CN113189624B - 一种自适应分类的多径误差提取方法及装置 - Google Patents
一种自适应分类的多径误差提取方法及装置 Download PDFInfo
- Publication number
- CN113189624B CN113189624B CN202110487437.2A CN202110487437A CN113189624B CN 113189624 B CN113189624 B CN 113189624B CN 202110487437 A CN202110487437 A CN 202110487437A CN 113189624 B CN113189624 B CN 113189624B
- Authority
- CN
- China
- Prior art keywords
- multipath error
- mode function
- source data
- function components
- multipath
- 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
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
- G01S19/22—Multipath-related issues
-
- 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
- G01S19/24—Acquisition or tracking or demodulation of signals transmitted by the system
-
- 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
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)
Abstract
本发明公开了一种自适应分类的多径误差提取方法及装置，通过获取存在噪声的多径误差源数据；对所述多径误差源数据实施集合经验模态分解，获取所述多径误差源数据对应的一组固有模态函数分量；对所述一组固有模态函数分量进行希尔伯特变换获得所述一组固有模态函数分量的瞬时频率；根据频率特性对所述一组固有模态函数分量进行分类，对所述瞬时频率满足分类要求的所有固有模态函数分量进行累加求和计算，获得所述多径误差源数据对应的多径误差序列。本发明相对于现有技术提高了导航定位测量的准确性。
Description
技术领域
本发明涉及导航定位误差处理的技术领域，特别是涉及一种自适应分类的多径误差提取方法及装置。
背景技术
多径误差是由发射器到接收仪，经由不同长度多路径的无线电波间互相干扰形成的测量误差，是导航定位测量中一种主要的误差源，严重损害了导航定位的测量精度。同时，多径误差的提取在质量监测、形变监测、定位精度提升等方面都有研究。在多径误差提取工作中，多径误差的提取常采用对信号进行滤波的方法来获得，但在对信号进行处理的过程中忽视了多径误差的频率特性，信号的分类方法自适应效果差导致提取结果偏差较大，影响导航定位测量的准确性。
发明内容
本发明要解决的技术问题是：提供一种自适应分类的多径误差提取方法及装置，通过提取出多径误差序列，提高导航定位测量的准确性。
为了解决上述技术问题，本发明第一方面提供了一种自适应分类的多径误差提取方法，包括：
获取存在噪声的多径误差源数据；
对所述多径误差源数据实施集合经验模态分解，获取所述多径误差源数据对应的一组固有模态函数分量；
对所述一组固有模态函数分量进行希尔伯特变换获得所述一组固有模态函数分量分量的瞬时频率；
根据频率特性对所述一组固有模态函数分量进行分类，对所述瞬时频率满足分类要求的所有固有模态函数分量进行累加求和计算，获得所述多径误差源数据对应的多径误差序列。
进一步的，对所述多径误差源数据实施集合经验模态分解，具体为：
S1、对所述多径误差源数据添加随机白噪声，生成预处理信号；
S2、对所述预处理信号进行经验模态分解，生成所述预处理信号对应的一组固有模态函数分量和一个余项；对步骤S1到S2进行k次循环操作后，执行步骤S3，其中k为预设值；
S3、对经k次循环操作生成的k个预处理信号对应的k组固有模态函数分量和k个余项求均值，生成多径误差源数据经集合经验模态分解后得到的一组固有模态函数分量和一个余项。
进一步的，根据频率特性对所述一组固有模态函数分量进行分类，具体为：
对所述一组固有模态函数分量的瞬时频率中的粗差值进行剔除；所述粗差值为频率绝对值大于三倍标准差的频率值；
计算剔除粗差值后每个固有模态函数分量对应的瞬时频率序列均方根误差值；
遍历所有的固有模态函数分量，将瞬时频率序列均方根误差在多径误差部分频率范围内的固有模态函数分量，作为满足分类要求的固有模态函数分量。
进一步的，所述多径误差部分频率范围，具体为：
多径误差部分频率范围包括5.6mHz-20mHz、1.7mHz-3.3mHz和0.2mHz-0.6mHz。
进一步的获取存在噪声的多径误差源数据，具体为：
通过导航设备定位的观测值计算获取码减相位观测值，对所述码减相位观测值进行处理后，获得所述存在噪声的多径误差源数据；
或者，通过导航设备定位的双差观测值的矩阵变换获得单差观测值，并对所述单差观测值进行处理后，获得所述存在噪声的多径误差源数据；
或者，通过导航设备的定位解算后获得坐标误差序列，生成所述存在噪声的多径误差源数据。
进一步的，本发明第二方面提供了一种自适应分类的多径误差提取装置，包括：
数据获取模块用于获取存在噪声的多径误差源数据；
分解模块用于对所述多径误差源数据实施集合经验模态分解，获取所述多径误差源数据对应的一组固有模态函数分量；
频率获取模块用于对所述一组固有模态函数分量进行希尔伯特变换获得所述一组固有模态函数分量的瞬时频率；
分类计算模块用于根据频率特性对所述一组固有模态函数分量进行分类，对所述瞬时频率满足分类要求的所有固有模态函数分量进行累加求和计算，获得所述多径误差源数据对应的多径误差序列。
进一步的，本发明第三方面提供了一种多径误差实时评估分析系统，包括：
通过导航设备定位的观测值计算获取码减相位观测值，对所述码减相位观测值进行处理后，获得所述存在噪声的多径误差源数据；
根据上述第一方面中任意一项所述的一种自适应分类的多径误差提取方法，提取所述存在噪声的多径误差源数据中的多径误差序列；
对所述多径误差序列进行研究和评估分析，用于实时监测及多场景的作业工作。
进一步的，本发明第四方面提供了一种移除多径误差的高精度定位系统，包括：
通过导航设备定位的双差观测值的矩阵变换获得单差观测值，并对所述单差观测值进行处理后，获得所述存在噪声的多径误差源数据；
根据上述第一方面中任意一项所述的一种自适应分类的多径误差提取方法，提取所述存在噪声的多径误差源数据中的多径误差序列，记为基准天多径误差序列；
将所述基准天多径误差序列作用到第二天的SD残差序列中，利用消除多径误差的SD残差序列并根据差分定位方法进行坐标解算。
进一步的，本发明第五方面提供了一种抑制多径误差影响的高精度形变监测系统，包括：
通过导航设备的定位解算后获得坐标误差序列，生成所述存在噪声的多径误差源数据；
根据上述第一方面中任意一项所述的一种自适应分类的多径误差提取方法，提取所述存在噪声的多径误差源数据中的多径误差序列，记为第一天多路径误差序列；
将提取到的所述第一天多路径误差序列建立模型，应用于后一天多路径误差序列，剔除所述后一天的多路径误差。
本发明实施例一种自适应分类的多径误差提取方法及装置，与现有技术相比，具有如下有益效果：
本发明提供的一种自适应分类的多径误差提取方法及装置，通过获取存在噪声的多径误差源数据；对所述多径误差源数据实施集合经验模态分解，获取所述多径误差源数据对应的一组固有模态函数分量；对所述一组固有模态函数分量进行希尔伯特变换获得所述一组固有模态函数分量的瞬时频率；根据频率特性对所述一组固有模态函数分量进行分类，对所述瞬时频率满足分类要求的所有固有模态函数分量进行累加求和计算，获得所述多径误差源数据对应的多径误差序列。该方法相对于现有技术提高了导航定位测量的准确性。
附图说明
图1是本发明提供的一种自适应分类的多径误差提取方法的一种实施例的流程示意图；
图2是本发明提供的一种自适应分类的多径误差提取装置的一种实施例的流程示意图；
图3是基于本发明提供的一种自适应分类的多径误差提取方法及装置的一种移除多径误差的高精度定位系统的一种实施例的流程示意图；
图4是基于本发明提供的一种自适应分类多径误差提取方法及装置的一种抑制多径误差影响的高精度形变监测系统的一种实施例的流程示意图。
具体实施方式
下面将结合本发明中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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。
实施例1
参见图1，图1是本发明提供的一种自适应分类的多径误差提取方法的一种实施例的流程示意图，如图1所示，该方法包括步骤101到步骤104，具体如下：
步骤101：获取存在噪声的多径误差源数据；
本实施例中，通过导航设备定位的观测值计算获取码减相位观测值，生成对应的码减相位序列，码减相位序列经过一次滑动平均处理，去除码减相位序列中的电离层延迟和整周模糊度偏差项，获得存在噪声的多径误差源数据，即码减相位残差序列：，其中，mp(t)表示为多径误差序列，/>为伪距观测值噪声，为滑动平均噪声。
作为本实施例的一种举例，本发明也可以通过导航设备定位的双差观测值的矩阵变换获得单差观测值，并对所述单差观测值进行处理后，获得所述存在噪声的多径误差源数据；由于双差观测值和单差观测值之间存在转换关系，双差观测值可通过独立约束条件的传递矩阵转换为单差观测值，传递矩阵如下所示：
其中为第/>个卫星的相关加权因子，且该加权因子与卫星高度角相关。/>是两个接收机观测值的SD残差，/>是两个卫星SD残差的差值。此时，/>，其中SD为单差观测值，mp为多径误差，/>为噪声。
作为本实施例的再一种举例，本发明还可以通过对观测数据进行基线解算，得到GNSS的E、N、U方向的坐标序列，而使用长期静态观测的坐标解为真值，相互做差得到E、N、U方向的坐标误差序列,从而提取多径误差值，此时，，其中pos_er为任意方向的坐标误差，mp为多径误差，/>为噪声。
步骤102：对所述多径误差源数据实施集合经验模态分解，获取所述多径误差源数据对应的一组固有模态函数分量。
本实施例中，对所述多径误差源数据实施集合经验模态分解，其分解过程分为步骤S1到步骤S3；
S1、对所述多径误差源数据添加随机白噪声，生成预处理信号/>；
S2、对所述预处理信号进行经验模态分解，生成所述预处理信号对应的一组固有模态函数分量和一个残缺余项；对步骤S1到S2进行k次循环操作，其中k为预设值；
其中，为第/>次加入白噪声后经经验模态分解得到的第/>阶固有模态函数分量。再执行步骤S3。
S3、对经k次循环操作生成的k个预处理信号对应的k组固有模态函数分量和k个余项/>求均值，
其中，为原信号经过集合经验模态分解后得到的/>个固有模态函数分量中的第/>个固有模态函数分量，/>为原信号经集合经验模态分解后得到的残余分项；
经上述步骤S1到步骤S3，生成多径误差源数据经集合经验模态分解后得到的一组固有模态函数分量和一个残余项/>。
步骤103：对所述一组固有模态函数分量进行希尔伯特变换获得所述一组固有模态函数分量的瞬时频率。
本实施例中，对于分解后得到的一组固有模态函数分量求其解析信号，
将实部和虚部的幅角对时间进行求导可得到瞬时频率，其中为求幅角的算子，即瞬时频率如下：
对每个求其Hilbert变换，可得到相应固有模态函数的瞬时频率和瞬时幅值。原信号可表示为：
该步骤获得每个固有模态函数对应的Hilbert时频谱，即可获取每个观测历元的瞬时频率信息。
步骤104：根据频率特性对所述一组固有模态函数分量进行分类，对所述瞬时频率满足分类要求的所有固有模态函数分量进行累加求和计算，获得所述多径误差源数据对应的多径误差序列。
本实施例中，对所述一组固有模态函数分量的瞬时频率中的粗差值进行剔除；所述粗差值为频率绝对值大于三倍标准差的频率值；计算剔除粗差值后每个固有模态函数分量对应的瞬时频率序列均方根误差值；遍历所有的固有模态函数分量，将瞬时频率序列均方根误差在多径误差部分频率范围内的固有模态函数分量，作为满足分类要求的固有模态函数分量；多径误差部分频率范围包括5.6mHz-20mHz、1.7mHz-3.3mHz和0.2mHz-0.6mHz，其余频段外信号被视作为序列噪声。对所述瞬时频率满足分类要求的所有固有模态函数分量进行累加求和计算，获得所述多径误差源数据对应的多径误差序列mp(t)。
参见图2，图2是本发明提供的一种自适应分类的多径误差提取装置的一种实施例的流程示意图，如图2所示，该自适应分类的多径误差提取装置主要包括：
数据获取模块201用于获取存在噪声的多径误差源数据。具体为：本实施例中，通过导航设备定位的观测值计算获取码减相位观测值，生成对应的码减相位序列，码减相位序列经过一次滑动平均处理，去除码减相位序列中的电离层延迟和整周模糊度偏差项，获得存在噪声的多径误差源数据，即码减相位残差序列：，其中，mp(t)表示为多径误差序列，/>为伪距观测值噪声，/>为滑动平均噪声。
作为本实施例的一种举例，本发明也可以通过导航设备定位的双差观测值的矩阵变换获得单差观测值，并对所述单差观测值进行处理后，获得所述存在噪声的多径误差源数据；由于双差观测值和单差观测值之间存在转换关系，双差观测值可通过独立约束条件的传递矩阵转换为单差观测值，该传递矩阵如下：
其中为第/>个卫星的相关加权因子，且该加权因子与卫星高度角相关。/>是两个接收机观测值的SD残差，/>是两个卫星SD残差的差值。此时，/>，其中SD为单差观测值，mp为多径误差，/>为噪声。
作为本实施例的再一种举例，本发明还可以通过对观测数据进行基线解算，得到GNSS的E、N、U方向的坐标序列，而使用长期静态观测的坐标解为真值，相互做差得到E、N、U方向的坐标误差序列,从而提取多径误差值，此时，，其中pos_er为任意方向的坐标误差，mp为多径误差，/>为噪声。
分解模块202用于对所述多径误差源数据实施集合经验模态分解，获取所述多径误差源数据对应的一组固有模态函数分量。具体为：对所述多径误差源数据实施集合经验模态分解，其分解过程分为步骤S1到步骤S3；
S1、对所述多径误差源数据添加随机白噪声，生成预处理信号/>；
S2、对所述预处理信号进行经验模态分解，生成所述预处理信号对应的一组固有模态函数分量和一个残缺余项；对步骤S1到S2进行k次循环操作，其中k为预设值；
其中，为第/>次加入白噪声后经经验模态分解得到的第/>阶固有模态函数分量。再执行步骤S3。
S3、对经k次循环操作生成的k个预处理信号对应的k组固有模态函数分量和k个余项/>求均值，
其中，为原信号经过集合经验模态分解后得到的/>个固有模态函数分量中的第/>个固有模态函数分量，/>为原信号经集合经验模态分解后得到的残余分项；
经上述步骤S1到步骤S3，生成多径误差源数据经集合经验模态分解后得到的一组固有模态函数分量和一个残余项/>。
频率获取模块203用于对所述一组固有模态函数分量进行希尔伯特变换获得所述一组固有模态函数分量的瞬时频率。具体为：对于分解后得到的一组固有模态函数分量求其解析信号，
将实部和虚部的幅角对时间进行求导可得到瞬时频率，其中为求幅角的算子，即瞬时频率如下：
对每个求其Hilbert变换，可得到相应固有模态函数的瞬时频率和瞬时幅值。原信号可表示为：
该步骤获得每个固有模态函数对应的Hilbert时频谱，即可获取每个观测历元的瞬时频率信息。
分类计算模块204用于根据频率特性对所述一组固有模态函数分量进行分类，对所述瞬时频率满足分类要求的所有固有模态函数分量进行累加求和计算，获得所述多径误差源数据对应的多径误差序列。具体为：对所述一组固有模态函数分量的瞬时频率中的粗差值进行剔除；所述粗差值为频率绝对值大于三倍标准差的频率值；计算剔除粗差值后每个固有模态函数分量对应的瞬时频率序列均方根误差值；遍历所有的固有模态函数分量，将瞬时频率序列均方根误差在多径误差部分频率范围内的固有模态函数分量，作为满足分类要求的固有模态函数分量；多径误差部分频率范围包括5.6mHz-20mHz、1.7mHz-3.3mHz和0.2mHz-0.6mHz，其余频段外信号被视作为序列噪声。对所述瞬时频率满足分类要求的所有固有模态函数分量进行累加求和计算，获得所述多径误差源数据对应的多径误差序列mp(t)。
本实施例1中，本发明提供的一种自适应分类的多径误差提取方法及装置，通过对获取到的存在噪声的多径误差源数据经过分解处理，获得一组固有模态函数分量的瞬时频率；根据频率特性对所述一组固有模态函数分量进行分类，对所述瞬时频率满足分类要求的所有固有模态函数分量进行累加求和计算，获得所述多径误差源数据对应的多径误差序列。相比于现有技术对多径误差的提取常采用对信号进行滤波的方法来获得，本发明在对信号进行处理中使用多径误差的频率特性，信号的分类方法自适应效果差导致提取结果偏差较小，提高了导航定位测量的准确性。
实施例2
本实施例是基于本发明提供的一种自适应分类的多径误差提取方法及装置的一种多径误差实时评估分析系统；具体为：
本实施例中一种多径误差实时评估分析系统的数据来源是通过导航设备定位的观测值计算获取码减相位观测值，对所述码减相位观测值进行处理后，获得所述存在噪声的多径误差源数据，再根据本发明提供的一种自适应分类的多径误差提取方法对所获得的存在噪声的多径误差源数据进行分析，获取去除噪声后的多径误差序列，并对去除噪声后的多径误差序列进行研究和性能评估分析。
本实施例中提供的基于本发明提供的一种自适应分类的多径误差提取方法及装置的一种多径误差实时评估分析系统可用于实际操作人员对草地、山地、湖泊、高楼等场景的作业工作，并达到实时监测的效果。
实施例3
参见图3，图3是基于本发明提供的一种自适应分类的多径误差提取方法及装置的一种移除多径误差的高精度定位系统的一种实施例的流程示意图；
本实施例中，一种移除多径误差的高精度定位系统的数据来源为通过导航设备定位的双差观测值的矩阵变换获得单差观测值，并对所述单差观测值进行处理后，获得所述存在噪声的多径误差源数据；图3中DAY1为基准天的示例，具体是通过本发明提供的一种自适应分类的多径误差提取方法来获得基准天多径误差序列，并根据多径误差的周日重复性，对提取到的基准天多径误差序列建立模型，而后将基准天多径误差序列作用到第二天的SD残差序列中，利用消除多径误差的SD残差序列转化为DD序列并根据差分定位方法进行坐标解算。
本实施例提供的基于一种自适应分类的多径误差提取方法及装置的一种移除多径误差的高精度定位系统可用于消除多径误差影响并提高定位精度。
实施例4
参见图4，图4是基于本发明提供的一种自适应分类多径误差提取方法及装置的一种抑制多径误差影响的高精度形变监测系统的一种实施例的流程示意图。
本实施例中，一种抑制多径误差影响的高精度形变监测系统的数据来源为通过导航设备的基线定位解算后获得坐标误差序列，生成所述存在噪声的多径误差源数据；
图4中DAY1为基准天的示例，具体是通过本发明提供的一种自适应分类的多径误差提取方法来获得基准天的GNSS坐标序列对应的多径误差序列，并根据多径误差的周日重复性，对提取到的基准天的GNSS坐标序列对应的多径误差序列建立模型，而后将基准天的GNSS坐标序列对应的多径误差序列作用到第二天GNSS坐标序列对应的多径误差序列中，从而剔除第二天的GNSS坐标序列的多径误差。
本实施例提供的基于一种自适应分类多径误差提取方法及装置的一种抑制多径误差影响的高精度形变监测系统，可用于形变监测。
综上所述，本发明提供的一种自适应分类的多径误差提取方法及装置，通过获取存在噪声的多径误差源数据；对所述多径误差源数据实施集合经验模态分解，获取所述多径误差源数据对应的一组固有模态函数分量；对所述一组固有模态函数分量进行希尔伯特变换获得所述一组固有模态函数分量的瞬时频率；根据频率特性对所述一组固有模态函数分量进行分类，对所述瞬时频率满足分类要求的所有固有模态函数分量进行累加求和计算，获得所述多径误差源数据对应的多径误差序列。该方法相对于现有技术提高了导航定位测量的准确性，且应用范围广。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本发明的保护范围。
Claims (8)
1.一种自适应分类的多径误差提取方法，其特征在于，
获取存在噪声的多径误差源数据；
对所述多径误差源数据实施集合经验模态分解，获取所述多径误差源数据对应的一组固有模态函数分量；
对所述一组固有模态函数分量进行希尔伯特变换获得所述一组固有模态函数分量的瞬时频率；
根据频率特性对所述一组固有模态函数分量进行分类，对所述瞬时频率满足分类要求的所有固有模态函数分量进行累加求和计算，获得所述多径误差源数据对应的多径误差序列；
其中，根据频率特性对所述一组固有模态函数分量进行分类，具体为：
对所述一组固有模态函数分量的瞬时频率中的粗差值进行剔除；所述粗差值为频率绝对值大于三倍标准差的频率值；
计算剔除粗差值后每个固有模态函数分量对应的瞬时频率序列均方误差值；
遍历所有的固有模态函数分量将瞬时频率序列均方误差值在多径误差部分频率范围内的固有模态函数分量，作为满足分类要求的固有模态函数分量。
2.如权利要求1所述一种自适应分类的多径误差提取方法，其特征在于，对所述多径误差源数据实施集合经验模态分解，具体为：
S1、对所述多径误差源数据添加随机白噪声，生成预处理信号；
S2、对所述预处理信号进行经验模态分解，生成所述预处理信号对应的一组固有模态函数分量和一个余项；对步骤S1到S2进行k次循环操作后，执行步骤S3，其中k为预设值；
S3、对经k次循环操作生成的k个预处理信号对应的k组固有模态函数分量和k个余项求均值，生成多径误差源数据经集合经验模态分解后得到的一组固有模态函数分量和一个余项。
3.如权利要求1所述一种自适应分类的多径误差提取方法，其特征在于，所述多径误差部分频率范围，具体为：
多径误差部分频率范围包括5.6mHz-20mHz、1.7mHz-3.3mHz和0.2mHz-0.6mHz。
4.如权利要求1所述一种自适应分类的多径误差提取方法，其特征在于，获取存在噪声的多径误差源数据，具体为：
通过导航设备定位的观测值计算获取码减相位观测值，对所述码减相位观测值进行处理后，获得所述存在噪声的多径误差源数据；
或者，通过导航设备定位的双差观测值的矩阵变换获得单差观测值，并对所述单差观测值进行处理后，获得所述存在噪声的多径误差源数据；
或者，通过导航设备的定位解算后获得坐标误差序列，生成所述存在噪声的多径误差源数据。
5.一种自适应分类的多径误差提取装置，其特征在于，包括：
数据获取模块用于获取存在噪声的多径误差源数据；
分解模块用于对所述多径误差源数据实施集合经验模态分解，获取所述多径误差源数据对应的一组固有模态函数分量；
频率获取模块用于对所述一组固有模态函数分量进行希尔伯特变换获得所述一组固有模态函数分量的瞬时频率；
分类计算模块用于根据频率特性对所述一组固有模态函数分量进行分类，对所述瞬时频率满足分类要求的所有固有模态函数分量进行累加求和计算，获得所述多径误差源数据对应的多径误差序列；
其中，分类计算模块具体用于：
对所述一组固有模态函数分量的瞬时频率中的粗差值进行剔除；所述粗差值为频率绝对值大于三倍标准差的频率值；
计算剔除粗差值后每个固有模态函数分量对应的瞬时频率序列均方误差值；
遍历所有的固有模态函数分量将瞬时频率序列均方误差值在多径误差部分频率范围内的固有模态函数分量，作为满足分类要求的固有模态函数分量。
6.一种多径误差实时评估分析系统，其特征在于，
通过导航设备定位的观测值计算获取码减相位观测值，对所述码减相位观测值进行处理后，获得所述存在噪声的多径误差源数据；
根据权利要求1到3任意一项所述的一种自适应分类的多径误差提取方法，提取存在噪声的多径误差源数据中的多径误差序列；
对所述多径误差序列进行研究和评估分析，用于实时监测及多场景的作业工作。
7.一种移除多径误差的高精度定位系统，其特征在于，
通过导航设备定位的双差观测值的矩阵变换获得单差观测值，并对所述单差观测值进行处理后，获得所述存在噪声的多径误差源数据；
根据权利要求1到3任意一项所述的一种自适应分类的多径误差提取方法，提取存在噪声的多径误差源数据中的多径误差序列，记为基准天多径误差序列；
将所述基准天多径误差序列作用到第二天的SD残差序列中，利用消除多径误差的SD残差序列并根据差分定位方法进行坐标解算。
8.一种抑制多径误差影响的高精度形变监测系统，其特征在于，
通过导航设备的定位解算后获得坐标误差序列，生成所述存在噪声的多径误差源数据；
根据权利要求1到3任意一项所述的一种自适应分类的多径误差提取方法，提取存在噪声的多径误差源数据中的多径误差序列，记为第一天多路径误差序列；
将提取到的所述第一天多路径误差序列建立模型，应用于后一天多路径误差序列，剔除后一天的多路径误差。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110487437.2A CN113189624B (zh) | 2021-04-30 | 2021-04-30 | 一种自适应分类的多径误差提取方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110487437.2A CN113189624B (zh) | 2021-04-30 | 2021-04-30 | 一种自适应分类的多径误差提取方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113189624A CN113189624A (zh) | 2021-07-30 |
| CN113189624B true CN113189624B (zh) | 2023-10-03 |
Family
ID=76983470
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110487437.2A Active CN113189624B (zh) | 2021-04-30 | 2021-04-30 | 一种自适应分类的多径误差提取方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113189624B (zh) |
Citations (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2001022111A1 (en) * | 1999-09-24 | 2001-03-29 | Thales Geosolutions Group Limited | Global navigation satellite systems and methods |
| KR20030037851A (ko) * | 2001-11-06 | 2003-05-16 | 이형근 | 위성을 이용한 위치결정수신기의 실시간 다중경로오차검출방법 및 그 방법을 이용한 위치결정 장치 |
| CN101859146A (zh) * | 2010-07-16 | 2010-10-13 | 哈尔滨工业大学 | 一种基于预测滤波和经验模态分解的卫星故障预测方法 |
| CN103926599A (zh) * | 2014-04-17 | 2014-07-16 | 东南大学 | 基于emd迭代阈值滤波的gnss多径效应抑制方法 |
| CN104765979A (zh) * | 2015-04-28 | 2015-07-08 | 南京信息工程大学 | 一种基于集成经验模态分解的海杂波去噪方法 |
| CN105046062A (zh) * | 2015-06-30 | 2015-11-11 | 广东工业大学 | 一种改进的自适应噪声集合经验模态分解处理方法 |
| CN106468783A (zh) * | 2015-08-18 | 2017-03-01 | 中国石油天然气股份有限公司 | 岩性油气藏瞬时属性的提取方法 |
| CN106483563A (zh) * | 2015-08-25 | 2017-03-08 | 中国石油天然气股份有限公司 | 基于互补集合经验模态分解的地震能量补偿方法 |
| CN106650218A (zh) * | 2016-10-19 | 2017-05-10 | 上海电机学院 | 基于ceemd算法和希尔伯特变换的谐波分析方法 |
| CN107748375A (zh) * | 2017-10-18 | 2018-03-02 | 太原理工大学 | 一种基于ceemd‑ht算法的gnss实时多径抑制算法 |
| CN108520269A (zh) * | 2018-03-10 | 2018-09-11 | 华北电力大学（保定） | 一种风速预测方法及风速预测系统 |
| CN109725290A (zh) * | 2019-01-31 | 2019-05-07 | 北京邮电大学 | 一种误差提取方法、装置、电子设备及可读存储介质 |
| CN109738917A (zh) * | 2018-12-30 | 2019-05-10 | 广州海达安控智能科技有限公司 | 一种北斗变形监测中的多路径误差削弱方法及装置 |
| CN109738926A (zh) * | 2019-04-01 | 2019-05-10 | 湖南联智桥隧技术有限公司 | 一种基于bp神经网络技术的gnss多路径效应改正方法 |
| CN110598170A (zh) * | 2019-08-06 | 2019-12-20 | 天津大学 | 一种基于feemd分解时间序列的数据预测方法 |
| CN110598615A (zh) * | 2019-09-04 | 2019-12-20 | 北京建筑大学 | 一种用于桥梁结构监测的数据降噪方法及系统 |
| WO2020133711A1 (zh) * | 2018-12-28 | 2020-07-02 | 上海海积信息科技股份有限公司 | 一种卫星定轨方法、装置及电子设备 |
| CN111488801A (zh) * | 2020-03-16 | 2020-08-04 | 天津大学 | 基于振动噪声识别的船舶分类方法 |
| CN111913199A (zh) * | 2020-07-24 | 2020-11-10 | 东南大学 | 基于变分模态分解的手机gnss数据噪声提取方法 |
| CN112099067A (zh) * | 2020-08-25 | 2020-12-18 | 中国铁路设计集团有限公司 | 基于局部均值分解滤波的变形监测gnss多路径效应改正方法 |
| CN112180408A (zh) * | 2020-09-29 | 2021-01-05 | 中山大学 | 一种基于智能终端的多径误差提取方法和相关装置 |
| WO2021003757A1 (zh) * | 2019-07-10 | 2021-01-14 | 博睿泰克科技（宁波）有限公司 | 一种基于信号多径传播测量的室内定位方法及系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102967868B (zh) * | 2011-09-01 | 2015-01-21 | 神讯电脑(昆山)有限公司 | 定位装置及其信号处理方法 |
| KR102314678B1 (ko) * | 2019-02-25 | 2021-10-19 | 한국전자통신연구원 | 위성항법 다중경로오차 감쇄 방법 및 장치 |
-
2021
- 2021-04-30 CN CN202110487437.2A patent/CN113189624B/zh active Active
Patent Citations (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2001022111A1 (en) * | 1999-09-24 | 2001-03-29 | Thales Geosolutions Group Limited | Global navigation satellite systems and methods |
| KR20030037851A (ko) * | 2001-11-06 | 2003-05-16 | 이형근 | 위성을 이용한 위치결정수신기의 실시간 다중경로오차검출방법 및 그 방법을 이용한 위치결정 장치 |
| CN101859146A (zh) * | 2010-07-16 | 2010-10-13 | 哈尔滨工业大学 | 一种基于预测滤波和经验模态分解的卫星故障预测方法 |
| CN103926599A (zh) * | 2014-04-17 | 2014-07-16 | 东南大学 | 基于emd迭代阈值滤波的gnss多径效应抑制方法 |
| CN104765979A (zh) * | 2015-04-28 | 2015-07-08 | 南京信息工程大学 | 一种基于集成经验模态分解的海杂波去噪方法 |
| CN105046062A (zh) * | 2015-06-30 | 2015-11-11 | 广东工业大学 | 一种改进的自适应噪声集合经验模态分解处理方法 |
| CN106468783A (zh) * | 2015-08-18 | 2017-03-01 | 中国石油天然气股份有限公司 | 岩性油气藏瞬时属性的提取方法 |
| CN106483563A (zh) * | 2015-08-25 | 2017-03-08 | 中国石油天然气股份有限公司 | 基于互补集合经验模态分解的地震能量补偿方法 |
| CN106650218A (zh) * | 2016-10-19 | 2017-05-10 | 上海电机学院 | 基于ceemd算法和希尔伯特变换的谐波分析方法 |
| CN107748375A (zh) * | 2017-10-18 | 2018-03-02 | 太原理工大学 | 一种基于ceemd‑ht算法的gnss实时多径抑制算法 |
| CN108520269A (zh) * | 2018-03-10 | 2018-09-11 | 华北电力大学（保定） | 一种风速预测方法及风速预测系统 |
| WO2020133711A1 (zh) * | 2018-12-28 | 2020-07-02 | 上海海积信息科技股份有限公司 | 一种卫星定轨方法、装置及电子设备 |
| CN109738917A (zh) * | 2018-12-30 | 2019-05-10 | 广州海达安控智能科技有限公司 | 一种北斗变形监测中的多路径误差削弱方法及装置 |
| CN109725290A (zh) * | 2019-01-31 | 2019-05-07 | 北京邮电大学 | 一种误差提取方法、装置、电子设备及可读存储介质 |
| CN109738926A (zh) * | 2019-04-01 | 2019-05-10 | 湖南联智桥隧技术有限公司 | 一种基于bp神经网络技术的gnss多路径效应改正方法 |
| WO2021003757A1 (zh) * | 2019-07-10 | 2021-01-14 | 博睿泰克科技（宁波）有限公司 | 一种基于信号多径传播测量的室内定位方法及系统 |
| CN110598170A (zh) * | 2019-08-06 | 2019-12-20 | 天津大学 | 一种基于feemd分解时间序列的数据预测方法 |
| CN110598615A (zh) * | 2019-09-04 | 2019-12-20 | 北京建筑大学 | 一种用于桥梁结构监测的数据降噪方法及系统 |
| CN111488801A (zh) * | 2020-03-16 | 2020-08-04 | 天津大学 | 基于振动噪声识别的船舶分类方法 |
| CN111913199A (zh) * | 2020-07-24 | 2020-11-10 | 东南大学 | 基于变分模态分解的手机gnss数据噪声提取方法 |
| CN112099067A (zh) * | 2020-08-25 | 2020-12-18 | 中国铁路设计集团有限公司 | 基于局部均值分解滤波的变形监测gnss多路径效应改正方法 |
| CN112180408A (zh) * | 2020-09-29 | 2021-01-05 | 中山大学 | 一种基于智能终端的多径误差提取方法和相关装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113189624A (zh) | 2021-07-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106855628B (zh) | 一种高动态卫星导航信号的快速捕获和跟踪系统和方法 | |
| Wang et al. | Multipath analysis of code measurements for BeiDou geostationary satellites | |
| Hamadache et al. | Principal component analysis based signal-to-noise ratio improvement for inchoate faulty signals: Application to ball bearing fault detection | |
| US9658314B2 (en) | System and method for geo-locating and detecting source of electromagnetic emissions | |
| Pugliano et al. | A new method for specular and diffuse pseudorange multipath error extraction using wavelet analysis | |
| CN112180410A (zh) | 一种导航信号伪距偏差修正方法 | |
| CN110456397B (zh) | 一种多天线超短基线定位监测方法、装置及存储介质 | |
| Wu et al. | A highly accurate ultrasonic ranging method based on onset extraction and phase shift detection | |
| CN109725290B (zh) | 一种误差提取方法、装置、电子设备及可读存储介质 | |
| CN113791091A (zh) | 一种基于gnss-ir的土壤含水率实时连续监测方法 | |
| Zhang et al. | A noise analysis method for GNSS signals of a standalone receiver | |
| CN113189624B (zh) | 一种自适应分类的多径误差提取方法及装置 | |
| CN117031509A (zh) | 融合孤立森林及深度学习的土壤湿度反演方法及装置 | |
| CN110780320A (zh) | 一种软硬件一体化的卫星导航信号处理方法 | |
| CN115327595A (zh) | 基于gnss差分的航天器相对位置测量方法及其装置 | |
| CN112572845B (zh) | 一种基于小波变换的卫星机动快速探测方法 | |
| CN107450085B (zh) | 一种基于itd模糊熵的微小周跳探测方法 | |
| Aram et al. | Single frequency multipath mitigation based on wavelet analysis | |
| CN107884791B (zh) | 一种gnss定位数据的滤波方法 | |
| CN115373006A (zh) | 智能手机伪距多路径误差提取方法 | |
| CN107607913A (zh) | 基于对数累积量的海杂波Pareto分布参数估计方法 | |
| Keating et al. | Automated calibration and imaging with the Allen Telescope Array | |
| CN112464855A (zh) | 基于eemd的随钻泥浆正脉冲信号处理方法及装置 | |
| Aris et al. | Development of software-defined multichannel receiver for EAR | |
| Dvulit et al. | The processing of GNSS observation by non-classical error theory of measurements |
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 |