一种改进的GNSS高维模糊度快速降相关算法

为了提高GNSS高维模糊度的解算效率,提出一种改进的GNSS模糊度快速降相关算法.算法采用对称旋转排序策略和延后降相关策略对下三角Cholesky分解的整数高斯变换算法进行改进.通过模拟和实测数据进行验证,结果表明,改进算法在一定程度上减少了降相关过程中的条件方差交换次数和整数高斯变换次数,从而有效提高了解算效率,增强...     

一种矩阵分块的GNSS相位模糊度快速解算方法

为解决GNSS模糊度解算中最小二乘模糊度去相关（least-square ambiguity decorrelation adjustment,LAMBDA）算法涉及大量矩阵运算、降相关耗时较长等问题,提出一种对条件方差矩阵进行分块的最小二乘模糊度去相关（blocking in least-square ambiguity decorrelation adjustment,BLAMBDA）算法。该算法对条件方差矩阵进行分块,减少条件方差排序次数,并在此基础上对Cholesky分解公式进行整合,减少Cholesky分解过程中的数乘运算。仿真实验和实测结果表明,与LAMBDA算法相比,BLAMBDA算法的整体解算效率提升显著,且更加稳定。     

GNSS系统时间偏差参数分析

分析各GNSS在系统时差参数设计上的特点和变化,并以国际权度局(BIPM)和时间频率公报发布的数据为参考对GNSS播发的系统时差进行评估分析.结果表明,BDS播发的3种系统时差均存在十几ns的偏差,通过BDS间接获得的GLONASS与GPS、Galileo与GPS的系统时差准确度优于GLONASS和Gali-leo 系统电文发播的同种时差参数.     

M-Cholesky分解法快速求解GNSS整周模糊度

为解决传统最小二乘模糊度去相关算法(least-square ambiguity decorrelation adjustment, LAMBDA)中LDL^T分解的对角矩阵D、下三角矩阵L及其转置矩阵L^T计算过程复杂、耗时较长等问题,提出M-Cholesky分解法。该方法利用四角规则法,逐步消元计算合成矩阵各元素,每次消元计算中最多只用到3个元素,可减少存储空间、提高计算效率。仿真与实测实验结果表明,相比于Cholesky分解法,M-Cholesky分解法求解GNSS整周模糊度的计算效率提高约15%。     

插补GNSS坐标时间序列的改进DINEOF算法

针对GNSS坐标时间序列插补中数据插值经验正交函数（data interpolating empirical orthogonal functions,DINEOF）算法受低相关度站点影响、连续长空缺插值效果欠佳的问题,提出相关数据插值经验正交函数（coefficient data interpolating empirical orthogonal functions,CDINEOF）算法。首先计算目标站点与其周围站点数据的相关度,然后筛选出相关度较高的数据构建观测矩阵,最后采用DINEOF算法对观测矩阵中的缺失数据进行插补。通过模拟数据和实测数据验证新方法的可行性,并与DINEOF算法和多项式插值法的结果进行对比分析。模拟数据实验结果表明,当观测数据存在连续长空缺时,CDINEOF算法的插值效果优于DINEOF算法和多项式插值法。实测数据实验结果表明,CDINEOF算法在保留方差最大化方面效果最好,与DINEOF算法和多项式插值法相比分别提升了11.8%和6.7%。     

排序对模糊度解算中降相关性能的影响分析

针对不同排序算法对模糊度解算存在降相关性能影响的问题,从理论上分析了自然升序法、对称旋转法及扰动升序法的降相关原理,并基于模拟数据和实测数据,从降相关时间、搜索时间、总体耗时、Bootstrapping成功率及条件数5个方面对3种算法进行对比分析。结果表明,降相关效率与搜索椭球压缩程度呈负相关关系,搜索椭球压缩程度越高,降相关效率越低;对于不同的排序算法,提高降相关性能的关键在于减少降相关时间及对条件方差按一定方向排序,进而提高搜索效率。     

GNSS变形监测网短基线时间序列噪声特性分析

利用时间跨度为5 a的GNSS短基线时间序列对噪声特性进行分析,发现长周期噪声分量(随机游走噪声)。选取最优噪声模型,评估不同噪声模型对测站周期振幅和线性速度估值的影响。结果表明,短基线时间序列中有色噪声应顾及闪烁噪声和随机游走噪声,对于表现出随机游走噪声的分量,可能与测站的真实运动有关;假设只有白噪声时求得的速度估值与最优噪声模型下求得的速度估值存在0.4～0.6 mm/a的偏差,对周期振幅的影响可以忽略。     

基于GNSS的LEO卫星TRAIM可用性算法及分析

详细研究了基于GNSS的LEO卫星接收机授时自主完好性（TRAIM）故障检测数学模型以及可用性算法。以GPS和BDS组合为例,分别对500 km、650 km、800 km和1 400 km等几种典型轨道高度的卫星,开展基于GNSS的LEO卫星TRAIM可用性仿真分析。结果表明,在告警阈值100 ns时,基于GPS+BDS组合系统的TRAIM检测可用概率达到99.1%以上,基本满足LEO卫星TRIAM检测可用性需求。     

一种顾及有色噪声的四星座GNSS动态导航滤波算法

经典Kalman滤波要求噪声是高斯白噪声,而动态GNSS定位的观测误差和状态预测误差往往是有色噪声。本文提出一种简便的有色噪声函数模型拟合滤波算法,采用前面历元的观测残差和状态残差建立有色噪声模型,削弱有色噪声对动态导航解算的影响。采用四星座GNSS接收机观测数据进行动态导航实验,结果表明,顾及有色噪声的动态导航滤波算法比未顾及有色噪声的经典Kalman滤波算法定位精度更高,三维位置精度提升9%以上。     

GNSS UTCO参数演变分析与对比评估北大核心CSCD

全球导航卫星系统(GNSS)发播的协调世界时偏差参数(UTCO)随着导航系统现代化升级而更新,尤其是GPS和BDS的UTCO参数具有明显变化。从模型上看,一阶溯源模型改为二阶溯源模型,兼容一阶模型;从分辨率上看,参数分辨率普遍变小,从而提高对UTCO微小变化的敏感性。通过研究GPS、BDS、Galileo、GLONASS四大导航系统GPS LNAV电文、GPS CNAV电文、BDS D1/D2电文、BDS B-CNAV电文、Galileo电文、GLONASS电文中的UTCO参数,基于国际计量局(BIPM)国际时间公报(T公报)UTCr-UTC(k)数据,将GNSS UTCO参数统一到快速协调世界时(UTCr),分析不同系统发播的UTCO参数性能。同时以国家授时中心(NTSC)监测的GNSS系统时差和BIPM快速T公报作为参考,评估GNSS系统发播的协调世界时偏差误差(UTCOE)。结果表明,在实验时段内,GPS CNAV电文的UTCO参数性能优于GPS LNAV电文,BDS B-CNAV电文的UTCO参数性能优于BDS D1/D2电文;GPS、Galileo的UTCO参数性能优于BDS、GLONASS,BDS和GLONASS在UTC溯源中具有一定的系统误差。     

利用主成分分析法分析GNSS坐标时间序列

利用主成分分析法对陆态网224个GNSS基准站坐标时间序列进行分析.首先对基准站原始坐标序列进行突变项拟合、粗差剔除、缺失数据插值补齐等预处理;然后对预处理后的站点残差坐标时间序列分N、E、U方向组建时间序列矩阵进行主成分分析,根据各方向主分量及其相应的空间特征向量分析站点空间响应分布特征、共模误差以及异常站点的影响....     

基于SSA-Sn法的GNSS坐标时间序列粗差探测

针对GNSS高程坐标时间序列中含有粗差、高程坐标时间序列不平稳、非线性变化导致异常值探测困难等问题,提出一种奇异谱分析SSA与S_n估计量相结合的粗差探测方法。利用实验模拟数据和实测数据分别对该方法的探测效果同常规3σ法和MAD法进行对比,结果表明,SSA-S_n粗差探测方法的总体探测效果更好,能够满足GNSS坐标时间序列高可靠性的需求。     

顾及三维方向的GNSS坐标时间序列粗差探测方法

针对GNSS坐标时间序列中粗差为三维位置粗差的特点,提出综合三维坐标的迭代最小二乘粗差探测方法。通过实验模拟数据,分别利用3倍中误差（3σ）准则和四分位距（interquartile range, IQR）准则对单方向和综合N、E、U三方向的粗差进行探测。结果表明,2种判别准则中,综合考虑3个方向的探测效果远好于单方向的探测效果,且探测效率均超过95%;3σ准则的探测效率稍高于IQR准则,但误判率也较高。在实测数据中的应用表明,SOPAC(Scrips Orbit and Permanent Array Center)提供的部分raw类型全球IGS站时间序列中粗差占0.1%~4.7%;运用IQR准则综合3个方向的粗差探测得到的时间序列要比cleaned trend类型更加干净。     

基于奇异谱分析的GNSS坐标时间序列粗差探测与噪声估计

考虑到传统谐波模型难以精确描述GNSS坐标时间序列的非线性变化,导致信号和噪声不能很好地分离,进一步影响粗差探测和噪声估计,本文提出一种基于奇异谱分析的粗差探测与噪声估计算法。首先采用奇异谱分析方法分离出GNSS坐标时间序列中的信号与噪声,然后基于IQR准则探测噪声中的粗差,最后采用最小二乘方差分量估计（LS_VCE）方法定量估计各噪声分量。算例表明,相比于传统基于谐波模型的算法,该算法的粗差探测准确率更高,且估计的噪声分量与真值更接近。     

环境负载对GNSS坐标时间序列噪声特性的影响研究

基于中国大陆构造环境监测网络的连续GNSS观测数据,选取云南省25个测站的坐标时间序列研究地表质量变化对建立噪声模型的影响。计算陆地水负载、大气压负载和非潮汐海洋负载引起的测站非线性变化,采用极大似然估计对不同噪声组合进行分析,分别建立负载改正前后各GNSS测站的最优噪声模型,同时估计速度的不确定度。结果发现,云南省GNSS测站各分量的噪声特性主要表现为闪烁噪声+白噪声(FN+WN);环境负载改正能够改变坐标时间序列的最优噪声模型;用加入环境负载改正后建立的最优噪声模型估计各测站的速度不确定度,对于E、N、U分量,分别有72%、80%、68%的测站的速度不确定度变小。     

优化EWT-NLM的自适应GNSS高程时间序列降噪方法

提出一种引入样本熵（SE）优化的经验小波变换（EWT）结合非局部均值（NLM）滤波的组合自适应降噪方法。该方法使用SE确定全部经验模态分量中低频有效信号界限,叠加其余中高频分量后进行NLM滤波处理,之后重构滤波信号与有效信号为最终降噪信号,从而达到滤除高频噪声的目的。模拟数据与实测数据的实验结果表明,优化的EWT-NLM方法整体优于EMD、EWT方法,RMSE分别降低13.41%/10.63%（实测数据/模拟数据）、7.13%/5.78%,信噪比分别提升22.03%/22.54%、9.72%/7.42%。