一种基于GPU的大规模GNSS数据处理方法技术

本发明专利技术提供一种基于GPU的大规模GNSS数据处理方法，其解决了现有GNSS大规模数据处理过程中，整网解算耗时太久的技术问题，其包括以下步骤实现：数据读取及预处理；法方程的构建；消参；法方程的解算；数据质量控制及输出结果产品；本发明专利技术可广泛应用于卫星导航定位领域。

A large scale GNSS data processing method based on GPU

【技术实现步骤摘要】
一种基于GPU的大规模GNSS数据处理方法
本专利技术涉及卫星导航定位领域，尤其是涉及一种基于GPU的大规模GNSS数据处理方法。
技术介绍
随着GPS、GLONASS、Galileo、BDS的发展，很多参考站网都能够接收多系统多频率的数据，GNSS多系统联合定位，对于参考框架，时间基准以及定位用户的应用都非常重要，多频多模的数据技术为GNSS数据处理带来了更丰富的数据，同时也增加了解算的复杂度和处理时间，因此，提高大规模GNSS数据整网解算的效率显得十分必要和有意义。GNSS高精度的整体网解站坐标精度达到毫米级，可以为大地测量及导航定位提供高精度高可靠全球统一的时空参考框架和位置基准；然而，整网解算面临参数法方程规模大的问题，待估参数包括站坐标、对流层、模糊度等，导致解算时间过长；在GNSS整网数据处理中，需要经过多步的数据预处理，然后构建法方程、消参、平差解算等一系列的过程，耗时较久。目前GNSS数据处理中，对大规模数据的处理技术主要包括：基于传统网解的分网双差解算模式；基于PPP固定解的非常解算模式；以及两者与计算机领域分布式及并行技术的结合；尽管目前大规模GNSS数据处理的方法取得了一定的成果，但在追求高效率的同时对定位结果的精度和参数之间的相关性存在一定的损失；利用分网解算的网的数目，网的大小以及网之间的公共参数都存在很多的不确定性，PPP网解模式中对于小周偏差解算的优劣直接关系结果的精度；而近年来计算机技术的发展以及其在GNSS领域的逐步应用，为GNSS数据处理带来新的思路，其中，GPU(图形处理器)及并行计算就是主要的应用技术之一；首先，并行计算的前提就是算法本身具有可并行性，其次，并行后确实会对解算的效率有所提升；再次，GPU超多的核心数为并行计算提供更高的效率，并且原则上并行过程本身并不影响解算的结果；因此，其在大规模GNSS数据处理中表现出巨大的潜力；但是，当前的数据处理大部分是基于串行策略设计实现的，除了PPP，其他数据处理过程大多彼此存在紧密的关联，很难简单独立拆分(简单的数据预处理如粗差探测初始钟差或者周跳探测等)，因此，如何将GNSS数据处理算法与GPU技术的有效结合，充分利用两者的优势，在不损失精度和相关性的前提下提升解算效率，是急需解决的关键问题。
技术实现思路
本专利技术就是针对现有GNSS大规模数据处理过程中，整网解算耗时太久的技术问题，提供一种数据处理速度较快、精度较高的基于GPU的大规模GNSS数据处理方法。为此，本专利技术提供的基于GPU的大规模GNSS数据处理方法，通过以下步骤实现：步骤1：数据读取及预处理；步骤2：法方程的构建；步骤3：消参；步骤4：法方程的解算；步骤5：数据质量控制及输出结果产品。优选的，数据读取及预处理：在准备好相应的观测文件，精密星历钟差及相关改正文件之后，开始数据逇读取和预处理；剔除数据质量不好的观测数据为后续法方程的构建提供数据基础；对于数据预处理中的可以独立解算的处理过程予以并行处理。优选的，数据预处理包括：钟差的计算、粗差的探测、周跳的探测以及残差检核。优选的，法方程的构建：将法方程ATPA、APTL放到超级计算中心的GPU节点进行处理；启动进程池，分解成200个任务，每个任务解决单一的计算单元；将GPU计算的节点汇总成一个矩阵，返回到CPU节点，构建出完整的法方程。优选的，消参：基于多线程共享内存技术将消参予以并行化处理，处理结果与串行消参结果相同，即获得等价的约化的法方程，该方程的解与原始解具有等价性的特征。优选的，法方程的解算：采用GPU结合并行分块算法，对最小二乘过程中的矩阵运算予以并行化，从而基于集群平台的优势，实现法方程的快速解算，获得待估参数的解。优选的，数据质量控制及输出结果产品：完成核心模块的并行计算之后，将结果返回CPU，完成后续的处理，最终，输出主要的结果站坐标文件。本专利技术提出一种基于GPU的大规模GNSS数据处理方法，通过结合并行处理技术基于超级计算网络中心平台，对整网解算中的方程构建及消参过程予以并行，从而大大提升解算时间并且没有精度损失，从而为大规模GNSS整网数据处理提供支持，实用方便。附图说明图1为本专利技术数据处理的流程示意图。具体实施方式下面参照附图详细说明本专利技术的具体实施方式。如图1所示，本专利技术提供一种基于GPU的大规模GNSS数据处理方法，其通过以下步骤实现：步骤1：数据读取及预处理(1)在准备好相应的观测文件，精密星历钟差及相关改正文件之后，开始数据逇读取和预处理；数据预处理包括钟差的计算、粗差的探测、周跳的探测以及残差检核等；(2)剔除数据质量不好的观测数据为后续法方程的构建提供数据基础；(3)对于数据预处理中的可以独立解算的处理过程予以并行处理，比如基于SPP的钟差解算，和基线处理用于残差检核等，可以采用脚本的形式予以并行，当前的处理由于涉及较复杂的判断处理过程，因此在CPU上进行。步骤2：法方程的构建法方程的构建是一个重复性较高规律性较强的处理过程，因此，将法方程ATPA、APTL放到超级计算中心的GPU节点进行处理；启动进程池，分解成200个任务，每个任务解决单一的计算单元；最后将GPU计算的节点汇总成一个矩阵，返回到CPU节点，构建出完整的法方程，完成后续的计算，该过程大大提升矩阵运算的效率，且精度损失在GNSS领域可以忽略不计。步骤3：消参对于构架好的法方程中含有一些未知数可以忽略，不解算到结果文件中，对于这类参数如模糊度，采用消参的策略；由于方程维数大，消参是一个耗时的过程，因此，基于多线程共享内存技术将消参予以并行化处理，处理结果与串行消参结果相同，即获得等价的约化的法方程，该方程的解与原始解具有等价性的特征。步骤4：法方程的解算对于上述的法方程予以最小二乘解算的策略，规模大的矩阵在乘法和求逆的过程思路不复杂但重复性大耗时久，因此，选择用具有更强数据处理能力的GPU结合并行分块算法，对最小二乘过程中的矩阵运算予以并行化，从而基于集群平台的优势，实现法方程的快速解算，获得待估参数的解。步骤5：数据质量控制及输出结果产品完成核心模块的并行计算之后，将结果返回CPU，完成后续的处理，如对最终的站坐标予以数据质量控制，最终，输出主要的结果站坐标文件及辅助文件如SINEX，对流层等。惟以上所述者，仅为本专利技术的具体实施例而已，当不能以此限定本专利技术实施的范围，故其等同组件的置换，或依本专利技术专利保护范围所作的等同变化与修改，皆应仍属本专利技术权利要求书涵盖之范畴。本文档来自技高网...

【技术保护点】
1.一种基于GPU的大规模GNSS数据处理方法，其特征在于，通过以下步骤实现：/n步骤1：数据读取及预处理；/n步骤2：法方程的构建；/n步骤3：消参；/n步骤4：法方程的解算；/n步骤5：数据质量控制及输出结果产品。/n

【技术特征摘要】
1.一种基于GPU的大规模GNSS数据处理方法，其特征在于，通过以下步骤实现：
步骤1：数据读取及预处理；
步骤2：法方程的构建；
步骤3：消参；
步骤4：法方程的解算；
步骤5：数据质量控制及输出结果产品。


2.根据权利要求1所述的基于GPU的大规模GNSS数据处理方法，其特征在于所述步骤1通过以下方式实现，具体为：在准备好相应的观测文件，精密星历钟差及相关改正文件之后，开始数据逇读取和预处理；剔除数据质量不好的观测数据为后续法方程的构建提供数据基础；对于数据预处理中的可以独立解算的处理过程予以并行处理。


3.根据权利要求2所述的基于GPU的大规模GNSS数据处理方法，其特征在于所述步骤1中数据预处理包括：钟差的计算、粗差的探测、周跳的探测以及残差检核。


4.根据权利要求3所述的基于GPU的大规模GNSS数据处理方法，其特征在于所述步骤2通过以下方式实现，具体为：将法方程ATPA、APTL放到超级计算中心...

【专利技术属性】
技术研发人员：徐天河，蒋春华，江楠，
申请(专利权)人：山东大学，
类型：发明
国别省市：山东;37