CN112902825B - 一种适用于高精度形变监测的北斗/gnss网络rtk算法 - Google Patents

一种适用于高精度形变监测的北斗/gnss网络rtk算法 Download PDF

Info

Publication number
CN112902825B
CN112902825B CN202110394787.4A CN202110394787A CN112902825B CN 112902825 B CN112902825 B CN 112902825B CN 202110394787 A CN202110394787 A CN 202110394787A CN 112902825 B CN112902825 B CN 112902825B
Authority
CN
China
Prior art keywords
reference station
station
monitoring
error
delay
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
Application number
CN202110394787.4A
Other languages
English (en)
Other versions
CN112902825A (zh
Inventor
舒宝
何海波
王利
张勤
黄观文
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.)
Changan University
Original Assignee
Changan University
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 Changan University filed Critical Changan University
Priority to CN202110394787.4A priority Critical patent/CN112902825B/zh
Publication of CN112902825A publication Critical patent/CN112902825A/zh
Application granted granted Critical
Publication of CN112902825B publication Critical patent/CN112902825B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B7/00—Measuring arrangements characterised by the use of electric or magnetic techniques
    • G01B7/16—Measuring arrangements characterised by the use of electric or magnetic techniques for measuring the deformation in a solid, e.g. by resistance strain gauge
    • 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
    • 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
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/43—Determining position using carrier phase measurements, e.g. kinematic positioning; using long or short baseline interferometry
    • G01S19/44—Carrier phase ambiguity resolution; Floating ambiguity; LAMBDA [Least-squares AMBiguity Decorrelation Adjustment] method
    • 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

本发明公开了一种适用于高精度形变监测的北斗/GNSS网络RTK算法，涉及形变监测技术领域，其实现过程为：将监测端和GNSS连续运行参考站数据回传至服务端，服务端依据参考站位置划分区域子网；构建参考站GNSS观测方程，固定参考站网中所有基线的双差模糊度，提取GNSS参考站基线的斜路径电离层和天顶对流层延迟信息；服务端根据监测站位置选择合适的参考站子网以及主参考站，并内插得到主参考站和监测站间的斜路径电离层和天顶对流层信息；将大气改正值及其精度信息作为虚拟观测值并输入到构建的主参考站与监测站间观测方程中，相比常规GNSS监测算法，本申请提出的算法应用范围广、适用性强，可以有效节约监测成本并改善监测性能。

Description

一种适用于高精度形变监测的北斗/GNSS网络RTK算法
技术领域
本发明涉及形变监测技术领域，具体是涉及一种适用于高精度形变监测的北斗/GNSS网络RTK算法。
背景技术
早期，人造地球卫星仅仅作为一种空间的观测目标，这种对卫星的几何观测能够解决用常规大地测量难以实现的远距离陆地海岛联测定位的问题。但是这种方法费时费力，不仅定位精度低，而且不能测得点位的地心坐标。
20世纪50年代末期美国研制的子午卫星导航系统(NNSS)为GPS的前身，用5到6颗卫星组成的星网工作，每天最多绕过地球13次，但无法给出高度信息，在定位精度方面也不尽如人意。但子午仪系统使得研发部门对卫星定位取得了初步的经验，并验证了由卫星系统进行定位的可行性，为GPS系统的研制埋下了铺垫，它开创了海空导航的新时代，揭开了卫星大地测量学的新篇章。
由于卫星定位显示出在导航方面的巨大优越性及子午仪系统存在的卫星少、不能实时定位、间隔时间与观测时间长、不能提供实时定位和导航服务、精度较低等问题，美国海陆空三军及民用部门都感到迫切需要一种新的卫星导航系统。
全球定位系统(GPS)应运而生，紧接着到现如今的高精度全球卫星导航系统(GNSS)时代，实现了在任意时刻、地球上任意一点都可以同时观测到4颗卫星，以便实现导航、定位、授时等功能。
GNSS具有全天候、无需通视、大范围作业及自动化程度高等优点，在地质灾害监测、桥梁监测、建筑物监测等形变监测中被广泛应用。北斗/GNSS形变监测系统通常采用RTK算法处理监测设备的观测数据获取监测对象高精度的实时形变监测序列。
目前，传统的监测系统多是基于常规短距离RTK算法进行形变监测，在实际的监测项目中，灾害体附近基准点的稳定性通常难以保障，导致无法获得稳定可靠的监测站点变形序列，另外，基于常规短基线RTK的形变监测系统仅适用于小范围区域的形变监测项目，无法满足特大滑坡、特大桥梁等大范围灾害体或构筑物的高精度形变监测应用需求。
发明内容
针对上述问题，本文提出一种适用于高精度形变监测的北斗/GNSS网络RTK算法。该算法属于大范围网络RTK形变监测应用范畴，充分利用了已建成的连续运行参考站系统(Continuously Operating Reference System,CORS)资源，无须再布设基准站，降低了监测成本，具有较强的适用性。
本发明的技术方案是：一种适用于高精度形变监测的北斗/GNSS网络RTK算法，包括以下步骤：
步骤1：监测端和GNSS连续运行参考站的数据回传至服务端，服务端依据参考站位置划分区域子网；
步骤2：构建参考站GNSS观测方程，固定参考站网中所有基线间的双差模糊度；
步骤3：提取GNSS参考站基线上的大气误差信息，包括斜路径电离层延迟误差和天顶对流层延迟误差；
步骤4：服务端选择参考站子网及主参考站，误差建模，内插主参考站和监测站间的大气误差信息，包括斜路径电离层延迟误差和天顶对流层延迟误差；
步骤5：构建主参考站与监测站间的观测方程，将大气改正值及其精度信息作为虚拟观测值输入观测方程；
步骤6：滤波解算，服务端输出监测站的变形监测序列。
进一步地，所述步骤2中的构建参考站GNSS观测方程，固定参考站网中所有基线间的双差模糊度；首先使用MW组合观测值来估计宽巷模糊度，然后构建无电离层组合观测值，将宽巷模糊度代入无电离层组合观测方程来估计窄巷模糊度，根据所述宽巷模糊度和窄巷模糊度可固定参考站间的双差模糊度。
进一步地，所述步骤3中的电离层延迟误差和天顶对流层延迟误差是在模糊度固定后，利用色散误差与频率相关的特性可以分离观测值中的色散误差即电离层延迟误差，和非色散误差即天顶对流层延迟误差，分别提取出参考站基线上的双差电离层延迟误差和双差对流层延迟误差。
进一步地，所述双差电离层延迟误差的算法为：
Figure BDA0003018159870000031
式中，上标i、j分别为参考星i和卫星j；下标1，2分别为L1，L2载波；λ为载波波长，波长以米为单位；f为频率；L载波相位观测值；N为载波相位整周模糊度；ε为噪声；通过将噪声消减，双差电离层延迟误差的算法改正为：
Figure BDA0003018159870000032
进一步地，所述的天顶对流层延迟之差的算法为：
Tzwd，AB＝Tzwd，B-Tzwd，A    (3)
式中，A、B为参考编号，Tzwd表示天顶对流层延迟。
进一步地，其特征在于，步骤4所述的服务端选择参考站子网及主参考站，提取参考站间的大气误差信息，包括斜路径电离层延迟误差和天顶对流层延迟误差；主参考站和监测站间大气延迟误差建模，采用常见的线性内插法LIM，对所述斜路径电离层延迟误差和天顶对流层延迟误差进行插值，得到大气延迟信息；
进一步地，当参考站数n≥3时，求得内插系数矢量的最小二乘解，然后应用线性内插法LIM进行插值，得到主参考站和监测站间的斜路径电离层延迟信息和天顶对流层延迟信息。
进一步地，所述当参考站数n≥3时，求得内插系数矢量的最小二乘解的算法为：
Figure BDA0003018159870000033
Tzwd，AB＝aTΔXAB+bTΔYAB(4)
其中，上标i、j分别为参考星i和卫星j；下标A、B表示参考站编号；
Figure BDA0003018159870000041
为LIM模型电离层改正数插值系数；aT、bT为LIM模型对流层改正数插值系数；XAB、ΔYAB为参考站间的坐标差，
Figure BDA0003018159870000042
Tzwd，AB表示参考站间基线上斜路径电离层延迟和天顶对流层之差。
进一步地，所述大气延迟内插的算法为：
Figure BDA0003018159870000043
Tzwd，mu＝aTΔXmu+bTΔYmu              (5)
其中，上标i、j分别为参考星i和卫星j；下标m、u分别表示主参考站和监测站；
Figure BDA0003018159870000044
为LIM模型电离层改正数插值系数；aT、bT为LIM模型对流层改正数插值系数；ΔXmu、ΔYmu为主参考站和监测站间的坐标差,
Figure BDA0003018159870000045
Tzwd，mu为主参考站与监测站间的斜路径电离层延迟和天顶对流层之差。
进一步地，步骤5中所述的观测方程为：
Figure BDA0003018159870000046
虚拟观测方程：
Figure BDA0003018159870000047
其中，ρ为站星几何距离；下标m、u分别表示主参考站和监测站；
Figure BDA0003018159870000048
是区域电离层建模内插得到的电离层延迟，
Figure BDA0003018159870000049
是区域对流层建模内插得到的天顶对流层延迟；
Figure BDA00030181598700000410
Tzwd，mu表示主参考站与监测站处真实的电离层和天顶对流层延迟真值；ε表示内插大气延迟与真值的偏差；σ2表示区域大气建模内插的方差。
进一步地，联合步骤5中的式(6)和(7)，滤波解算，服务端输出监测站的形变监测序列。
本发明的有益效果是：
(1)本发明监测端数据是传输到服务端进行解算处理，监测设备无须再配置数据处理模块，可以使监测设备更加低成本化、小型化、低功耗。
(2)本发明充分利用了现存有的CORS资源，对CORS站的应用具有推动作用，且采用从本发明进行形变监测不必在布设基准站，节约了监测成本。
(3)本发明属于网络RTK应用范畴，具备大范围形变监测特点，克服了传统RTK形变监测距离受限问题。
(4)本发明与VRS技术相比，在电离层比较活跃的情况下，克服了VRS技术模型误差过大的问题，具有更高的精度。
附图说明
图1为本发明系统构成图。
图2为本发明实施方案的流程图。
图3为本发明中GNSS连续运行参考站分布图。
图4为天顶对流层延迟内插值与真值比较图。
图5为C02卫星斜路径电离层延迟内插值与真值比较图。
图6为G18卫星斜路径电离层延迟内插值与真值比较图。
图7为本发明新算法与VRS技术的结果对比图。
图8为本发明监测站形变监测序列图。
具体实施方式
如图1-2所示，一种适用于高精度形变监测的北斗/GNSS网络RTK算法，包括以下步骤：
步骤1：监测端和GNSS连续运行参考站的数据回传至服务端，服务端依据参考站位置划分区域子网；
步骤2：构建参考站GNSS观测方程，固定参考站网中所有基线间的双差模糊度；
首先使用MW组合观测值来估计宽巷模糊度，然后构建无电离层组合观测值，将宽巷模糊度代入无电离层组合观测方程来估计窄巷模糊度，根据所述宽巷模糊度和窄巷模糊度可固定参考站间的双差模糊度；
步骤3：提取GNSS参考站基线上的大气误差信息，包括斜路径电离层延迟误差和天顶对流层延迟误差；
电离层延迟误差和天顶对流层延迟误差是在模糊度固定后，利用色散误差与频率相关的特性可以分离观测值中的色散误差即电离层延迟误差，和非色散误差即天顶对流层延迟误差，分别提取参考站基线上的双差电离层延迟误差和天顶对流层延迟误差；
所述双差电离层延迟误差的算法为：
Figure BDA0003018159870000061
式中，上标i、j分别为参考星i和卫星j；下标1，2分别为L1，L2载波；A、B为参考站编号；λ为载波波长，波长以米为单位；f为频率；L为载波相位观测值；N为载波相位整周模糊度；ε为噪声；通过将噪声消减，双差电离层延迟误差的算法改正为：
Figure BDA0003018159870000062
所述天顶对流层延迟之差的算法为：
Tzwd，AB＝Tzwd，B-Tzwd，A    (3)
式中，A、B为参考编号，Tzwd表示天顶对流层延迟。
步骤4：服务端选择参考站子网及主参考站，误差建模，内插主参考站和监测站间的大气误差信息，包括斜路径电离层延迟误差和天顶对流层延迟误差；
主参考站和监测站间大气延迟误差建模，采用常见的线性内插法LIM，对所述斜路径电离层延迟误差和天顶对流层延迟误差进行插值，得到插值系数；
所述内插值系数的算法为：
Figure BDA0003018159870000071
Tzwd，AB＝aTΔXAB+bTΔYAB(4)
其中，上标i、j分别为参考星i和卫星j；下标A、B表示参考站编号；
Figure BDA0003018159870000072
为LIM模型电离层改正数插值系数；aT、bT为LIM模型对流层改正数插值系数；XAB、ΔYAB为参考站间的坐标差，
Figure BDA0003018159870000073
Tzwd，AB表示参考站间基线上斜路径电离层延迟和天顶对流层之差。
当参考站数n≥3时，求得内插系数矢量的最小二乘解，然后应用线性内插法LIM进行插值，得到主参考站和监测站间的斜路径电离层延迟信息和天顶对流层延迟信息；
大气延迟内插的算法为：
Figure BDA0003018159870000074
Tzwd，mu＝aTΔXmu+bTΔYmu           (5)
其中，上标i、j分别为参考星i和卫星j；下标m、u分别表示主参考站和监测站；
Figure BDA0003018159870000075
为LIM模型电离层改正数插值系数；aT、bT为LIM模型对流层改正数插值系数；ΔXmu、ΔYmu为主参考站和监测站间的坐标差,
Figure BDA0003018159870000076
Tzwd，mu为主参考站与监测站间的斜路径电离层延迟和天顶对流层之差。
步骤5：构建主参考站与监测站间的观测方程，将大气改正值及其精度信息作为虚拟观测值输入观测方程；
主参考站与监测站间观测方程为：
Figure BDA0003018159870000081
虚拟观测方程：
Figure BDA0003018159870000082
其中，ρ为站星几何距离；下标m、u分别表示主参考站和监测站；
Figure BDA0003018159870000083
是区域电离层建模内插得到的电离层延迟，
Figure BDA0003018159870000084
是区域对流层建模内插得到的天顶对流层延迟；
Figure BDA0003018159870000085
Tzwd，mu表示主参考站与监测站处真实的电离层和天顶对流层延迟真值；ε表示内插大气延迟与真值的偏差；σ2表示区域大气建模内插的方差。
步骤6：联合步骤5的式(6)和(7)，滤波解算，服务端输出监测站的形变监测序列。
本发明的效果可以通过下述实验加以说明：
1.实验环境
本发明验证试验采用北斗/GNSS实测数据，试验采用中国佛山市的GNSS连续运行参考站数据进行。站点分布图如图3所示，4个参考站共形成5条基线，平均站间距为73.3km，与监测站GFMJ距离最近的参考站为SLBH，GFMJ-SLBH的距离为42.7km。数据采样间隔设置为30s，卫星截止高度角设置为10度，观测时长约24小时，观测数据回传至云计算服务器进行实时解算，如图1所示。
2.实验结果
本次监测数据采用单历元动态定位模式进行处理，逐历元输出大气误差信息。将大气误差信息作为虚拟观测值输入监测站方程中进行RTK定位，同时也对监测站进行基于虚拟观测值(VRS)的RTK定位。
如图4-6所示，表示的是大气信息内插值与真值对比图；其中，天顶对流层之差在±2cm内波动，建模的均方根误差为0.7cm，中午2点左右达到最大值；在斜路径电离层延迟建模中，北斗系统的C02卫星建模均方根误差为2.2cm，最高达15.2cm，GPS系统的G18卫星建模均方根误差为1.6cm，最大约达4.5cm。
可以看到内插得到的大气延迟信息与真实值比较相差较大，而VRS技术正是基于内插的大气延迟信息生成虚拟观测值进行定位，大气延迟信息的建模误差较大；新算法则是将该大气信息作为虚拟观测值输入主参考站与监测站间的观测方程中，克服了把大气信息作为强约束的问题，图7显示其与VRS技术相比的结果。
如图7所示，表示的是两种模式定位结果的对比图，其中，基于虚拟观测值(VRS)的定位结果模糊度固定率为97.7％，E、N和U方向固定解RMS统计结果分别为1.06,0.94和3.12cm；基于大气约束的新算法模糊度固定率为99.9％，E、N和U方向固定解RMS统计结果分别为0.61,0.59和1.85cm；结果表明新算法定位结果更加稳定可靠且精度高。
如图8所示，表示的是监测站形变监测序列图，展示的是每5分钟的时段解定位结果，其中E、N和U方向的RMS统计结果分别为0.5,0.5和1.5cm，且监测采样率可以随监测体的形变状态进行自适应调整，所以本算法在形变监测领域极具有应用价值。

Claims (9)

1.一种适用于高精度形变监测的北斗/GNSS网络RTK算法，其特征在于，包括以下步骤：
步骤1：监测端和GNSS连续运行参考站的数据回传至服务端，服务端依据参考站位置划分区域子网；
步骤2：构建参考站GNSS观测方程，固定参考站网络中所有基线间的双差模糊度；
所述构建参考站GNSS观测方程，固定参考站网中所有基线间的双差模糊度；首先使用MW组合观测值来估计宽巷模糊度，然后构建无电离层组合观测值，将宽巷模糊度代入无电离层组合观测方程来估计窄巷模糊度，根据所述宽巷模糊度和窄巷模糊度可固定参考站间的双差模糊度；
步骤3：提取GNSS参考站基线上的大气误差信息，包括斜路径电离层延迟误差和天顶对流层延迟误差；
步骤4：服务端选择参考站子网及主参考站，误差建模，内插主参考站和监测站间的大气误差信息，包括斜路径电离层延迟误差和天顶对流层延迟误差；
步骤5：构建主参考站与监测站间的观测方程，将大气改正值及其精度信息作为虚拟观测值输入观测方程；
所述观测方程为：
Figure FDA0004171389650000011
虚拟观测方程为：
Figure FDA0004171389650000012
其中，ρ为站星几何距离；下标m、u分别表示主参考站和监测站；
Figure FDA0004171389650000013
是区域电离层建模内插得到的电离层延迟，
Figure FDA0004171389650000014
是区域对流层建模内插得到的天顶对流层延迟；
Figure FDA0004171389650000015
Tzwd，mu表示主参考站与监测站间真实的电离层和天顶对流层延迟信息；ε表示内插大气延迟与真值的偏差；σ2表示区域大气建模内插的方差；
步骤6：滤波解算，服务端输出监测站的变形监测序列。
2.如权利要求1所述的一种适用于高精度形变监测的北斗/GNSS网络RTK算法，其特征在于，所述步骤3中的斜路径电离层延迟误差和天顶对流层延迟误差是在模糊度固定后，利用色散误差与频率相关的特性可以分离观测值中的色散误差即斜路径电离层延迟误差，和非色散误差即天顶对流层延迟误差，分别提取参考站基线上的双差电离层延迟误差和天顶对流层延迟误差。
3.如权利要求2所述的一种适用于高精度形变监测的北斗/GNSS网络RTK算法，其特征在于，所述双差电离层延迟误差的算法为：
Figure FDA0004171389650000021
式中，上标i、j分别为参考星i和卫星j；下标1，2分别为L1，L2载波；λ为载波波长，波长以米为单位；f为频率；L为载波相位观测值；N为载波相位整周模糊度；ε为噪声；通过将噪声消减，双差电离层延迟误差的算法改正为：
Figure FDA0004171389650000022
4.如权利要求2所述的一种适用于高精度形变监测的北斗/GNSS网络RTK算法，其特征在于，所述天顶对流层延迟误差的算法为：
Tzwd，AB＝Tzwd，B-Tzwd，A      (3)
式中，A、B为参考站编号，Tzwd表示天顶对流层延迟。
5.如权利要求1所述的一种适用于高精度形变监测的北斗/GNSS网络RTK算法，其特征在于，步骤4所述的服务端选择参考站子网及主参考站，提取参考站间的大气误差信息，包括斜路径电离层延迟误差和天顶对流层延迟误差；主参考站和监测站间大气延迟误差建模，采用常见的线性内插法LIM，对所述斜路径电离层延迟误差和天顶对流层延迟误差进行插值，得到大气延迟信息。
6.如权利要求5所述的一种适用于高精度形变监测的北斗/GNSS网络RTK算法，其特征在于，当参考站数n≥3时，求得内插系数矢量的最小二乘解，然后应用线性内插法LIM进行插值，得到主参考站和监测站间的斜路径电离层延迟信息和天顶对流层延迟信息。
7.如权利要求6所述的一种适用于高精度形变监测的北斗/GNSS网络RTK算法，其特征在于，所述当参考站数n≥3时，求得内插系数矢量的最小二乘解的算法为：
Figure FDA0004171389650000031
Tzwd，AB＝aTΔXAB+bTΔYAB      (4)
其中，上标i、j分别为参考星i和卫星j；下标A、B分别表示参考站编号；
Figure FDA0004171389650000032
为LIM模型电离层改正数插值系数；aT、bT为LIM模型对流层改正数插值系数；ΔXAB、ΔYAB为参考站间的坐标差，
Figure FDA0004171389650000033
Tzwd，AB表示参考站间基线上斜路径电离层延迟和天顶对流层误差。
8.如权利要求7所述的一种适用于高精度形变监测的北斗/GNSS网络RTK算法，其特征在于，所述的大气延迟内插的算法为：
Figure FDA0004171389650000034
Tzwd,mu＝aTΔXmu+bTΔYmu       (5)
其中，上标i、j分别为参考星i和卫星j；下标m、u分别表示主参考站和监测站；
Figure FDA0004171389650000035
为LIM模型电离层改正数插值系数；aT、bT为LIM模型对流层改正数插值系数；ΔXmu、ΔYmu为主参考站和监测站间的坐标差,
Figure FDA0004171389650000036
Tzwd，mu为内插的主参考站与监测站间的斜路径电离层延迟和天顶对流层误差。
9.如权利要求5所述的一种适用于高精度形变监测的北斗/GNSS网络RTK算法，其特征在于，当参考站数n≥3时，通过内插系数矢量的最小二乘解，对线性内插法LIM进行插值，得到主参考站和监测站间的斜路径电离层延迟信息和天顶对流层延迟信息。
CN202110394787.4A 2021-04-13 2021-04-13 一种适用于高精度形变监测的北斗/gnss网络rtk算法 Active CN112902825B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110394787.4A CN112902825B (zh) 2021-04-13 2021-04-13 一种适用于高精度形变监测的北斗/gnss网络rtk算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110394787.4A CN112902825B (zh) 2021-04-13 2021-04-13 一种适用于高精度形变监测的北斗/gnss网络rtk算法

Publications (2)

Publication Number Publication Date
CN112902825A CN112902825A (zh) 2021-06-04
CN112902825B true CN112902825B (zh) 2023-05-12

Family

ID=76110606

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110394787.4A Active CN112902825B (zh) 2021-04-13 2021-04-13 一种适用于高精度形变监测的北斗/gnss网络rtk算法

Country Status (1)

Country Link
CN (1) CN112902825B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113358017B (zh) * 2021-06-02 2022-05-13 同济大学 一种多站协同处理的gnss高精度变形监测方法
CN114527497A (zh) * 2022-02-08 2022-05-24 国汽大有时空科技(安庆)有限公司 一种基于ppp-rtk的定位增强信息传输方法
CN114460615B (zh) * 2022-04-14 2022-07-08 中国测绘科学研究院 一种附加虚拟观测值的北斗三新频点定位方法及系统
CN116068598B (zh) * 2023-04-06 2023-07-21 中国科学院精密测量科学与技术创新研究院 一种广域分布式非差非组合ppp-rtk定位方法
CN117233799B (zh) * 2023-11-08 2024-02-09 武汉大学 基于虚拟基准站的煤矿采空区地表形变监测方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104680008A (zh) * 2015-02-12 2015-06-03 东南大学 一种基于多参考站的网络rtk区域大气误差建模方法
CN105204048A (zh) * 2014-06-24 2015-12-30 东南大学 一种北斗兼容gps/glonass的网络rtk参考站间模糊度快速解算方法

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100563148B1 (ko) * 2004-01-15 2006-03-22 한국가스공사연구개발원 Ｇｐｓ를 이용한 가스 시설물 변형 감시 시스템
CN101943749B (zh) * 2010-09-10 2013-02-27 东南大学 基于星型结构的虚拟参考站网络rtk定位方法
NL2009695C2 (en) * 2012-10-25 2014-05-06 Fugro N V Ppp-rtk method and system for gnss signal based position determination.
CN103454646B (zh) * 2013-09-18 2015-08-19 柳州天运寰通科技有限公司 用于处理基于北斗的高精度位移形变监测数据的方法
CN106646538B (zh) * 2016-10-31 2019-06-04 东南大学 一种基于单差滤波的变形监测gnss信号多路径改正方法
CN107907043B (zh) * 2017-10-20 2019-11-08 中国矿业大学 一种基于中长基线gnss监测网的特大型桥梁变形监测方法
CN108317949B (zh) * 2018-02-07 2020-05-15 桂林电子科技大学 一种rtk高精度差分定位形变监测系统及方法
CN108548479B (zh) * 2018-04-16 2019-09-10 武汉大学 基于gnss的桥梁实时监测快速初始化方法
ES2843774T3 (es) * 2018-08-08 2021-07-20 Thales Man & Services Deutschland Gmbh Un método para operar una pluralidad de receptores GNSS para detectar deformación de señal de satélites
AU2019101263A4 (en) * 2018-10-19 2019-11-28 Mthing Pty Ltd Device, System and Method for Monitoring Settlement and Structural Health
CN111308528B (zh) * 2019-12-10 2023-02-14 哈尔滨工程大学 一种北斗/gps紧组合虚拟参考站定位方法
AU2020103449A4 (en) * 2020-11-16 2021-01-28 China University Of Mining And Technology Method for monitoring the water level of reservoir by using GNSS triple-frequency phase combination data

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105204048A (zh) * 2014-06-24 2015-12-30 东南大学 一种北斗兼容gps/glonass的网络rtk参考站间模糊度快速解算方法
CN104680008A (zh) * 2015-02-12 2015-06-03 东南大学 一种基于多参考站的网络rtk区域大气误差建模方法

Also Published As

Publication number Publication date
CN112902825A (zh) 2021-06-04

Similar Documents

Publication Publication Date Title
CN112902825B (zh) 一种适用于高精度形变监测的北斗/gnss网络rtk算法
CN107193029B (zh) 北斗三频信号的网络rtk基准站间模糊度快速确定方法
CN107797126B (zh) 基于星型网络的bds/gps广播式网络rtk算法
CN108828626B (zh) 基于实时网格的网络rtk电离层延迟内插方法及系统
CN110261879B (zh) 广域地基增强位置服务的格网化虚拟参考站方法
AU2008300961B2 (en) Method for accuracy estimation of network based corrections for a satellite-aided positioning system
CN111045042B (zh) 一种基于“云-端”架构的ppp-rtk增强方法与系统
Yao et al. An improved approach to model regional ionosphere and accelerate convergence for precise point positioning
CN111694030A (zh) 一种基于格网虚拟观测值的bds局域差分方法及系统
CN104680008A (zh) 一种基于多参考站的网络rtk区域大气误差建模方法
CN103542854A (zh) 基于星载处理器的自主定轨方法
CN104965207A (zh) 一种区域对流层天顶延迟的获取方法
CN107861131A (zh) 一种斜路径电离层延迟的获取方法及系统
CN108345017B (zh) 新的网络rtk大气内插方法
CN110780323A (zh) 一种长距离下基于北斗三频信号的实时分米级定位方法
CN113358017B (zh) 一种多站协同处理的gnss高精度变形监测方法
CN116182795B (zh) 普速铁路纵断面精密测量方法
CN109116385A (zh) 一种基于bp神经网络的长距离网络rtk对流层延迟估计方法
CN116203598A (zh) 基于地基与星基增强融合的电离层建模方法、装置和介质
CN110146904B (zh) 一种适用于区域电离层tec的精确建模方法
CN109613582B (zh) 一种车载实时单频米级伪距定位方法
CN115421172A (zh) 一种基于实时与准实时结合的北斗变形监测方法
CN115061167A (zh) 一种适用于短距离大高差rtk的对流层延迟改正方法
CN116626730B (zh) 一种顾及nwp的海上区域cors增强ppp方法
CN114047536A (zh) 基于救援装备运动约束的ppp-rtk快速收敛方法

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
GR01 Patent grant
GR01 Patent grant