单历元GPS变形监测快速解算关键问题的研究

GPS单历元似单差法可以快速地获得变形信息,而模糊度的确定是一个关键问题,其准确性直接影响到解算变形信息结果的准确性。首先介绍GPS单历元似单差法解算变形信息的算法,然后根据变形信息的大小,提出不同的方法,实现模糊度的快速准确确定,最后利用实验数据对似单差法结合不同的模糊度确定方法解算变形信息的准确性进行检验。     

一种适用于小变形监测的单历元单差算法

利用GPS进行变形监测在各个领域中的应用越来越广泛。如何利用GPS的观测数据进行变形量的高精度单历元解算是一个难点。国内学者提出了单历元似单差算法进行小变形的单历元解算,但需要利用其他方法对接收机钟差进行计算。根据站间单差观测方程之间的相关性,可以将接收机钟差之差及其他一些通过站间单差未能消除的未知量作为一个未知参数在单历元观测方程中与变形量一同求解。利用该方法对小变形试验数据的解算结果精度达到了毫米级。     

BDS似单差模型变形信息快速解算与分析

针对基于GPS下似单差模型不能解算大变形量的问题,文章充分利用北斗卫星导航系统（BDS）全星座播发三频信号的优势,采用BDS三频组合观测值模糊度快速解算方法快速解算模糊度,实现似单差模型下BDS单历元快速提取大变形信息,并比较了BDS和GPS下似单差模型的解算精度．高精度三维移动变形测试平台实验表明,采用上述方法,BDS似单差模型可快速解算大变形量,且BDS和GPS系统下似单差模型的解算精度相当,可达到厘米级.      

变形量对双差模糊度固定的影响分析

国内学者提出了无整周单历元算法和单历元似单差算法来进行小变形的变形监测,其关键在于利用基准点和变形点的首期观测坐标来固定双差模糊度,而变形量的大小将决定是否能准确固定双差模糊度。首先推导变形点变形量与双差观测方程之间的关系,确定出可以固定任意情形下双差模糊度的最大变形量,然后利用数值计算分析确定出不同的卫星双差条件下能固定双差模糊度的最大变形量。     

最大似然估计的改进多基线InSAR解缠算法

多基线InSAR相位解缠算法能够突破相位欠采样及相位连续性假设的问题,可获得比单基线更为精确的解缠结果,但现有的多基线相位解缠算法存在噪声鲁棒性差或运行时间长的缺点。为提升精度减少运行时间,该文提出了结合最大似然估计算法与扩展卡尔曼滤波算法的多基线相位解缠算法。该算法首先对基于最大似然估计算法重建的预估地形高程进行误差点判断,之后利用扩展卡尔曼滤波的方法对误差点高程进行重建,获得最终估计的地形高程。为验证算法的适用性,采用模拟数据和实测数据进行实验处理,以归一化均方根误差和算法运行时间作为评价指标,将此算法与最长单基线最小费用流解缠算法、最大似然估计多基线解缠算法和最大后验估计多基线解缠算法进行比较,实验结果表明该方法精度较高、运行时间较短。     

卡尔曼滤波的中长基线非差RTK算法

针对实时动态定位(RTK)中作业范围受到大气延迟误差制约的现象,该文提出了一种基于卡尔曼滤波的非差观测模型RTK算法和非差改正数的计算方法。利用扩展卡尔曼滤波函数模型,将残余的相对对流层延迟、相对电离层延迟同流动站位置参数以及单差整周模糊度作为状态向量进行卡尔曼滤波估计。非差观测模型利用参考站的非差误差改正数以单颗卫星为对象进行误差改正,流动站接收数据小,算法简单。通过GNSS实测数据对该算法进行了算法验证和结果分析,实验结果表明,对于中长基线,利用非差观测模型可实现GNSS单参考站RTK定位,并获得厘米级的定位精度。     

结构变形监测的单频GPS动态三差法

主要对监测GPS中的似单差和单历元方法不足进行分析,并且针对性的提出了大变形、快速监测的单频GPS动态三差法,单频GPS动态三差法能够通过连续跟踪历元实现建模,动态变形提取,且无整周模糊度,单频载波定位和伪距单点定位能够分别满足基线向量和基准点的精度要求,单频GPS动态三差法适用于大于半个波长的量测。     

自适应抗差KF-UKF的超宽带导航定位方法

针对超宽带导航定位中量测信息异常误差和非线性滤波问题,该文提出了一种基于自适应抗差卡尔曼滤波-无迹卡尔曼滤波(KF-UKF)的超宽带导航定位算法。该算法首先利用卡尔曼滤波计算预测状态向量及其协方差矩阵,利用无迹卡尔曼滤波进行量测更新;然后利用先验阈值和预测残差构建量测噪声的抗差协方差矩阵,以减少量测信息异常误差的影响,同时利用自适应因子对算法进行调节和修正。结果表明,该算法能有效地抑制并消除超宽带测距中量测信息异常误差的影响,能有效地处理状态模型误差的影响,提高超宽带导航定位的精度和稳定性,同时拥有比无迹卡尔曼滤波算法更高的计算效率。     

融合小波变换和自适应Kalman滤波在GPS监测中的应用研究

针对自适应卡尔曼滤波只适用于滤除高斯分布的白噪声,本文提出了融合小波变换和自适应卡尔曼滤波的算法。该算法利用小波变换的多尺度分解,将GPS高频的监测时间序列进行多层分解,重构出新的GPS监测时间序列,将其作为新的自适应卡尔曼滤波初始值,进行滤波处理。将融合算法的滤波结果与单一的自适应卡尔曼滤波结果进行对比分析,结果表明融合算法的滤波效果较为显著。同时,对融合算法滤除的噪声信息进行统计分析,结果表明融合算法滤除的噪声符合正态分布,进一步说明了该融合算法的有效性,为GPS的高频率、高精度的监测提供了技术支持。     

奇异谱分析的变形监测序列粗差探测方法

针对时间序列数据中存在的粗差问题,该文首先介绍了奇异谱分析法(SSA)和未确知滤波法(UF)的工作原理,考虑到SSA方法在识别趋势项和周期性信号方面及UF算法在区分粗差和异常值上的优势,在SSA准确提取信号的基础上结合UF算法提出了一种新的SSA-UF粗差探测法:首先利用SSA提取观测值序列的信号并获取残余分量;然后通过UF算法对残余分量进行分析确定粗差点的位置;最后确定粗差点并剔除。通过单因素和多因素主导变形的观测值序列两个实例的验证分析,结果表明,该文中提出的SSA-UF粗差探测法与SSA数据统计方法相比在监测数据处理中的粗差探测效果明显,可靠性更高,为后续监测数据分析处理奠定了较好的基础。