北斗系统多路径误差特性分析与消除策略

为了消除影响北斗系统高精度导航服务性能的多路径误差,文章基于实测数据提取多路径误差并分析其所具有的特性,探讨不同定位解算方式中的多路径误差消除策略。结果表明,多路径误差实时改正后的单点定位结果相比原数据解算结果有明显提高;基于北斗多路径误差周期的恒星日滤波算法消除了部分周期误差,基线解算坐标时间序列的精度有了明显的提高。这两种针对多路径误差的改正方法可以为北斗系统数据处理提供参考。     

顾及有色噪声影响的CGCS2000下我国CORS站速度估计

研究基于计算获取的CGCS2000(中国大地坐标系统2000)下我国国家CORS(全球导航卫星系统连续运行参考站)网1999年至2009年坐标时间序列,首先采用主成分空间滤波方法(PCA)提取CGCS2000框架下国家CORS网坐标时间序列中公共误差(common mode errors,CME)的时空特性;其次,采用功率谱分析方法分析空间滤波后的国家CORS站坐标残差时间序列的噪声性质,采用最大似然法定量估计坐标残差时间序列中的有色噪声分量;最后,采用加权最小二乘法评定顾及不同噪声影响的CGCS2000框架下的国家CORS网年速度估值和实际精度.研究结果表明:采用空间滤波可提高CGCS2000框架下国家CORS网成果的精确性和可靠性,空间滤波后北、东和高方向的平均坐标重复性相对于滤波前分别减小了26%、22%和46%,滤波后国家CORS站高度方向平均振幅减少近64%.在CGCS2000框架下我国CORS站坐标时间序列中白噪声不是噪声的主要成分,白噪声、闪烁噪声和随机漫步噪声的噪声性质是国家CORS站坐标时间序列的基本特征;我国CORS站有色噪声在水平方向和高度方向表现出一定的规律性,顾及有色噪声的速度误差估值比只考虑白噪声的速度误差估值一般大2～6倍,速度估值偏差一般在2%～10%.     

基于经验模态分解去噪提高GPS定位精度

在GPS精密定位中,多路径效应等无法建模的误差严重影响着定位结果的精度。这类误差不能通过传统的建模方式进行处理,也不能通过数据组合进行消除,更不能作为参数进行估计。因此本文基于经验模态分解提出一种数据驱动的噪声消除策略,将坐标时间序列分解为许多不同频率组成的时间序列,根据需要重构原始时间序列。并采用了仿真实验和实测数据验证所提出方法的有效性,结果显示所提出的方法可以有效的消除多路径效应等无法建模误差的影响。     

基于观测值域的GPS多路径误差应用分析

基于观测值域双差残差恒星日滤波方法消除多路径误差,利用事先计算的前一天观测卫星双差残差并进行去噪处理,根据各自卫星周日重复性改正到第二天对应时刻的双差观测方程中,得到剔除多路径误差后的"干净"双差观测值,最后解算基线信息。试验结果表明,与常规基于坐标域恒星日滤波相比,该方法在平面方向的精度可提高23%,且高程方向也有一定程度的提高。     

噪声辅助EMD方法提取多路径误差模型分析

经验模态分解(EMD)方法处理间断性信号时存在模态混叠问题,使分解结果失去物理意义.本文从理论分析和实测数据的EMD分解结果两个方面,论述了多路径误差中不可避免的存在间断性的分量.针对该问题,介绍了集合平均经验模态分解(EEMD)方法借助噪声来减弱模态混叠的思路与流程,并连续两天实测GPS数据的单历元定位坐标序列,分别用EEMD和EMD方法消除随机噪声,提取多路径重复性改正模型,结果表明,EEMD方法的效果优于EMD方法.     

基于小波变换的GPS动态变形分析

介绍了小波滤波去噪的原理并讨论在动态环境下GPS多路径效应的重复性问题。首先利用小波方法对静态观测数据的残差进行去噪,提取具有系统性的多路径误差改正模型。然后,根据多路径误差重复性的特点,对后续动态观测的数据进行改正。通过实验证明:经重复性模型改正后残余的多路径噪声符合正态分布的特点。然后采用小波软阈值去噪方法,消除剩余的多路径误差,可进一步提高动态变形监测的精度。     

GNSS测站速度估计模型重建

获取准确的GNSS测站速度对于研究全球板块运动、地壳形变、地震活动及其地球动力学过程至关重要。为此,以GNSS基线解算后的基线向量作为观测值,重建了最小二乘综合速度解算模型和卡尔曼滤波速度估计模型。模型中,考虑了测站坐标、运动速度、年、半年周期项一同作为参数,在基线解网平差的同时,一并求解获取速度估值。同时,利用坐标时序分析的方法,顾及白噪声和幂律噪声的影响,对单日解坐标时间序列重建了时序速度拟合估计模型,以获取长期趋势项作为速度值。基于3种模型,对川滇地区中国地壳运动观测网络2010—2014年21个GPS基准站的观测数据进行了速度估计与对比分析。结果表明:3种模型所估计测站速度非常接近,差异基本处于0~1mm/a范围之内;速度估值中误差均在亚毫米水平。由此得出,3种速度估计模型具有本质的一致性,均可正确估计测站运动速度,能够满足高精度地壳形变研究的需要。     

噪声辅助EMD方法提取多路径误差模型分析

经验模态分解(EMD)方法处理间断性信号时存在模态混叠问题,使分解结果失去物理意义。本文从理论分析和实测数据的EMD分解结果两个方面,论述了多路径误差中不可避免的存在间断性的分量。针对该问题,介绍了集合平均经验模态分解(EEMD)方法借助噪声来减弱模态混叠的思路与流程,并连续两天实测GPS数据的单历元定位坐标序列,分别用EEMD和EMD方法消除随机噪声,提取多路径重复性改正模型,结果表明,EEMD方法的效果优于EMD方法。     

基于EMD-LSTM耦合预测模型的BDS多路径误差削弱方法研究

北斗卫星导航系统(BDS)在短基线测量中存在的多路径误差是影响定位精度的主要误差项.针对多路径误差的非线性以及坐标序列的非平稳特性,拟采用经验模态分解(EMD)与长短期记忆网络(LSTM)结合的方法,构建EMD-LSTM耦合预测模型,对多路径误差进行预测,削弱多路径误差的影响.实验结果表明,EMD-LSTM耦合预测模型能够有效地削弱了多路径误差影响,E、N、U方向精度分别提高了22%、36%、40%.     

一步相关卡尔曼滤波估计

传统的Kalman滤波方法只适用于白噪声数据处理,然而在实际应用中,数据噪声多为有色噪声,使得Kalman滤波精度和适用性受到严重制约。针对该问题,顾及有色噪声相邻历元间的相关性特性,本文提出一种有色噪声的一步相关卡尔曼滤波算法。数值仿真结果表明,本文所提算法能有效减弱有色噪声对卡尔曼滤波的影响,其滤波精度较传统的卡尔曼滤波方法有显著提高。     

顾及有色噪声的光纤陀螺随机噪声自适应滤波方法

作为光纤陀螺误差的重要组成部分,随机噪声严重影响着光纤陀螺的精度,对光纤陀螺随机噪声进行准确建模和补偿是提升陀螺精度的有效方式。本文针对光纤陀螺随机噪声的复杂性,难以对其进行精确分析,ARIMA （auto-regressive moving average）模型Kalman滤波中有色噪声不能使用状态扩充法建模的问题,扩展了Harvey方程,实现有色噪声白化。同时,考虑先验噪声的不确定性以及模型参数在线更新导致的参数与状态噪声相互耦合,分析了动态Allan方差估计量测噪声的不足,使用VBAKF （variational Bayesian adaptive Kalman filter）实时修正滤波状态噪声与量测噪声。试验表明,Harvey法较传统滤波建模方式,随机噪声序列方差降低40%,Harvey法结合VBAKF使序列方差降低了54%;VBAKF较动态Allan方差,可以更好地估计量测噪声。结果表明,此方法可有效抑制随机噪声Kalman滤波中有色噪声和随机模型不准确的影响,提高随机误差补偿精度。     

基于自适应卡尔曼滤波的地表移动变形预报研究

构建自适应卡尔曼滤波预报模型,利用GNSS CORS连续运行实时监测数据,通过自适应卡尔曼滤波预报值、标准卡尔曼滤波预报值及实测数据对比分析,得到自适应卡尔曼滤波预报偏差明显减小,预报精度明显提升,满足了地表移动变形实时监测的精度要求。      

利用改进的Kalman滤波算法进行GNSS单历元姿态测量

传统G PS单历元姿态解算中存在没有利用历元间的相互关系以及不能有效抵制粗差影响等问题,而Kalman滤波则可一定程度上解决这些问题。结合稳健估计理论对GPS单历元姿态解算提出了一种改进的Kalman稳健估计算法,通过实验及与传统的最小二乘解算方法相比较,该算法能够较好地消除历元间计算结果中出现的跳变值,使得解算结果更稳健。     

顾及有色噪声的自适应粒子滤波UWB定位算法

传统卡尔曼滤波算法要求噪声模型符合高斯分布,在UWB室内定位中,由于载体本身的机制等干扰,观测噪声不仅仅是白噪声,也存在有色噪声的情况,而粒子滤波可以处理有色噪声的问题。本文通过增加似然分布自适应调整来改进粒子滤波用于目标跟踪的精度,同时研究在白噪声、有色噪声下似然分布自适应调整粒子滤波和拓展卡尔曼滤波在UWB中的优势与不同。试验结果表明：观测噪声为白噪声时,拓展卡尔曼滤波和粒子滤波均可以较好地实现对行人的定位跟踪;观测噪声为有色噪声时,自适应粒子滤波定位效果优于粒子滤波、拓展卡尔曼滤波。     

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。     

基于ICEEMDAN与环境负载的GNSS坐标时序非线性形变去除

非线性形变影响全球卫星导航系统(GNSS)坐标时序精度. 采用改进的自适应噪声总体集合经验模态分解(ICEEMDAN)和环境负载改正相结合的方法开展GNSS测站非线性形变去除研究. 首先使用GMIS软件将GNSS坐标时序补充完整并去除粗差,然后使用ICEEMDAN方法对GNSS坐标时序进行分解,使用排列熵算法选取包含噪声和非线性形变的高频分量,最后使用环境负载对高频分量进行去除,利用经验模态分解(EMD)方法和环境负载结合的方法进行去除效果对比. 研究结果表明:非线性形变去除后的GNSS坐标时序均方根(RMS)变化各有区别,垂向(U)方向最为明显,最大值达6.715 mm,东(E)方向次之,北(N)方向最小;ICEEMDAN方法和环境负载改正结合后N方向的非线性形变全部得到了削弱,E方向的非线性形变有75％得到了削弱,U方向的非线性形变有62.5％得到了削弱,其改正效果优于EMD方法和环境负载结合的改正效果.      

卡尔曼滤波在山西省西山煤田地面沉降GNSS监测中的应用

本文以山西省西山煤田某一工作面为试验区,在分析地面沉降全球卫星导航系统（GNSS）监测数据特征的基础上,利用两种卡尔曼滤波方法（普通和总体卡尔曼滤波）对矿区地面沉降GNSS监测数据进行了处理与评价,同时对比了两种卡尔曼滤波方法的均方根误差分布情况。试验结果表明,两种滤波方法的滤波结果与观测值趋势大致相同,但存在少数异常点。下沉量越大的监测点,滤波结果与观测值的差异越大,但总体卡尔曼滤波的差异明显小于普通卡尔曼滤波,特别是对于下沉量较大的监测点。下沉量越大的监测点,其均方根误差越大,总体卡尔曼滤增大的速度远小于普通卡尔曼滤波,总体卡尔曼滤波均方根误差的最大值小于0.1 m,普通卡尔曼滤波的则接近0.4 m。     

附加约束条件对GNSS/INS组合导航结果的影响分析

针对车载全球导航卫星系统/惯性导航系统（global navigation satellite system/inertial navigation system,GNSS/INS）组合导航中卫星信号中断,惯性导航系统单独导航误差积累较大的问题,提出了附加载体运动条件约束的卡尔曼（Kalman）滤波解算方法。通过利用载体固有的运动约束,包括近似高程约束、近似速度约束和近似姿态约束,减少载体自由度和模型参数;通过引入新的观测类型,增加观测冗余,可以加强Kalman滤波解,提高在GNSS信号中断时组合导航系统的定位精度,实现无缝导航。     

三种GNSS高程时序降噪方法的效果对比分析

为了探究经验模态分解(EMD)、整体经验模态分解(EEMD)和小波降噪三种方法的降噪性能,以中国区6个国际GNSS服务(IGS)站高程分量的5?a、10?a和20?a时序数据为例,对它们的降噪结果进行比较分析.?首先利用线性拟合分离趋势项,并采用3σ准则剔除异常值,得到满足符合降噪要求的样本序列;然后分别用这三种方法分...