GNSS PPP海洋平台动态变形监测分析北大核心CSCD

实时监测海洋平台在环境激励下的动态变形对于保障其安全运营有着重要意义。GNSS PPP技术无需设置基站,仅依靠单点监测站便可实现精密单点定位,因而在海洋平台变形监测领域具有潜在的应用价值。针对GNSS PPP信号受背景噪声干扰而精度较低的问题,本文提出改进CEEMDAN算法对GNSS PPP信号降噪,并应用于某海洋平台动态变形监测。结果表明:①GNSS PPP技术结合改进CEEMDAN算法可有效监测海洋平台在环境激励下的动态变形;②改进CEEMDAN可有效去除GNSS PPP背景噪声干扰;③基于降噪后信号可获取监测点清晰的三维位移轨迹,从而为结构安全评估提供参考。     

GNSS RTK技术下超高层结构的动态变形监测

以天津电视塔为监测对象,设计了基于GNSS RTK技术的超高层结构动态变形监测系统,并进行了强风下的现场试验。试验中同时采用双星座组合导航系统和三星座组合导航系统进行监测,并对监测数据进行了对比。采用Kalman滤波方法,使用Matlab软件编制的程序对监测数据进行处理分析,得到测点的振动轨迹及结构的主振方向和振动曲线。结果表明,GNSS RTK技术结合Kalman滤波用于超高层动态变形监测及其数据处理分析是可行的;由于北斗导航系统的应用,三星座组合导航系统可见卫星数目大大增加,坐标中误差及PDOP值也相应减小,动态变形监测的精度和稳定性也得到了大大提高。     

高频GNSS高楼结构振动动态监测试验

文章通过1HZ GNSS连续观测,设计了高楼结构振动动态监测试验方案:对连续多天观测数据进行了动态单历元解算;根据不同时段可视卫星的平均轨道周期,利用改进的恒星日滤波,减弱了多路径效应;在分析位移时间序列频谱的基础上,结合不同信号的时频特性,进行了高频滤波去噪;最后,成功提取了真实的高楼结构振动时间序列。研究结果表明,多天提取序列趋势一致,精度相当;每天位移时间序列变化较大的时段与地铁的运营时段相吻合;在有效消除多路径效应和随机噪声后,GNSS单历元监测高楼结构振动的精度为:水平方向±2mm,垂直方向±4mm。     

基于GNSS-RTK的在建超高层风载动态变形监测

首先以海星达H32全能型GNSS-RTK接收机为试验仪器,进行不同星系组合的RTK定位精度试验研究。然后以在建的天津高银117大厦为监测对象,采用GPS+GLONASS+BDS三星系组合对其进行现场强风作用下的RTK动态变形监测。利用巴特沃斯滤波对实测数据进行去噪处理,得到各测点的位移曲线。分析结果表明:GPS单星系定位的平面坐标精度相对较差,双星系组合定位的平面坐标精度与三星系组合定位的平面坐标精度基本相当,但GPS+GLONASS+BDS三星系组合定位的稳定性和可靠性最强;由于施工阶段大厦结构的刚度和整体性与竣工后存在差异,故在强风作用下其按一定施工步距滞后的低矮外框的振动位移幅度大于其高耸内筒结构的振动位移幅度;大厦外框和内筒均存在横风向振动位移,且横风向振动位移与顺风向振动位移的大小相近;监测环境对监测结果有着一定的影响,66层各点的监测值误差要大于95层各点的监测值误差。     

海洋平台GNSS RTK监测数据的CVCEEMDAN-WT-SSA去噪算法

针对GNSS-RTK技术在海洋平台变形位移监测过程中的多路径效应误差与随机噪声,本文提出一种基于交叉证认改进的具有自适应白噪声的完整集成经验模态分解(CVCEEMDAN)、小波阈值(WT)降噪方法及奇异谱分析(SSA)相结合的联合去噪算法。首先对原始信号进行CEEMDAN分解,使用交叉证认方法识别噪声与有效信号IMF分量;然后利用WT和SSA分别对噪声和有效信号分量作去噪处理,重构处理后的信号,获得真实变形监测结果。结果表明：本文算法具有自适应性,且相比EMD、EEMD、CEEMDAN、ACCEEMDAN-WT-SSA算法具有更好的去噪效果,可有效去除海洋平台变形监测中的多路径误差及随机噪声,成功获取真实的监测信号结果。     

桥梁GNSS-RTK变形监测数据的多滤波联合去噪处理

针对桥梁GNSS-RTK变形监测中多路径效应和随机噪声的影响,提出了一种基于Chebyshev滤波和自适应噪声的完备集合经验模态分解（CEEMDAN）,以及小波阈值（WT）降噪技术的多滤波联合降噪方法。该方法首先对监测信号实施Chebyshev滤波抑制多路径效应;然后进行CEEMDAN分解,基于自相关性分析,对噪声IMF分量进行WT降噪去除随机噪声。本文以天津海河大桥GNSS-RTK变形监测作为试验,对监测数据进行多滤波降噪处理。结果表明：本文所提的多滤波降噪方法能有效抑制多路径效应和随机噪声,GNSS-RTK与多滤波降噪相结合的方法能够准确识别桥梁真实动态位移,为桥梁GNSS-RTK监测数据降噪处理提供了一种良好的途径。     

EMD和SSA组合方法在GNSS多路径误差处理中的应用

提出EMD和SSA组合方法对GNSS观测数据进行多路径误差滤波。通过对实际GNSS变形监测数据处理,结果表明,该方法能够有效剔除多路径误差,获取建筑物真实结构震动信息。与高精度测量机器人观测数据对比结果显示,经过EMD+SSA方法处理后,观测精度获得明显提高,能够满足变形监测的精度要求。     

基于ICEEMDAN的多滤波算法在超高层动态变形监测中的应用

针对监测数据中存在多路径误差和随机噪声的问题,本文提出了一种基于改进的带有自适应噪声的完备集合经验模式分解(ICEEMDAN)、小波包分解(WP),以及递归最小二乘算法(RLS)的联合滤波算法(IWPR)。该算法首先对原始信号进行ICEEMDAN分解,得到一系列本征模态函数(IMF)分量;然后基于标准化模量的累积均值将IMF划分为高频IMF和低频IMF;最后考虑相关系数,利用WP和RLS分别对高频IMF、低频IMF进行去噪,重构两者降噪信号,获得动态位移响应。结果表明:相对于单一算法EMD、CEEMDAN、ICEEMDAN等,IWPR算法能够更有效地消除多路径误差和随机噪声,从而提高超高层GNSS RTK监测数据的精度。     

改进的GPS/BDS的RTK定位性能分析

针对多路径误差作为短基线GNSS定位的主要误差来源,不能在传统双差模型中有效消除的问题,该文基于小波分解和重构,提出了一种对伪距和载波相位观测值中多路径误差有效提取和剔除的算法,探讨剔除后GPS/BDS双系统的RTK定位精度和可靠性。结果表明,伪距多路径误差和载波相位多路径误差量级分别为米级和厘米级,主要集中在低频滤波中,且提取后的残余随机噪声趋于稳定。此算法能较好地剔除和提取多路径误差,提高整周模糊度解算速度,达到理想的滤波效果,且通过迭代扩展的卡尔曼滤波处理后,坐标离散更小,X、Y、Z外符合精度均达到厘米级。     

基于交叉证认的EMD滤波及其在GPS多路径效应中的应用

利用交叉证认的方法,提出一种新的基于EMD滤波去噪方法,并将其应用于GPS多路径效应的研究中。通过模拟实验及实测数据分析表明,该方法能够自适应地选择IMF中的信号层数,削弱随机噪声,合理地分离信号和噪声。利用该滤波方法去噪并建立具有重复性的多路径误差效应改正模型,可有效地削弱多路径效应的影响,进而提高GPS动态变形监测的精度。     

融合GNSS和加速度计监测数据的超高建筑动态特性分析

GNSS和加速度计是目前动态监测超高建筑环境载荷变形的主要手段。GNSS具有无需通视、可直接获取三维位移等优点,但受精度和采样率的限制,其对微变形及高频振动信息不敏感;而加速度计具有高精度和高采样率等优点,但无法监测超高建筑低频的似静态变形。为充分发挥这两种传感器的各自优势,提出利用多速率Kalman滤波和RTS平滑方法对超高建筑GNSS和加速度计监测数据进行融合处理。试验结果表明,与单一的GNSS监测技术相比,该方法有利于削弱GNSS高频噪声的影响,提高位移数据的采样率,可有效识别超高建筑的低频和高频振动频率,提高对微变形振动的监测能力;与单一的加速度计监测技术相比,该方法可以准确监测超高建筑的低频变形信息,具有良好的工程应用价值。     

生态高速公路变形监测分析

为了确保高速公路在建成后能够安全运营,准确及时地掌握高速公路变形状况,这就需要我们采用科学有效的方法对它进行周期性安全监测,精确地测定它的动态特性和几何量的变化,然后进行科学的评估和预警,从而为高速公路的管理和维护提供科学的依据。针对生态高速公路项目(如崇启通道(上海段)工程),采取GNSS RTK方法进行平面位移监测,采用二等水准同站双测方法全线监测沉降,通过定期持续监测,对变形监测成果进行统计分析,判断生态高速公路的变形情况。     

GNSS时间序列中随机漫步消噪的改进半软阈值算法及其评估

全球导航卫星定位系统在卫星定轨和信号质量等方面存在的差异性,造成GNSS时间序列中的随机漫步噪声十分复杂,已经成为制约GNSS技术在高精度变形监测行业领域深入应用的瓶颈。本文针对具有量级小、频率低、敏感性差等复杂特征的随机漫步噪声,提出了一种改进的半软阈值算法,通过引入可变因子形成了统一的半软阈值函数体系,提高了常规半软阈值对随机漫步噪声的适应性。为了验证和评估改进半软阈值算法的效果,利用MATLAB平台仿真生成有线性趋势项、年周期项和随机漫步噪声的GNSS时间序列,共1700个历元。结果表明,改进的半软阈值法较经典方法在信噪比和均方根误差上表现出更加优良的性能。自相关分析的评估结果表明,改进方法所消除的噪声与随机漫步噪声在形态特征上具有高度的一致性。谱指数分析评估结果,进一步从定量角度验证了改进方法对随机漫步噪声的特有适用性。     

Android智能手机GNSS高精度实时动态定位

本文基于智能手机GNSS观测值的质量和性质,利用手机载波相位观测值不确定度进行粗差处理,使用星间单差法消除智能手机伪距和载波相位观测值之间差值不固定特性的影响,针对手机观测值修改滤波过程中的观测值噪声方差数值,采用不固定载波相位整周模糊度的常加速度动态单频Kalman滤波模型实现实时PPP和RTK两种定位方法,提高手机实时GNSS定位精度。使用某智能手机进行验证,单频实时动态PPP定位在99s内达到稳定状态,平面定位精度为1.51 m,高程精度为2.79 m;RTK定位在27 s内达到稳定状态,平面定位精度为0.73 m,高程精度为0.78 m。测试结果表明目前智能手机的GNSS定位模块具有提供更加精准的位置服务能力,甚至在某些特定场景下具有实施测绘作业的潜能。     

自适应卡尔曼滤波法用于变形监测数据处理

卡尔曼滤波作为一种动态数据处理方法广泛应用在变形监测数据处理中。文中针对传统卡尔曼滤波因动态噪声不准或不容易确定影响结果准确度的问题,提出并探讨了方差补偿自适应卡尔曼滤波,并通过传统卡尔曼滤波和自适应卡尔曼滤波对GPS变形监测数据进行处理,其结果表明方差补偿自适应卡尔曼滤波对GPS变形监测具有很好的剔除噪声的作用,效果明显。     

GNSS 监测数据预处理在变形预测中的应用

GNSS监测技术被广泛应用于变形监测工作中,但GNSS监测数据中会有缺失值、噪声等误差的存在,对预测结果造成影响。引入改进的小波神经网络模型进行变形预测,并考虑该模型的自适应性和容错性,分别采用三次样条插值法、小波滤波法和拉依达准则对原始监测数据进行缺失值填补、去噪和粗差剔除等预处理。并利用实际监测数据进行短期预报分析,对比原始监测数据和预处理后的监测数据的预测结果,结果表明预处理后的监测数据的预测效果更好。     

融合GPS与强震仪数据实时监测瞬时地壳形变

针对强震仪与GPS各自的优点与缺陷,以2016年意大利Mw 6.0级地震为例,探讨了利用Kalman滤波融合GPS与强震仪数据实时监测中等强度地震引起的瞬时地壳形变的可行性与优势。Kalman滤波获取的位移波形以GPS数据作为整体趋势,细节部分用强震仪数据进行描述,融合后的位移波形精度较高,能够准确和细致地描述地震引起的地表动态形变;与此同时,Kalman滤波位移波形也能够准确地探测中等强度地震引起的同震永久阶跃;Kalman滤波位移波形的功率谱在低频部分与GPS位移波形的功率谱密度相似,在高频部分与强震仪位移波形的功率谱密度相似,表明Kalman滤波结合了GPS与强震仪各自的优点;交叉小波分析表明,Kalman滤波获取的位移波形与GPS、强震仪数据呈现较强的正相关性,小波相似值均在0.8以上。以上结果表明,融合GPS与强震仪数据可以结合二者各自的优点,弥补各自的缺陷;融合GPS与强震仪数据可以有效探测中等强度地震引起的瞬时地壳形变。