CN117668135A - 一种基于考虑气象因素的径向基插值方法及系统 - Google Patents
一种基于考虑气象因素的径向基插值方法及系统 Download PDFInfo
- Publication number
- CN117668135A CN117668135A CN202311516333.5A CN202311516333A CN117668135A CN 117668135 A CN117668135 A CN 117668135A CN 202311516333 A CN202311516333 A CN 202311516333A CN 117668135 A CN117668135 A CN 117668135A
- Authority
- CN
- China
- Prior art keywords
- interpolation
- radial basis
- weather
- interpolated
- data
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000005259 measurement Methods 0.000 claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 19
- 238000012937 correction Methods 0.000 claims abstract description 16
- 230000006870 function Effects 0.000 claims description 42
- 230000008859 change Effects 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 abstract description 21
- 238000004422 calculation algorithm Methods 0.000 abstract description 15
- 238000012795 verification Methods 0.000 abstract description 7
- 238000005265 energy consumption Methods 0.000 abstract description 3
- 238000011156 evaluation Methods 0.000 abstract description 3
- 238000012360 testing method Methods 0.000 description 19
- 238000010586 diagram Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 101150092254 ASF1 gene Proteins 0.000 description 4
- 101100436063 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) ASF2 gene Proteins 0.000 description 4
- 101100436059 Schizosaccharomyces pombe (strain 972 / ATCC 24843) cia1 gene Proteins 0.000 description 4
- 101100163864 Xenopus laevis asf1aa gene Proteins 0.000 description 4
- 238000013459 approach Methods 0.000 description 4
- 230000007423 decrease Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000001010 compromised effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 239000013535 sea water Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 239000005436 troposphere Substances 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
Classifications
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于导航系统技术领域，公开了一种基于考虑气象因素的径向基插值方法及系统，包括：S1，获取待插值站点所处区域的模式气象数据；S2，将待插值站点所处的预设范围的区域进行划分，确定待插值站点对应的目标插值点；S3，基于待插值站点对应的模式气象数据，确定目标插值点对应的气压层及划分后得到的网格点位置；S4，针对目标点，基于径向基函数插值和模式气象数据进行插值处理。本发明只需要拟定区域内少数测量的ASF值即可构建ASF修正库，解决了复杂路径理论计算不准确，大面积测量又耗费时间和精力的问题，有效的提高了陆基导航系统的精度。本发明利用径向基插值算法，在提供准确的结果方面具有高效率以及更好的评估和验证能力。
Description
技术领域
本发明属于导航系统技术领域，尤其涉及一种基于考虑气象因素的径向基插值方法及系统。
背景技术
陆基导航系统即增强罗兰导航系统(eLoran)广泛应用于无线通信、导航、定位和天气预报等领域。与卫星导航系统相比，增强罗兰系统具有明显的优势，包括信号稳定性和更强的抗干扰能力。陆基导航系统是星基系统的重要后备解决方案。
然而，由于地波信号传播路径错综复杂，加上天气和季节变化等不可预测因素的影响，它们计算传播延迟的准确性往往大打折扣。因此，要提高eLoran定位精度，减少ASF(the Additional Secondary Phase Factor附加二次相位因子)误差至关重要。eLoran路径沿线不同位置的参数可能不同，从而导致ASF值不同。有几种方法和模式可用于确定ASF。大型系统工程通常采用测量方法和预测模型计算方法来确定eLoran系统的ASF。
例如，William等人利用大量测试数据研究了二次延迟的空间、时间和方向变化。此外，Hargreaves C.等人断言，为构建高精度ASF数据库收集足够的测量数据可确保海基定位精度优于10米(95％)。这种方法适用于快速建立区域ASF修正库，降低测量成本，简化理论计算。
一些研究探讨了两种ASF网格构建方法：基于静态数据的方法和基于动态数据的方法。虽然ASF网格预测研究取得了进展，但对缺乏标准化网格划分的真实地理区域进行预测性插值的研究仍然有限。
由于广泛的ASF测量需要大量的成本、时间和精力，最实用的方法是利用有限的数据集生成准确的ASF预测传播延迟图。
通过上述分析，现有技术存在的问题及缺陷为：由于地波信号传播路径错综复杂，加上天气和季节变化等不可预测因素的影响，现有的导航系统计算传播延迟的准确性往往大打折扣。
发明内容
为了克服以往理论研究的局限性，并考虑气象因素的实时影响，本发明提出一种基于考虑气象因素的径向基插值方法及系统，用于预测的ASF值，并通过在中国武汉进行的现场测试证明了其出色的性能。
本发明是这样实现的，一种基于考虑气象因素的径向基插值方法，包括：
S1，采用气象仪测量或选取相邻最近气象站数据获取待插值站点所处区域的模式气象数据；
S2，将待插值站点所处的预设范围的区域进行划分，确定待插值站点对应的目标插值点；
S3，基于待插值站点对应的模式气象数据，确定目标插值点对应的气压层及划分后得到的网格点位置；
S4，针对目标点，基于径向基函数插值和模式气象数据进行插值处理。
进一步，模式气象数据至少包括以下数据中的一种或多种气象要素：温度、相对湿度、风速、风速和气压；其中，气象站观测数据为获取的包含待插值站点的预设范围区域内气象数据。
进一步，通过获取待插值站点所处区域的模式数据，确定待插值站点对应的目标插值点，目标点采用径向基函数插值，在这一过程中将各气象要素插值结果可能产生的误差量进行订正；
根据目标插值点所处区域及附近区域的气象站观测数据和海拔高度，计算地面站点平均气象要素垂直变化率β；如遇特殊情况无地面气象观测站数据支持，用参考大气标准气象要素垂直变化率代替。
进一步，基于所述待插值站点所处区域的模式气象数据、实际地形高度数据和所处区域及附近区域的气象站观测数据，确定目标点所处模式气象数据网格点和目标点与网格点所处实际地形高度，以及该区域的气象要素垂直变化率均值。
进一步，针对待插值目标点，基于径向基函数插值和气象数据进行插值处理，基于实际选点位置进行修正。
进一步，使用8390链进行定位，使用8390链信号的到达时间来计算ASF值，ASF的计算公式如下:
ASF＝TOAmeasurement-PF-SF
其中，TOAmeasured代表接收机输出端的测量到达时间值。根据全球导航卫星系统接收器输出的载波位置，可以利用模型精确计算PF和SF。
本发明的另一目的在于提供一种应用所述基于考虑气象因素的径向基插值方法的基于考虑气象因素的径向基插值系统，包括：
模式气象数据获取模块，用于获取待插值站点所处区域的模式气象数据；
目标插值点确定模块，将待插值站点所处的预设范围的区域进行划分，确定待插值站点对应的目标插值点；
网格点位置确定模块，用于基于待插值站点对应的模式气象数据，确定目标插值点对应的气压层及划分后得到的网格点位置；
差值处理模块，用于针对目标点，基于径向基函数插值和模式气象数据进行插值处理。
本发明的另一目的在于提供一种计算机设备，计算机设备包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行所述的基于考虑气象因素的径向基插值方法的步骤。
本发明的另一目的在于提供一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时，使得处理器执行所述的基于考虑气象因素的径向基插值方法的步骤。
本发明的另一目的在于提供一种信息数据处理终端，信息数据处理终端用于实现所述的基于考虑气象因素的径向基插值系统。
结合上述的技术方案和解决的技术问题，本发明所要保护的技术方案所具备的优点及积极效果为：
第一，增强罗兰(eLoran)系统作为GNSS有效备份具有信号功率高、抗干扰能力强、地面系统维护方便等特点，其定位精度受ASF影响明显，对ASF进行补偿后，能够有效提高其定位服务能力。本发明对试验区域选取有限测量点实测ASF值，通过考虑气象因素下的径向基插值方法，对整个试验区域内ASF值进行了预测，并使用预测后的ASF值来修正原始数据计算修正前后定位精度来验证预测结果。验证结果表明，本发明通过使用考虑气象因素的径向基插值算法能够对ASF值进行精确预测，证明该算法在特定区域内预测ASF值方面具有准确性和有效性，从而避免了复杂环境下理论计算精度低的问题，采用本方法只需要拟定区域内少数测量的ASF值即可构建ASF修正地图，解决了复杂路径理论计算不准确，大面积测量又耗费时间和精力的问题，为有效的提高陆基导航系统的精度提供理论支撑。
第二，本发明讨论了使用考虑气象因素的径向基插值算法预测考虑气象因素的径向基插值算法内ASF值的被证明是可行的，尽管需要考虑因区域而异的观测数据。此外，交叉验证表明该方法预测的ASF时延值精度可靠，通过与其他传统插值方法对比，通过本方法预测后的ASF值修正测量值后，定位精度有明显提升，因此采用本方法只需要拟定区域内少数测量的ASF值即可构建ASF修正库，解决了复杂路径理论计算不准确，大面积测量又耗费时间和精力的问题，有效的提高了陆基导航系统的精度。本发明利用径向基插值算法在提供准确的结果方面具有高效率以及更好的评估和验证能力。此外，本发明还通过对实测数据预测与验证表明考虑气象因素的径向基插值算法能够有效预测特定区域内的ASF值，并允许研究者收集大量的测量数据并在短时间内获得可靠的结果。
第三，作为本发明的权利要求的创造性辅助证据，还体现在以下几个重要方面：
(1)本发明的技术方案转化后的预期收益和商业价值为：
本发明基于径向基插值方法通过技术方案转化后，综合考虑气象因素，与普通插值方法和利用数学公式推导出计算方法相比，可以快速预测出实测值附近区域ASF数值，误差在可接受范围内，且通过此方法修正后，定位精度与其他方法相比也有显著优势。
(2)本发明的技术方案填补了国内外业内技术空白：
目前，国内外准确的ASF数值是通过实地测量得到的，这种方法费时费力且耗资巨大，且各单位各自构建的ASF库并未公开，普通用户无法使用现有的ASF库进行实际修正。本发明提供了一种区域ASF预测方法，填补了国内外区域预测ASF值建设的空白。
第四，本发明提供的基于考虑气象因素的径向基插值方法的显著技术进步主要体现在以下几个方面：
1)综合气象数据的应用：通过采集和选取气象站数据，这种方法能获取更准确、综合的气象要素(如温度、湿度、风速和气压)信息，为插值提供更全面的数据支撑。
2)区域划分和目标插值点的精确确定：在进行插值前，该方法通过精细化地区域划分，确定待插值站点对应的目标插值点，从而提高插值的准确性和适用性。
3)气压层和网格点位置的精确计算：根据模式气象数据确定气压层和网格点，这一步骤能够确保插值过程中的空间分布更加准确和合理。
4)径向基函数插值技术的应用：利用径向基函数插值技术进行处理，可有效利用已有数据点，生成平滑的插值结果，适用于复杂气象数据的处理。
5)误差订正机制：在插值过程中考虑并订正由于气象要素插值可能产生的误差，增强了预测结果的准确性和可靠性。
6)垂直变化率β的计算：根据目标插值点附近的气象观测数据和海拔高度计算气象要素的垂直变化率β，这样的计算为不同高度上的气象要素变化提供了量化依据。
7)特殊情况下的替代方案：在无地面气象站数据支持的情况下，使用参考大气标准气象要素垂直变化率作为替代，确保了方法的广泛适用性。
本发明提供的方法在数据获取、处理和插值技术方面的创新，显著提升了气象数据插值的准确性和实用性，特别是在气象预测和环境监测领域。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述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的前提下还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的基于考虑气象因素的径向基插值方法流程图；
图2是本发明实施例提供的基于考虑气象因素的径向基插值系统结构图；
图3是本发明实施例提供的测试点经纬度示意图；
图4是本发明实施例提供的测试时间段风速风向变化示意图；
图5是本发明实施例提供的测试时间段温度湿度变化示意图；
图6是本发明实施例提供的径向基插值法预测ASF云图；其中，(a)ASF1，(b)ASF2；
图7是本发明实施例提供的各测试点初始定位精度和修正后定位精度示意图；其中，(a)Point 1，(b)Point 2，(c)Point 3，(d)Point 4。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
针对现有技术存在的问题，本发明提供了一种基于考虑气象因素的径向基插值方法及系统，下面结合附图对本发明作详细的描述。
对于增强罗兰定位导航授时系统(eloran)而言，由于高精度地基导航授时主要使用地波传播实现，对天波传播的监测只是辅助，因此影响地波传播误差的一次相位因子(PF)、二次相位因子(SF)和附加二次相位因子(ASF)三个要素是需要消除的重要误差。PF和SF可以通过理论计算得到，ASF可理解为eLoran信号在具有不同大地电导率的陆地上传播时所经历的累积延迟，ASF修正值是一个时变变量，即使在同一个地点随着不同季节，不同温度，不同湿度等气候条件ASF均会发生变化，大圆距离、大地电导率和相对介电常数均影响ASF，因此准确预估ASF是很困难的。为提高eLoran授时和定位精度，需要更准确地对ASF进行修正。如若不考虑ASF，不止会影响授时精度，也会导致100米到公里级的定位误差。
在中国的罗兰导航授时系统中，一个链由一个主站和两个从站组成，在每个链中，主站和每个从站可以组成一个站对。用户可以通过测量站对信号的到达时间差，得到一条通过其当前位置的双曲线位置线。在一个链的覆盖范围内，一个主站和两个从站可以同时测量两条位置线，它们的交点决定了导航用户的位置。本发明使用8390链进行定位，因此使用8390链信号的到达时间来计算ASF值。
因此，ASF的计算公式如下:
ASF＝TOAmeasurement-PF-SF (1)
其中，TOAmeasured代表接收机输出端的测量到达时间值。根据全球导航卫星系统接收器输出的载波位置，可以利用模型精确计算PF和SF。
如图1所示，本发明实施例提供的基于考虑气象因素的径向基插值方法，包括：
S1，获取待插值站点所处区域的模式气象数据；
S2，将待插值站点所处的预设范围的区域进行划分，确定待插值站点对应的目标插值点；
S3，基于待插值站点对应的模式气象数据，确定目标插值点对应的气压层及划分后得到的网格点位置；
S4，针对目标点，基于径向基函数插值和模式气象数据进行插值处理。
如图2所示，本发明实施例提供的基于考虑气象因素的径向基插值系统，包括：
模式气象数据获取模块，用于获取待插值站点所处区域的模式气象数据；
目标插值点确定模块，将待插值站点所处的预设范围的区域进行划分，确定待插值站点对应的目标插值点；
网格点位置确定模块，用于基于待插值站点对应的模式气象数据，确定目标插值点对应的气压层及划分后得到的网格点位置；
差值处理模块，用于针对目标点，基于径向基函数插值和模式气象数据进行插值处理。
在一种实施方式中，模式气象数据至少包括以下数据中的一种或多种气象要素：温度、相对湿度、风速、风速和气压。其中，气象站观测数据为获取的包含待插值站点的预设范围区域内气象数据。
本发明提供的一种基于径向基函数插值的气象插值方法，通过获取待插值站点所处区域的模式数据，确定待插值站点对应的目标插值点，目标点采用径向基函数插值，在这一过程中将各气象要素插值结果可能产生的误差量进行订正；
对于气象因素考虑，一般情况下，在对流层范围内气象要素会随海拔的升高而变化，但是气象要素的垂直递减率会因地点、季节和昼夜气候条件等因素的不同而变化。因此，可以将各测站点气象要素随海拔变化这一现象定义为气象要素垂直变化率，根据目标插值点所处区域及附近区域的气象站观测数据和海拔高度，计算地面站点平均气象要素垂直变化率β。如遇特殊情况无地面气象观测站数据支持，用参考大气标准气象要素垂直变化率代替。
基于所述待插值站点所处区域的模式气象数据、实际地形高度数据和所处区域及附近区域的气象站观测数据，确定目标点所处模式气象数据网格点和目标点与网格点所处实际地形高度，以及该区域的气象要素垂直变化率均值。
在实际应用中，针对待插值目标点，基于径向基函数插值和气象数据进行插值处理，基于实际选点位置进行修正。
传统的ASF校正方法涉及通过将区域划分为网格单元、在网格顶点测试ASF值以及建立ASF数据库来创建ASF网格。用户使用插值算法根据网格顶点处的ASF值估计网格单元内的ASF值。尽管如此，这种方法表现出过度的规律性，实际测量可能不包括每个区域。
实验地点位于武汉平坦的地形内。该地貌代表了一个过渡带，从湖北省东南部丘陵，穿过汉江平原的东部边缘，一直延伸到大别山脉南麓的低海拔地区。试验场位于开放环境中，海拔约50米，没有明显的海拔变化或天然庇护所。我们选择了四个表现出空间相关性的测试点。该实验于2023年11月在没有降水的晴朗天气条件下进行。图3为测试点具体经纬度，图4为测试环境风向风速变化，图5为气温湿度变化。
在每个测量点进行了1小时的eLoran信号测量。接收器允许直接测量从8390链的一个主站和两个从站到当前位置的信号到达时间(TOA)。TOA的组成如下。
TOA＝PF+SF+ASF (2)
地波传播误差的一次相位因子(PF)表示信号通过无限空气介质从发射天线传播到接收天线所经历的时间。二次相位因子(SF)表示海面对信号传播的影响造成的延迟，而附加二次相位因子(ASF)量化了实际陆基信号传播路径中的延迟，特别是通过陆地的长波地波信号与整个海水路径相比的时间延迟变化。
SF和ASF反映了信号传播路径的表面介质(可以是海水或陆地表面覆盖)对传播延迟的影响，并根据地波衰减函数的相位进行计算。
然而，ASF受到不可预测的传播相关因素的影响，例如地形类型，长圆距离，大气折射率和气候季节。因此，在实际导航授时应用中，通常需要实际测量以进行延时校正。
在中国eLoran系统中，一条链由一个主站和两个从站组成，在每个链中，主站和每个从站可以组成一个站对。用户可以通过测量来自站对的信号到达之间的时间差来获得通过其当前位置的双曲线位置线。在链条的覆盖区域内，一个主站和两个从站可以同时测量两条位置线，它们的交点决定了用户的导航位置。在此测试中，8390链用于定位；因此，来自8390链的信号到达时间用于计算ASF值。
因此，ASF的计算公式如下：
ASF＝TOAmeasurement-PF-SF (3)
其中表示在接收器输出端测量的到达时间。PF和SF的精确计算可以使用基于载波位置的模型获得PF和SF的精确计算。
ASF1表示8390M(宣城)和8390X(饶平)站到达时间差对应的附加二次相位因子值，ASF2表示8390M站和8390Y站(荣城)到达时间差的附加二次相位因子值。
径向基函数插值法的基本原理涉及一组径向基函数和权重计算，通常由以下公式表示：
(1)径向基函数：常用高斯径向基函数，其一维形式表示为
此处，φ(r)表示径向基函数，r是插值点与已知点之间的距离，ε是控制函数宽度的参数。
高斯径向基函数在插值点附近呈最大值，并随距离逐渐减小。
(2)插值点的估计：对于插值点P，估计值f(P)可以表示为已知点Pi的线性组合：
其中n是已知点的数量，wi表示每个已知点Pi的权重，并且是插值点P和已知点Pφ(||P-Pi||)i之间的径向基函数的值。
(3)权重计算：权重wi的计算通常涉及求解方程等于已知点数的线性系统。一种常见的方法是根据从插值点P到每个已知点Pi的距离计算权重，如下所示：
此处，表示所有已知点与之间的径向基函数值之和。
在测试区域内使用径向基函数(RBF)插值方法进行ASF预测产生了以下预测结果，表1-2所示
表1.RBF函数插值方法ASF1预测结果
| 点 | 测量值 | 预测值 | 误差 |
| P1 | 3.5615 | 3.5126 | -0.0489 |
| P2 | 3.6742 | 3.6960 | 0.0218 |
| P3 | 3.7674 | 3.7106 | -0.0568 |
| P4 | 3.8722 | 3.8415 | -0.0307 |
表2.RBF函数插值方法ASF2预测结果
| 点 | 测量值 | 预测值 | 误差 |
| P1 | 1.5379 | 1.5763 | 0.0384 |
| P2 | 0.8765 | 0.9929 | 0.1164 |
| P3 | 1.0029 | 1.0873 | 0.0844 |
| P4 | 1.1116 | 1.1672 | 0.0556 |
本发明的应用实施例提供了一种计算机设备，计算机设备包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行基于考虑气象因素的径向基插值方法的步骤。
本发明的应用实施例提供了一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时，使得处理器执行基于考虑气象因素的径向基插值方法的步骤。
本发明的应用实施例提供了一种信息数据处理终端，信息数据处理终端用于实现基于考虑气象因素的径向基插值系统。
本发明的一种基于考虑气象因素的径向基插值预测方法通过技术方案转化后，采用径向基插值方法对传播区域ASF时延值实施预测，并通过考虑气象因素改善预测精度。本发明的区域ASF预测方法只需要实测一定数量的ASF值，在获取气象因素后，根据这些实测的ASF值即可快速预测出该范围内未知点的时延值，将预测后的时延值对测量值进行修正，系统定位精度得到了明显提升，这表明本发明可以避免复杂环境下理论计算精度低的问题，提高了低频地波授时导航的精度。
本发明实施例在研发或者使用过程中取得了一些积极效果，和现有技术相比的确具备很大的优势，下面内容结合试验过程的数据、图表等进行描述。
1.ASF时延值数据采集
陆基导航系统一般包含一个主台多个副台组成台链，通过测量主副台传播时差，利用双曲线定位原理实现定位。其中传播时延误差主要包括基本时延PF、二次相位因子SF、附加二次相位因子ASF(实际陆地传播路径下的时延)，PF和SF是可以通过理论公式精确计算出来的，但是ASF在传播过程中受地形、大圆距离、大气折射率、气候季节等难以预测因素影响理论计算误差较大。工程应用中通常需要实际测量用于时延修正，但是高密度的测量时延值是非常耗费时间和精力的。因此，分析ASF时延对于提高陆基系统定位精度、国家授时精度具有重要应用前景。
采样点的位置分布如图3所示，实验区域范围在纬度30.5～31.2经度114.2～114.7间，其中P1～P4为采样点散乱分布在实验区域中，为后续插值提供良好的基础。
2.综合气象因素采用径向基插值方法进行插值预测
径向基函数插值法的基本原理涉及一组径向基函数和权重计算，通常由以下公式表示：
(1)径向基函数：常用高斯径向基函数，其一维形式表示为
此处，φ(r)表示径向基函数，r是插值点与已知点之间的距离，ε是控制函数宽度的参数。
高斯径向基函数在插值点附近呈最大值，并随距离逐渐减小。
(2)插值点的估计：对于插值点P，估计值f(P)可以表示为已知点Pi的线性组合：
其中n是已知点的数量，wi表示每个已知点Pi的权重，并且是插值点P和已知点Pφ(||P-Pi||)i之间的径向基函数的值。
(3)权重计算：权重wi的计算通常涉及求解方程等于已知点数的线性系统。一种常见的方法是根据从插值点P到每个已知点Pi的距离计算权重，如下所示：
此处，表示所有已知点与之间的径向基函数值之和。
本次试验一共4个采样点，对该区域采用考虑气象因素的径向基插值算法构建ASF修正库。本发明将实验区域划分如图3所示栅格点，图中黑色圆圈为待估栅格点，图4-5为测试时间段气象条件。
在测试区域内使用径向基函数(RBF)插值方法进行ASF预测产生了以下预测结果，如图6和表1-2所示
表1.RBF函数插值方法ASF1预测结果
| 点 | 测量值 | 预测值 | 误差 |
| P1 | 3.5615 | 3.5126 | -0.0489 |
| P2 | 3.6742 | 3.6960 | 0.0218 |
| P3 | 3.7674 | 3.7106 | -0.0568 |
| P4 | 3.8722 | 3.8415 | -0.0307 |
表2.RBF函数插值方法ASF2预测结果
| 点 | 测量值 | 预测值 | 误差 |
| P1 | 1.5379 | 1.5763 | 0.0384 |
| P2 | 0.8765 | 0.9929 | 0.1164 |
| P3 | 1.0029 | 1.0873 | 0.0844 |
| P4 | 1.1116 | 1.1672 | 0.0556 |
3.结论
综上所述，本发明讨论了考虑气象因素条件的径向基插值算法预测区域内ASF值的被证明是可行的，尽管需要考虑因区域而异的观测数据。此外，通过实测验证表明该方法预测的ASF时延值精度可靠，因此采用本方法只需要拟定区域内少数测量的ASF值即可构建ASF修正库，解决了复杂路径理论计算不准确，大面积测量又耗费时间和精力的问题，有效的提高陆基导航系统的精度。本发明利用径向基插值算法在提供准确的结果方面具有高效率，更好的评估和验证能力。
此外，本发明通过对实测数据预测与验证表明径向基插值算法能够有效预测特定区域内的ASF值，并允许研究者收集大量的测量数据并在短时间内获得可靠的结果。然而，径向基插值算法需要精确的历史数据来获得准确的预测。因此，未来的研究还应解决数据精度的问题，以及在具体区域内应用径向基插值算法的有效性，还应继续深入探索径向基插值算法在特定地区应用预测ASF的效果。
应当注意，本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种基于考虑气象因素的径向基插值方法，其特征在于，包括：
S1，采用气象仪测量或选取相邻最近气象站数据获取待插值站点所处区域的模式气象数据；
S2，将待插值站点所处的预设范围的区域进行划分，确定待插值站点对应的目标插值点；
S3，基于待插值站点对应的模式气象数据，确定目标插值点对应的气压层及划分后得到的网格点位置；
S4，针对目标点，基于径向基函数插值和模式气象数据进行插值处理。
2.如权利要求1所述的基于考虑气象因素的径向基插值方法，其特征在于，模式气象数据至少包括以下数据中的一种或多种气象要素：温度、相对湿度、风速、风速和气压；其中，气象站观测数据为获取的包含待插值站点的预设范围区域内气象数据。
3.如权利要求1所述的基于考虑气象因素的径向基插值方法，其特征在于，通过获取待插值站点所处区域的模式数据，确定待插值站点对应的目标插值点，目标点采用径向基函数插值，在这一过程中将各气象要素插值结果可能产生的误差量进行订正；
根据目标插值点所处区域及附近区域的气象站观测数据和海拔高度，计算地面站点平均气象要素垂直变化率β；如遇特殊情况无地面气象观测站数据支持，用参考大气标准气象要素垂直变化率代替。
4.如权利要求1所述的基于考虑气象因素的径向基插值方法，其特征在于，基于所述待插值站点所处区域的模式气象数据、实际地形高度数据和所处区域及附近区域的气象站观测数据，确定目标点所处模式气象数据网格点和目标点与网格点所处实际地形高度，以及该区域的气象要素垂直变化率均值。
5.如权利要求1所述的基于考虑气象因素的径向基插值方法，其特征在于，针对待插值目标点，基于径向基函数插值和气象数据进行插值处理，基于实际选点位置进行修正。
6.如权利要求1所述的基于考虑气象因素的径向基插值方法，其特征在于，使用8390链进行定位，使用8390链信号的到达时间来计算ASF值，ASF的计算公式如下:
ASF＝TOAmeasurement-PF-SF
其中，TOAmeasured代表接收机输出端的测量到达时间值。根据全球导航卫星系统接收器输出的载波位置，可以利用模型精确计算PF和SF。
7.一种应用如权利要求1～6任意一项所述基于考虑气象因素的径向基插值方法的基于考虑气象因素的径向基插值系统，其特征在于，包括：
模式气象数据获取模块，用于获取待插值站点所处区域的模式气象数据；
目标插值点确定模块，将待插值站点所处的预设范围的区域进行划分，确定待插值站点对应的目标插值点；
网格点位置确定模块，用于基于待插值站点对应的模式气象数据，确定目标插值点对应的气压层及划分后得到的网格点位置；
差值处理模块，用于针对目标点，基于径向基函数插值和模式气象数据进行插值处理。
8.一种计算机设备，计算机设备包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行如权利要求1～6任意一项所述的基于考虑气象因素的径向基插值方法的步骤。
9.一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时，使得处理器执行如权利要求1～6任意一项所述的基于考虑气象因素的径向基插值方法的步骤。
10.一种信息数据处理终端，信息数据处理终端用于实现如权利要求7所述的基于考虑气象因素的径向基插值系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311516333.5A CN117668135A (zh) | 2023-11-13 | 2023-11-13 | 一种基于考虑气象因素的径向基插值方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311516333.5A CN117668135A (zh) | 2023-11-13 | 2023-11-13 | 一种基于考虑气象因素的径向基插值方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117668135A true CN117668135A (zh) | 2024-03-08 |
Family
ID=90085457
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311516333.5A Pending CN117668135A (zh) | 2023-11-13 | 2023-11-13 | 一种基于考虑气象因素的径向基插值方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117668135A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112285807A (zh) * | 2019-11-12 | 2021-01-29 | 北京嘉韵楷达气象科技有限公司 | 一种气象信息预测方法及装置 |
| KR20210045098A (ko) * | 2019-10-16 | 2021-04-26 | 연세대학교 산학협력단 | Asf 맵 생성 방법 |
| CN113720917A (zh) * | 2021-07-12 | 2021-11-30 | 北京航空航天大学 | 一种准静态未知时变载荷下结构损伤的自适应定位方法 |
| CN113808015A (zh) * | 2021-08-12 | 2021-12-17 | 贵州电网有限责任公司 | 输电线路区域气象参数的空间插值方法、装置及设备 |
-
2023
- 2023-11-13 CN CN202311516333.5A patent/CN117668135A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210045098A (ko) * | 2019-10-16 | 2021-04-26 | 연세대학교 산학협력단 | Asf 맵 생성 방법 |
| CN112285807A (zh) * | 2019-11-12 | 2021-01-29 | 北京嘉韵楷达气象科技有限公司 | 一种气象信息预测方法及装置 |
| CN113720917A (zh) * | 2021-07-12 | 2021-11-30 | 北京航空航天大学 | 一种准静态未知时变载荷下结构损伤的自适应定位方法 |
| CN113808015A (zh) * | 2021-08-12 | 2021-12-17 | 贵州电网有限责任公司 | 输电线路区域气象参数的空间插值方法、装置及设备 |
Non-Patent Citations (4)
| Title |
|---|
| JIANCHENDI 等: "Study on the regional ASF predictionmethod based on the ordinary kriging interpolation", PHYSICA SCRIPTA, 29 December 2023 (2023-12-29) * |
| SON P-W 等: "Universal kriging for loran ASFmap", GENERATION IEEE TRANS. AEROSP. ELECTRON, 31 December 2019 (2019-12-31) * |
| 王宇琦;李江;: "一种基于神经网络的罗兰C ASF修正方法", 现代导航, no. 02, 15 April 2020 (2020-04-15) * |
| 蒋育昊;刘鹏举;夏智武;贾道祥;闫明;: "基于PRISM的山地环境大气湿度的空间插值", 福建农林大学学报(自然科学版), no. 06, 18 November 2016 (2016-11-18) * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Goodale et al. | Mapping monthly precipitation, temperature, and solar radiation for Ireland with polynomial regression and a digital elevation model | |
| CN105069295B (zh) | 基于卡尔曼滤波的卫星以及地面降水测量值同化方法 | |
| Liu et al. | An analysis of GPT2/GPT2w+ Saastamoinen models for estimating zenith tropospheric delay over Asian area | |
| CN101216481A (zh) | 一种反映区域土壤自然侵蚀程度的方法 | |
| CN109917494A (zh) | 降雨预报方法、装置、设备和存储介质 | |
| CN114114358B (zh) | 一种基于多源卫星数据融合的北极海冰厚度空间分辨率改进方法 | |
| CN111915158A (zh) | 一种基于Flood Area模型的暴雨灾害天气风险评估方法、装置及设备 | |
| Wang et al. | Performance of ERA5 data in retrieving precipitable water vapor over Hong Kong | |
| Zhao et al. | A high-precision ZTD interpolation method considering large area and height differences | |
| Li et al. | Temporal and spatial variations of global solar radiation over the Qinghai–Tibetan Plateau during the past 40 years | |
| Wang et al. | The Preliminary Discussion of the Potential of GNSS-IR Technology for Terrain Retrievals | |
| Adavi et al. | Analyzing different parameterization methods in GNSS tomography using the COST benchmark dataset | |
| Pang et al. | Variability and climatology of precipitable water vapor from 12-year GPS observations in Taiwan | |
| CN116609859A (zh) | 一种气象灾害高分辨率区域模式预报系统及方法 | |
| Ferrando et al. | 2D PWV monitoring of a wide and orographically complex area with a low dense GNSS network | |
| Zhou et al. | Long-term correlation analysis between monthly precipitable water vapor and precipitation using GPS data over China | |
| Bakış et al. | Analysis and comparison of spatial rainfall distribution applying different interpolation methods in Porsuk river basin, Turkey | |
| CN117668135A (zh) | 一种基于考虑气象因素的径向基插值方法及系统 | |
| Katsougiannopoulos et al. | Tropospheric refraction estimation using various models, radiosonde measurements and permanent GPS data | |
| Wielgosz et al. | Research on GNSS positioning and applications in Poland in 2015–2018 | |
| Nordman | Improving GPS time series for geodynamic studies | |
| Zeng et al. | Distributed modeling of monthly air temperatures over the rugged terrain of the Yellow River Basin | |
| Jensen et al. | The effect of different tropospheric models on precise point positioning in kinematic mode | |
| Bi et al. | A deep learning-based model for tropospheric wet delay prediction based on multi-layer 1D convolution neural network | |
| Ma et al. | Establishment of regional tropospheric delay model in Australia |
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 |