CN114662059A - 一种海上卫星大地坐标的高程拟合方法与装置 - Google Patents

一种海上卫星大地坐标的高程拟合方法与装置 Download PDF

Info

Publication number
CN114662059A
CN114662059A CN202210574399.9A CN202210574399A CN114662059A CN 114662059 A CN114662059 A CN 114662059A CN 202210574399 A CN202210574399 A CN 202210574399A CN 114662059 A CN114662059 A CN 114662059A
Authority
CN
China
Prior art keywords
elevation
positioning data
satellite positioning
coefficient
matrix
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.)
Pending
Application number
CN202210574399.9A
Other languages
English (en)
Inventor
郭龙
周飞
黄恒就
贾立博
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.)
Shenzhen Haiyi Petroleum Technology Co ltd
Original Assignee
Shenzhen Haiyi Petroleum 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 Shenzhen Haiyi Petroleum Technology Co ltd filed Critical Shenzhen Haiyi Petroleum Technology Co ltd
Priority to CN202210574399.9A priority Critical patent/CN114662059A/zh
Publication of CN114662059A publication Critical patent/CN114662059A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G06F17/12—Simultaneous equations, e.g. systems of linear equations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Operations Research (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computing Systems (AREA)
  • Remote Sensing (AREA)
  • Computer Graphics (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明属于海上通信定位技术领域，提出的一种海上卫星大地坐标的高程拟合方法与装置，通过获取当前海上目标的卫星定位数据，基于EGM96高程数据模型对卫星定位数据进行拟合，计算获取当前海上目标的高程异常，根据高程异常和卫星定位数据，计算得到当前海上目标的正常高，从而实现在海上公共点数据缺失的情况下，精准计算海上目标的正常高的技术效果。

Description

一种海上卫星大地坐标的高程拟合方法与装置
技术领域
本发明涉及海上通信定位技术领域，尤其涉及一种海上卫星大地坐标的高程拟合方法与装置。
背景技术
现有技术中，导航定位技术主要是通过卫星定位和地面公共点共同实现。例如，在陆地上的地面导航技术中，通常通过卫星给接收机发送位置信息，同时获取公共点数据，利用一些计算规则来获取地面目标的位置定位，例如获取地面目标的平面直角坐标X方向，Y方向等。但是，如果要对海上目标进行定位，由于海上公共点数据稀缺以及传统陆地的地面定位在三维空间定位技术方面的不足等原因，很难对海上目标的正常高进行精确计算，从而造成海上导航偏差，不利于海上活动的开展。
综上所述，现有技术中存在海上目标正常高的计算方法缺失，计算精度偏低的技术问题。
发明内容
为解决上述技术问题，本发明提供如下方案。
一方面，本发明提供一种海上卫星大地坐标的高程拟合方法，包括：
获取当前海上目标的卫星定位数据；
基于EGM96高程数据模型对所述卫星定位数据进行拟合，计算获取所述当前海上目标的高程异常；
根据所述高程异常和所述卫星定位数据，计算得到所述当前海上目标的正常高。
具体地，所述卫星定位数据包括所述当前海上目标所处的经度、纬度以及大地高。
优选地，所述的根据所述高程异常和所述卫星定位数据，计算得到所述当前海上目标的正常高，包括：
根据所述高程异常和所述大地高，计算得到所述当前海上目标的正常高。
优选地，所述的根据所述高程异常和所述大地高，计算得到所述当前海上目标的正常高，包括：
将所述高程异常和所述大地高相加，计算得到所述当前海上目标的正常高。
优选地，所述的获取当前海上目标的卫星定位数据，包括：
采用平差拟合算法，通过GNSS获取所述卫星定位数据。
优选地，所述的基于EGM96高程数据模型对所述卫星定位数据进行拟合，计算获取所述当前海上目标的高程异常，包括：
基于EGM96高程数据模型，计算所述卫星定位数据的球谐系数以获得361阶矩阵数据；
根据所述361阶矩阵数据进行递减回归运算，计算获取所述当前海上目标的高程异常；
其中，球谐系数是将地球表面观测的高程异常
Figure DEST_PATH_IMAGE001
展开成球谐函数的级数：
Figure DEST_PATH_IMAGE002
Pnm是完全归一化的缔合勒让德多项式,归一化的缔合勒让德多项式计算方法是标准前向列递推公式：
Figure DEST_PATH_IMAGE003
公式中，θ为纬度,
Figure DEST_PATH_IMAGE004
为经度；n是系数矩阵中的行下标，m是系数矩阵中的列下标；系数矩阵是指一个n*m个数字的矩阵，从EGM96系数文件读取c，s值得到；a是cos函数前的系数，该系数是n行，m列的EGM96系数表中的c数字；b是sin函数前的系数，该系数是n行，m列的EGM96系数表中的s数字；ι是指一个随着行标变化的变量；P为缔合勒让德多项式矩阵，Pnm是指P这个矩阵中第n行和第m列的那个数字；anm和bnm是公开的球谐系数；
采用加密系数矩阵表示真实的大地坐标点的高程异常与球谐系数计算值之间的差；所述加密系数矩阵的获得方法为：
通过海上石油平台的现有数据，使用克里金插值计算加密系数矩阵；
其中，高程异常满足随机场的两个假设，假设一为随机场的数学期望存在；
假设二为对随机场内任意两点，其协方差函数仅是点间向量的函数；
克里金插值的具体方法为：
半变异函数是计算研究区域内高程异常差变化的关键；高程异常差定义为高程异常差Z(x)在点x和x+h 处数值之差的方差之半，其表达式为:
Figure DEST_PATH_IMAGE005
对于任意的h，实验半变异函数γ* ( x，h) 可以表示为:
Figure DEST_PATH_IMAGE006
任意一点x0处的高程异常差待估值Z* (x0)是周围实测值Z(xi) 的线性组合，即:
Figure DEST_PATH_IMAGE007
式中，λi为权重系数; Z* (x0) 为点x0处的高程异常差待估值; Z(xi) 为已知点i= 1，2，3，…，n 处的高程异常差实测值；根据无偏约束条件可推导出:
Figure DEST_PATH_IMAGE008
根据最小方差条件，可得:
Figure DEST_PATH_IMAGE009
公式中，γ(xi，xj) 为高程异常差采样点xi和xj的理论变异函数；联立可构成n+1个方程，未知量为n 个权重系数λi和1个均值m，利用克里金插值方程组求解如下:
Figure DEST_PATH_IMAGE010
通过矩阵求逆，求出λi，带入周围实测值Z(xi) 的线性组合公式，预测出在位置x0处的高程异常差。
优选地，所述的采用平差拟合算法，通过GNSS获取所述卫星定位数据，包括：
利用基线矢量作为观测值，并利用测点坐标作为未知数，进行参数约束平差；测点坐标为空间三维直角坐标，参数约束包含对测点坐标的先验精度的输入，平差系数按最小二乘法求取；
使用观测坐标带入观测方程，以得到所述空间三维直角坐标的定位数据；
利用所述空间三维直角坐标的定位数据，通过GNSS获取所述卫星定位数据；
其中，测量里同精度的观测值都呈正态分布：
Figure DEST_PATH_IMAGE011
；
概率密度函数为:
Figure DEST_PATH_IMAGE012
；
平差随机误差 = 观测值 - 期望值；
Figure DEST_PATH_IMAGE013
；
其中v是观测值和实际值的差，需要对以下方程进行最优化求解：
Figure DEST_PATH_IMAGE014
；
Figure DEST_PATH_IMAGE015
；
观测方程为V=AX-L，其中X为实际值的估计，V为误差，A为系数矩阵，L为观测值；根据信号质量对每次测量的权重P进行赋值，使用以下方式解矩阵得到
Figure DEST_PATH_IMAGE016
，
Figure 946972DEST_PATH_IMAGE016
是实际值的最小二乘最优估计：
Figure DEST_PATH_IMAGE017
。
一方面，本发明提供一种海上卫星大地坐标的高程拟合的装置，包括：
当前定位获取模块，用于获取当前海上目标的卫星定位数据；
高程异常计算模块，用于基于EGM96高程数据模型对所述卫星定位数据进行拟合，计算获取所述当前海上目标的高程异常；
正常高计算模块，用于根据所述高程异常和所述卫星定位数据，计算得到所述当前海上目标的正常高。
一方面，本发明提供一种计算机设备，包括：处理器和存储器，所述存储器存储程序模块，所述程序模块在所述处理器运行，实现上述方法。
一方面，本发明提供一种可读存储介质，存储程序模块，所述程序模块在处理器中运行可实现上述方法。
与现有技术相比，本发明的有益效果为：
本发明提出的海上卫星大地坐标的高程拟合方法，通过获取当前海上目标的卫星定位数据，基于EGM96高程数据模型对卫星定位数据进行拟合，计算获取当前海上目标的高程异常，根据高程异常和卫星定位数据，计算得到当前海上目标的正常高，从而实现在海上公共点数据缺失的情况下，精准计算海上目标的正常高的技术效果。
附图说明
图1是海上卫星大地坐标的高程拟合方法的一个流程示意图；
图2是海上卫星大地坐标的高程拟合装置的一个架构示意图；
图3是计算机设备的一个架构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，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做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。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
应当理解，在本发明的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
应当理解，在本发明中，“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解，在本发明中，“多个”是指两个或两个以上。“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“包含A、B和C”、“包含A、B、C”是指A、B、C三者都包含，“包含A、B或C”是指包含A、B、C三者之一，“包含A、B和/或C”是指包含A、B、C三者中任1个或任2个或3个。
应当理解，在本发明中，“与A对应的B”、“与A相对应的B”、“A与B相对应”或者“B与A相对应”，表示B与A相关联，根据A可以确定B。根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其他信息确定B。A与B的匹配，是A与B的相似度大于或等于预设的阈值。
取决于语境，如在此所使用的“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
实施例一
参见图1，本实施例提供一种海上卫星大地坐标的高程拟合方法。
需要说明的是，图1所示方法的执行主体可以是软件和/或硬件装置。本申请的执行主体可以包括但不限于以下中的至少一个：用户设备、网络设备等。其中，用户设备可以包括但不限于计算机、智能手机、个人数字助理（Personal Digital Assistant，简称：PDA）及上述提及的电子设备等。网络设备可以包括但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算的由大量计算机或网络服务器构成的云，其中，云计算是分布式计算的一种，由一群松散耦合的计算机组成的一个超级虚拟计算机。本实施例对此不做限制。
本实施例提供的海上卫星大地坐标的高程拟合方法，包括步骤S101至步骤S103，具体如下：
步骤S101、获取当前海上目标的卫星定位数据；
步骤S102、基于EGM96高程数据模型对所述卫星定位数据进行拟合，计算获取所述当前海上目标的高程异常；
步骤S103、根据所述高程异常和所述卫星定位数据，计算得到所述当前海上目标的正常高。
需要说明的是，步骤S101-步骤S103的执行主体可以是服务器。
一方面，对于步骤步骤S101，需要进行如下说明。
需要说明的是，卫星定位数据可以包括所述当前海上目标所处的经度、纬度以及大地高。
还需要说明的是，当前海上目标可以是指任何移动或者静止的目标，例如岛屿、船舶以及采油平台等。
为了获取当前海上目标的卫星定位数据，可以通过如下优选实施例实现。
在一个优选实施例中，获取当前海上目标的卫星定位数据，优选包括：
采用平差拟合算法，通过GNSS获取所述卫星定位数据。其中，GNSS是指是指全球卫星导航系统。
在一个进一步改进实施例中，采用平差拟合算法，通过GNSS获取所述卫星定位数据，包括：
利用基线矢量作为观测值，并利用测点坐标作为未知数，进行参数约束平差；测点坐标为空间三维直角坐标，参数约束包含对测点坐标的先验精度的输入，平差系数按最小二乘法求取；
使用观测坐标带入观测方程，以得到所述空间三维直角坐标的定位数据；
利用所述空间三维直角坐标的定位数据，通过GNSS获取所述卫星定位数据；
其中，测量里同精度的观测值都呈正态分布：
Figure DEST_PATH_IMAGE018
；
概率密度函数为:
Figure DEST_PATH_IMAGE019
；
平差随机误差 = 观测值 - 期望值；
Figure DEST_PATH_IMAGE020
；
其中v是观测值和实际值的差，需要对以下方程进行最优化求解：
Figure DEST_PATH_IMAGE021
；
Figure DEST_PATH_IMAGE022
；
观测方程为V=AX-L，其中X为实际值的估计，V为误差，A为系数矩阵，L为观测值；根据信号质量对每次测量的权重P进行赋值，使用以下方式解矩阵得到
Figure 883354DEST_PATH_IMAGE016
，
Figure 866353DEST_PATH_IMAGE016
是实际值的最小二乘最优估计：
Figure DEST_PATH_IMAGE023
。
需要说明的是，平差是指GPS相对定位的结果确定多个目标间的相对位置关系，这种相对位置关系通常用空间直角坐标系表示。
本实施例用三维无约束平差，就是GPS控制网中只有一个已知点坐标。三维无约束平差的主要目的是考察GPS基线向量网本身的内符合精度以及考察基线向量之间有无明显的系统误差，其平差应不引入外部基准。取网中任意一点的伪距定位坐标作为网的位置基准。
X是海洋中的其中一个目标点和到其他目标点的实际距离。有n个实测距离的目标点就有n*（n-1）个这样的距离，因此X是一个矩阵。单个距离是一个向量，其向量长度符合正态分布。
N表示正态分布函数，其中u是分布数学期望，σ的平方为所有X向量的长度的方差。
还需要说明的是，exp是指数函数。
还需要说明的是，v表示单一一个距离上的误差。f表示这个v在坐标轴上的分布概率密度。即输入一个v，就可以使用f得到误差刚好是v的概率密度。
还需要说明的是，v是实际值和测量值的差值，用于说明算法用，仅仅作为过度量。并且由于有多个距离，因此多个小v组成了大V，表示距离的矩阵。
还需要说明的是，A是系数矩阵，由前次测量所得到的任意两点之间的距离所确定。P是根据测量环境所预估的权重系数，L为本次观测所得到的距离。P暂定为获取测量数据A时卫星的信号质量转换得到的权重。
还需要说明的是，T是矩阵计算的一个操作符，意思为转置。矩阵的转置是数学中的统一定义，意为将一个矩阵的行标和列标互换。
一方面，对于步骤S102，需要作如下说明。
需要说明的是，基于EGM96高程数据模型对所述卫星定位数据进行拟合，计算获取所述当前海上目标的高程异常，优选通过如下方式实现。
基于EGM96高程数据模型，计算所述卫星定位数据的球谐系数以获得361阶矩阵数据；
根据所述361阶矩阵数据进行递减回归运算，计算获取所述当前海上目标的高程异常。
需要说明的是，EGM96是美国国家宇航局哥达飞行中心、美国国家影像制图局和俄亥俄州立大学共同完成并发布的地球重力场模型。
其中，EGM96重力场模型的球谐模型阶次为361阶，空间分辨率为30*30分。该模型的球谐系数目前为免费公开状态。
球谐系数是将地球表面观测的高程异常f(θ,
Figure 668087DEST_PATH_IMAGE004
)展开成球谐函数的级数：
Figure DEST_PATH_IMAGE024
Pnm是完全归一化的缔合勒让德多项式,归一化的缔合勒让德多项式计算方法是标准前向列递推公式：
Figure 420143DEST_PATH_IMAGE003
以上公式中，需要说明如下。
对于θ和
Figure 711447DEST_PATH_IMAGE004
，θ为纬度,
Figure 181742DEST_PATH_IMAGE004
为经度。其中，θ,
Figure 849484DEST_PATH_IMAGE004
这两个参数的单位均为弧度。转换关系为:度=弧度/3.1415926535898 * 180。根据国际单位制，弧度的单位是“rad”，度的单位是“ °”。
对于n和m，n是系数矩阵中的行下标，m是系数矩阵中的列下标。系数矩阵是指一个n*m个数字的矩阵，从EGM96系数文件读取c，s值得到。
对于a和b，a是cos函数前的系数，该系数是n行，m列的EGM96系数表中的c数字。b是sin函数前的系数，该系数是n行，m列的EGM96系数表中的s数字。
对于，ι和P，ι是指一个随着行标变化的变量。这里ι是过程量，只对迭代计算有帮助，并无实际意义。当计算了行标为0和1的缔合勒让德多项式矩阵系数之后，可以通过递推的方式计算其他行的系数。这里请注意，缔合勒让德多项式矩阵写为P，对于P这个矩阵中的一个数字，由其行坐标和列坐标确定。例如Pnm是指P这个矩阵中第n行和第m列的那个数字。P这个矩阵和前述a系数和b系数无关。P这个矩阵全部由迭代计算得到。
anm和bnm是上述免费公开的球谐系数。
本实施例使用C++的通用函数库中的文件操作函数读取文件中的c值和s值，并赋给相应的a和b，完成球谐函数的级数的计算，进而获得高程异常。
还需要说明的是，在球谐级数计算完成后，通常计算所得和实际高程仍有不同。这通常是由于EGM96的精度仍然不足够造成的。
在一个改进实施例中，采用加密系数矩阵表示真实的大地坐标点的高程异常与球谐系数计算值之间的差；所述加密系数矩阵的获得方法为：
通过海上石油平台的现有数据，使用克里金插值计算加密系数矩阵；
其中，高程异常满足随机场的两个假设，假设一为随机场的数学期望存在；
假设二为对随机场内任意两点，其协方差函数仅是点间向量的函数；
克里金插值的具体方法为：
半变异函数是计算研究区域内高程异常差变化的关键；高程异常差定义为高程异常差Z(x)在点x和x+h 处数值之差的方差之半，其表达式为:
Figure 721625DEST_PATH_IMAGE005
对于任意的h，实验半变异函数γ* ( x，h) 可以表示为:
Figure 180901DEST_PATH_IMAGE006
任意一点x0处的高程异常差待估值Z* (x0)是周围实测值Z(xi) 的线性组合，即:
Figure 138492DEST_PATH_IMAGE007
式中，λi为权重系数; Z* (x0) 为点x0处的高程异常差待估值; Z(xi) 为已知点i= 1，2，3，…，n 处的高程异常差实测值；根据无偏约束条件可推导出:
Figure 344346DEST_PATH_IMAGE008
根据最小方差条件，可得:
Figure 336573DEST_PATH_IMAGE009
公式中，γ(xi，xj) 为高程异常差采样点xi和xj的理论变异函数；联立可构成n+1个方程，未知量为n 个权重系数λi和1个均值m，利用克里金插值方程组求解如下:
Figure 235258DEST_PATH_IMAGE010
通过矩阵求逆，求出λi，带入周围实测值Z(xi) 的线性组合公式，预测出在位置x0处的高程异常差。
需要说明的是，高程异常差展开来说，是使用EGM96模型计算得到的高程异常和实际平台上用其他方式所测量的高程异常的差值。
还需要说明的是，由于海洋定位中可以使用的参考点较少，无法像陆地那样采用大量样本的训练和拟合，因此本实施例中，加密系数矩阵的获得方法是：使用海上石油平台的现有数据，使用克里金插值计算加密矩阵。
还需要说明的是，克里金算法是依据协方差函数对随机过程/随机场进行空间建模和插值的回归算法。其优点是：在特定的随机过程，例如固有平稳过程中，克里金法能够给出最优线性无偏估计（Best Linear Unbiased Prediction, BLUP），因此在地质统计学中也被称为空间最优无偏估计器（spatial BLUP）。此方法对比神经网络方法具有以下优势：所需样本数量少且遵循地理学一般规律。地理学一般规律是指根据地理学第一定律（the first law of geography），地理空间上的所有值都是互相联系的，且距离近的值具有更强的联系。随机场使用协方差函数对上述结论进行刻画，对应高斯过程回归（GPR）理论中的“核函数（kernel function）”。
一方面，对于步骤S103，需要作如下说明。
需要说明的是，根据高程异常和卫星定位数据，计算得到当前海上目标的正常高，优选通过如下方式实现。
根据所述高程异常和所述大地高，计算得到所述当前海上目标的正常高。
进一步地，根据所述高程异常和所述大地高，计算得到所述当前海上目标的正常高，优选通过如下方式实现。
将所述高程异常和所述大地高相加，计算得到所述当前海上目标的正常高。
实施例二
参见图2，在以上实施例基础上，本实施例提供一种海上卫星大地坐标的高程拟合装置，包括：
当前定位获取模块101，用于获取当前海上目标的卫星定位数据；
高程异常计算模块102，用于基于EGM96高程数据模型对所述卫星定位数据进行拟合，计算获取所述当前海上目标的高程异常；
正常高计算模块103，用于根据所述高程异常和所述卫星定位数据，计算得到所述当前海上目标的正常高。
需要说明的是，本实施例提供的装置可以是对应上述方法模块化的结果，是对应于上述实施例方法的程序模块实现或者电路模块实现。其中，装置解决的技术问题与实现的技术效果与上述方法对应，在此不做累述。
实施例三
参见图3，本实施例提供一种计算机设备40，包括：处理器41、存储器42和计算机程序。
存储器42，用于存储计算机程序，该存储器还可以是闪存（flash）。计算机程序例如是实现上述方法的应用程序、功能模块等。
处理器41，用于执行存储器存储的计算机程序，以实现上述方法中设备执行的各个步骤。具体可以参见前面方法实施例中的相关描述。
可选地，存储器42既可以是独立的，也可以跟处理器41集成在一起。
当存储器42是独立于处理器41之外的器件时，设备还可以包括：
总线43，用于连接存储器42和处理器41。
本发明还提供一种可读存储介质，可读存储介质中存储有计算机程序，计算机程序被处理器执行时用于实现上述的各种实施方式提供的方法。
其中，可读存储介质可以是计算机存储介质，也可以是通信介质。通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。计算机存储介质可以是通用或专用计算机能够存取的任何可用介质。例如，可读存储介质耦合至处理器，从而使处理器能够从该可读存储介质读取信息，且可向该可读存储介质写入信息。当然，可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(ApplicationSpecific Integrated Circuits，简称：ASIC)中。另外，该ASIC可以位于用户设备中。当然，处理器和可读存储介质也可以作为分立组件存在于通信设备中。可读存储介质可以是只读存储器（ROM）、随机存取存储器（RAM）、CD-ROM、磁带、软盘和光数据存储设备等。
本发明还提供一种程序产品，该程序产品包括执行指令，该执行指令存储在可读存储介质中。设备的至少一个处理器可以从可读存储介质读取该执行指令，至少一个处理器执行该执行指令使得设备实施上述的各种实施方式提供的方法。
在上述设备的实施例中，应理解，处理器可以是中央处理单元（英文：CentralProcessing Unit，简称：CPU），还可以是其他通用处理器、数字信号处理器（英文：DigitalSignal Processor，简称：DSP）、专用集成电路（英文：Application Specific IntegratedCircuit，简称：ASIC）等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种海上卫星大地坐标的高程拟合方法，其特征在于，包括：
获取当前海上目标的卫星定位数据；
基于EGM96高程数据模型对所述卫星定位数据进行拟合，计算获取所述当前海上目标的高程异常；
根据所述高程异常和所述卫星定位数据，计算得到所述当前海上目标的正常高。
2.如权利要求1所述的方法，其特征在于，所述卫星定位数据包括所述当前海上目标所处的经度、纬度以及大地高。
3.如权利要求2所述的方法，其特征在于，所述的根据所述高程异常和所述卫星定位数据，计算得到所述当前海上目标的正常高，包括：
根据所述高程异常和所述大地高，计算得到所述当前海上目标的正常高。
4.如权利要求3所述的方法，其特征在于，所述的根据所述高程异常和所述大地高，计算得到所述当前海上目标的正常高，包括：
将所述高程异常和所述大地高相加，计算得到所述当前海上目标的正常高。
5.如权利要求1-4任一项所述的方法，其特征在于，所述的获取当前海上目标的卫星定位数据，包括：
采用平差拟合算法，通过GNSS获取所述卫星定位数据。
6.如权利要求5所述的方法，其特征在于，所述的基于EGM96高程数据模型对所述卫星定位数据进行拟合，计算获取所述当前海上目标的高程异常，包括：
基于EGM96高程数据模型，计算所述卫星定位数据的球谐系数以获得361阶矩阵数据；
根据所述361阶矩阵数据进行递减回归运算，计算获取所述当前海上目标的高程异常；
其中，球谐系数是将地球表面观测的高程异常
Figure 80662DEST_PATH_IMAGE001
展开成球谐函数的级数：
Figure 912352DEST_PATH_IMAGE002
Pnm是完全归一化的缔合勒让德多项式,归一化的缔合勒让德多项式计算方法是标准前向列递推公式：
Figure 620545DEST_PATH_IMAGE004
公式中，θ为纬度,
Figure 512278DEST_PATH_IMAGE005
为经度；n是系数矩阵中的行下标，m是系数矩阵中的列下标；系数矩阵是指一个n*m个数字的矩阵，从EGM96系数文件读取c，s值得到；a是cos函数前的系数，该系数是n行，m列的EGM96系数表中的c数字；b是sin函数前的系数，该系数是n行，m列的EGM96系数表中的s数字；ι是指一个随着行标变化的变量；P为缔合勒让德多项式矩阵，Pnm是指P这个矩阵中第n行和第m列的那个数字；anm和bnm是公开的球谐系数；
采用加密系数矩阵表示真实的大地坐标点的高程异常与球谐系数计算值之间的差；所述加密系数矩阵的获得方法为：
通过海上石油平台的现有数据，使用克里金插值计算加密系数矩阵；
其中，高程异常满足随机场的两个假设，假设一为随机场的数学期望存在；
假设二为对随机场内任意两点，其协方差函数仅是点间向量的函数；
克里金插值的具体方法为：
半变异函数是计算研究区域内高程异常差变化的关键；高程异常差定义为高程异常差Z(x)在点x和x+h 处数值之差的方差之半，其表达式为:
Figure 297132DEST_PATH_IMAGE006
对于任意的h，实验半变异函数γ* ( x，h) 可以表示为:
Figure 198092DEST_PATH_IMAGE007
任意一点x0处的高程异常差待估值Z* (x0)是周围实测值Z(xi) 的线性组合，即:
Figure 495212DEST_PATH_IMAGE008
式中，λi为权重系数; Z* (x0) 为点x0处的高程异常差待估值; Z(xi) 为已知点i = 1，2，3，…，n 处的高程异常差实测值；根据无偏约束条件可推导出:
Figure 823426DEST_PATH_IMAGE009
根据最小方差条件，可得:
Figure 838786DEST_PATH_IMAGE010
公式中，γ(xi，xj) 为高程异常差采样点xi和xj的理论变异函数；联立可构成n+1个方程，未知量为n 个权重系数λi和1个均值m，利用克里金插值方程组求解如下:
Figure 543437DEST_PATH_IMAGE011
通过矩阵求逆，求出λi，带入周围实测值Z(xi) 的线性组合公式，预测出在位置x0处的高程异常差。
7.如权利要求5所述的方法，其特征在于，所述的采用平差拟合算法，通过GNSS获取所述卫星定位数据，包括：
利用基线矢量作为观测值，并利用测点坐标作为未知数，进行参数约束平差；测点坐标为空间三维直角坐标，参数约束包含对测点坐标的先验精度的输入，平差系数按最小二乘法求取；
使用观测坐标带入观测方程，以得到所述空间三维直角坐标的定位数据；
利用所述空间三维直角坐标的定位数据，通过GNSS获取所述卫星定位数据；
其中，测量里同精度的观测值都呈正态分布：
Figure 960643DEST_PATH_IMAGE012
；
概率密度函数为:
Figure 459757DEST_PATH_IMAGE013
；
平差随机误差 = 观测值 - 期望值；
Figure 962414DEST_PATH_IMAGE014
；
其中v是观测值和实际值的差，需要对以下方程进行最优化求解：
Figure 205177DEST_PATH_IMAGE015
；
Figure 476889DEST_PATH_IMAGE016
；
观测方程为V=AX-L，其中X为实际值的估计，V为误差，A为系数矩阵，L为观测值；根据信号质量对每次测量的权重P进行赋值，使用以下方式解矩阵得到
Figure 146905DEST_PATH_IMAGE017
，
Figure 136858DEST_PATH_IMAGE017
是实际值的最小二乘最优估计：
Figure 917732DEST_PATH_IMAGE018
。
8.一种海上卫星大地坐标的高程拟合的装置，其特征在于，包括：
当前定位获取模块，用于获取当前海上目标的卫星定位数据；
高程异常计算模块，用于基于EGM96高程数据模型对所述卫星定位数据进行拟合，计算获取所述当前海上目标的高程异常；
正常高计算模块，用于根据所述高程异常和所述卫星定位数据，计算得到所述当前海上目标的正常高。
9.一种计算机设备，包括：处理器和存储器，所述存储器存储程序模块，其特征在于，所述程序模块在所述处理器运行，实现如权利要求1-7任一项所述的方法。
10.一种可读存储介质，存储程序模块，其特征在于，所述程序模块在处理器中运行可实现如权利要求1-7任一项所述的方法。
CN202210574399.9A 2022-05-25 2022-05-25 一种海上卫星大地坐标的高程拟合方法与装置 Pending CN114662059A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210574399.9A CN114662059A (zh) 2022-05-25 2022-05-25 一种海上卫星大地坐标的高程拟合方法与装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210574399.9A CN114662059A (zh) 2022-05-25 2022-05-25 一种海上卫星大地坐标的高程拟合方法与装置

Publications (1)

Publication Number Publication Date
CN114662059A true CN114662059A (zh) 2022-06-24

Family

ID=82038298

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210574399.9A Pending CN114662059A (zh) 2022-05-25 2022-05-25 一种海上卫星大地坐标的高程拟合方法与装置

Country Status (1)

Country Link
CN (1) CN114662059A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115079225A (zh) * 2022-07-07 2022-09-20 深圳市海伊石油技术有限公司 一种海上接收机的导航定位方法与装置
CN117111115A (zh) * 2023-10-18 2023-11-24 北京中捷时代航空科技有限公司 低资源消耗的定位点正常高获取方法、装置及存储介质
CN118258354A (zh) * 2024-03-28 2024-06-28 国家基础地理信息中心 一种自适应格网正常高动态获取方法及装置

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101210814A (zh) * 2006-12-31 2008-07-02 西安长庆科技工程有限责任公司 线路工程gps控制网高程拟合方法
CN101319893A (zh) * 2008-07-18 2008-12-10 东南大学 精确确定区域高程异常的方法
CN102589517A (zh) * 2012-01-12 2012-07-18 东南大学 基于egm2008的区域似大地水准面精化方法
CN103323888A (zh) * 2013-04-24 2013-09-25 东南大学 Gnss大气探测数据中对流层延迟误差的消除方法
CN104729486A (zh) * 2015-03-16 2015-06-24 东南大学 一种基于似大地水准面精化的无验潮水深测量方法
CN109059915A (zh) * 2018-09-27 2018-12-21 清华大学 重力补偿方法、系统和装置
CN109188481A (zh) * 2018-09-20 2019-01-11 中国电子科技集团公司第五十四研究所 一种拟合gps高程异常的新方法
CN111257956A (zh) * 2020-04-02 2020-06-09 吉林省水利水电勘测设计研究院 一种基于Matlab的区域似大地水准面精化方法
CN112985348A (zh) * 2021-02-08 2021-06-18 雷军珍 利用重力、gnss-rtk和重力场模型实现高程测量方法
CN113514829A (zh) * 2021-07-12 2021-10-19 自然资源部国土卫星遥感应用中心 面向InSAR的初始DSM的区域网平差方法
CN113819882A (zh) * 2021-09-09 2021-12-21 江苏海洋大学 一种跨海高程点间重力位差计算方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101210814A (zh) * 2006-12-31 2008-07-02 西安长庆科技工程有限责任公司 线路工程gps控制网高程拟合方法
CN101319893A (zh) * 2008-07-18 2008-12-10 东南大学 精确确定区域高程异常的方法
CN102589517A (zh) * 2012-01-12 2012-07-18 东南大学 基于egm2008的区域似大地水准面精化方法
CN103323888A (zh) * 2013-04-24 2013-09-25 东南大学 Gnss大气探测数据中对流层延迟误差的消除方法
CN104729486A (zh) * 2015-03-16 2015-06-24 东南大学 一种基于似大地水准面精化的无验潮水深测量方法
CN109188481A (zh) * 2018-09-20 2019-01-11 中国电子科技集团公司第五十四研究所 一种拟合gps高程异常的新方法
CN109059915A (zh) * 2018-09-27 2018-12-21 清华大学 重力补偿方法、系统和装置
CN111257956A (zh) * 2020-04-02 2020-06-09 吉林省水利水电勘测设计研究院 一种基于Matlab的区域似大地水准面精化方法
CN112985348A (zh) * 2021-02-08 2021-06-18 雷军珍 利用重力、gnss-rtk和重力场模型实现高程测量方法
CN113514829A (zh) * 2021-07-12 2021-10-19 自然资源部国土卫星遥感应用中心 面向InSAR的初始DSM的区域网平差方法
CN113819882A (zh) * 2021-09-09 2021-12-21 江苏海洋大学 一种跨海高程点间重力位差计算方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
张书毕等: "利用 vonKarman模型的 Kriging插值用于 GPS高程拟合", 《测绘科学》 *
张小红等: "基于Kriging统计的GPS高程拟合方法研究", 《大地测量与地球动力学》 *
张强等: "关于勒让德多项式的算法问题", 《紫金山天文台台刊》 *
张炎等: "果蝇优化算法在区域高程拟合中的应用", 《水力发电》 *
杜得彦等: "最小二乘法与平差原理在大地测量中的应用", 《甘肃水利水电技术》 *
蒋廷臣等: "基于Kriging估计的GPS高程转换", 《测绘与空间地理信息》 *
陆彩萍等: "顾及EGM96模型的GPS水准高程拟合", 《测绘工程》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115079225A (zh) * 2022-07-07 2022-09-20 深圳市海伊石油技术有限公司 一种海上接收机的导航定位方法与装置
CN117111115A (zh) * 2023-10-18 2023-11-24 北京中捷时代航空科技有限公司 低资源消耗的定位点正常高获取方法、装置及存储介质
CN117111115B (zh) * 2023-10-18 2024-02-02 北京中捷时代航空科技有限公司 低资源消耗的定位点正常高获取方法、装置及存储介质
CN118258354A (zh) * 2024-03-28 2024-06-28 国家基础地理信息中心 一种自适应格网正常高动态获取方法及装置

Similar Documents

Publication Publication Date Title
CN114662059A (zh) 一种海上卫星大地坐标的高程拟合方法与装置
Pu Deep SAR imaging and motion compensation
Ng et al. A computation effective range-based 3D mapping aided GNSS with NLOS correction method
CN109283562B (zh) 一种车联网中车辆三维定位方法及装置
CN109477900A (zh) 全球导航卫星系统接收器中用于模糊度解算的频率间偏差的估算
Ziggah et al. Coordinate transformation between global and local data based on artificial neural network with k-fold cross-validation in Ghana
Chen et al. Calculation of weighted geometric dilution of precision
Zhang et al. A novel and robust calibration method for the underwater transponder position
CN108549062B (zh) 一种用于海面搜索雷达的系统平台及多模型目标跟踪方法
CN114485594B (zh) 天线位姿信息测量方法、装置、设备、介质和程序产品
Yang et al. A triangle matching algorithm for gravity-aided navigation for underwater vehicles
Pagoti et al. Development and performance evaluation of Correntropy Kalman Filter for improved accuracy of GPS position estimation
Deng et al. Underwater map-matching aided inertial navigation system based on multi-geophysical information
CN114660561A (zh) Ais与雷达的航迹关联方法及装置
Hajiyev GNSS signals processing via linear and extended Kalman filters
Zhuangsheng et al. Study on initial gravity map matching technique based on triangle constraint model
Chen et al. Neural network for WGDOP approximation and mobile location
CN114814779A (zh) 浮标涌浪波高观测数据误差评估方法、系统、设备及介质
CN114993341A (zh) 一种基于天基测量的运载火箭弹道估计方法及装置
Ersan et al. Map matching with kalman filter and location estimation
Jin et al. Analysis on positioning performance of BDS-3 system in polar region
Seube et al. Automatic Estimation of Boresight Angles Between IMU and Multi-Beam Echo Sounder Sytems
Munafò et al. Navigation of AUVs based on ocean fields variability
Fredj et al. Fast gap filling of the coastal ocean surface current in the seas around Taiwan
CN115242297B (zh) 移动终端的运动参数确定方法、装置、设备和存储介质

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20220624