CN117056326B - 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 PDFInfo
- Publication number
- CN117056326B CN117056326B CN202311017605.7A CN202311017605A CN117056326B CN 117056326 B CN117056326 B CN 117056326B CN 202311017605 A CN202311017605 A CN 202311017605A CN 117056326 B CN117056326 B CN 117056326B
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000013441 quality evaluation Methods 0.000 title claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims abstract description 51
- 238000012545 processing Methods 0.000 claims description 23
- 238000009499 grossing Methods 0.000 claims description 10
- 230000003044 adaptive effect Effects 0.000 claims description 9
- 238000010219 correlation analysis Methods 0.000 claims description 6
- 238000013278 delphi method Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 4
- 101100387911 Caenorhabditis elegans dop-2 gene Proteins 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 238000007619 statistical method Methods 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 abstract description 5
- 238000007781 pre-processing Methods 0.000 abstract description 3
- 238000011156 evaluation Methods 0.000 description 5
- 238000012216 screening Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
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
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;h为输入GNSS观测数据个数;w'e为调整后的一级指标权重;we(h)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,j为第j个指标;Yij为处理后的指标值;Xij为处理前的指标值;max(Xj)指标值序列最大值;min(Xj)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,Nl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:Euj为专家u对指标j的打分;t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:
Xj=xj(k)|k=1,2,…,n;j=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,j为第j个指标;Yij为处理后的指标值;Xij为处理前的指标值;max(Xj)指标值序列最大值;min(Xj)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;r为第r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,Nl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:Euj为专家u对指标j的打分;t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:
Xj=xj(k)|k=1,2,…,n;j=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;h为输入GNSS观测数据个数;w'e为调整后的一级指标权重;we(h)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 (5)
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;
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;
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;
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,j为第j个指标;Yij为处理后的指标值;Xij为处理前的指标值;max(Xj)指标值序列最大值;min(Xj)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;
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;
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
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
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,Nl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:Euj为专家u对指标j的打分;t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PPP定位影响的相对强弱,计算一级指标权重;
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,fpe,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:
Xj=xj(k)|k=1,2,…,n;j=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;
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;
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;
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;h为输入GNSS观测数据个数;w′e为调整后的一级指标权重;we(h)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。
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: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。
3.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。
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。
5.一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4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。
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 CN117056326A (zh) | 2023-11-14 |
CN117056326B true 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 (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
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 |
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 |
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 |
Family Cites Families (9)
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 |
US8625885B2 (en) * | 2006-03-23 | 2014-01-07 | Intelliscience Corporation | Methods and systems for data analysis and feature recognition |
CN104011563B (zh) * | 2011-10-24 | 2016-08-17 | 大陆-特韦斯贸易合伙股份公司及两合公司 | 用于独立评价其数据精度的传感器系统 |
US9405012B2 (en) * | 2012-04-12 | 2016-08-02 | Trimble Navigation Limited | Advanced global navigation satellite systems (GNSS) positioning using precise satellite information |
US9367872B1 (en) * | 2014-12-22 | 2016-06-14 | 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 |
KR102292187B1 (ko) * | 2018-12-14 | 2021-08-24 | 주식회사 피피솔 | Gnss 수신기의 데이터 신호 처리 방법, 기록매체 및 gnss 수신기 시스템, |
WO2020145839A1 (en) * | 2019-01-11 | 2020-07-16 | Limited Liability Company "Topcon Positioning Systems" | Method and apparatus for improving the quality of position determination |
EP3989091A1 (en) * | 2020-10-26 | 2022-04-27 | Tata Consultancy Services Limited | System and method for assessing insider influence on enterprise assets |
US20220405261A1 (en) * | 2021-06-22 | 2022-12-22 | International Business Machines Corporation | System and method to evaluate data condition for data analytics |
-
2023
- 2023-08-11 CN CN202311017605.7A patent/CN117056326B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
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 |
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 |
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)
Title |
---|
北斗观测数据质量分析方法研究及软件实现;张宁;《中国优秀硕士学位论文全文数据库 基础科学辑》;20230215;第A008-531页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117056326A (zh) | 2023-11-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10114123B2 (en) | Accuracy and performance of the hybrid positioning system | |
CN108828640B (zh) | 一种卫星导航定位观测值定权方法及装置 | |
CN108387169B (zh) | 一种基于实时大气产品的gnss形变监测系统 | |
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 | |
CN116931026B (zh) | 一种卫星导航信号的异常判定方法 | |
CN111435167B (zh) | 一种基于北斗三号的接收机数据质量分析方法和装置 | |
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 | |
CN117348045B (zh) | 多模gnss-r接收机反射信号选取的优化方法及装置 | |
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 | |
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 | |
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 | |
CN116203603A (zh) | 一种面向复杂环境低成本的ppp随机模型自适应调整方法 | |
CN111999750B (zh) | 针对杆臂不准的实时单站周跳探测改进方法 | |
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 | |
CN114966757A (zh) | 用于基于gnss定位车辆的方法 | |
CN113687324A (zh) | 一种相控阵天气雷达标定机外验证系统 | |
Di Lecce et al. | Neural technologies for increasing the GPS position accuracy | |
CN113031013A (zh) | 一种星载gnss-r海冰边界探测方法及系统 | |
Zhilinskiy | GLONASS Satellite Pseudorange Errors Mitigation Using Gradient Boosting Machine | |
CN117630988B (zh) | 动态调整优化的北斗测量数据处理云平台 | |
CN117538909A (zh) | 一种惯导辅助的北斗iii异构星座分步选星方法 | |
Tourian et al. | Outlier identification and correction for GRACE aggregated data |
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 |