复杂环境下GNSS滑坡监测多路径效应分析及处理方法

GNSS-RTK技术用于地形地貌、植被环境较为复杂区域监测形变时,因反射引发的多路径效应会对形变监测结果产生较大影响,严重制约该技术应用于高精度滑坡监测。针对复杂环境下GNSS滑坡监测多路径效应,通过采集秦巴山区监测环境与黄土监测环境下GNSS滑坡形变监测数据,对不同环境的可视卫星观测范围、信噪比及多路径效应序列进行详细分析,并利用恒星日滤波法对多路径效应序列进行修正,验证复杂环境下削弱多路径效应的方法和精度。结果表明:受监测地形影响,多路径效应与低高度角相关关系减弱,采用单一截止高度角削弱多路径效应的方法不适用;复杂环境引起的多路径效应可达2m,其定位精度无法满足形变监测要求;通过小波去噪,对定位结果采用恒星日滤波法提取误差趋势项,并用于相邻两天的定位误差实时修正,发现采用恒星日滤波法进行多路径效应修正后使定位残差提高至毫米级,东、北和高程3个方向精度分别提高84.38%、72.88%、64.84%。     

基于序贯UKF的GNSS/CNS/SINS组合导航最优融合算法

组合导航系统在动态环境下具有强非线性,为提高GNSS/CNS/SINS组合导航系统的导航精度,提出一种基于序贯UKF的多传感器最优融合算法。首先,建立GNSS/CNS/SINS组合导航系统的非线性状态方程及2个子滤波器的线性量测方程;然后,对标准UKF的量测更新过程进行简化,简化UKF算法具有与标准UKF算法相同的滤波精度,且具有计算量低的特性;最后,将序贯滤波算法与简化UKF算法结合,提出多传感器组合导航系统的序贯UKF最优融合算法。仿真结果表明,本文序贯UKF算法不仅可提高系统解算的实时性,并且相对于集中线性卡尔曼滤波算法及经典集中线性UKF算法具有较高的滤波精度。     

基于非监督分类和图优化的GNSS多路径误差削弱方法

基于城市环境下采集的多系统GNSS数据研究非监督分类算法和图优化(factor graph optimization, FGO)算法对多路径误差的抑制能力。伪距单点定位(single point positioning, SPP)结果表明,基于K-means⁺⁺的非监督分类算法进行多路径信号分离时,在N、E、U方向的定位精度分别为3.61 m、2.90 m、8.14 m,较传统算法分别提升53.18%、55.18%、44.96%。图优化方法利用伪距和多普勒约束因子进行最优估计,在N、E、U方向的定位精度分别为0.94 m、1.34 m、2.78 m,精度分别提升82.1%、78.5%、82.0%。图优化算法对城市环境下GNSS定位的多路径误差抑制具有显著效果,可用于GNSS精密定位预处理阶段的异常卫星剔除和精确坐标初值获取,提高城市环境下GNSS定位性能。     

基于非监督分类和图优化的GNSS多路径误差削弱方法北大核心CSCD

基于城市环境下采集的多系统GNSS数据研究非监督分类算法和图优化(factor graph optimization,FGO)算法对多路径误差的抑制能力。伪距单点定位(single point positioning,SPP)结果表明,基于K-means++的非监督分类算法进行多路径信号分离时,在N、E、U方向的定位精度分别为3.61 m、2.90 m、8.14 m,较传统算法分别提升53.18%、55.18%、44.96%。图优化方法利用伪距和多普勒约束因子进行最优估计,在N、E、U方向的定位精度分别为0.94 m、1.34 m、2.78 m,精度分别提升82.1%、78.5%、82.0%。图优化算法对城市环境下GNSS定位的多路径误差抑制具有显著效果,可用于GNSS精密定位预处理阶段的异常卫星剔除和精确坐标初值获取,提高城市环境下GNSS定位性能。     

GNSS/SINS组合导航的改进Sage-Husa自适应滤波算法

针对组合导航系统中标准Sage-Husa自适应滤波算法存在滤波发散的问题,提出一种改进的Sage-Husa自适应滤波算法。首先,对组合导航系统的线性卡尔曼滤波算法采用补偿反馈校正算法获得最优估计,并对滤波器新息向量进行简化;然后,提出一种改进的Sage-Husa自适应滤波算法,该算法具有实现简单并且可以避免状态估计发散的特点;最后,进行基于该算法的GNSS/SINS组合导航实验。结果表明,该算法可以对量测噪声突变方差和缓变方差进行准确跟踪,并且量测噪声方差估计精度与变分贝叶斯滤波方法相当;当量测噪声方差变化时,相对于标准KF算法,该算法可分别提高约20%和21%的位置精度和速度精度,能有效降低未知量测噪声统计特性对组合导航系统滤波精度的影响。     

城市复杂环境下GNSS/INS组合导航算法研究

针对城市环境下GNSS车辆导航存在卫星信号易受影响的问题,利用GNSS/INS组合算法提高复杂环境下城市车辆定位性能。基于城市环境下实测GNSS数据评估分析定位结果,使用GNSS/INS组合的常规卡尔曼滤波算法实现卫星失锁区域导航。同时,提出一种基于新息的自适应卡尔曼滤波算法,可有效增强卫星数较少及信号干扰严重区域的车辆导航定位能力。该方法利用量测与预测的关系构造自适应因子,改善定位精度。结果表明,常规卡尔曼滤波可在20 s卫星信号失锁情况下保证亚m级导航精度,自适应卡尔曼滤波算法在卫星信号受到严重干扰时,其定位精度相比于常规卡尔曼滤波算法提高30%,可满足在城市复杂环境下的高精度、高可靠性车辆导航定位服务需求。     

一种多传感器组合导航系统的自适应分布式滤波算法北大核心CSCD

针对联邦滤波器和集中式卡尔曼滤波器在实际应用中存在的问题及组合导航中量测噪声统计特性不准确引起滤波精度下降的问题,提出利用变分贝叶斯估计和分布式估计的多传感器组合导航系统自适应分布式滤波方法。首先,基于集中式卡尔曼滤波技术,推导分布式滤波的一种表达方法,该方法具有估计最优性、故障自动隔离且对导航系统无污染的特点;然后,结合变分贝叶斯估计技术,提出自适应分布式滤波方法,对系统状态和时变的量测噪声方差进行同步实时估计;最后,采用SINS/GNSS/CNS/ADS组合导航系统进行仿真验证。仿真结果表明,本文算法能实时跟踪突变或缓变的量测噪声方差,较联邦滤波算法可有效降低量测噪声统计特性不准确给系统带来的不利影响,进而提高组合导航系统的滤波精度。     

基于PCA及提升小波组合算法提取建筑物结构振动信号

针对监测结果受测量噪声和多路径等GPS误差影响的问题,提出基于PCA及提升小波的组合算法来提取建筑物结构振动信号。利用PCA空间滤波分离区域站点相关的共模误差,然后利用提升小波变换对振动信号进行降噪,用于提取结构振动信号。以香港某高楼在台风荷载作用下的观测数据为例进行实验,结果表明,此算法有效提高了变形监测的精度。     

利用Butterworth滤波器平滑加速度计的双天线GNSS/MEMS组合测姿

在双天线GNSS/MEMS组合测姿中,低精度、低成本的MEMS加速度计输出通常包含比较大的噪声,导致由加速度计调平计算得到的水平角观测值精度较低,影响组合测姿的精度和可靠性。不同于传统的时域降噪方法,从频域的角度出发,根据实际车载运动中加速度计输出具有因汽车固有结构产生的高频振动噪声的特点,利用滑动窗口的Butterworth低通滤波器平滑加速度计输出。动态车载实验结果表明,该滤波器降噪效果明显。与滤波前相比,水平角观测值精度提升了约4倍,达到(0.643°,0.546°)。在此基础上,滤波后组合测姿精度也从(0.124°,0.738°,0.532°)提升到(0.122°,0.074°,0.052°),其中水平角精度提升了大约一个数量级,滤波后的测姿结果更加准确可靠。     

顾及时变非高斯噪声的高斯和滤波及其导航应用

高斯和滤波可利用高斯混合模型精化非高斯噪声随机模型来提高估计精度,但导航测量环境的动态性和复杂性使非高斯噪声具有时变性特征,若GMM不随之调整会导致滤波解算失真。针对该问题,本文提出一种基于位移参数自适应估计的高斯和滤波算法。首先分析GMM位移参数对非高斯噪声拟合精度的影响,然后利用位移参数自适应技术修正GMM,进而改善高斯和滤波性能。实验结果表明,当GNSS/SINS量测模型存在时变非高斯噪声时,本文算法的滤波结果较传统高斯和滤波算法的波动小,抗干扰能力强,在实际应用中可进一步改善估计精度和稳定性。     

基于混沌时间序列的黄土滑坡变形预测方法及应用

采用GNSS技术进行滑坡变形监测时,由于多路径等观测误差的存在,直接使用GNSS监测结果进行变形预测会影响预测结果的精度。为了探讨GNSS测量误差对变形预测结果的影响程度,考虑到滑坡系统的混沌特性,采用混沌理论对陕西泾阳地区庙店滑坡GNSS变形监测结果抑噪处理前后的时间序列进行了对比分析。首先,采用互信息量法确定监测序列的时间延迟、用改进的虚假邻近点法(Cao算法)确定嵌入维数,获取相空间重构参数;然后使用最大Lyapunov指数对两种变形监测序列进行混沌特性识别;最后,分别使用加权一阶局域预测方法、最大Lyapunov指数预测方法和BP神经网络预测方法对滑坡变形监测结果进行预测。结果表明:GNSS滑坡变形监测结果抑噪处理前后的时间序列满足混沌特性,说明滑坡系统具有混沌特性;在3种混沌时间序列预测方法中,BP神经网络预测方法的效果较好,且该方法预测结果的平均绝对误差(MAE)和平均相对误差(MRE)分别为0.4 mm和11.9%,经过S-变换抑噪处理后,预测结果的平均绝对误差和平均相对误差分别为0.1 mm和4.1%,预测效果有明显改善。     

改进抗差自适应EKF算法在GNSS/INS组合导航中的应用

在车载GNSS/INS组合导航中,抗差自适应滤波以其具有控制动力学异常和观测异常的能力成为实现综合PNT的关键技术之一。然而,不合适的决策算法和抗差因子会导致滤波进一步劣化。针对该问题,提出一种双窗口Sage-Husa抗差算法和一种改进的异常新息占比决策方法。采用松组合结构,利用异常新息占比决策对组合过程中出现的模型异常作出判断,针对观测模型异常和动态模型异常分别采用对应的抗差或自适应滤波。利用武汉市城区林荫道、街区多遮挡环境下动态实测数据进行分析。实验结果表明,该方案在复杂多遮挡环境下东、北、天3个方向上位置精度分别提升35.78%、38.94%、66.00%,位置均方根误差达到0.70 m、0.69 m、1.16 m。     

基于经验小波变换的GNSS多路径误差改正

多路径误差是影响GNSS测量精度的主要因素及误差改正难点。将经验小波变换(EWT)算法在分解复杂信号上的优势与GNSS多路径误差的周日重复特性相结合,提出基于EWT的多路径误差提取及改正新方法。将能量熵与相关系数相结合来定义筛选系数,并将其变化显著的点作为含噪分量及信息分量的分界点;通过对含噪分量进行去噪并与信息分量重构的方式建立基于EWT的去噪新方法。模拟和实测数据实验表明,EWT能较好地提取及改正GNSS多路径误差,并且其效果显著优于EMD及小波分析方法。     

基于EMD的GNSS/加速度计振动监测模型研究

采用GNSS与加速度计相结合的方式对结构进行振动监测,以获取结构动态响应,同时提出一种基于经验模态分解(EMD)与切比雪夫滤波相结合的混合型滤波器对GNSS采集得到的数据进行滤波处理,识别结构高频与低频动态位移,与加速度数据积分得到的高频动态位移结合重构整体动态位移。模拟实验验证了重构位移算法的可行性。     

多路径误差对BDS-3变形监测精度的影响

为定量分析BDS-3观测值多路径误差对变形监测精度的影响,选取包含7个站点的某水利工程2022年共128 d的BDS-3监测数据,对监测站点周围树木裁剪树枝前后BDS-3观测值多路径误差、变形监测精度及二者的相关性进行研究。结果表明：1)多路径误差与BDS-3变形监测精度间存在强相关性,与其平面和高程精度的相关系数分别大于0.93和0.81;2)监测站点周围树枝裁剪后,使用B1I和B3I观测值的平均多路径误差从0.676 m、0.426 m降低至0.329 m、0.230 m,N、E、U方向的平均监测精度分别达0.9 mm、0.8 mm、1.7 mm和1.1 mm、1.0 mm、2.2 mm,较裁剪树枝前分别提高63%、69%、58%和52%、61%、48%;3)改变周围观测环境削弱多路径误差的影响后,使用B1I观测值的精度优于使用B3I观测值的精度,因此在BDS-3短基线变形监测的应用中推荐使用B1I观测值。     

基于EMD和小波的GPS/BDS变形监测中的多路径误差削弱方法

针对GPS/BDS实时监测坐标序列中多路径误差的周日重复特性和高频随机噪声,分别采用EMD以及EMD与小波阈值去噪相结合的方法对现有坐标序列构建多路径时序模型,并通过恒星日滤波削弱后续坐标序列中具有强相关性的多路径误差。实测数据的处理结果表明,EMD可以很好地去除GPS/BDS实时监测序列中的高频随机噪声并削弱多路径误差的影响,提高实时监测精度50%左右,EMD和小波组合方法较单EMD效果稍好。     

安卓智能手机GNSS数据筛选方案研究

通过设置两种不同的遮挡环境,对测地型接收机和智能手机静态采集的测量数据进行对比分析。结果表明,智能手机可接收部分非直射卫星信号,受多路径效应干扰明显。根据非直射卫星信号的数据特征设计智能手机原始GNSS数据筛选方案,静态定位实验结果表明,应用数据筛选方案能够显著提升智能手机在复杂环境下的定位精度。智能手机SPP定位算法和RTK定位算法平面方向的定位精度可提升20%~40%,高程方向的定位精度可提升30%~60%。     

朝鲜2017年核爆对中国东北地区形变场的影响

基于19个连续GNSS观测站的多种采样率（10 Hz、1 Hz和30 s）数据,分析2017-09-03朝鲜核爆对中国东北地区地壳形变场的影响。静态位移分析结果显示,距核爆现场最近的GNSS观测站JLCB没有产生明显的同震形变,与基于均匀半无限弹性空间断裂位错模型正演模拟的结果一致;GNSS应变结果显示,此次核爆在东北区域引起主应变的略微调整,但总体调整量在10-8以内,没有引起区域范围内面应变的变化;高频GNSS动态形变分析结果显示,核爆在JLCB站处没有引起明显的波形变化。另外,高频GNSS受到多路径效应的影响,可能会引起cm级的扰动,利用恒星日滤波方法可以抑制多路径的影响,得到精度更高、更可靠的动态形变结果。     

利用卫星测高技术研究地面沉降的初步探讨

基于雷达波卫星测高技术,通过数据处理获取华北平原和华东地区的地面沉降数据;优化地球物理参数和环境改正数,利用高精度SRTM模型进行地形坡度改正,通过改进的阈值算法提高测高数据的观测精度。将获取的地面沉降速率与GNSS基准站观测结果进行比较,偏差为-3.4±9.1 mm/a,相关性为0.88。采用阈值法和改进阈值法进行波形重跟踪改正的偏差分别为-3.2±5.5 mm/a和-2.9±4.1 mm/a,相关系数分别为0.94和0.97。实验结果表明,卫星测高可应用于地面沉降监测研究,尤其在缺少GNSS或传统水准监测数据的偏远地区的地面沉降监测中具有重要的研究价值。     

非高斯有色噪声影响下的高斯混合滤波算法

针对GNSS/SINS紧组合定姿定位系统在非高斯有色噪声环境下直接使用高斯混合扩展卡尔曼滤波（Gaussian mixture extend Kalman filter, GMEKF）出现的随机模型失配现象,提出一种顾及非高斯有色噪声影响的GMEKF优化算法。该算法在高斯混合模型对非高斯噪声近似的基础上,通过状态扩增和量测组差对非高斯噪声序列中的有色噪声成分进行白化处理,从精化随机模型的角度改善了GMEKF算法的性能。实验结果表明,在非高斯有色噪声环境下,相比于GMEKF,该算法对随机模型建模更准确,将其用于受非高斯有色噪声影响的定姿定位场合中可进一步提高导航解算精度。