一种区域实时对流层内插模型及其在PPP中的应用

利用反距离加权内插法,对基准站解算的天顶对流层延迟（ZTD）建立了区域实时ZTD模型,评估了该模型内插流动站对流层延迟对PPP定位精度和收敛时间的影响。试验表明：与传统ZTD采用参数估计的处理方法对比,二者解算得到的PPP精度在水平方向上效果相当,但在垂直方向上,模型内插对流层解算的定位精度提高约为5 cm,且能显著提高PPP收敛速度。说明应用本方法建立非气象参数的区域天顶对流层延迟模型能有效加快PPP的收敛速度,且提高定位精度。     

遗传算法优化的GPS对流层延迟内插算法

为了提高对流层延迟的插值精度,文章采用安徽省电力系统10个CORS基站的对流层延迟作为训练数据,8个CORS站的对流层延迟作为测试数据,建立一种基于遗传算法和BP神经网络的区域GPS对流层延迟内插方法(GABP),利用遗传算法优化BP神经网络权值和阈值的模型,该模型只需要输入测站点的经纬度和高程值。数据处理结果表明,在区域GPS对流层延迟预测中GA-BP模型是一种预测精度比较高的方法。     

预测模型在对流层延迟计算中的应用研究

为了消弱对流层延迟影响,提高GPS定位的精度,探讨了利用预测模型计算对流层延迟的可行性。建立了计算对流层延迟的多元线性回归模型、组合预测模型、灰色模型和BP神经网络模型,并提出了一种基于可靠度的组合模型权系数确定方法。结合邳州、新沂两个CORS站的观测数据和地面气象数据,利用4种预测模型进行对流层延迟预测实验。实验结果表明:在48 h的预测时段内,4种模型预测对流层延迟的精度分别为10,15,25和30 mm。其中多元线性回归模型预测效果最佳,在已知学习样本真值的情况下,其预测精度达到1 cm,较传统对流层延迟改正模型精度提高约50%。     

EGNOS模型在对流层延迟插值方法改进中的应用

在插值站与已知站平均高程面高差较大的情况下,传统的反距离加权内插法得到的对流层延迟值精度较差,因此提出了一种基于EGNOS模型的反距离加权插值方法。该方法通过EGNOS模型将对流层延迟改正值在高程方向上进行投影延拓。相对于传统内插法来说,可以避免较大高差带来的空间内插结构上的畸形。采用IGS站提供的对流层产品进行实验,结果表明该方法求得的对流层延迟改正精度相比于传统的反距离加权内插法有了显著提高,特别是对于高差较大的站点有很好的改进效果。     

InSAR与GPS数据融合在变形监测中的应用研究

随着地面沉降监测手段日益丰富,对多源地面沉降监测数据进行数据融合逐渐成为研究的热点。本文针对大气延迟对InSAR地面沉降监测的影响,利用GPS获取对流层延迟,对不同的内插模型,讨论了Kriging内插法、IDW内插法对流层延迟改正的内插模型,并在IDW内插法的基础上进行改进,提出了IIDW内插法,采用香港GPS监测数据与哨兵一号雷达卫星监测数据,通过3种内插模型,得到不同内插方法的双差分结果,并分析比较了3种内插方法的优劣。用计算出的差分对流层延迟改正对InSAR影像进行改正。实验结果表明:IIDW内插法对对流层延迟进行改正不仅提高了D-InSAR的精度,而且为InSAR与GPS数据融合解决提供了一种新的思路。     

网络RTK对流层延迟内插模型精度分析

流动站与参考站间双差对流层延迟的精确改正是网络RTK技术的关键。本文采用河南省地基增强系统参考站网7个参考站的观测数据进行试验,选择LIM、LCM、LSM和KRG模型为研究对象,分析了各模型用于不同高差水平流动站对流层延迟改正的效果。试验结果表明：4种常用内插模型中,LIM和KRG模型对流动站对流层延迟改正的精度较优。流动站与主参考站高差达到400 m时,对于低高度角卫星,模型内插精度降低到分米级,不满足用户流动站高精度定位需求。     

GPS/VRS 参考站网络的对流层误差建模技术研究

在虚拟参考站(VRS)技术中,参考站与流动站间的高程差异会引起对流层误差改正数中存在系统偏差影响,使对流层改正精度降低。在常规网络内插改正模型的基础上,借助先验对流层模型,提出了一种能自主修正高程偏差的距离相关对流层网络内插模型(MHDIM)。基于四川GPS连续运行参考站网络(Sichuan GPS Reference Station Network-SGRSN)实际测试数据的分析表明,对于地形变化较大的中长距离稀疏GPS/VRS参考站网络(如流动站与参考站间高程差异大于500m),应用MHDIM模型可使对流层延迟误差改正精度提高到2到3cm并实现cm级网络RTK定位结果,适用于GPS/VRS参考站网络cm级实时动态定位要求。     

一种新的全球对流层天顶延迟模型

利用IGS提供的高精度对流层天顶延迟数据,在全球范围内详细分析对流层延迟在高程及水平方向的变化规律,建立了一种新的全球对流层天顶延迟模型。该模型计算方法简单,只与年积日和位置参数有关,无需气象参数。经检验,新模型的对流层延迟改正精度优于输入标准气象参数的几种常用的对流层延迟模型,满足卫星实时定位和导航的精度要求。     

UNB对流层延迟改正模型的精度分析

为了消弱对流层对GPS高精度定位的影响,UNB(University of New Brunswick)发布了最新的格网天顶对流层延迟。本文介绍该数据模型的内插改正方法,采用全球12个IGS站比较内插精度,结果显示大部分测站的中误差小于±5 cm,可以为卫星定位和对流层延迟估计提供较为准确的初值。     

GPS/VRS对流层延迟误差内插模型研究

在GPS/VRS高精度定位中,对流层延迟误差是影响定位精度的主要因素之一。由于该误差与各参考站间距离相关,目前主要是通过内插模型消除对流层延迟误差影响,实现用户高精度定位。通过总结近十年来主要的几种内插模型,并结合美国CORS网络的六个参考站的数据进行实验分析,发现内插模型误差和卫星高度角以及用户与参考站高程差是相关的,其中LIM模型和LCM模型能够获得较优的效果,可应用于消除对流层延迟误差。     

Impact of tropospheric modelling on GNSS vertical precision: an empirical analysis based on a local active network

The troposphere affects Global Navigation Satellite System (GNSS) signals due to the variability of the refractive index. Tropospheric delay is a function of the satellite elevation angle and the altitude of the GNSS receiver and depends on the atmospheric parameters. If the residual tropospheric delay is not modelled carefully a bias error will occur in the vertical component. In order to analyse the precise altimetric positioning based on a local active network, four scenarios in Southern Spain with different topographical, environmental, and meteorological conditions are presented, considering both favourable and non-favourable conditions. The use of surface meteorological observations allows us to take into account the tropospheric conditions instead of a standard atmosphere, but introduces a residual tropospheric bias which reduces the accuracy of precise GNSS positioning. Thus, with short observation times it is recommended not to estimate troposphere parameters, but to use an a priori model together with the standard atmosphere. The results confirm that it is possible to achieve centimetre-scale vertical accuracy and precision with real time kinematic positioning even with large elevation differences with respect to the nearest reference stations. These numerical results may be taken into consideration for improving the altimetric configuration of the local active network.     

顾及映射函数误差的对流层延迟两步估计法

利用VLBI、GNSS等空间大地测量数据估计对流层延迟时,通常不考虑映射函数的误差,但这种处理策略最终会对估计结果造成不可忽略的影响。首先,根据多年的气象资料,分析了映射函数误差随高度角的变化特性,然后构建了映射函数误差模型,进而提出了一种顾及映射函数误差的对流层延迟两步估计法。试验表明,本文提出的方法可有效削弱斜路径延迟残差,并在一定程度上改善对流层湿延迟的估计精度。     

GPS定位中的对流层模型分析

系统地分析对流层延迟特性在GPS导航中造成的定位误差,并主要介绍目前卫星定位领域主要应用的一些对流层折射修正模型。基于霍普尔德模型和萨斯塔莫宁模型,提出一种在缺少实测气象参数条件下,使用的简单对流层延迟修正模型。利用Matlab仿真软件对静态和动态接收机实测数据进行分析。结果表明,无气象参数的简单修正模型可以消除70％左右的对流层影响,有效地提高GPS的定位精度。     

融合对流层模型及其在精密单点定位中的应用

受实测气象参数的限制,使用标准大气参数的传统对流层模型的精度并不高;使用参数估计法的精密对流层模型增加了观测方程的待估参数,影响收敛速度. 针对实测气象参数缺失的情况,提出一种融合对流层模型,使用两种非实测气象参数模型分别计算出平均海平面处和测站处的气象参数,再利用Saastamoinen模型经验公式求解天顶对流层延迟（ZTD）. 利用RTKLIB软件进行精密单点定位（PPP）实验. 提出的融合对流层模型摆脱了实测气象参数的限制,解算结果表明:使用该模型时,在东、北、天方向的定位精度分别比Saastamoinen模型提高16 mm、1 mm、2.2 mm,比MOPS模型提高13.8 mm、0.7 mm、1.6 mm,比GPT/UNB3m+Sa模型提高2.9 mm、0.4 mm、0.7 mm,在天、北方向的定位精度接近参数估计模型,实现了PPP定位精度的提高.      

EGNOS对流层延迟改正模型及其精度分析

对流层延迟是GPS定位中一个主要的误差源,目前处理对流层延迟的主要方法是通过模型法、差分法等;当基线的距离较短时,基线两端气象条件基本相同差分法可以很好地修正对流层延迟误差,当基线的距离很长时,由于基线两端的气象参数差别较大差分法不能很好地消除对流层误差,模型法却能很好地消除对流层误差.对EGNOS模型进行了详细的介绍...     

基于球冠谐分析的区域精密对流层建模

对流层延迟是影响GPS定位精度的主要误差来源。随着精度要求的提高,经验模型已经不能满足精密定位的需要,而世界许多地区建立的连续运行参考站系统为建立区域对流层模型提供了一个很好的契机。本文分析了常用的对流层区域实时模型方法的不足,提出了基于球冠谐 (SCHA, Spherical Cap Harmonic Analysis)的区域精密对流层模型。与常用的四参数模型进行对比分析发现,SCHA模型在内符合精度上有显著提高（RMS值在5mm内）,在外符合精度上比传统模型拟合效果提高了50%左右（RMS值在1cm内）。SCHA模型能更好的描述对流层的空间变化,适用于大区域对流层延迟实时建模。     

GTDM:一种获取全球对流层延迟的新模型

对流层延迟是GNSS定位的主要误差源.现有的各对流层延迟模型大多存在过度拟合的弊端,不能反映延迟在短时间内的细节变化.本文利用2011—2017年ECMWF气象资料分析了对流层延迟的变化特征,发现同一格网相邻年份之间全球对流层延迟偏差绝大多数在5 cm内.在此基础上,本文提出了一种非参数拟合的对流层延迟模型GTDM.经...     

基于GNSS基准站网的对流层延迟建模

针对在卫星导航定位中,通常采用对流层模型进行,对流层延迟误差修正的现状,该文研究了一种基于GNSS基准站网的对流层延迟建模方法,并基于此方法利用日本地区GENET参考网约737个站5a的GNSS-ZTD序列建立了区域对流层模型ZTDM-JPN,并将ZTDM-JPN模型应用于GPS及北斗定位实验,分析了其在GPS及北斗定位中的实际应用性能。通过与国际上常用的对流层模型EGNOS、UNB3m作比较,结果表明,ZTDM-JPN模型的模拟精度较相同条件下的EGNOS与UNB3m模型分别提升约26%和21%,从而验证了该建模方法的可行性与优越性。     

一种基于SARIMA的经验对流层延迟模型

为了减弱对流层延迟的影响,提高GNSS定位精度,探讨了在无气象参数的条件下,利用预测模型计算对流层延迟的可能性,并提出了一种经验对流层延迟预测模型,即基于季节性自回归移动平均模型（SARIMA）的对流层延迟预报方法。结合中国长春和上海两个地区的ZTD数据进行预测分析,预测结果表明：基于SARIMA的ZTD预报模型能够满足不同地区不同时段下的ZTD估计需求,是一种较高精度的ZTD预报方法。     

基于Keras平台的LSTM模型的对流层延迟预测

对流层延迟是影响全球卫星导航系统（GNSS）测量精度的重要因素. 针对现有对流层延迟模型稳定性差,精度较低等问题,在无实测气象参数条件下,提出一种基于Keras平台的长短期记忆神经网络（LSTM）的对流层延迟预测模型. 选取全球均匀分布的8个测站,使用其2016年第90-131年积日共42 天的整点对流层延迟数据预测其第132-136年积日的整点数据. 以国际GNSS服务（IGS）中心提供的对流层产品为真值,分析比较LSTM模型和反向传播（BP）神经网络模型的预测效果. 研究表明,LSTM模型预测结果的均方根误差基本达到mm级,其平均绝对误差和平均绝对百分比误差均比BP模型低,LSTM模型在精度和稳定性上较BP模型均有明显提高;LSTM模型在中高纬区域的均方根误差（RMSE）均值达到7.82 mm,中高纬地区更适合使用该模型.