系下的纬度与经度;
步骤2,构建GNSS的形变影像图;
步骤3,依据步骤2所得形变影像图,对GNSS测站的覆盖区域进行块体划分,设得到k个块体;
步骤4,根据每个GNSS测站的坐标(Bi,Li),判断第i个测站是否落在第j个块体内,获得各块体内的测站组lj,设mj为lj内的测站数目,j=1,…,k;
步骤5,计算任一块体内的测站组lj内任意两测站x,y所构成测站对之间的距离Dx,y,并计算第j个块体内GNSS网的平均跨度Meanj:
其中,Totalj表示第j个块体中总测站对个数,j=1,…,k,y≠x;
步骤6,基于步骤5中获得的平均跨度Meanj,提取第j个块体内部测站组的共模误差,实现方式如下式,
其中,
j=1,…,k;
CMEj:εs为第j个块体内部测站组内所有普通测站p共同作用于第j个块体内部测站组内任意基准站s的共模误差;
mj-1为GPS网内参与共模误差计算的普通测站数目,对于第j个块体,第j个块体内部测站组内所有普通测站参与共模误差计算;
rs,p为公共历元内基准站s与普通测站p坐标时间序列残差间的皮尔逊相关系数;
2.根据权利要求1所述的一种基于GNSS时间序列的地壳形变影像共模误差提取方法,其特征在于:步骤2中,利用基于站间相关性空间结构函数构建的GNSS成像方法,构建GNSS的形变影像图。
3.根据权利要求1所述的一种基于GNSS时间序列的地壳形变影像共模误差提取方法,其特征在于:步骤3中,对GNSS测站的覆盖区域进行块体划分的实现方式为,对形变影像图进行边缘特征提取,将提取的边缘作为块体边界。
4.根据权利要求1所述的一种基于GNSS时间序列的地壳形变影像共模误差提取方法,其特征在于:历元以单日为单位。
5.根据权利要求1所述的一种基于GNSS时间序列的地壳形变影像共模误差提取方法,其特征在于:步骤6中,坐标时间序列的残差∈p,n基于最小二乘估计或极大似然估计,去除线性趋势、周年信号与半周年信号后获取。
6.根据权利要求1或2或3或4或5所述的一种基于GNSS时间序列的地壳形变影像共模误差提取方法,其特征在于:用于准确提取地壳形变空间模式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010348284.9A CN111722250B (zh) | 2020-04-28 | 2020-04-28 | 基于gnss时间序列的地壳形变影像共模误差提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010348284.9A CN111722250B (zh) | 2020-04-28 | 2020-04-28 | 基于gnss时间序列的地壳形变影像共模误差提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111722250A CN111722250A (zh) | 2020-09-29 |
CN111722250B true CN111722250B (zh) | 2023-03-31 |
Family
ID=72563705
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010348284.9A Active CN111722250B (zh) | 2020-04-28 | 2020-04-28 | 基于gnss时间序列的地壳形变影像共模误差提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111722250B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113341439B (zh) * | 2021-06-22 | 2022-04-15 | 武汉大学 | 一种顾及周期信号的gnss测站速度稳健估测方法 |
CN114332389B (zh) * | 2021-12-24 | 2022-11-08 | 中国测绘科学研究院 | 一种三维地壳形变模型的构建方法和装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103823993A (zh) * | 2014-03-13 | 2014-05-28 | 武汉大学 | 基于相关系数的削弱坐标时间序列中cme影响的方法 |
CN105572703A (zh) * | 2015-12-17 | 2016-05-11 | 武汉大学 | 一种gps时间序列广义共模误差提取方法 |
CN106772498A (zh) * | 2016-11-21 | 2017-05-31 | 华东交通大学 | 一种gps位置时间序列噪声模型建立方法 |
CN109581441A (zh) * | 2018-12-18 | 2019-04-05 | 武汉大学 | 基于站间相关性空间结构函数构建的gnss成像方法 |
CN110167034A (zh) * | 2019-04-10 | 2019-08-23 | 中国联合网络通信集团有限公司 | 基站的规划方法及装置 |
-
2020
- 2020-04-28 CN CN202010348284.9A patent/CN111722250B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103823993A (zh) * | 2014-03-13 | 2014-05-28 | 武汉大学 | 基于相关系数的削弱坐标时间序列中cme影响的方法 |
CN105572703A (zh) * | 2015-12-17 | 2016-05-11 | 武汉大学 | 一种gps时间序列广义共模误差提取方法 |
CN106772498A (zh) * | 2016-11-21 | 2017-05-31 | 华东交通大学 | 一种gps位置时间序列噪声模型建立方法 |
CN109581441A (zh) * | 2018-12-18 | 2019-04-05 | 武汉大学 | 基于站间相关性空间结构函数构建的gnss成像方法 |
CN110167034A (zh) * | 2019-04-10 | 2019-08-23 | 中国联合网络通信集团有限公司 | 基站的规划方法及装置 |
Non-Patent Citations (2)
Title |
---|
GPS坐标时间序列的共模误差时空分布特征与地球物理成因研究;朱兆涵;《中国优秀硕士学位论文全文数据库 基础科学辑》;20180615;第5-8、10-24页 * |
全球GPS数据处理及在地壳运动中的应用;周茂盛;《中国优秀硕士学位论文全文数据库 基础科学辑》;20200315;第19-23、36-51页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111722250A (zh) | 2020-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Grenerczy et al. | Present crustal movement and strain distribution in Central Europe inferred from GPS measurements | |
CN112507281B (zh) | 一种基于双状态多因子抗差估计sins/dvl紧组合系统的方法 | |
CN106959456B (zh) | 一种gnss测量控制网精度估计方法 | |
CN111722250B (zh) | 基于gnss时间序列的地壳形变影像共模误差提取方法 | |
CN108896040B (zh) | 天空海一体化水下潜器惯性/重力组合导航方法和系统 | |
Akbari et al. | Improved ground subsidence monitoring using small baseline SAR interferograms and a weighted least squares inversion algorithm | |
CN109633763B (zh) | 基于磁力仪与gps的精密地磁测绘系统及其地磁测绘方法 | |
CN105813194A (zh) | 基于指纹数据库二次校正的室内定位方法 | |
CN104613966B (zh) | 一种地籍测量事后数据处理方法 | |
Yang et al. | GPS-derived velocity and strain fields around Dome Argus, Antarctica | |
CN114706110B (zh) | 一种基于车路协同的车辆的卫星动态定位方法和系统 | |
CN110426717B (zh) | 一种协同定位方法及系统、定位设备、存储介质 | |
Tang et al. | Algorithms for sparse network-based RTK GPS positioning and performance assessment | |
CN111339483B (zh) | 一种基于去趋势互相关分析的gnss影像生成方法 | |
CN112131752B (zh) | 一种基于拟准检定的超强崩溃污染率抗差估计算法 | |
CN116485857B (zh) | 一种基于多源遥感数据的高时间分辨率冰川厚度反演方法 | |
CN111443366B (zh) | 一种gnss区域网中异常点探测方法及系统 | |
CN115022964B (zh) | 一种基于图信号的室内定位无线电地图重构方法和系统 | |
Ikehara | Global Positioning System surveying to monitor land subsidence in Sacramento Valley, California, USA | |
CN115201823B (zh) | 一种利用BDS-InSAR数据融合的地表形变监测方法 | |
CN108398704B (zh) | 一种贝叶斯滤波的多车辆协作定位方法 | |
CN114488247A (zh) | 一种基于高精度北斗差分定位分析装备机动能力的方法 | |
Li et al. | Evaluation of the glacial isostatic adjustment (GIA) models for Antarctica based on GPS vertical velocities | |
CN115390117B (zh) | 一种精密单点定位变形监测方法及装置 | |
CN109738924A (zh) | 一种协作定位方法与装置、计算机设备、存储介质 |
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 |