CN117056326A - 基于灰色关联自适应确权的gnss数据质量评价方法及系统 - Google Patents

基于灰色关联自适应确权的gnss数据质量评价方法及系统 Download PDF

Info

Publication number
CN117056326A
CN117056326A CN202311017605.7A CN202311017605A CN117056326A CN 117056326 A CN117056326 A CN 117056326A CN 202311017605 A CN202311017605 A CN 202311017605A CN 117056326 A CN117056326 A CN 117056326A
Authority
CN
China
Prior art keywords
index
gnss
data
index value
level index
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
CN202311017605.7A
Other languages
English (en)
Other versions
CN117056326B (zh
Inventor
蔡华
刘邢巍
王斌
王静
唐辉
马泽忠
蒲德祥
曾树林
张黎
陈奎伊
张士勇
张成宁
袁烽迪
唐亚洲
田强
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.)
Chongqing Geographic Information And Remote Sensing Application Center (chongqing Surveying And Mapping Product Quality Inspection And Testing Center)
Original Assignee
Chongqing Geographic Information And Remote Sensing Application Center (chongqing Surveying And Mapping Product Quality Inspection And Testing Center)
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 Chongqing Geographic Information And Remote Sensing Application Center (chongqing Surveying And Mapping Product Quality Inspection And Testing Center) filed Critical Chongqing Geographic Information And Remote Sensing Application Center (chongqing Surveying And Mapping Product Quality Inspection And Testing Center)
Priority to CN202311017605.7A priority Critical patent/CN117056326B/zh
Publication of CN117056326A publication Critical patent/CN117056326A/zh
Application granted granted Critical
Publication of CN117056326B publication Critical patent/CN117056326B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • 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
    • G01S19/20—Integrity monitoring, fault detection or fault isolation of space segment
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Remote Sensing (AREA)
  • General Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Signal Processing (AREA)
  • Evolutionary Computation (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Computational Linguistics (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Fuzzy Systems (AREA)
  • Quality & Reliability (AREA)
  • Computer Security & Cryptography (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明公开一种基于灰色关联自适应确权的GNSS数据质量评价方法及系统，包括：步骤S1:将不同影响程度、不同类型的GNSS数据质量指标进行分级分类，建立一级、二级、三级指标体系；步骤步骤S2:计算GNSS观测数据的数据质量指标值，并对所述指标值进行数据标准化预处理；步骤S3:构建GNSS数据质量指标权重模型；步骤S4:根据所述步骤S2中数据标准化预处理后的指标值和不同权重计算方法，逐级计算，得到各级指标值和各级指标权重；步骤S5:根据所述步骤S4得到的一级指标值和一级指标权重，计算GNSS数据质量综合评分。本发明方法简便、对GNSS数据质量进行综合评价，便于比较GNSS数据质量优劣和监测GNSS数据质量变化。

Description

基于灰色关联自适应确权的GNSS数据质量评价方法及系统
技术领域
本发明涉及GNSS技术领域，具体涉及一种基于灰色关联自适应确权的GNSS数据质量评价方法及系统。
背景技术
随着全球导航卫星系统(Global Navigation Satellite System，GNSS)在各个领域的应用越来越广泛，对其数据质量的要求也日益提高。GNSS数据质量是定位精度和可靠性的保障，数据质量检验在定位数据筛选、卫星导航定位基准站选址建设以及GNSS高精度数据处理中起到关键作用。
目前主要通过信噪比、多路径、周跳比、数据完整率等指标来反映GNSS数据质量的好坏，比如数据完整性可以反映数据缺失情况，多路径可以反映环境遮挡情况，信噪比可以反映接收机性能。虽然这些指标都能反映GNSS数据某一方面的优劣，但是目前没有统一的评判标准，不能反映GNSS数据的综合情况。因此需要一种GNSS数据质量综合评价方法，对GNSS数据质量进行综合打分，为GNSS完备性监测、数据筛选、高精度数据处理提供科学依据。
发明内容
本发明的目的是针对现有技术的不足，提供一种基于灰色关联自适应确权的GNSS数据质量评价方法及系统，方法简单可行，能够对GNSS观测数据质量进行综合评分，评分能够准确反映GNSS观测数据质量优劣，有助于筛选高质量数据、监控数据质量变化、提高数据解算精度、提高定位结果可靠性。
本发明目的之一的技术方案是：
一种基于灰色关联自适应确权的GNSS数据质量评价方法，包括如下步骤：
步骤S1:将不同影响程度、不同类型的GNSS数据质量指标进行分级分类，建立一级、二级、三级指标体系；
步骤S2:计算GNSS观测数据的数据质量指标值，并对所述指标值进行数据标准化预处理，并根据所述步骤S1的一级、二级、三级指标体系划分为一级指标值、二级指标值和三级指标值；
步骤S3:根据所述步骤S1的一级、二级、三级指标体系，构建GNSS数据质量指标权重模型；
步骤S4:根据所述步骤S2中数据标准化预处理后的指标值和不同权重计算方法，逐级计算，得到各级指标值和各级指标权重；
包括：
S401：三级指标计算
根据所述步骤S2数据标准化预处理后的三级指标值，采用熵权法计算三级指标权重；
S402：二级指标计算
根据所述步骤S2数据预处理后的三级指标值和所述S401得到的三级指标权重计算二级指标值,根据卫星数量、德尔菲法计算二级指标权重；
S403：一级指标计算
根据所述S402中的二级指标值和二级指标权重计算一级指标值；通过灰色关联分析来衡量所述一级指标值对PPP定位影响的相对强弱，计算一级指标权重；
步骤S5:根据所述步骤S4得到的一级指标值和一级指标权重，计算GNSS数据质量综合评分。
进一步地，还包括步骤S6：采用平滑因子对所述步骤S4得到的一级指标权重进行加权平均，训练所述GNSS数据质量指标权重模型。
进一步地，所述步骤S6：采用平滑因子对所述步骤S4得到的一级指标权重进行加权平均，训练所述GNSS数据质量指标权重模型，具体包括：
所述步骤S4得到的一级指标权重，采用平滑因子对所述一级指标权重进行加权平均，对GNSS数据质量指标权重模型进行自适应的优化和调整，计算方式如下：
其中，e为第e个一级指标；n为历史GNSS数据个数；为输入GNSS观测数据个数；w′e为调整后的一级指标权重；/>为新GNSS数据权重；we为一级指标权重，调整前权重；λ为平滑因子。
进一步地，所述步骤S1中的一级指标，至少包括：信噪比、多路径、周跳比、精度因子、数据完整率；
所述步骤S1中的二级指标，至少包括：各GNSS的多路径、信噪比、周跳比，历元完整率，观测数据可用率，卫星数量，DOP；
所述步骤S1中的三级指标，至少包括：各GNSS各频率多路径、信噪比、周跳比，PDOP，GDOP，VDOP，HDOP。
进一步地，所述计算GNSS观测数据的数据质量指标值，并对所述指标值进行数据标准化预处理，并根据所述步骤S1的一级、二级、三级指标体系划分为一级指标值、二级指标值和三级指标值，具体包括：
通过GNSS观测数据直接计算得到数据质量指标值，对各所述指标值进行标准化处理，即对正向指标进行正向化，对逆向指标进行逆向化，将所述指标值数值压缩在[0，1]范围内，
对于n个GNSS观测数据的m个指标值：
正向化计算方式如下：
逆向化计算方式如下：
其中，i为指标值序列号；Yij为处理后的指标值；Xij为处理前的指标值；max(Xi)指标值序列最大值；min(Xi)为指标值序列最小值；
所述指标值根据所述步骤S1的一级、二级、三级指标体系划分为一级指标值、二级指标值和三级指标值，记pe、pe,f、pe,f,g分别为一、二、三级指标值；e为第e个一级指标；f为第e个一级指标的第f个二级指标；g为第f个二级指标的第g个三级指标。
进一步地，所述通过GNSS观测数据直接计算得到数据质量指标值，包括：
历元完整率、观测数据可用率、卫星数量、PDOP、GDOP、VDOP、HDOP，以及各GNSS各频率多路径、信噪比、周跳比的指标值，其中所述历元完整率、所述观测数据可用率、所述卫星数量的指标值为二级指标值，所述PDOP、GDOP、VDOP、HDOP，以及各GNSS各频率多路径、信噪比、周跳比的指标值为三级指标值。
进一步地，所述构建GNSS数据质量指标权重模型，具体包括：
记we、we,f、we,f,g分别为一、二、三级指标权重，构建GNSS数据质量指标权重模型；e为第e个一级指标；f为第e个一级指标的第f个二级指标；g为第f个二级指标的第g个三级指标。
进一步地，所述步骤S4:根据所述步骤S2中数据标准化预处理后的指标值和不同权重计算方法，逐级计算，得到各级指标值和各级指标权重，
具体步骤如下：
S401：三级指标计算
首先、计算各GNSS各频率多路径、信噪比、周跳比三级指标值占各GNSS多路径、信噪比、周跳比所有所述三级指标值的比重，即计算各所述三级指标值的变异大小：
然后、采用熵权法计算信息熵：
最后、计算各三级指标值的三级指标权重：
we,f,g为三级指标权重；
S402：二级指标计算
对于各GNSS多路径、信噪比、周跳比和DOP的二级指标值，根据所述S401得到的各三级指标值及其对应的三级指标权重，计算二级指标值pe,f，计算公式为：
pe,f＝∑we,f,gpe,f,g
根据观测到的卫星数量对各GNSS多路径、信噪比、周跳比进行定权，计算方式如下：
其中，Nj为卫星导航定位系统观测到的卫星数量；
对于历元完整率、观测数据可用率、卫星数量，采用所述步骤2中通过GNSS观测数据直接计算得到二级指标值；由于精度因子包含卫星数量和DOP2个二级指标，数据完整率也包含历元完整率和观测数据可用率2个二级指标，因此采用主观德尔菲法对卫星数量、DOP、历元完整率和观测数据可用率进行定权，计算方式如下：
其中：Eij为专家i对指标j的打分；n为专家总数；
S403：一级指标计算
首先、根据所述S402中的各二级指标权重和对应二级指标值计算一级指标值，计算方式如下：
pe＝∑we,f.pe,f
然后、使用灰色关联分析来衡量各一级指标值对GNSS观测数据PPP定位影响的相对强弱，反映对数据质量影响的程度，确定各一级指标的权重，计算方式如下：
对输入的n个GNSS观测数据进行PPP定位计算，将PPP定位精度作为灰色分析的参考序列，记为：
Y＝y(k)|k＝1,2,…,n
将一级指标值作为比较序列，记为：
Xi＝xi(k)|k＝1,2,…,n；i＝1,2,…,m
其中，m为指标值的个数；
计算关联系数：
其中，ρ为分辨系数，一般取0.5；
计算灰色关联度：
根据各一级指标值与参考序列的关联度计算输入GNSS观测数据一级指标权重：
we为一级指标权重。
进一步地，所述PPP定位计算，具体包括：
S4031：获取精密轨道和钟差；
S4032：将GNSS观测数据与精密轨道和钟差进行PPP解算，得到高精度的PPP定位结果；
S4033：通过对定位结果进行统计分析和误差估计，得到PPP定位精度。
本技术方案的另一个发明目的是：
一种基于灰色关联自适应确权的GNSS数据质量评价系统，
包括数据采集模块和数据处理分析模块，所述数据采集模块与所述数据处理分析模块相连，
所述所述数据采集模块，用于采集GNSS观测数据；
所述数据处理分析模块，用于执行上述所述基于灰色关联自适应确权的GNSS数据质量评价方法。
采用上述技术方案具有以下有益效果：
(1)与传统GNSS数据质量检验相比，本发明能够对GNSS数据进行综合评价，给出综合评分，便于比较GNSS数据质量优劣和监测GNSS数据质量变化，有助于筛选高质量数据、监控数据质量变化、提高数据解算精度、提高定位结果可靠性。
(2)与传统简单加权综合评价相比，本发明对GNSS数据质量指标进行分级定权，逐级分析各指标层级之间的影响程度大小，从而确定各级指标的权重，充分利用各种GNSS数据质量指标携带的信息。
(3)本发明针对不同GNSS数据质量指标特性和对定位精度的影响程度，采用不同的定权方法进行组合，能够消除使用单一定权方法导致的与实际不符，能够准确反映GNSS数据质量的好坏。
(4)本发明使用大样本数据，采用灰色关联法，定量描述一级指标对定位精度不同程度的关联性大小，利用数据本身对指标进行定权，避免主观赋权带来的随意性，大大提升综合评价结果的正确性和可靠性。
(5)本发明能够结合新输入GNSS数据与历史数据，不断调整和修正权重，不断提升权重的准确性。
与下面结合附图和具体实施方式作进一步的说明。
附图说明
图1为具体实施例1的流程框图；
图2为具体实施例1的具体流程图；
图3为具体实施例2的原理框图。
具体实施方式
具体实施例1：
如图1和图2所示，一种基于灰色关联自适应确权的GNSS数据质量评价方法，包括如下步骤：
步骤S1:将不同影响程度、不同类型的GNSS数据质量指标进行分级分类，建立一级、二级、三级指标体系；
一级指标，至少包括：信噪比、多路径、周跳比、精度因子、数据完整率。本具体实施例中，具体包括如下：
(1)信噪比
信噪比是接收机接收到的信号强度与噪声强度的比值，能够反映接收机性能，信噪比越高，信号就越清晰、准确，GNSS数据质量越好，为正向指标。
(2)多路径
多路径代指多路径误差，受环境影响较大，能够反映GNSS信号遮挡、反射等情况，多路径越小，GNSS数据质量越好，为逆向指标。
(3)周跳比
周跳比是接收机载波相位中断的次数与总观测次数的比值，周跳比越大，发生周跳的次数越少，GNSS数据质量越好，为正向指标。
(4)精度因子
精度因子可以综合反映观测卫星的空间几何分布和数量，精度因子越小，GNSS数据质量越好，为逆向指标。
(5)数据完整率
数据完整率是一段时间内实际接收到的卫星信号的比例，数据完整率越高，可用数据越多，GNSS数据质量越好，为正向指标。
二级指标，至少包括：各GNSS的多路径、信噪比、周跳比，历元完整率，观测数据可用率，卫星数量，DOP。本具体实施例中，具体包括如下：
(1)各GNSS多路径、信噪比、周跳比
GNSS包括GPS、GLONASS、BDS、Galileo，不同的GNSS多路径、信噪比、周跳比有差别，对GNSS数据质量的影响程度不同，因此本发明将各GNSS的多路径、信噪比、周跳比作为二级指标。
(2)历元完整率
历元完整率是实际观测到的历元数与理论历元数的比值，作为数据完整率的二级指标，历元完整率越高，GNSS数据质量越好。
(3)观测数据可用率
观测数据可用率是实际观测值个数与预期观测值个数的比值，作为数据完整率的二级指标，观测数据可用率越高，GNSS数据质量越好。
(4)卫星数量
指观测到的卫星数量，作为精度因子的二级指标，卫星数量越多，可用的数据越多，GNSS数据质量越好。
(5)DOP
DOP值能够反映观测卫星的空间几何分布对定位精度的影响，作为精度因子的二级指标，其值越小，数据质量越好。
三级指标，至少包括：各GNSS各频率多路径、信噪比、周跳比，PDOP，GDOP，VDOP，HDOP。本具体实施例中，具体包括如下：
(1)各GNSS各频率多路径、信噪比、周跳比
每个GNSS都有多个频率，不同频率上的多路径、信噪比、周跳比也不同，为了准确反映出各频率多路径、信噪比、周跳比对GNSS多路径、信噪比、周跳比的影响，将各频率上的多路径、信噪比、周跳比作为三级指标。
(2)PDOP、GDOP、VDOP、HDOP
PDOP、GDOP、VDOP、HDOP分别代表三维位置精度因子、几何精度因子、水平分量精度因子、垂直分量精度因子，作为DOP的三级指标，均是反映GNSS数据质量的指标之一，数值越小，数据质量越好。
步骤S2:计算GNSS观测数据的数据质量指标值，并对所述指标值进行数据标准化预处理，并根据所述步骤S1的一级、二级、三级指标体系划分为一级指标值、二级指标值和三级指标值。具体步骤如下：
通过GNSS观测数据直接计算得到数据质量指标值，对各所述指标值进行标准化处理，即使用输入的GNSS观测数据直接计算数据质量指标值，该指标值，包括：历元完整率、观测数据可用率、卫星数量、PDOP、GDOP、VDOP、HDOP，以及各GNSS各频率多路径、信噪比、周跳比的指标值，其中所述历元完整率、所述观测数据可用率、所述卫星数量的指标值为二级指标值，所述PDOP、GDOP、VDOP、HDOP，以及各GNSS各频率多路径、信噪比、周跳比的指标值为三级指标值。
由于这些指标中有些是正向指标，有些是逆向指标，且各指标具有不同的量纲和量纲单位，为便于计算和消除指标不可公度性，需要对所有指标进行标准化，即对正向指标进行正向化，对逆向指标进行逆向化，将所有指标数值压缩在[0，1]范围内。
因此，对GNSS观测数据直接计算得到数据质量指标值进行标准化处理，即对正向指标进行正向化，对逆向指标进行逆向化，将所述指标值数值压缩在[0，1]范围内，
对于n个GNSS观测数据的m个指标值：
正向化计算方式如下：
逆向化计算方式如下：
其中，i为指标值序列号；Yij为处理后的指标值；Xij为处理前的指标值；max(Xi)指标值序列最大值；min(Xi)为指标值序列最小值；
所述指标值根据所述步骤S1的一级、二级、三级指标体系划分为一级指标值、二级指标值和三级指标值，记pe、pe,f、pe,f,g分别为一、二、三级指标值；e为第e个一级指标；f为第e个一级指标的第f个二级指标；g为第f个二级指标的第g个三级指标。
步骤S3:根据所述步骤S1的一级、二级、三级指标体系，构建GNSS数据质量指标权重模型；具体如下：
记we、we,f、we,f,g分别为一、二、三级指标权重，构建GNSS数据质量指标权重模型；e为第e个一级指标；f为第e个一级指标的第f个二级指标；g为第f个二级指标的第g个三级指标。
步骤S4:根据所述步骤S2中数据标准化预处理后的指标值和不同权重计算方法，逐级计算，得到各级指标值和各级指标权重；
具体包括：
S401：三级指标计算
根据所述步骤S2数据预处理后的三级指标值，采用熵权法计算三级指标权重；
通常情况下，测站位置、环境、硬件等不会发生较大变化，各GNSS各频率多路径、信噪比、周跳比和各类DOP值相对平稳。若这些指标发生较大变化，则说明GNSS数据质量失稳，能一定程度上说明数据质量较差。因此，本发明中使用熵权法对三级指标进行定权。
首先、计算各GNSS各频率多路径、信噪比、周跳比三级指标值占各GNSS多路径、信噪比、周跳比所有所述三级指标值的比重,即计算各所述三级指标值的变异大小。本具体实施例：以各GNSS各频率多路径为例，计算单个频率多路径占某个GNSS所有频率多路径的比重，即计算指标的变异大小：
然后、采用熵权法计算信息熵：
最后、计算各三级指标值的三级指标权重：
we,f,g为三级指标权重，同理可计算出各GNSS各频率多路径、信噪比、周跳比和各类DOP值的权重。
S402：二级指标计算
根据所述步骤S2数据预处理后的三级指标值和所述S401得到的三级指标权重计算二级指标值,根据卫星数量、德尔菲法计算二级指标权重；
对于各GNSS多路径、信噪比、周跳比和DOP的二级指标值，根据所述S401得到的各三级指标值及其对应的三级指标权重，计算二级指标值pe,f，计算公式为：
pe,f＝∑we,f,gpe,f,g
由于GPS、GLONASS、BDS、Galileo等卫星导航系统有不同的星座构型，地面上能够接收到的卫星数量也不同，卫星数量越多意味着能够计算的多路径、信噪比、周跳比越多，因此本发明根据观测到的卫星数量对各GNSS多路径、信噪比、周跳比进行定权，计算方式如下：
其中，Nj为卫星导航定位系统观测到的卫星数量；
对于历元完整率、观测数据可用率、卫星数量，采用所述步骤2中通过GNSS观测数据直接计算得到二级指标值；由于精度因子包含卫星数量和DOP2个二级指标，数据完整率也包含历元完整率和观测数据可用率2个二级指标，二级指标数量较少，携带的信息不足以定量客观分析对一级指标的影响程度，因此采用主观德尔菲法对卫星数量、DOP、历元完整率和观测数据可用率进行定权。计算方式如下：
其中：Eij为专家i对指标j的打分；n为专家总数；
S403：一级指标计算
根据所述S402中的二级指标值和二级指标权重计算一级指标值；通过灰色关联分析来衡量所述一级指标值对所述步骤S2中PPP定位影响的相对强弱，计算一级指标权重；具体步骤如下：
首先、根据所述S402中的各二级指标权重和对应二级指标值计算一级指标值，计算方式如下：
pe＝∑we,f·pe,f
然后、因多路径、数据完整率、周跳比等一级指标均是从某一方面反映GNSS观测数据质量，目前没有较权威或标准化的GNSS数据质量评估方法，已有的研究也无法定量的表明一级指标对GNSS数据质量影响的大小。因此，本发明使用灰色关联分析来衡量各一级指标值对GNSS观测数据PPP定位影响的相对强弱，反映对数据质量影响的程度，确定各一级指标的权重，计算方式如下：
对输入的n个GNSS观测数据进行PPP定位计算，将PPP定位精度作为灰色分析的参考序列Y，记为：
Y＝y(k)|k＝1,2,…,n
将各一级指标值作为比较序列Xi，记为：
Xi＝xi(k)|k＝1,2,…,n；i＝1,2,…,m
其中，n是GNSS观测数据的个数，m是指标值的个数，每个GNSS观测数据都可以计算出m个指标值；
计算关联系数：
其中，ρ为分辨系数，一般取0.5；
计算灰色关联度：
根据各一级指标值与参考序列的关联度计算输入GNSS观测数据一级指标权重：
we为一级指标权重。
所述PPP定位处理：对GNSS观测数据进行PPP定位计算，得到定位精度；具体包括：
S4031：获取精密轨道和钟差，由国际GNSS服务(IGS)中心提供，包括每个卫星的精确轨道、钟差、星历等信息；
S4032：将GNSS观测数据与精密轨道和钟差进行PPP解算，得到高精度的PPP定位结果；通过最小二乘法等数学模型求解出GNSS接收机的位置、钟差等参数进行GNSS观测数据处理，用于消除大气延迟、多路径效应、地球潮汐影响等误差，提高定位精度；
S4033：通过对PPP定位结果进行统计分析和误差估计，进行定位精度评估，得到PPP定位精度。
步骤S5:根据所述步骤S4得到的一级指标值和一级指标权重，计算GNSS数据质量综合评分。
根据一级指标值和一级指标权重计算GNSS观测数据质量综合评分Sn，计算公式如下：
Sn＝∑wepe
GNSS观测数据质量综合评分Sn，综合评分越高，则GNSS数据质量越好；反之，GNSS数据质量越差。
可能地：还包括步骤S6：采用平滑因子对所述步骤S4得到的一级指标权重进行加权平均，训练所述GNSS数据质量指标权重模型。
具体包括：
所述步骤S4得到的一级指标权重，采用平滑因子对所述一级指标权重进行加权平均，对GNSS数据质量指标权重模型进行自适应的优化和调整，计算方式如下：
其中，e为第e个一级指标；n为历史GNSS数据个数；为输入GNSS观测数据个数；w′e为调整后的一级指标权重；/>为新GNSS数据权重；we为一级指标权重，调整前的权重；λ为平滑因子。
具体实施例2：
如图3所示，一种基于灰色关联自适应确权的GNSS数据质量评价系统，包括数据采集模块1和数据处理分析模块2，所述数据采集模块1与所述数据处理分析模块2相连，
所述所述数据采集模块1，用于采集GNSS观测数据；
所述数据处理分析模块2，用于执行上述具体实施例1的基于灰色关联自适应确权的GNSS数据质量评价方法。该所述数据处理分析模块的内容与具体实施例1相同，故本具体实施例在此省略，不再赘述。
以上对本发明所提供的技术方案进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

Claims (10)

1.一种基于灰色关联自适应确权的GNSS数据质量评价方法，其特征在于：包括如下步骤：
步骤S1:将不同影响程度、不同类型的GNSS数据质量指标进行分级分类，建立一级、二级、三级指标体系；
步骤S2:计算GNSS观测数据的数据质量指标值，并对所述指标值进行数据标准化预处理，并根据所述步骤S1的一级、二级、三级指标体系划分为一级指标值、二级指标值和三级指标值；
步骤S3:根据所述步骤S1的一级、二级、三级指标体系，构建GNSS数据质量指标权重模型；
步骤S4:根据所述步骤S2中数据标准化预处理后的指标值和不同权重计算方法，逐级计算，得到各级指标值和各级指标权重；
包括：
S401：三级指标计算
根据所述步骤S2数据标准化预处理后的三级指标值，采用熵权法计算三级指标权重；
S402：二级指标计算
根据所述步骤S2数据预处理后的三级指标值和所述S401得到的三级指标权重计算二级指标值，根据卫星数量、德尔菲法计算二级指标权重；
S403：一级指标计算
根据所述S402中的二级指标值和二级指标权重计算一级指标值；通过灰色关联分析来衡量所述一级指标值对PPP定位影响的相对强弱，计算一级指标权重；
步骤S5:根据所述步骤S4得到的一级指标值和一级指标权重，计算GNSS数据质量综合评分。
2.根据权利要求1所述基于灰色关联自适应确权的GNSS数据质量评价方法，其特征在于：还包括步骤S6：采用平滑因子对所述步骤S4得到的一级指标权重进行加权平均，训练所述GNSS数据质量指标权重模型。
3.根据权利要求2所述基于灰色关联自适应确权的GNSS数据质量评价方法，其特征在于：所述步骤S6：采用平滑因子对所述步骤S4得到的一级指标权重进行加权平均，训练所述GNSS数据质量指标权重模型，具体包括：
所述步骤S4得到的一级指标权重，采用平滑因子对所述一级指标权重进行加权平均，对GNSS数据质量指标权重模型进行自适应的优化和调整，计算方式如下：
其中，e为第e个一级指标；n为历史GNSS数据个数；为输入GNSS观测数据个数；w′e为调整后的一级指标权重；/>为新GNSS数据权重；we为一级指标权重，调整前权重；λ为平滑因子。
4.根据权利要求1所述基于灰色关联自适应确权的GNSS数据质量评价方法，其特征在于：所述步骤S1中的一级指标，至少包括：信噪比、多路径、周跳比、精度因子、数据完整率；
所述步骤S1中的二级指标，至少包括：各GNSS的多路径、信噪比、周跳比，历元完整率，观测数据可用率，卫星数量，DOP；
所述步骤S1中的三级指标，至少包括：各GNSS各频率多路径、信噪比、周跳比，PDOP，GDOP，VDOP，HDOP。
5.根据权利要求1所述基于灰色关联自适应确权的GNSS数据质量评价方法，其特征在于：所述计算GNSS观测数据的数据质量指标值，并对所述指标值进行数据标准化预处理，并根据所述步骤S1的一级、二级、三级指标体系划分为一级指标值、二级指标值和三级指标值，具体包括：
通过GNSS观测数据直接计算得到数据质量指标值，对各所述指标值进行标准化处理，即对正向指标进行正向化，对逆向指标进行逆向化，将所述指标值数值压缩在[0，1]范围内，
对于n个GNSS观测数据的m个指标值：
正向化计算方式如下：
逆向化计算方式如下：
其中，i为指标值序列号；Yij为处理后的指标值；Xij为处理前的指标值；max(Xi)指标值序列最大值；min(Xi)为指标值序列最小值；
所述指标值根据所述步骤S1的一级、二级、三级指标体系划分为一级指标值、二级指标值和三级指标值，记pe、pe,f、pe,f,g分别为一、二、三级指标值；e为第e个一级指标；f为第e个一级指标的第f个二级指标；g为第f个二级指标的第g个三级指标。
6.根据权利要求5所述基于灰色关联自适应确权的GNSS数据质量评价方法，其特征在于：所述通过GNSS观测数据直接计算得到数据质量指标值，包括：
历元完整率、观测数据可用率、卫星数量、PDOP、GDOP、VDOP、HDOP，以及各GNSS各频率多路径、信噪比、周跳比的指标值，其中所述历元完整率、所述观测数据可用率、所述卫星数量的指标值为二级指标值，所述PDOP、GDOP、VDOP、HDOP，以及各GNSS各频率多路径、信噪比、周跳比的指标值为三级指标值。
7.根据权利要求1所述基于灰色关联自适应确权的GNSS数据质量评价方法，其特征在于：所述构建GNSS数据质量指标权重模型，具体包括：
记we、we,f、we,f,g分别为一、二、三级指标权重，构建GNSS数据质量指标权重模型；e为第e个一级指标；f为第e个一级指标的第f个二级指标；g为第f个二级指标的第g个三级指标。
8.根据权利要求1所述基于灰色关联自适应确权的GNSS数据质量评价方法，其特征在于：所述步骤S4:根据所述步骤S2中数据标准化预处理后的指标值和不同权重计算方法，逐级计算，得到各级指标值和各级指标权重，
具体步骤如下：
S401：三级指标计算
首先、计算各GNSS各频率多路径、信噪比、周跳比三级指标值占各GNSS多路径、信噪比、周跳比所有所述三级指标值的比重，即计算各所述三级指标值的变异大小：
然后、采用熵权法计算信息熵：
最后、计算各三级指标值的三级指标权重：
we,f,g为三级指标权重；
S402：二级指标计算
对于各GNSS多路径、信噪比、周跳比和DOP的二级指标值，根据所述S401得到的各三级指标值及其对应的三级指标权重，计算二级指标值pe,f，计算公式为：
pe,f＝∑we,f,gpe,f,g
根据观测到的卫星数量对各GNSS多路径、信噪比、周跳比进行定权，计算方式如下：
其中，Nj为卫星导航定位系统观测到的卫星数量；
对于历元完整率、观测数据可用率、卫星数量，采用所述步骤2中通过GNSS观测数据直接计算得到二级指标值；由于精度因子包含卫星数量和DOP2个二级指标，数据完整率也包含历元完整率和观测数据可用率2个二级指标，因此采用主观德尔菲法对卫星数量、DOP、历元完整率和观测数据可用率进行定权，计算方式如下：
其中：Eij为专家i对指标j的打分；n为专家总数；
S403：一级指标计算
首先、根据所述S402中的各二级指标权重和对应二级指标值计算一级指标值，计算方式如下：
pe＝∑We，f·Pe，f
然后、使用灰色关联分析来衡量各一级指标值对GNSS观测数据PPP定位影响的相对强弱，反映对数据质量影响的程度，确定各一级指标的权重，计算方式如下：
对输入的n个GNSS观测数据进行PPP定位计算，将PPP定位精度作为灰色分析的参考序列，记为：
Y＝y(k)|k＝1,2,…,n
将一级指标值作为比较序列，记为：
Xi＝xi(k)|k＝1,2,…,n；i＝1,2,…,m
其中，m为指标值的个数；
计算关联系数：
其中，ρ为分辨系数，一般取0.5；
计算灰色关联度：
根据各一级指标值与参考序列的关联度计算输入GNSS观测数据一级指标权重：
we为一级指标权重。
9.根据权利要求8所述基于灰色关联自适应确权的GNSS数据质量评价方法，其特征在于：所述PPP定位计算，具体包括：
S4031：获取精密轨道和钟差；
S4032：将GNSS观测数据与精密轨道和钟差进行PPP解算，得到高精度的PPP定位结果；
S4033：通过对定位结果进行统计分析和误差估计，得到PPP定位精度。
10.一种基于灰色关联自适应确权的GNSS数据质量评价系统，其特征在于：包括数据采集模块和数据处理分析模块，所述数据采集模块与所述数据处理分析模块相连，
所述所述数据采集模块，用于采集GNSS观测数据；
所述数据处理分析模块，用于执行所述权利要求1至9任一所述基于灰色关联自适应确权的GNSS数据质量评价方法。
CN202311017605.7A 2023-08-11 2023-08-11 基于灰色关联自适应确权的gnss数据质量评价方法及系统 Active CN117056326B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311017605.7A CN117056326B (zh) 2023-08-11 2023-08-11 基于灰色关联自适应确权的gnss数据质量评价方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311017605.7A CN117056326B (zh) 2023-08-11 2023-08-11 基于灰色关联自适应确权的gnss数据质量评价方法及系统

Publications (2)

Publication Number Publication Date
CN117056326A true CN117056326A (zh) 2023-11-14
CN117056326B CN117056326B (zh) 2024-05-03

Family

ID=88668579

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311017605.7A Active CN117056326B (zh) 2023-08-11 2023-08-11 基于灰色关联自适应确权的gnss数据质量评价方法及系统

Country Status (1)

Country Link
CN (1) CN117056326B (zh)

Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060235742A1 (en) * 2005-04-18 2006-10-19 Castellanos Maria G System and method for process evaluation
DE102007036497A1 (de) * 2007-08-01 2009-02-19 Astrium Gmbh Positionierungsvorrichtung und Positionierungsverfahren für ein Satellitennavigationssystem
DE102008015107A1 (de) * 2008-03-19 2009-11-05 Breuer Nachrichtentechnik Gmbh Qualitätskontrolle bei der GNSS Navigation
US20120141021A1 (en) * 2006-03-23 2012-06-07 Intelliscience Corporation Methods and systems for data analysis and feature recognition
US20130271318A1 (en) * 2012-04-12 2013-10-17 Trimble Navigation Limited Advanced global navigation satellite systems (gnss) positioning using precise satellite information
US20140300512A1 (en) * 2011-10-24 2014-10-09 Continental Teves Ag & Co. Ohg Sensor System for Independently Evaluating the Accuracy of the Data of the Sensor System
US20160180451A1 (en) * 2014-12-22 2016-06-23 Palantir Technologies Inc. Systems and user interfaces for dynamic and interactive investigation of bad actor behavior based on automatic clustering of related data in various data structures
CN106570337A (zh) * 2016-11-14 2017-04-19 中国西安卫星测控中心 一种航天器综合能力评估方法
CN106952047A (zh) * 2017-03-24 2017-07-14 北京中电普华信息技术有限公司 一种针对电网投资效益的数据处理方法及装置
CN110034964A (zh) * 2019-05-06 2019-07-19 广西壮族自治区基础地理信息中心 基于teqc的cors数据质量检测与预警系统
CN110197345A (zh) * 2019-06-17 2019-09-03 国网江苏省电力有限公司宿迁供电分公司 一种以线路为单元的配电网综合评价方法
CN111814316A (zh) * 2020-06-18 2020-10-23 中国科学院空天信息创新研究院 一种用于地表变量的非均匀性时空分析方法及系统
CN111832895A (zh) * 2020-06-10 2020-10-27 中国水产科学研究院黄海水产研究所 一种基于灰色加权关联度的滨海湿地生态脆弱性潜在风险评估方法
CN113159535A (zh) * 2021-04-02 2021-07-23 浙江工业大学 一种基于熵权法的软件服务绩效评价方法
CN113361887A (zh) * 2021-05-29 2021-09-07 北京信息科技大学 面向作战应用的航空电子系统适用性评估系统
CN113361940A (zh) * 2021-06-15 2021-09-07 红云红河烟草(集团)有限责任公司 基于在线检测数据的卷包质量综合评价方法及系统
US20210356604A1 (en) * 2019-01-11 2021-11-18 Topcon Positioning Systems, Inc. Method and Apparatus For Improving the Quality of Position Determination Using GNSS Data
US20220018970A1 (en) * 2018-12-14 2022-01-20 Ppsoln, Inc. Method, performed by gnss receiver, for processing data signal, and recording medium and gnss receiver system
US20220131890A1 (en) * 2020-10-26 2022-04-28 Tata Consultancy Services Limited System and method for assessing insider influence on enterprise assets
CN115374991A (zh) * 2022-05-30 2022-11-22 浙江华云信息科技有限公司 一种基于改进统计升尺度的光伏集群出力预测方法
US20220405261A1 (en) * 2021-06-22 2022-12-22 International Business Machines Corporation System and method to evaluate data condition for data analytics

Patent Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060235742A1 (en) * 2005-04-18 2006-10-19 Castellanos Maria G System and method for process evaluation
US20120141021A1 (en) * 2006-03-23 2012-06-07 Intelliscience Corporation Methods and systems for data analysis and feature recognition
DE102007036497A1 (de) * 2007-08-01 2009-02-19 Astrium Gmbh Positionierungsvorrichtung und Positionierungsverfahren für ein Satellitennavigationssystem
DE102008015107A1 (de) * 2008-03-19 2009-11-05 Breuer Nachrichtentechnik Gmbh Qualitätskontrolle bei der GNSS Navigation
US20140300512A1 (en) * 2011-10-24 2014-10-09 Continental Teves Ag & Co. Ohg Sensor System for Independently Evaluating the Accuracy of the Data of the Sensor System
US20130271318A1 (en) * 2012-04-12 2013-10-17 Trimble Navigation Limited Advanced global navigation satellite systems (gnss) positioning using precise satellite information
US20160180451A1 (en) * 2014-12-22 2016-06-23 Palantir Technologies Inc. Systems and user interfaces for dynamic and interactive investigation of bad actor behavior based on automatic clustering of related data in various data structures
CN106570337A (zh) * 2016-11-14 2017-04-19 中国西安卫星测控中心 一种航天器综合能力评估方法
CN106952047A (zh) * 2017-03-24 2017-07-14 北京中电普华信息技术有限公司 一种针对电网投资效益的数据处理方法及装置
US20220018970A1 (en) * 2018-12-14 2022-01-20 Ppsoln, Inc. Method, performed by gnss receiver, for processing data signal, and recording medium and gnss receiver system
US20210356604A1 (en) * 2019-01-11 2021-11-18 Topcon Positioning Systems, Inc. Method and Apparatus For Improving the Quality of Position Determination Using GNSS Data
CN110034964A (zh) * 2019-05-06 2019-07-19 广西壮族自治区基础地理信息中心 基于teqc的cors数据质量检测与预警系统
CN110197345A (zh) * 2019-06-17 2019-09-03 国网江苏省电力有限公司宿迁供电分公司 一种以线路为单元的配电网综合评价方法
CN111832895A (zh) * 2020-06-10 2020-10-27 中国水产科学研究院黄海水产研究所 一种基于灰色加权关联度的滨海湿地生态脆弱性潜在风险评估方法
CN111814316A (zh) * 2020-06-18 2020-10-23 中国科学院空天信息创新研究院 一种用于地表变量的非均匀性时空分析方法及系统
US20220131890A1 (en) * 2020-10-26 2022-04-28 Tata Consultancy Services Limited System and method for assessing insider influence on enterprise assets
CN113159535A (zh) * 2021-04-02 2021-07-23 浙江工业大学 一种基于熵权法的软件服务绩效评价方法
CN113361887A (zh) * 2021-05-29 2021-09-07 北京信息科技大学 面向作战应用的航空电子系统适用性评估系统
CN113361940A (zh) * 2021-06-15 2021-09-07 红云红河烟草(集团)有限责任公司 基于在线检测数据的卷包质量综合评价方法及系统
US20220405261A1 (en) * 2021-06-22 2022-12-22 International Business Machines Corporation System and method to evaluate data condition for data analytics
CN115374991A (zh) * 2022-05-30 2022-11-22 浙江华云信息科技有限公司 一种基于改进统计升尺度的光伏集群出力预测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张宁: "北斗观测数据质量分析方法研究及软件实现", 《中国优秀硕士学位论文全文数据库 基础科学辑》, 15 February 2023 (2023-02-15), pages 008 - 531 *

Also Published As

Publication number Publication date
CN117056326B (zh) 2024-05-03

Similar Documents

Publication Publication Date Title
US10114123B2 (en) Accuracy and performance of the hybrid positioning system
CN106249256B (zh) 基于粒子群优化算法的实时glonass相位偏差估计方法
CN109883313B (zh) 一种基于单频gnss定位技术监测高铁大桥动态挠度的方法
CN106772498A (zh) 一种gps位置时间序列噪声模型建立方法
CN115792980A (zh) 一种模型和数据双重驱动的gnss rtk定位选星方法及系统
CN113189623B (zh) 一种卫星导航系统信号质量等级评估方法
Pan et al. GPS inter-frequency clock bias modeling and prediction for real-time precise point positioning
CN104076381B (zh) 实时精密单点定位方法
CN115201872A (zh) 一种基于选星的gnss伪距粗差探测方法及系统
CN114879222A (zh) 一种基于自适应随机模型的全球电离层建模方法
CN116719073B (zh) 面向gnss解算域的粗差探测与剔除方法
KR20120004890A (ko) 위성전파항법 보강시스템의 기준국 장치 및 이에 적용되는 의사거리 보정정보에 대한 거리오차 추정값 산출방법
CN117056326B (zh) 基于灰色关联自适应确权的gnss数据质量评价方法及系统
CN117348045A (zh) 多模gnss-r接收机反射信号选取的优化方法及装置
CN110907964A (zh) 卫星导航载波相位观测数据的质量分析方法
CN112230254B (zh) 一种gps载波相位多径误差的校正方法及装置
CN116381738A (zh) 一种低轨卫星星载时钟钟差高精度预报方法
CN113687324B (zh) 一种相控阵天气雷达标定机外验证系统
CN112130179A (zh) 一种基于监测接收机的bds卫星导航信号稳定性分析方法
CN111999750B (zh) 针对杆臂不准的实时单站周跳探测改进方法
CN113031013A (zh) 一种星载gnss-r海冰边界探测方法及系统
Di Lecce et al. Neural technologies for increasing the GPS position accuracy
CN117991308B (zh) 一种面向复杂环境gnss数据质量的高精度数据处理方法
CN113189366B (zh) 基于机器学习的星载gnss-r风向探测装置及方法
CN117538909A (zh) 一种惯导辅助的北斗iii异构星座分步选星方法

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