CN113341439A - 一种顾及周期信号的gnss测站速度稳健估测方法 - Google Patents

一种顾及周期信号的gnss测站速度稳健估测方法 Download PDF

Info

Publication number
CN113341439A
CN113341439A CN202110692798.0A CN202110692798A CN113341439A CN 113341439 A CN113341439 A CN 113341439A CN 202110692798 A CN202110692798 A CN 202110692798A CN 113341439 A CN113341439 A CN 113341439A
Authority
CN
China
Prior art keywords
velocity
sequence
speed
gnss
station
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
CN202110692798.0A
Other languages
English (en)
Other versions
CN113341439B (zh
Inventor
周晓慧
杨艺林
陈渠森
范文蓝
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.)
Wuhan University WHU
Original Assignee
Wuhan University WHU
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 Wuhan University WHU filed Critical Wuhan University WHU
Priority to CN202110692798.0A priority Critical patent/CN113341439B/zh
Publication of CN113341439A publication Critical patent/CN113341439A/zh
Application granted granted Critical
Publication of CN113341439B publication Critical patent/CN113341439B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01S19/35—Constructional details or hardware or software details of the signal processing chain
    • G01S19/37—Hardware or software details of the signal processing chain

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Abstract

本发明提供一种顾及周期信号的GNSS测站速度稳健估测方法及系统，包括获取单个测站同一分量若干个多源GNSS时间序列，获取各单一来源GNSS时间序列的周期信号，筛选信号周期，计算各单一来源序列速度样本，计算绝对中位差，并估计标准差；精化速度样本，计算各单一来源序列精化后速度样本的中位数及其速度样本方差，计算各单一来源序列速度中位数的权值；计算单测站单分量最终速度估值及不确定性，所得结果用于测站周边地理环境监测。本发明充分利用不同卫星导航系统获得的多源GNSS坐标时间序列估测测站速度，削弱了GNSS坐标时间序列中复杂的周期信号对速度估值的影响，减轻了GNSS坐标时间序列中瞬态异常信号对速度估值的影响。

Description

一种顾及周期信号的GNSS测站速度稳健估测方法
技术领域
本发明属于GNSS数据精密处理技术领域，具体涉及一种顾及周期信号的稳健估测方法，利用来自多个产品机构的GNSS单测站坐标时间序列，获取测站的速度及其不确定性。
背景技术
GNSS测站坐标时间序列的长期趋势(速度)反映了构造运动、断层应力累积、冰川均衡调整等现象，为地球物理学研究提供了基础资料。然而，GNSS坐标时间序列中复杂的周期信号会对测站速度及其不确定性的可靠获取造成严重影响。其中，地表质量负载、热膨胀效应的地球物理现象导致的周期性变化(Blewitt和Lavallée，2002；Penna，2003；Yan等，2009；Bos等，2010；Williams和Penna，2011；Fang等2018)，以及GNSS解算策略不完善、卫星星座等非地球物理因素导致的虚假信号(Ray等,2008；Amiri-Simkooei等,2013)都会导致速度估值的偏差。此外，地震、设备更换和观测条件不佳等因素导致的瞬态异常信号还会进一步降低测站速度的准确性。
随着GNSS技术的不断发展，我国北斗卫星导航系统(BDS)、美国的全球定位系统(GPS)、俄罗斯的全球卫星导航系统(GLONASS)等都为获取高精度、高时间分辨率的GNSS测站坐标时间序列提供了必要的观测数据。而国际GNSS服务(IGS)、国际GNSS监测评估系统(iGMAS)在内的多个机构利用不同卫星导航系统的数据，分别发布了单GNSS测站的坐标时间序列，为使用不同来源的GNSS坐标时间序列(下称多源GNSS坐标时间序列)准确估计测站速度及其不确定性提供了可能。但已有的参数估计方法(最小二乘估计、极大似然估计)难以在估计过程中综合利用多源GNSS坐标时间序列，获取单一测站的速度及其不确定性。
针对上述问题，本专利针对GNSS坐标时间序列复杂的周期信号，面向多源GNSS坐标时间序列，提出了一种顾及周期信号的GNSS测站速度稳健估测方法。该方法以GNSS时间序列信号周期作为先验信息设置自适应数据窗口，减小周期信号对速度估值的影响；利用多源GNSS时间序列获得的速度样本进行稳健估测，增强速度估值的可靠性；并结合速度样本方差(VR)和贝塞尔公式，有效评估速度不确定性。
发明内容
本发明提供了一种利用多源GNSS坐标时间序列，针对GNSS时间序列复杂周期信号，稳健估测GNSS单个测站速度及其不确定性的方法。
为解决上述技术问题，本发明采用如下的技术方案：
一种顾及周期信号的GNSS测站速度稳健估测方法，包括以下步骤，
步骤1，获取单个测站同一分量m个多源GNSS时间序列，m表示多源GNSS时间序列的来源个数；
步骤2，获取各单一来源GNSS时间序列的周期信号，得到的信号周期集合记作
Figure BDA0003127361830000021
其中，n1,…,nm为各GNSS时间序列中的周期信号个数；p表示信号周期，其上标表示获得该信号周期的GNSS时间序列编号，下标为周期编号；
步骤3，筛选信号周期，使所有周期均满足以下条件，得到速度样本窗口列表1,…,速度样本窗口列表m，
Figure BDA0003127361830000022
其中，i＝1,…,nj′，j＝1,…,m，i和j为循环变量，表示任一周期和任一序列来源；Tj表示各序列跨度，单位为年；b为预先设置的崩溃点；
设nj′表示筛选后剩余的信号周期数量，筛选后速度样本窗口列表记为
Figure BDA0003127361830000023
Figure BDA0003127361830000024
步骤4，按下式计算各单一来源序列速度样本，得到速度样本列表1,…,速度样本列表m，
Figure BDA0003127361830000025
其中，j＝1,…,m，
Figure BDA0003127361830000026
分别为第j个序列的第k个和第l个历元，
Figure BDA0003127361830000027
分别对应
Figure BDA0003127361830000028
与
Figure BDA0003127361830000029
历元下的坐标；
Figure BDA00031273618300000210
与
Figure BDA00031273618300000211
历元的时间间隔与对应的速度样本窗口最接近；
将获得的速度样本列表记作
Figure BDA00031273618300000212
o1,…,om为各序列获得的速度样本个数；
步骤5，计算各单一来源序列速度样本的绝对中位差MADj，并估计标准差σj，
Figure BDA00031273618300000213
σj＝1.4826·MADj
其中，j＝1,…,m，median{}表示计算集合的中位数；
步骤6，精化速度样本，使多源序列获取的所有速度样本均满足以下条件，得到精化的速度样本窗口列1,…,精化的速度样本窗口列m，
Figure BDA0003127361830000031
将精化后速度样本记为
Figure BDA0003127361830000032
o1′,…,om′为各序列精化后速度样本个数；
步骤7，计算各单一来源序列精化后速度样本的中位数
Figure BDA0003127361830000033
及其速度样本方差VRj，
Figure BDA0003127361830000034
Figure BDA0003127361830000035
VRj＝(1.4826·MADj′)2
其中，j＝1,…,m，MADj′为精华后速度样本的绝对中位差；
步骤8，计算各单一来源序列速度中位数的权值wj，
Figure BDA0003127361830000036
其中，j＝1,…,m，h表示任一个速度样本方差值；
步骤9，计算单测站单分量最终速度估值
Figure BDA0003127361830000037
及不确定性
Figure BDA0003127361830000038
如下，
Figure BDA0003127361830000039
Figure BDA00031273618300000310
所得结果用于测站周边地理环境监测。
而且，预设b＝0.15。
而且，当n1′,…,nm′中任一值小于5，假设na′<5，a∈{1,…,m}，且对应的周期信号集合内
Figure BDA00031273618300000311
均不满足
Figure BDA00031273618300000312
时，在筛选后速度样本窗口列表在
Figure BDA00031273618300000313
中加入一个取值为365的元素。
而且，所述测站周边地理环境监测，为测站周边地震灾害监测、滑坡灾害监测或水文环境监测。
另一方面，本发明还提供一种顾及周期信号的GNSS测站速度稳健估测系统，用于实现如上所述的一种顾及周期信号的GNSS测站速度稳健估测方法。
而且，包括以下模块，
第一模块，用于获取单个测站同一分量m个多源GNSS时间序列，m表示多源GNSS时间序列的来源个数；
第二模块，用于获取各单一来源GNSS时间序列的周期信号，得到的信号周期集合记作
Figure BDA0003127361830000041
其中，n1,…,nm为各GNSS时间序列中的周期信号个数；p表示信号周期，其上标表示获得该信号周期的GNSS时间序列编号，下标为周期编号；
第三模块，用于筛选信号周期，使所有周期均满足以下条件，得到速度样本窗口列表1,…,速度样本窗口列表m，
Figure BDA0003127361830000042
其中，i＝1,…,nj′，j＝1,…,m，i和j为循环变量，表示任一周期和任一序列来源；Tj表示各序列跨度，单位为年；b为预先设置的崩溃点；
设nj′表示筛选后剩余的信号周期数量，筛选后速度样本窗口列表记为
Figure BDA0003127361830000043
Figure BDA0003127361830000044
第四模块，用于按下式计算各单一来源序列速度样本，得到速度样本列表1,…,速度样本列表m，
Figure BDA0003127361830000045
其中，j＝1,…,m，
Figure BDA0003127361830000046
分别为第j个序列的第k个和第l个历元，
Figure BDA0003127361830000047
分别对应
Figure BDA0003127361830000048
与
Figure BDA0003127361830000049
历元下的坐标；
Figure BDA00031273618300000410
与
Figure BDA00031273618300000411
历元的时间间隔与对应的速度样本窗口最接近；
将获得的速度样本列表记作
Figure BDA00031273618300000412
o1，…，om为各序列获得的速度样本个数；
第五模块，用于计算各单一来源序列速度样本的绝对中位差MADj，并估计标准差σj，
Figure BDA00031273618300000413
σj＝1.4826·MADj
其中，j＝1，…，m，median{}表示计算集合的中位数；
第六模块，用于精化速度样本，使多源序列获取的所有速度样本均满足以下条件，得到精化的速度样本窗口列1,…,精化的速度样本窗口列m，
Figure BDA0003127361830000051
将精化后速度样本记为
Figure BDA0003127361830000052
o1′，…，om′为各序列精化后速度样本个数；
第七模块，用于计算各单一来源序列精化后速度样本的中位数
Figure BDA0003127361830000053
及其速度样本方差VRj，
Figure BDA0003127361830000054
Figure BDA0003127361830000055
VRj＝(1.4826·MADj′)2
其中，j＝1，…，m，MADj′为精华后速度样本的绝对中位差；
第八模块，用于计算各单一来源序列速度中位数的权值wj，
Figure BDA0003127361830000056
其中，j＝1,…,m，h表示任一个速度样本方差值；
第九模块，用于计算单测站单分量最终速度估值
Figure BDA0003127361830000057
及不确定性
Figure BDA0003127361830000058
如下，
Figure BDA0003127361830000059
Figure BDA00031273618300000510
所得结果用于测站周边地理环境监测。
或者，包括处理器和存储器，存储器用于存储程序指令，处理器用于调用存储器中的存储指令执行如上所述的一种顾及周期信号的GNSS测站速度稳健估测方法。
或者，包括可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序执行时，实现如上所述的一种顾及周期信号的GNSS测站速度稳健估测方法。
与现有技术相比，本发明具有特点：
本发明充分利用不同卫星导航系统获得的多源GNSS坐标时间序列估测测站速度，为单测站速度可靠、准确的获取提供了新的实现方案；依据序列自身的周期信号设置窗口计算速度样本，削弱了GNSS坐标时间序列中复杂的周期信号对速度估值的影响；根据绝对中位差剔除样本粗差(即精化速度样本)，减轻了GNSS坐标时间序列中瞬态异常信号对速度估值的影响；基于精华后速度样本方差确定多源GNSS时间序列的权，最终获取单测站单分量的速度及其不确定性，提高了速度不确定性评估的合理性。
附图说明
图1为本发明实施例的方法流程图。
具体实施方式
以下结合附图和实施例具体说明本发明的技术方案。
参见图1，本发明实施例中提出一种顾及周期信号的GNSS测站速度稳健估测方法，包括以下步骤：
步骤1，从公开数据集或自行计算获取单个测站同一分量m个多源GNSS时间序列，m表示多源GNSS时间序列的来源个数，取值范围可为大于1的整数，例如，当使用来自IGS和iGMAS两个来源的时间序列时，m＝2；
按照本领域习惯，分量通常是指北东高(N，E，U)方向之一。
步骤2，获取各单一来源GNSS时间序列的周期信号，得到的信号周期集合1,…,信号周期集合m，记作
Figure BDA0003127361830000061
其中，n1,…，nm为各GNSS时间序列中的周期信号个数；
Figure BDA0003127361830000062
表示信号周期，其上标j表示获得该信号周期的序列，下标i为周期编号，i＝1，…,nj′，j＝1，…，m，；周期信号的获取方法可使用现有技术，优选建议采用《GNSS测站坐标时间序列周期性探测方法及系统》(CN201910579540.2)中提供的方法；
步骤3，筛选信号周期，使所有周期均满足以下条件，得到速度样本窗口列表1,…,速度样本窗口列表m：
Figure BDA0003127361830000063
其中，i＝1，…，nj′，j＝1,…,m，i和j为循环变量，表示任一周期和任一序列来源；Tj表示各序列跨度，单位为年；b为预先设置的崩溃点(Breakdown Point)，即容许序列存在任意大小粗差的比例，具体实施时可由用户预先设置，根据理论分析结果，优选建议设为0.15；nj′表示筛选后剩余的信号周期数量。也就是说，筛选后剩余的信号周期(即速度样本窗口列表)可写作
Figure BDA0003127361830000064
崩溃点(Breakdown Point)建议值的理论分析过程：
崩溃点决定了本发明最大的速度样本窗口；因此，在设置崩溃点时，使用者需要考虑实际数据的跨度。对于一个跨度为5年的序列，设置崩溃点为0.2时，最大的数据窗口即为1年。为了保证在更短的序列中，消除GNSS时间序列周年和半周年信号的1年左右窗口能被有效保留，本发明优选建议对于较短的时间序列，适当减小设置的崩溃点，参考值为0.15；这样能够保证1年左右窗口在2.5年跨度的序列中得到保留。
通常情况下，5≤n1′,…,nm′≤20；当n1′，…,nm′中任一值小于5(假设na′<5，a∈{1，…，m})，且对应的周期信号集合内
Figure BDA0003127361830000071
均不满足
Figure BDA0003127361830000072
时，在
Figure BDA0003127361830000073
中加入一个取值为365的元素(周年窗口)，原因如下：
通常情况下可获取的周期信号个数超过5，却在极个别测站中仍会小于5。因此，为了保证流程在这些测站中的稳健性，当选取的周期信号个数小于5，且没有周期信号在350d至380d范围内时，应主动加入一个周年窗口作为补充(Blewitt et al.,2016)。其中，下限350d是为了包括周期351.2d的交点年信号(Ray等，2008)；上限380d则基于已有MLSHE成果中周年信号的最大周期设置。
步骤4，计算各单一来源序列速度样本，得到速度样本列表1,…,速度样本列表m：
Figure BDA0003127361830000074
其中，j＝1,…,m，
Figure BDA0003127361830000075
分别为第j个序列的第k个和第l个历元，
Figure BDA0003127361830000076
与
Figure BDA0003127361830000077
对应
Figure BDA0003127361830000078
与
Figure BDA0003127361830000079
历元下的坐标，k和l为循环变量，表示序列中任意两历元；
Figure BDA00031273618300000710
与
Figure BDA00031273618300000711
满足
Figure BDA00031273618300000712
即该两个历元的时间间隔与对应的速度样本窗口最接近。将获得的速度样本列表记作
Figure BDA00031273618300000713
Figure BDA00031273618300000714
o1，…，om为各序列获得的速度样本个数。
步骤5，计算各单一来源序列速度样本的绝对中位差MADj，并估计其标准差σj：
Figure BDA00031273618300000715
σj＝1.4826·MADj
其中，j＝1,…,m，median{}表示计算集合的中位数；
步骤6，精化速度样本，使多源序列获取的所有速度样本均满足以下条件，得到精化的速度样本窗口列1,…,精化的速度样本窗口列m：
Figure BDA00031273618300000716
将精化后速度样本记为
Figure BDA0003127361830000081
o1′,…,om′为各序列精化后速度样本个数；
步骤7，计算各单一来源序列精化后速度样本的中位数
Figure BDA0003127361830000082
及其速度样本方差VRj：
Figure BDA0003127361830000083
Figure BDA0003127361830000084
VRj＝(1.4826·MADj′)2
其中，j＝1,…,m，MADj′为精华后速度样本的绝对中位差；
步骤8，计算各单一来源序列速度中位数的权值wj：
Figure BDA0003127361830000085
其中，j＝1,…,m；h为累加符号的循环变量，表示任一个速度样本方差值；
步骤9，计算单测站单分量最终速度估值
Figure BDA0003127361830000086
及其不确定性
Figure BDA0003127361830000087
可用于测站周边地震、滑坡等灾害监测，水文环境监测等：
Figure BDA0003127361830000088
Figure BDA0003127361830000089
以上流程基于多源GNSS时间序列的信号周期设置速度样本窗口，能削弱GNSS坐标时间序列中周期信号对速度样本分布的影响，提高速度估值精度；基于稳健的MAD准则精化速度样本，利用VR和加权中位数估计测站速度，能减小GNSS坐标时间序列粗差、阶跃等异常信号对速度估值造成的偏差；基于VR和贝塞尔改正评估速度不确定性，能够提高速度的内符合精度的有效性。
具体实施时，本发明技术方案提出的方法可由本领域技术人员采用计算机软件技术实现自动运行流程，实现方法的系统装置例如存储本发明技术方案相应计算机程序的计算机可读存储介质以及包括运行相应计算机程序的计算机设备，也应当在本发明的保护范围内。
在一些可能的实施例中，提供一种顾及周期信号的GNSS测站速度稳健估测系统，包括以下模块，
第一模块，用于获取单个测站同一分量m个多源GNSS时间序列，m表示多源GNSS时间序列的来源个数；
第二模块，用于获取各单一来源GNSS时间序列的周期信号，得到的信号周期集合记作
Figure BDA0003127361830000091
其中，n1,…,nm为各GNSS时间序列中的周期信号个数；p表示信号周期，其上标表示获得该信号周期的GNSS时间序列编号，下标为周期编号；
第三模块，用于筛选信号周期，使所有周期均满足以下条件，得到速度样本窗口列表1,…,速度样本窗口列表m，
Figure BDA0003127361830000092
其中，i＝1,…,nj′，j＝1,…,m，i和j为循环变量，表示任一周期和任一序列来源；Tj表示各序列跨度，单位为年；b为预先设置的崩溃点；
设nj′表示筛选后剩余的信号周期数量，筛选后速度样本窗口列表记为
Figure BDA0003127361830000093
Figure BDA0003127361830000094
第四模块，用于按下式计算各单一来源序列速度样本，得到速度样本列表1,…,速度样本列表m，
Figure BDA0003127361830000095
其中，j＝1,…,m，
Figure BDA0003127361830000096
分别为第j个序列的第k个和第l个历元，
Figure BDA0003127361830000097
分别对应
Figure BDA0003127361830000098
与
Figure BDA0003127361830000099
历元下的坐标；
Figure BDA00031273618300000910
与
Figure BDA00031273618300000911
历元的时间间隔与对应的速度样本窗口最接近；
将获得的速度样本列表记作
Figure BDA00031273618300000912
o1，…，om为各序列获得的速度样本个数；
第五模块，用于计算各单一来源序列速度样本的绝对中位差MADj，并估计标准差σj，
Figure BDA00031273618300000913
σj＝1.4826·MADj
其中，j＝1,…,m，median{}表示计算集合的中位数；
第六模块，用于精化速度样本，使多源序列获取的所有速度样本均满足以下条件，得到精化的速度样本窗口列1,…,精化的速度样本窗口列m，
Figure BDA00031273618300000914
将精化后速度样本记为
Figure BDA0003127361830000101
o1′,…,om′为各序列精化后速度样本个数；
第七模块，用于计算各单一来源序列精化后速度样本的中位数
Figure BDA0003127361830000102
及其速度样本方差VRj，
Figure BDA0003127361830000103
Figure BDA0003127361830000104
VRj＝(1.4826·MADj′)2
其中，j＝1,…,m，MADj′为精华后速度样本的绝对中位差；
第八模块，用于计算各单一来源序列速度中位数的权值wj，
Figure BDA0003127361830000105
其中，j＝1,…,m，h表示任一个速度样本方差值；
第九模块，用于计算单测站单分量最终速度估值
Figure BDA0003127361830000106
及不确定性
Figure BDA0003127361830000107
如下，
Figure BDA0003127361830000108
Figure BDA0003127361830000109
所得结果用于测站周边地理环境监测。
在一些可能的实施例中，提供一种顾及周期信号的GNSS测站速度稳健估测系统，包括处理器和存储器，存储器用于存储程序指令，处理器用于调用存储器中的存储指令执行如上所述的一种顾及周期信号的GNSS测站速度稳健估测方法。
在一些可能的实施例中，提供一种顾及周期信号的GNSS测站速度稳健估测系统，包括可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序执行时，实现如上所述的一种顾及周期信号的GNSS测站速度稳健估测方法。
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，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (8)

1.一种顾及周期信号的GNSS测站速度稳健估测方法，其特征在于：包括以下步骤，
步骤1，获取单个测站同一分量m个多源GNSS时间序列，m表示多源GNSS时间序列的来源个数；
步骤2，获取各单一来源GNSS时间序列的周期信号，得到的信号周期集合记作
Figure FDA0003127361820000011
其中，n1，…，nm为各GNSS时间序列中的周期信号个数；p表示信号周期，其上标表示获得该信号周期的GNSS时间序列编号，下标为周期编号；
步骤3，筛选信号周期，使所有周期均满足以下条件，得到速度样本窗口列表1，...，速度样本窗口列表m，
Figure FDA0003127361820000012
其中，i＝1，…，nj′，j＝1，…，m，i和j为循环变量，表示任一周期和任一序列来源；Tj表示各序列跨度，单位为年；b为预先设置的崩溃点；
设nj′表示筛选后剩余的信号周期数量，筛选后速度样本窗口列表记为
Figure FDA0003127361820000013
Figure FDA0003127361820000014
步骤4，按下式计算各单一来源序列速度样本，得到速度样本列表1，...，速度样本列表m，
Figure FDA0003127361820000015
其中，j＝1，…，m，
Figure FDA0003127361820000016
分别为第j个序列的第k个和第l个历元，
Figure FDA0003127361820000017
分别对应
Figure FDA0003127361820000018
与
Figure FDA0003127361820000019
历元下的坐标；
Figure FDA00031273618200000110
与
Figure FDA00031273618200000111
历元的时间间隔与对应的速度样本窗口最接近；
将获得的速度样本列表记作
Figure FDA00031273618200000112
o1，…，om为各序列获得的速度样本个数；
步骤5，计算各单一来源序列速度样本的绝对中位差MADj，并估计标准差σj，
Figure FDA00031273618200000113
σj＝1.4826·MADj
其中，j＝1，…，m，median{}表示计算集合的中位数；
步骤6，精化速度样本，使多源序列获取的所有速度样本均满足以下条件，得到精化的速度样本窗口列1，...，精化的速度样本窗口列m，
Figure FDA0003127361820000021
将精化后速度样本记为
Figure FDA0003127361820000022
o1′，…，om′为各序列精化后速度样本个数；
步骤7，计算各单一来源序列精化后速度样本的中位数
Figure FDA0003127361820000023
及其速度样本方差VRj，
Figure FDA0003127361820000024
Figure FDA0003127361820000025
VRj＝(1.4826·MADj′)2
其中，j＝1，…，m，MADj′为精华后速度样本的绝对中位差；
步骤8，计算各单一来源序列速度中位数的权值wj，
Figure FDA0003127361820000026
其中，j＝1，…，m，h表示任一个速度样本方差值；
步骤9，计算单测站单分量最终速度估值
Figure FDA0003127361820000027
及不确定性
Figure FDA0003127361820000028
如下，
Figure FDA0003127361820000029
Figure FDA00031273618200000210
所得结果用于测站周边地理环境监测。
2.根据权利要求1所述顾及周期信号的GNSS测站速度稳健估测方法，其特征在于：预设b＝0.15。
3.根据权利要求1所述顾及周期信号的GNSS测站速度稳健估测方法，其特征在于：当n1′，…，Bm′中任一值小于5，假设na′＜5，a∈{1，…，m}，且对应的周期信号集合内
Figure FDA00031273618200000211
均不满足
Figure FDA00031273618200000212
时，在筛选后速度样本窗口列表在
Figure FDA00031273618200000213
中加入一个取值为365的元素。
4.根据权利要求1或2或3所述顾及周期信号的GNSS测站速度稳健估测方法，其特征在于：所述测站周边地理环境监测，为测站周边地震灾害监测、滑坡灾害监测或水文环境监测。
5.一种顾及周期信号的GNSS测站速度稳健估测系统，其特征在于：用于实现如权利要求1-4任一项所述的一种顾及周期信号的GNSS测站速度稳健估测方法。
6.根据权利要求5所述顾及周期信号的GNSS测站速度稳健估测系统，其特征在于：包括以下模块，
第一模块，用于获取单个测站同一分量m个多源GNSS时间序列，m表示多源GNSS时间序列的来源个数；
第二模块，用于获取各单一来源GNSS时间序列的周期信号，得到的信号周期集合记作
Figure FDA0003127361820000031
其中，n1，…，nm为各GNSS时间序列中的周期信号个数；p表示信号周期，其上标表示获得该信号周期的GNSS时间序列编号，下标为周期编号；
第三模块，用于筛选信号周期，使所有周期均满足以下条件，得到速度样本窗口列表1，...，速度样本窗口列表m，
Figure FDA0003127361820000032
其中，i＝1，…，nj′，j＝1，…，m，i和j为循环变量，表示任一周期和任一序列来源；Tj表示各序列跨度，单位为年；b为预先设置的崩溃点；
设nj′表示筛选后剩余的信号周期数量，筛选后速度样本窗口列表记为
Figure FDA0003127361820000033
Figure FDA0003127361820000034
第四模块，用于按下式计算各单一来源序列速度样本，得到速度样本列表1，...，速度样本列表m，
Figure FDA0003127361820000035
其中，j＝1，…，m，
Figure FDA0003127361820000036
分别为第j个序列的第k个和第l个历元，
Figure FDA0003127361820000037
分别对应
Figure FDA0003127361820000038
与
Figure FDA0003127361820000039
历元下的坐标；
Figure FDA00031273618200000310
与
Figure FDA00031273618200000311
历元的时间间隔与对应的速度样本窗口最接近；
将获得的速度样本列表记作
Figure FDA00031273618200000312
o1，…，om为各序列获得的速度样本个数；
第五模块，用于计算各单一来源序列速度样本的绝对中位差MADj，并估计标准差σj，
Figure FDA00031273618200000313
σj＝1.4826·MADj
其中，j＝1，…，m，median{}表示计算集合的中位数；
第六模块，用于精化速度样本，使多源序列获取的所有速度样本均满足以下条件，得到精化的速度样本窗口列1，...，精化的速度样本窗口列m，
Figure FDA0003127361820000041
将精化后速度样本记为
Figure FDA0003127361820000042
o1′，…，om′为各序列精化后速度样本个数；
第七模块，用于计算各单一来源序列精化后速度样本的中位数
Figure FDA0003127361820000043
及其速度样本方差VRj，
Figure FDA0003127361820000044
Figure FDA0003127361820000045
VRj＝(1.4826·MADj′)2
其中，j＝1，…，m，MADj′为精华后速度样本的绝对中位差；
第八模块，用于计算各单一来源序列速度中位数的权值wj，
Figure FDA0003127361820000046
其中，j＝1，…，m，h表示任一个速度样本方差值；
第九模块，用于计算单测站单分量最终速度估值
Figure FDA0003127361820000047
及不确定性
Figure FDA0003127361820000048
如下，
Figure FDA0003127361820000049
Figure FDA00031273618200000410
所得结果用于测站周边地理环境监测。
7.根据权利要求5所述顾及周期信号的GNSS测站速度稳健估测系统，其特征在于：包括处理器和存储器，存储器用于存储程序指令，处理器用于调用存储器中的存储指令执行如权利要求1-4任一项所述的一种顾及周期信号的GNSS测站速度稳健估测方法。
8.根据权利要求5所述顾及周期信号的GNSS测站速度稳健估测系统，其特征在于：包括可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序执行时，实现如权利要求1-4任一项所述的一种顾及周期信号的GNSS测站速度稳健估测方法。
CN202110692798.0A 2021-06-22 2021-06-22 一种顾及周期信号的gnss测站速度稳健估测方法 Active CN113341439B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110692798.0A CN113341439B (zh) 2021-06-22 2021-06-22 一种顾及周期信号的gnss测站速度稳健估测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110692798.0A CN113341439B (zh) 2021-06-22 2021-06-22 一种顾及周期信号的gnss测站速度稳健估测方法

Publications (2)

Publication Number Publication Date
CN113341439A true CN113341439A (zh) 2021-09-03
CN113341439B CN113341439B (zh) 2022-04-15

Family

ID=77477659

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110692798.0A Active CN113341439B (zh) 2021-06-22 2021-06-22 一种顾及周期信号的gnss测站速度稳健估测方法

Country Status (1)

Country Link
CN (1) CN113341439B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100060518A1 (en) * 2008-09-11 2010-03-11 Bar-Sever Yoaz E Method and apparatus for autonomous, in-receiver prediction of gnss ephemerides
US20110156954A1 (en) * 2009-12-29 2011-06-30 Texas Instruments Incorporated Position and Velocity Uncertainty Metrics in GNSS Receivers
CN104765055A (zh) * 2015-04-14 2015-07-08 武汉大学 Gps测站坐标时间序列周期性探测方法及系统
CN109188466A (zh) * 2018-09-29 2019-01-11 华东交通大学 一种顾及非线性变化的gnss基准站地壳运动速度场估计方法
CN110398753A (zh) * 2019-06-28 2019-11-01 武汉大学 Gnss测站坐标时间序列周期性探测方法及系统
CN111339483A (zh) * 2020-01-19 2020-06-26 武汉大学 一种基于去趋势互相关分析的gnss影像生成方法
CN111722250A (zh) * 2020-04-28 2020-09-29 武汉大学 基于gnss时间序列的地壳形变影像共模误差提取方法
CN112711052A (zh) * 2020-12-18 2021-04-27 武汉大学 基于连续t检验的GNSS坐标序列阶跃探测改进方法及系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100060518A1 (en) * 2008-09-11 2010-03-11 Bar-Sever Yoaz E Method and apparatus for autonomous, in-receiver prediction of gnss ephemerides
US20110156954A1 (en) * 2009-12-29 2011-06-30 Texas Instruments Incorporated Position and Velocity Uncertainty Metrics in GNSS Receivers
CN104765055A (zh) * 2015-04-14 2015-07-08 武汉大学 Gps测站坐标时间序列周期性探测方法及系统
CN109188466A (zh) * 2018-09-29 2019-01-11 华东交通大学 一种顾及非线性变化的gnss基准站地壳运动速度场估计方法
CN110398753A (zh) * 2019-06-28 2019-11-01 武汉大学 Gnss测站坐标时间序列周期性探测方法及系统
CN111339483A (zh) * 2020-01-19 2020-06-26 武汉大学 一种基于去趋势互相关分析的gnss影像生成方法
CN111722250A (zh) * 2020-04-28 2020-09-29 武汉大学 基于gnss时间序列的地壳形变影像共模误差提取方法
CN112711052A (zh) * 2020-12-18 2021-04-27 武汉大学 基于连续t检验的GNSS坐标序列阶跃探测改进方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
JUN MA ET AL.: "A New Three‐Dimensional Noise Modeling Method Based on Singular Value Decomposition and Its Application to CMONOC GPS Network", 《EARTH AND SPACE SCIENCE》 *
周晓慧 等: "GNSS影像及其时空特征初探", 《地球物理学报》 *
姚宜斌等: "共模误差对陆态网测站速度场估计的影响", 《测绘地理信息》 *

Also Published As

Publication number Publication date
CN113341439B (zh) 2022-04-15

Similar Documents

Publication Publication Date Title
CN105849589B (zh) 全球导航卫星系统、定位终端、定位方法以及记录介质
Murray et al. Global Positioning System data collection, processing, and analysis conducted by the US Geological Survey Earthquake Hazards Program
Gülal et al. Research on the stability analysis of GNSS reference stations network by time series analysis
WO2007092523A2 (en) Computing long term orbit and clock models with variable time-horizons
JP2007504469A (ja) 受信機自動インテグリティ監視、並びに故障検出及び除去の方法
CN113138402B (zh) 基于rtk的模糊度固定方法及装置、存储介质
CN109085655B (zh) 一种水下平台重力测量方案与验证方法
Rho et al. Dual‐Frequency GPS Precise Point Positioning with WADGPS Corrections
KR100796844B1 (ko) 측위 장치, 측위 장치의 제어 방법, 측위 장치의 제어프로그램을 기록한 컴퓨터 판독 가능한 기록 매체
CN112540393A (zh) 海上精密单点定位保护水平质量检核方法及系统
Gruszczynski et al. Orthogonal transformation in extracting of common mode errors from continuous GPS networks
Graffigna et al. Retrieving geophysical signals from GPS in the La Plata River region
CN113341439B (zh) 一种顾及周期信号的gnss测站速度稳健估测方法
CN113900069A (zh) 一种基于干涉成像高度计的垂线偏差计算方法及其系统
CN111443370B (zh) 车辆定位方法、装置、设备及车辆
Li et al. Earthquake source parameters estimated from high-rate multi-GNSS data: a case study of the 2022 M 6.9 Menyuan earthquake
CN103389502B (zh) 基于多个地面基站高精度确定载体加速度的方法
JP5058594B2 (ja) 測位点推定装置および測位点推定方法ならびにそのプログラムと記録媒体
Kaczmarek Influence of geophysical signals on coordinate variations GNSS permanent stations in Central Europe
CN111123303B (zh) 定位误差数据的获取方法、装置及处理方法
Li et al. Monitoring absolute vertical land motions and absolute sea-level changes from GPS and tide gauges data over French Polynesia
Pena Castellnou Present-day 3D GPS velocity field of the Iberian Peninsula and implications for seismic hazard
Guo et al. Integration of GNSS and seismic data for earthquake early warning: A case study on the 2011 Mw 9.0 Tohoku-Oki earthquake
Birinci et al. Assessing seismic displacements and early warning using kinematic PPP with MADOCA real-time products: A case study of 2023 Kahramanmaraş (Türkiye) earthquakes
Taftazani Movement Detection of Sermo Dam Control Point Based on GNSS Observation Data in 2016-2017

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