CN114137575A - 顾及卫星偏差和载噪比弧段影响的洪水探测方法 - Google Patents

顾及卫星偏差和载噪比弧段影响的洪水探测方法 Download PDF

Info

Publication number
CN114137575A
CN114137575A CN202210117900.9A CN202210117900A CN114137575A CN 114137575 A CN114137575 A CN 114137575A CN 202210117900 A CN202210117900 A CN 202210117900A CN 114137575 A CN114137575 A CN 114137575A
Authority
CN
China
Prior art keywords
carrier
noise ratio
detection
flood
satellite
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
CN202210117900.9A
Other languages
English (en)
Other versions
CN114137575B (zh
Inventor
杨为琛
马广迪
张国
杨生娟
施妍慧
孔诗元
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.)
Beijing National Remote Xintiandi Information Technology Ltd By Share Ltd
Zhejiang Ev Image Geographic Information Technology Co ltd
Original Assignee
Zhejiang Ev Image Geographic Information Technology Co ltd
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 Zhejiang Ev Image Geographic Information Technology Co ltd filed Critical Zhejiang Ev Image Geographic Information Technology Co ltd
Priority to CN202210117900.9A priority Critical patent/CN114137575B/zh
Publication of CN114137575A publication Critical patent/CN114137575A/zh
Application granted granted Critical
Publication of CN114137575B publication Critical patent/CN114137575B/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
    • G01S19/14—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
    • G01S19/33—Multimode operation in different systems which transmit time stamped messages, e.g. GPS/GLONASS
    • 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)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明公开了一种顾及卫星偏差和载噪比弧段影响的洪水探测方法，包括如下步骤S1、读取北斗和GLONASS卫星原始观测值，S2、原始观测值的处理，S3、分别建立基于分轨道分卫星分频率的载噪比和载噪比相位差探测模型；S4、洪水探测，S5、联合两种洪水探测量对洪水进行探测的探测结果，根据探测阈值将探测结果进行标记；S6、根据探测结果进行洪水预警并将探测结果对探测模型进行更新迭代。联合北斗和GLONASS双系统联合探测，有效保证探测成功率和稳定性，通过北斗和GLONASS双系统得观测值，为后期能够轻松得转换为图像及动态显示奠定基础，能够直观获取洪水区域以及强度；同时利用新数据对探测模型进行更新迭代，更加智能化，提高模型的长期稳定性。

Description

顾及卫星偏差和载噪比弧段影响的洪水探测方法
技术领域
本发明描述了一种顾及卫星偏差和载噪比弧段影响的洪水探测方法，属于导航卫星遥感反演技术领域。
背景技术
极端强降雨容易造成城市内涝和局部洪水发生，严重影响人民的生命和财产安全，比如2021年7月发生在郑州的城市内涝以及2021年10月发生在山西临汾的洪水灾害，造成三十多人死亡和失踪，直接经济损失高达数百亿。因此，提出并建立实时有效的洪水探测预警方法和装置，可以提前对洪水做出快速反应，为群众的疏散和财产的转移争取到宝贵的时间，是当前亟待解决的问题之一。
当前，基于卫星导航系统进行洪水探测预警的方法大致可以分为两类，第一类是基于伪距和载波相位观测值的方法进行洪水探测预警，但该方法所用观测值容易受噪声和其它误差影响，比如电离层延迟、对流层延迟等，特别是在进行观测值组合时容易造成噪声和其它误差放大，从而影响探测值精度，降低探测准确率和成功率。此外，利用载波相位观测值又需要对模糊度进行固定，而模糊度固定需要较长的收敛时间，这导致洪水探测实时性降低。第二类是基于信号载噪比观测值进行洪水探测的方法。该方法利用载噪比观测值对洪水进行探测，可以避免噪声放大和其它误差的影响，比如电离层延迟、对流层延迟误差等，因此得到了较好的应用。然而，现有基于载噪比的方法没有顾及卫星重复周期偏差的影响，从而导致在模型对比搜索时产生误差，降低了探测精度。同时，也没有考虑不同载噪比弧段差异的影响，导致探测精度不稳定等问题。此外，现有的谱分析方法不能有效顾及卫星反射高度偏差的影响，从而导致探测精度降低，而单北斗系统又降低了洪水探测的稳定性。
发明内容
本发明主要提供一种顾及卫星偏差和载噪比弧段影响的洪水探测方法，该方法基于北斗/GLONASS（格洛纳斯（GLONASS），俄语“全球卫星导航系统GLOBAL NAVIGATIONSATELLITE SYSTEM”的缩写），能够有效克服因忽略卫星周期偏差和载噪比弧段影响而导致的探测精度低、实时性差等问题。
为了解决上述技术问题，本发明的技术方案为：
一种顾及卫星偏差和载噪比弧段影响的洪水探测方法，包括如下步骤
S1、读取北斗和GLONASS卫星原始观测值，并计算卫星相应的高度角，方位角信息；所述观测值包括载噪比、伪距、载波相位观测值；
S2、原始观测值的处理
S2-1、基于总体最小二乘拟合滤除载噪比直射信号影响；
S2-2、采用可变阈值策略的奇异值分解算法消除噪声影响；
S2-3、采用载噪比分弧段处理策略，消除弧段差异影响，并作全域段分析；
S2-4、采用离散时间傅里叶谱分析消除卫星有效反射高度偏差影响；
S3、分别建立基于分轨道分卫星分频率的载噪比和载噪比相位差探测模型，即将处理后的原始观测值按时间顺序写入数据库；
S4、洪水探测
S4-1、生成第一洪水探测量，即载噪比残差探测量；生成第二洪水探测量，载噪比相位差探测量；
S4-1、分别基于北斗和GLONASS卫星的第一洪水探测量和第二洪水探测量进行洪水探测。
S5、联合两种洪水探测量对洪水进行探测的探测结果，根据探测阈值将探测结果进行标记；
S6、根据探测结果进行洪水预警并将探测结果对探测模型进行更新迭代。作为优选，所述步骤S2-1中，总体最小二乘拟合的模型表示如下：
Figure 412177DEST_PATH_IMAGE001
式中，L为观测向量且e L =vec(L)，E A 为系数矩阵中的误差且e A =vec(E A )，A为系数矩阵，
Figure 34919DEST_PATH_IMAGE002
为待估参数，vec(.)表示拉直运算，N为矩阵维数，D L 和D A 表示取L和A矩阵的对角元素。
作为优选，所述总体最小二乘拟合的模型的总体最小二乘准则表示如下：
Figure 313497DEST_PATH_IMAGE003
式中，T表示矩阵的转置，P表示权阵，由加权随机模型生成。其它参数含义如上所述。
作为优选，所述步骤S2-2包括如下步骤：
1）将载噪比观测值进行奇异值分解；
2）利用可变阈值策略对其奇异值进行去噪处理；
3）利用降噪后的奇异值对信号进行反变换，完成信号的重构，得到去噪后的信号。
作为优选，所述步骤S2-3中，载噪比分弧段处理策略为将载噪比根据高度角的高低分为四类，第一类是卫星上升阶段，高度角由0度到30度的载噪比残差；第二类是卫星上升阶段时高度角处于30度到90度的载噪比残差；第三类是卫星下降阶段时高度角从90度到30度的载噪比残差；第四类是卫星在下降阶段时高度角从30度到0度的载噪比残差。
作为优选，所述步骤S2-4中，离散时间傅里叶谱分析的方法：
Figure 993877DEST_PATH_IMAGE004
式中，x(n)即为载噪比残差序列，n表示序列长度，X(e jw )为其离散时间傅里叶谱函数，|X(e jw )|为其谱函数的幅度值，Θ(w)为其谱函数的相位值，将该相位值与无降雨日的相位值进行做差即可得到载噪比相位差。
作为优选，所述步骤S3包括基于步骤2-3分别建立北斗和GLONASS载噪比的残差探测模型：1）将载噪比按这四类弧段进行区分，并在探测日也将载噪比按此四类进行区分，每一类跟对应的数据进行相比探测；2）按照分轨道类型分卫星分频率建立载噪比残差探测模型，并按照高度角和方位角信息构建第一探测模型。
作为优选，所述建立探测模型的数据仅选取非雨天时的数据。
作为优选，所述步骤S3包括基于步骤2-4分别建立北斗和GLONASS载噪比的残差探测模型：按照分轨道类型分卫星分频率建立载噪比相位差探测模型，并按照高度角和方位角信息构建第二探测模型。
作为优选，所述步骤4-2包括基于载噪比残差和载噪比相位差的北斗卫星对洪水进行探测的方法如下：
1)根据原始载噪比观测值计算当前探测日的载噪比残差，其计算过程如步骤S2，得到当前历元时刻的载噪比残差,并采用步骤2-4计算载噪比相位差，得到精确的载噪比相位差;
2)计算该历元时刻的高度角和方位角，为后续模型搜索提供空域基准，同时计算北斗卫星的轨道重复周期偏差，为后续模型搜索提供精确的时域基准,计算模型表示如下：
Figure 513589DEST_PATH_IMAGE005
式中，n是观测时刻卫星的平均角速度，
Figure 279420DEST_PATH_IMAGE006
是地球重力常数，其G是万有引力常数，M是地球总质量,a是椭圆轨道的长半径，Δn是卫星的摄动参数，两者均在广播星历中给出,T geo/igso 表示GEO和IGSO卫星的重复周期，T meo 表示MEO卫星的重复周期,因此，轨道重复时间间隔可通过下式得到：
Figure 513086DEST_PATH_IMAGE007
式中，86400是以秒为单位的一个太阳日，TS是同一颗卫星的轨道重复周期时间间隔,geo，igso和meo分别表示三种轨道类型卫星,通过上述过程，可以得到精确的空域和时域搜索参考基准。
3）将该历元的载噪比残差和载噪比相位差与步骤S3中建立的第一探测模型和第二探测模型进行对比，输出探测结果。
作为优选，所述步骤4-2包括基于载噪比残差和载噪比相位差的GLONASS卫星对洪水进行探测的方法如下：
1）根据原始载噪比观测值计算当前探测日的载噪比残差，其计算过程如步骤S2，得到当前历元时刻的载噪比残差,并采用步骤2-4计算载噪比相位差，得到精确的载噪比相位差;
2）计算该历元时刻的高度角和方位角，为后续模型搜索提供空域基准，同时计算GLONASS卫星的轨道重复周期偏差，为后续模型搜索提供精确的时域基准，计算过程与北斗卫星计算过程相同，差别在于GLONASS是运行8天绕地球17圈形成重复，因此选取前8天的数据进行对比探测；
3）将该历元的载噪比残差和载噪比相位差与步骤S3中建立的第一探测模型和第二探测模型进行对比，输出探测结果。
作为优选，所述步骤S5中，基于北斗卫星的观测值对洪水探测方法：采用时域和空域双参考基准，若两者差值均大于设定阈值，则进行洪水标记，若没有则不标记，阈值根据第一探测模型中的经验观测值数据得到，如果载噪比残差平均下降达0.5dB-Hz则表明存在洪水可能,载噪比相位差平均上升达30度则表明存在洪水可能。
作为优选，所述步骤S5中，基于GLONASS卫星的观测值对洪水探测方法：采用时域和空域双参考基准,若两者差值均大于设定阈值，则进行洪水标记，若没有则不标记,阈值根据第二探测模型中的经验观测值数据得到，如果载噪比残差平均下降达0.5dB-Hz则表明存在洪水可能,载噪比相位差为平均上升达30度则表明存在洪水可能。
本发明具有以下的特点和有益效果：
采用本发明所述方法，
可以利用现有北斗/GLONASS导航系统卫星对洪水进行探测，与现有基于伪距和载波相位观测值的方法相比，既可以解决噪声和其它误差组合放大导致的探测精度低等问题，也可以解决模糊度固定收敛时间长导致的洪水探测实时性差等问题。与现有基于信号载噪比观测值的方法相比，既可以解决卫星重复周期转移偏差引起的对比搜索精度低等问题，又可以解决不同载噪比弧段特性差异引起的探测不稳定等问题；
同时联合北斗和GLONASS导航系统卫星进行双系统联合探测可以保证探测成功率和稳定性等问题，从而满足高精度、高实时性和高稳定性的洪水探测。考虑到卫星重复周期转移偏差引起的对比搜索精度低等问题，采用分系统分卫星独立计算每颗卫星的重复周期偏差，从而能够精确搜索对应的参考值，提高搜索效率和搜索精度，保证算法探测实时性。利用基于可变阈值策略的奇异值特征分解降噪算法对载噪比观测值进行去噪，滤除掉高频随机噪声，保留仅含有多路径反射信号的载噪比残差，提高探测量精度；
采用分弧段处理策略，充分考虑卫星上升和下降阶段的载噪比性能差异，提取基于载噪比残差的第一探测量，提高探测精度。利用离散时间傅里叶谱分析法单独计算每颗卫星有效反射高度，提取基于载噪比相位差的第二探测量，提高探测准确率；
联合北斗和GLONASS双系统联合探测，有效保证探测成功率和稳定性，另外，通过北斗和GLONASS双系统得观测值能够轻松得转换为图像，能够直观获取洪水区域以及强度；
同时利用新数据对探测模型进行更新迭代，更加智能化，提高模型的长期稳定性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例（或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1 顾及卫星偏差和载噪比弧段影响的洪水探测方法流程图。
图2 顾及卫星偏差和载噪比弧段影响的北斗卫星洪水探测算法流程图。
图3 顾及卫星偏差和载噪比弧段影响的GLONASS卫星洪水探测算法流程图。
具体实施方式
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以通过具体情况理解上述术语在本发明中的具体含义。
本发明提供了一种顾及卫星偏差和载噪比弧段影响的洪水探测方法，如图1-图3所示，包括如下步骤
S1、读取北斗和GLONASS卫星原始观测值，并计算卫星相应的高度角，方位角信息；所述观测值包括载噪比、伪距、载波相位观测值；
S2、原始观测值的处理
S2-1、采用总体最小二乘拟合算法滤除载噪比直射信号影响，仅保留含有多路径反射信号和随机噪声的载噪比。其总体最下二乘拟合的算法模型表示如下：
Figure 438186DEST_PATH_IMAGE001
式中，L为观测向量且e L =vec(L)，E A 为系数矩阵中的误差且e A =vec(E A )，A为系数矩阵，
Figure 348373DEST_PATH_IMAGE002
为待估参数。vec(.)表示拉直运算，N为矩阵维数，D L 和D A 表示取L和A矩阵的对角元素。使观测向量残差与系数矩阵残差的二范数保持最小，可以求出待解算参数，其总体最小二乘准则表示如下：
Figure 335920DEST_PATH_IMAGE003
式中，T表示矩阵的转置，P表示权阵，由加权随机模型生成。通过总体最小二乘拟合后，可以得到仅含有多路径反射信号和随机噪声信号的载噪比观测值。
S2-2、采用基于可变阈值策略的奇异值特征分解降噪算法对步骤S2-1处理后的载噪比观测值进行降噪处理，得到仅保留多路径反射信号的载噪比残差。
具体的，该步算法主要有三部分组成：1）将载噪比观测值进行奇异值分解。奇异值分解模型表示如下：根据矩阵分解理论可得，对于m行n列矩阵A∈Rm*n而言，假设矩阵的秩为r,则存在正交矩阵U∈Rm*m和正交矩阵V∈Rn*n，使其满足：
Figure 606234DEST_PATH_IMAGE008
式中，奇异值λ i 满足λ 1≥λ 2≥...≥λ r>0。U和V的列向量分别是AA T 和A T A的特征矩阵。由线性代数理论可得：
Figure 730047DEST_PATH_IMAGE009
式中u i 为U的列向量，v i 为V的列向量。通过上述分解，可以将信号分解为互不相关的子矩阵和相应的奇异值相乘。
2）利用可变阈值策略对其奇异值进行去噪处理。
可以理解的，常规阈值策略主要分为硬阈值和软阈值两种，但这两种阈值策略都将阈值规约为0，从而导致有效信息丢失，无法得到最优去噪。因此本实施例中采用可变阈值策略来改善此问题。其可变阈值策略表示为：
Figure 561868DEST_PATH_IMAGE010
式中，β=n/m为矩阵A维数的比值极限。经过上述阈值策略去噪后，可以得到有效滤除噪声后的奇异值
Figure 771133DEST_PATH_IMAGE011
。通过上式可知
Figure 330290DEST_PATH_IMAGE012
本身只是一个过度值。
3）利用降噪后的奇异值对信号进行反变换，完成信号的重构，得到去噪后的信号。其信号重构模型表示为：
Figure 841035DEST_PATH_IMAGE013
式中，
Figure 827446DEST_PATH_IMAGE011
即为去噪处理后的奇异值。
Figure 274739DEST_PATH_IMAGE014
即为去噪处理后重构生成的信号。其它参数表示含义与上述相同。
通过上述过程处理，利用基于可变阈值策略的奇异值特征分解降噪算法对载噪比观测值进行去噪，滤除掉高频随机噪声，保留仅含有多路径反射信号的载噪比残差，提高探测量精度。
S2-3、采用载噪比分弧段处理策略，消除弧段差异影响，并作全域段分析，
具体的，分弧段处理策略主要是将卫星上升和下降两个阶段的载噪比进行分开，并且对高度角在30-90度的载噪比数据也进行有效利用，将载噪比根据高度角的高低分为四类，第一类是卫星上升阶段，高度角由0度到30度的载噪比残差。第二类是卫星上阶段时高度角处于30度到90度的载噪比残差。第三类是卫星下降阶段时高度角从90度到30度的载噪比残差。第四类是卫星在下降阶段时高度角从30度到0度的载噪比残差。
上述技术方案中，采用分弧段处理策略，充分考虑卫星上升和下降阶段的载噪比性能差异，提取基于载噪比残差的第一探测量，提高探测精度。
S2-4、采用离散时间傅里叶谱分析消除卫星有效反射高度偏差影响
具体的，采用离散时间傅里叶谱分析法单独计算每颗卫星的有效反射高度和载噪比相位差，消除卫星有效反射高度偏差的影响，从而为建立精确的载噪比相位差探测模型奠定基础。该过程为，利用离散时间傅里叶谱分析法计算卫星有效反射高和载噪比相位差，其计算模型表示如下：
Figure 637587DEST_PATH_IMAGE004
式中，x(n)即为载噪比残差序列。n表示序列长度。X(e jw )为其离散时间傅里叶谱函数。|X(e jw )|为其谱函数的幅度值，Θ(w)为其谱函数的相位值。
上述技术方案中，利用离散时间傅里叶谱分析法单独计算每颗卫星有效反射高度，提取基于载噪比相位差的第二探测量，提高探测准确率。联合北斗和GLONASS双系统联合探测，有效保证探测成功率和稳定性。同时利用新数据对探测模型进行更新迭代，提高模型的长期稳定性。
S3、分别建立基于分轨道分卫星分频率的载噪比和载噪比相位差探测模型即将处理后的原始观测值按时间顺序写入数据库；
具体的，包括基于步骤2-3分别建立北斗和GLONASS载噪比的残差探测模型：1）将载噪比按这四类弧段进行区分，并在探测日也将载噪比按此四类进行区分，每一类跟对应的数据进行相比探测，比如探测日卫星上升阶段高度角为0度到30时，就跟探测模型中这段数据进行对比探测，从而有效克服弧段差异，提高探测精度。
2）按照分轨道类型分卫星分频率建立载噪比残差探测模型，并按照高度角和方位角信息构建第一探测模型。
可以理解的，第一探测模型的构建，即将按照分轨道类型分卫星分频率的载噪比残差数据以及相对应的高度角和方位角信息按时间顺序存入数据库。
需要说明的是，此处对北斗和GLONASS导航系统分别建模。注意：这里仅选取非雨天时的数据进行建模。
还包括包括基于步骤2-4分别建立北斗和GLONASS载噪比的残差探测模型：按照分轨道类型分卫星分频率建立载噪比相位差探测模型，并按照高度角和方位角信息构建第二探测模型。
可以理解的，第二探测模型的构建，即将按照分轨道类型分卫星分频率的载噪比相位差数据以及相对应的高度角和方位角信息按时间顺序存入数据库。
需要说明的是，此处对北斗和GLONASS导航系统分别建模。注意：这里仅选取非雨天时的数据进行建模。
需要说明的是，所述第一探测模型和第二探测模型实为一个存放有处理后的载噪比残差和载噪比相位差观测值的数据库，用于对处理后的载噪比残差和载噪比相位差观测值，以及按照分轨道类型分卫星将上述两种探测量分别按高度角和方位角信息进行分类存储，并且能够实现数据的更新迭代，便于后期读取数据，为洪水探测精度奠定基础。
S4、洪水探测
S4-1、生成第一洪水探测量，即载噪比探测量；生成第二洪水探测量，载噪比相位差探测量；
S4-2、分别基于北斗和GLONASS卫星的第一洪水探测量和第二洪水探测量进行洪水探测。
具体的，采用基于载噪比残差和载噪比相位差的北斗卫星对洪水进行探测。该步算法主要有三部分组成：
1）根据原始载噪比观测值计算当前探测日的载噪比残差，其计算过程如步骤S2描述相同，得到当前历元时刻的载噪比残差。并采用步骤2-4所描述方法计算载噪比相位差，得到精确的载噪比相位差。
2）计算该历元时刻的高度角和方位角，为后续模型搜索提供空域基准，同时计算北斗卫星的轨道重复周期偏差，为后续模型搜索提供精确的时域基准。
需要说明的是，该过程较简单，属于该领域常规方法，此处不再描述。
可以理解的，由于北斗卫星有三种轨道类型，其中GEO和IGSO卫星轨道重复周期相同，均为１天，而MEO卫星7天13圈才会形成重复，因此，相应的计算模型表示如下：
Figure 735993DEST_PATH_IMAGE005
式中，n是观测时刻卫星的平均角速度，
Figure 142573DEST_PATH_IMAGE006
是地球重力常数(1.996498×107 SI单位)，其G是万有引力常数，M是地球总质量。a是椭圆轨道的长半径，Δn是卫星的摄动参数，两者均在广播星历中给出。T geo/igso 表示GEO和IGSO卫星的重复周期，T meo 表示MEO卫星的重复周期。因此，轨道重复时间间隔可通过下式得到：
Figure 326429DEST_PATH_IMAGE007
式中，86400是以秒为单位的一个太阳日，TS是同一颗卫星的轨道重复周期时间间隔。geo，igso和meo分别表示三种轨道类型卫星。通过上述过程，可以得到精确的空域和时域搜索参考基准，提高模型探测搜索精确和速度。
3）将该历元的载噪比残差和载噪比相位差与步骤S3中建立的第一探测模型进行对比，模型搜索采用时域和空域双参考基准。若两者差值均大于设定阈值，则进行洪水标记，若没有则不标记。阈值根据经验模型得到，如果载噪比残差平均下降达0.5dB-Hz则表明存在洪水可能,载噪比相位差平均上升达30度则表明存在洪水可能。注意：该经验模型随环境改变，因此具体的阈值模型也需要根据测站环境更新。最后，将探测结果输出。
需要说明的是，经验模型是指一个存放有历史观测值的数据库。
进一步的，采用基于载噪比残差和载噪比相位差的GLONASS卫星对洪水进行探测。该步算法主要有三部分组成：
1）根据原始载噪比观测值计算当前探测日的载噪比残差，其计算过程如步骤S2描述相同，得到当前历元时刻的载噪比残差。并采用步骤S2-4所描述方法计算载噪比相位差，得到精确的载噪比相位差。
2）计算该历元时刻的高度角和方位角，为后续模型搜索提供空域基准，同时计算GLONASS卫星的轨道重复周期偏差，为后续模型搜索提供精确的时域基准。
需要说明的是，该过程较简单，属于该领域常规方法，此处不再描述。
另外，可以理解的，计算过程与北斗卫星计算过程相同，差别在于GLONASS是运行8天绕地球17圈形成重复。因此选取前8天的数据进行对比探测。
3）将该历元的载噪比残差和载噪比相位差与步骤S3中建立的第二探测模型进行对比，模型搜索采用时域和空域双参考基准。若两者差值均大于设定阈值，则进行洪水标记，若没有则不标记。阈值根据经验模型得到，如果载噪比残差平均下降达0.5dB-Hz则表明存在洪水可能,载噪比相位差为平均上升达30度则表明存在洪水可能。注意：该经验模型随环境改变，因此具体的阈值模型也需要根据测站环境更新。最后，将探测结果输出。
需要说明的是，经验模型是指一个存放有历史观测值的数据库。
S5、联合两种洪水探测量对洪水进行探测的探测结果，根据探测阈值将探测结果进行标记。
S6、根据探测结果进行洪水预警并将探测结果对探测模型进行更新迭代。
具体得，将经过两种卫星系统算法的洪水探测结果进行处理，若两各系统都存在标记，则认为存在洪水危险，需进行一级洪水预警处理。若只有一种情况出现标记，则进行二级洪水预警，若两者都没有标记，则更新原有探测模型，提高原有模型探测精度和准确率。
上述技术方案中，利用现有北斗/GLONASS导航系统卫星对洪水进行探测，与现有基于伪距和载波相位观测值的方法相比，既可以解决噪声和其它误差组合放大导致的探测精度低等问题，也可以解决模糊度固定收敛时间长导致的洪水探测实时性差等问题。与现有基于信号载噪比观测值的方法相比，既可以解决卫星重复周期转移偏差引起的对比搜索精度低等问题，又可以解决不同载噪比弧段特性差异引起的探测不稳定等问题。同时联合北斗和GLONASS导航系统卫星进行双系统联合探测可以保证探测成功率和稳定性等问题，从而满足高精度、高实时性和高稳定性的洪水探测。考虑到卫星重复周期转移偏差引起的对比搜索精度低等问题，采用分系统分卫星独立计算每颗卫星的重复周期偏差，从而能够精确搜索对应的参考值，提高搜索效率和搜索精度，保证算法探测实时性。
以上结合附图对本发明的实施方式作了详细说明，但本发明不限于所描述的实施方式。对于本领域的技术人员而言，在不脱离本发明原理和精神的情况下，对这些实施方式包括部件进行多种变化、修改、替换和变型，仍落入本发明的保护范围内。

Claims (13)

1.一种顾及卫星偏差和载噪比弧段影响的洪水探测方法，其特征在于，包括如下步骤
S1、读取北斗和GLONASS卫星原始观测值，并计算卫星相应的高度角，方位角信息；所述观测值包括载噪比、伪距、载波相位观测值；
S2、原始观测值的处理
S2-1、基于总体最小二乘拟合滤除载噪比直射信号影响；
S2-2、采用可变阈值策略的奇异值分解算法消除噪声影响；
S2-3、采用载噪比分弧段处理策略，消除弧段差异影响，并作全域段分析；
S2-4、采用离散时间傅里叶谱分析消除卫星有效反射高度偏差影响；
S3、分别建立基于分轨道分卫星分频率的载噪比和载噪比相位差探测模型，即将处理后的原始观测值按时间顺序写入数据库；
S4、洪水探测
S4-1、生成第一洪水探测量，即载噪比残差探测量；生成第二洪水探测量，载噪比相位差探测量；
S4-2、分别基于北斗和GLONASS卫星的第一洪水探测量和第二洪水探测量进行洪水探测；S5、联合两种洪水探测量对洪水进行探测的探测结果，根据探测阈值将探测结果进行标记；
S6、根据探测结果进行洪水预警并将探测结果对探测模型进行更新迭代。
2.根据权利要求1所述的顾及卫星偏差和载噪比弧段影响的洪水探测方法，其特征在于，所述步骤S2-1中，总体最小二乘拟合的模型表示如下：
Figure 375291DEST_PATH_IMAGE001
式中，L为观测向量且eL=vec(L)，EA为系数矩阵中的误差且eA=vec(EA)，A为系数矩阵，为待估参数，vec(.)表示拉直运算，N为矩阵维数，DL和DA表示取L和A矩阵的对角元素。
3.根据权利要求2所述的顾及卫星偏差和载噪比弧段影响的洪水探测方法，其特征在于，所述总体最小二乘拟合的模型的总体最小二乘准则表示如下：
Figure 257928DEST_PATH_IMAGE002
式中，T表示矩阵的转置，P表示权阵，由加权随机模型生成。
4.根据权利要求1所述的顾及卫星偏差和载噪比弧段影响的洪水探测方法，其特征在于，所述步骤S2-2包括如下步骤：
1）将载噪比观测值进行奇异值分解；
2）利用可变阈值策略对其奇异值进行去噪处理；
3）利用降噪后的奇异值对信号进行反变换，完成信号的重构，得到去噪后的信号。
5.根据权利要求1所述的顾及卫星偏差和载噪比弧段影响的洪水探测方法，其特征在于，所述步骤S2-3中，载噪比分弧段处理策略为将载噪比根据高度角的高低分为四类，第一类是卫星上升阶段，高度角由0度到30度的载噪比残差；第二类是卫星上阶段时高度角处于30度到90度的载噪比残差；第三类是卫星下降阶段时高度角从90度到30度的载噪比残差；第四类是卫星在下降阶段时高度角从30度到0度的载噪比残差。
6.根据权利要求5所述的顾及卫星偏差和载噪比弧段影响的洪水探测方法，其特征在于，所述步骤S2-4中，离散时间傅里叶谱分析的方法：
Figure 783587DEST_PATH_IMAGE003
式中，x(n)即为载噪比残差序列，n表示序列长度，X(ejw)为其离散时间傅里叶谱函数，|X(ejw)|为其谱函数的幅度值，Θ(w)为其谱函数的相位值，将该相位值与无降雨日的相位值进行做差即可得到载噪比相位差。
7.根据权利要求6所述的顾及卫星偏差和载噪比弧段影响的洪水探测方法，其特征在于，所述步骤S3包括基于步骤2-3分别建立北斗和GLONASS载噪比的残差探测模型：1）将载噪比按这四类弧段进行区分，并在探测日也将载噪比按此四类进行区分，每一类跟对应的数据进行相比探测；2）按照分轨道类型分卫星分频率建立载噪比残差探测模型，并按照高度角和方位角信息构建第一探测模型。
8.根据权利要求7所述的顾及卫星偏差和载噪比弧段影响的洪水探测方法，其特征在于，所述建立探测模型的数据仅选取非雨天时的数据。
9.根据权利要求7所述的顾及卫星偏差和载噪比弧段影响的洪水探测方法，其特征在于，所述步骤S3包括基于步骤2-4分别建立北斗和GLONASS载噪比的残差探测模型：按照分轨道类型分卫星分频率建立载噪比相位差探测模型，并按照高度角和方位角信息构建第二探测模型。
10.根据权利要求9所述的顾及卫星偏差和载噪比弧段影响的洪水探测方法，其特征在于，所述步骤4-2包括基于载噪比残差和载噪比相位差的北斗卫星对洪水进行探测的方法如下：
1)根据原始载噪比观测值计算当前探测日的载噪比残差，其计算过程如步骤S2，得到当前历元时刻的载噪比残差,并采用步骤2-4计算载噪比相位差，得到精确的载噪比相位差;
2)计算该历元时刻的高度角和方位角，为后续模型搜索提供空域基准，同时计算北斗卫星的轨道重复周期偏差，为后续模型搜索提供精确的时域基准,计算模型表示如下：
Figure 659139DEST_PATH_IMAGE004
式中，n是观测时刻卫星的平均角速度， 是地球重力常数，其G是万有引力常数，M是地球总质量,a是椭圆轨道的长半径，Δn是卫星的摄动参数，两者均在广播星历中给出,Tgeo/igso表示GEO和IGSO卫星的重复周期，Tmeo表示MEO卫星的重复周期,因此，轨道重复时间间隔可通过下式得到：
Figure 203122DEST_PATH_IMAGE005
式中，86400是以秒为单位的一个太阳日，TS是同一颗卫星的轨道重复周期时间间隔,geo，igso和meo分别表示三种轨道类型卫星,通过上述过程，可以得到精确的空域和时域搜索参考基准；
3）将该历元的载噪比残差和载噪比相位差与步骤S3中建立的第一探测模型和第二探测模型进行对比，输出探测结果。
11.根据权利要求10所述的顾及卫星偏差和载噪比弧段影响的洪水探测方法，其特征在于，所述步骤4-2包括基于载噪比残差和载噪比相位差的GLONASS卫星对洪水进行探测的方法如下：
1）根据原始载噪比观测值计算当前探测日的载噪比残差，其计算过程如步骤S2，得到当前历元时刻的载噪比残差,并采用步骤2-4计算载噪比相位差，得到精确的载噪比相位差;
2）计算该历元时刻的高度角和方位角，为后续模型搜索提供空域基准，同时计算GLONASS卫星的轨道重复周期偏差，为后续模型搜索提供精确的时域基准，计算过程与北斗卫星计算过程相同，差别在于GLONASS是运行8天绕地球17圈形成重复，因此选取前8天的数据进行对比探测；
3）将该历元的载噪比残差和载噪比相位差与步骤S3中建立的第一探测模型和第二探测模型进行对比，输出探测结果。
12.根据权利要求11所述的顾及卫星偏差和载噪比弧段影响的洪水探测方法，其特征在于，所述步骤S5中，基于北斗卫星的观测值对洪水探测方法：采用时域和空域双参考基准，若两者差值均大于设定阈值，则进行洪水标记，若没有则不标记，阈值根据第一探测模型中的经验观测值数据得到，如果载噪比残差平均下降达0.5dB-Hz则表明存在洪水可能,载噪比相位差平均上升达30度则表明存在洪水可能。
13.根据权利要求11所述的顾及卫星偏差和载噪比弧段影响的洪水探测方法，其特征在于，所述步骤S5中，基于GLONASS卫星的观测值对洪水探测方法：采用时域和空域双参考基准,若两者差值均大于设定阈值，则进行洪水标记，若没有则不标记,阈值根据第二探测模型中的经验观测值数据得到，如果载噪比残差平均下降达0.5dB-Hz则表明存在洪水可能,载噪比相位差为平均上升达30度则表明存在洪水可能。
CN202210117900.9A 2022-02-08 2022-02-08 顾及卫星偏差和载噪比弧段影响的洪水探测方法 Active CN114137575B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210117900.9A CN114137575B (zh) 2022-02-08 2022-02-08 顾及卫星偏差和载噪比弧段影响的洪水探测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210117900.9A CN114137575B (zh) 2022-02-08 2022-02-08 顾及卫星偏差和载噪比弧段影响的洪水探测方法

Publications (2)

Publication Number Publication Date
CN114137575A true CN114137575A (zh) 2022-03-04
CN114137575B CN114137575B (zh) 2022-05-10

Family

ID=80382136

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210117900.9A Active CN114137575B (zh) 2022-02-08 2022-02-08 顾及卫星偏差和载噪比弧段影响的洪水探测方法

Country Status (1)

Country Link
CN (1) CN114137575B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107796484A (zh) * 2017-01-11 2018-03-13 中南大学 一种基于北斗导航定位系统信噪比数据观测水位变化方法
CN108444569A (zh) * 2018-03-17 2018-08-24 中国水利水电科学研究院 一种基于筛选的卫星测高数据提取湖库水位的方法
CN108490463A (zh) * 2018-02-09 2018-09-04 东南大学 一种北斗卫星频间钟差偏差估计与建模方法
CN110221320A (zh) * 2019-05-07 2019-09-10 中国科学院国家授时中心 一种基于抛物面天线观测的北斗频间偏差测定方法
CN113049062A (zh) * 2021-03-12 2021-06-29 北京航空航天大学 一种gnss直反射信号载波干涉测量湖泊水位的装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107796484A (zh) * 2017-01-11 2018-03-13 中南大学 一种基于北斗导航定位系统信噪比数据观测水位变化方法
CN108490463A (zh) * 2018-02-09 2018-09-04 东南大学 一种北斗卫星频间钟差偏差估计与建模方法
CN108444569A (zh) * 2018-03-17 2018-08-24 中国水利水电科学研究院 一种基于筛选的卫星测高数据提取湖库水位的方法
CN110221320A (zh) * 2019-05-07 2019-09-10 中国科学院国家授时中心 一种基于抛物面天线观测的北斗频间偏差测定方法
CN113049062A (zh) * 2021-03-12 2021-06-29 北京航空航天大学 一种gnss直反射信号载波干涉测量湖泊水位的装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈昊晟等: "利用多系统GNSS干涉反射测量估计长江巴东水位变化", 《南京信息工程大学学报(自然科学版)》 *

Also Published As

Publication number Publication date
CN114137575B (zh) 2022-05-10

Similar Documents

Publication Publication Date Title
CN109738917B (zh) 一种北斗变形监测中的多路径误差削弱方法及装置
Hajj et al. COSMIC GPS ionospheric sensing and space weather
US10551505B2 (en) Ionospheric scintillation prediction
Labroue et al. First quality assessment of the Cryosat-2 altimetric system over ocean
CN112902989B (zh) 数据误差标定方法、装置、电子设备和存储介质
CN103698750A (zh) 海洋二号卫星散射计海面风场反演方法和装置
Artana et al. Twenty-five years of Mercator ocean reanalysis GLORYS12 at Drake Passage: Velocity assessment and total volume transport
CN112114341B (zh) 低轨卫星协同测频无源定位方法
Uwamahoro et al. Reconstruction of storm-time total electron content using ionospheric tomography and artificial neural networks: A comparative study over the African region
Hamden et al. Regional mean sea surface and mean dynamic topography models around Malaysian seas developed from 27 years of along-track multi-mission satellite altimetry data
CN115902968A (zh) 基于北斗三号geo播发增强信息的ppp终端定位方法
US20250052571A1 (en) Systems And Methods For Extending The Spatial Coverage Of A Reference Pressure Network
CN114137575B (zh) 顾及卫星偏差和载噪比弧段影响的洪水探测方法
Bancroft Multiple inertial measurement unit integration for pedestrian navigation
Kuang et al. Galileo real-time orbit determination with multi-frequency raw observations
Fernandes et al. Dynamic estimation of the wet path delay vertical gradients from ERA5 for satellite altimetry
CN114384556B (zh) 一种区域高分辨率电离层tec地图重构方法
CN111308570B (zh) 基于载波相位微分速度构建全球重力场的方法
Kutiev et al. Real time 3-D electron density reconstruction over Europe by using TaD profiler
Anghel et al. Near real-time monitoring of the ionosphere using dual frequency GPS data in a Kalman filter approach
CN114527498B (zh) 基于北斗mp和cgmc双组合观测值的洪水探测方法
Bancroft Multiple inertial measurement unit fusion for pedestrian navigation
Miidla et al. Tomographic approach for tropospheric water vapor detection
CN119936943B (zh) 一种低轨卫星机会信号与mems-ins组合定位方法
CN111965669B (zh) 一种gnss时间序列中观测墩热膨胀信号的分离方法

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
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Flood detection method considering satellite deviation and the influence of carrier to noise ratio arc segment

Granted publication date: 20220510

Pledgee: Zhejiang Deqing Rural Commercial Bank Co.,Ltd. science and technology sub branch

Pledgor: ZHEJIANG EV-IMAGE GEOGRAPHIC INFORMATION TECHNOLOGY CO.,LTD.

Registration number: Y2024980029690

PE01 Entry into force of the registration of the contract for pledge of patent right
TR01 Transfer of patent right

Effective date of registration: 20240801

Address after: Building 4, No. 11 Keyuan Road, Wuyang Street, Deqing County, Huzhou City, Zhejiang Province 313000

Patentee after: ZHEJIANG EV-IMAGE GEOGRAPHIC INFORMATION TECHNOLOGY CO.,LTD.

Country or region after: China

Patentee after: Beijing National Remote Xintiandi information technology Limited by Share Ltd.

Address before: 313200 building 4, No. 11, Keyuan Road, Deqing County, Huzhou City, Zhejiang Province

Patentee before: ZHEJIANG EV-IMAGE GEOGRAPHIC INFORMATION TECHNOLOGY CO.,LTD.

Country or region before: China

TR01 Transfer of patent right