【技术实现步骤摘要】
一种用于削弱GNSS多路径误差的组合滤波方法
[0001]本专利技术属于测绘领域,涉及一种用于削弱GNSS多路径误差的组合滤波方法.
技术介绍
[0002]GNSS变形监测技术具有采样高频率、实时高精度、无需通视、全自动、全天候等优点,可应用于土木工程结构与自然灾害的实时监测。GNSS变形监测通常以短基线静态测量的方式进行,采用载波相位差分技术能基本消除卫星与接收机钟差、星历误差、大气延迟等相关性较强的误差,但变形监测环境往往比较复杂,由测站附近反射物造成的多路径效应不仅无法避免,而且难以通过差分削弱,直接导致GNSS定位精度下降。另外,由测站接收机自生产生的噪声频域分布范围宽、高斯白噪声特性明显,其与多路径误差混叠,进一步增加多路径误差处理难度。
[0003]GNSS测站周边环境变化较小或是未发生改变时,多路径效应呈现出较强的周日重复性,基于此特性利用恒星日滤波对连续多天GNSS监测数据进行多路径误差提取、重复性建模能有效削弱多路径误差,处理效率快、性价比高。其中,多路径误差提取在整个处理过程十分关键,现主要的提取方法有小波分析(Wavelet)系列、经验模态分解(EMD)系列等。小波分析(Wavelet)凭其多分辨率分析、时频域同时局部化的特点,在多路径误差处理上展现出明显优势,但其效果受限于小波基、分解层数、阈值及其估计方法等参数确定,参数选择没有统一的支撑理论;集合经验模态分解(EEMD)是EMD系列中的改进方法,它通过添加高斯白噪声、多次EMD、均值处理有效改善了模态混叠问题,并且继承了能把信号自适 ...
【技术保护点】
【技术特征摘要】
1.一种用于削弱GNSS多路径误差的组合滤波方法,其特征在于,包括以下步骤:步骤一、读取GNSS观测数据的原始坐标序列,读取完后开始解算;步骤二、利用集合经验模态分解EEMD将原始坐标序列分解为一系列本征模态函数项IMF和余项;步骤三、利用分类指标k1和k2将IMF项与余项细分为噪声项、过渡项和有用项;步骤四、舍弃噪声项,对过渡项进行小波滤波Wavelet处理,得到滤波后的过渡项;步骤五、对有用项和滤波后的过渡项进行重构,得到多路径误差序列;步骤六、将第一天的多路径误差序列作为参考信号序列,计算参考信号序列与其余天多路径误差序列间的幅值比例系数;步骤七、恢复其余天的多路径误差序列幅值,并以此作为误差改正模型,与对应的原始坐标序列相减,得到改正后的坐标序列;步骤八、结束解算,输出多路径误差改正后的坐标序列。2.根据权利要求1所述的一种用于削弱GNSS多路径误差的组合滤波方法,其特征在于,所述步骤二中,EEMD处理过程步骤如下:21)对原始坐标序列y(t)加入高斯白噪声n(t)得到待处理坐标序列y
m
(t),加入的高斯白噪声n(t)大小由其与原始坐标序列y(t)间的标准差比值σ决定;22)对y
m
(t)进行EMD处理,得到一组IMF项与余项,EMD处理步骤如下:(221)令y
m
(t)=R
i
‑1(t),i=1;(222)寻找R
i
‑1(t)上所有的极值点,利用三次样条插值分别拟合极小值点、极大值点序列,获得R
i
‑1(t)上、下包络线;(223)计算上、下包络线的均值序列m
i
(t),并与R
i
‑1(t)做差h
i
(t)=R
i
‑1(t)
‑
m
i
(t);(224)判断h
i
(t)是否满足:
①
h
i
(t)极值点与零点数相等或仅差1;
②
h
i
(t)上、下包络线关于时间轴局部对称;若满足,h
i
(t)=IMF
i
(t),否则,令R
i
‑1(t)=h
i
(t),跳至步骤(222)直至满足条件;(225)计算R
i
(t)=R
i
‑1(t)
‑
IMF
i
(t),判断R
i
(t)是否为单调或其极值点个数是否小于2,若R
i
(t)为单调或其极值点个数小于2,则分解结束,令n=i,否则,令i=i+1,跳至步骤(222),直至满足条件,得到一组由n个IMF项与1个余项组成的分解结果,表达式如下:式中,IMF
im
(t)为由EMD得到的第i个IMF项,为余项;i=1,2,
…
,n,n为IMF项的总个数;23)重复步骤21)与22)N次,得到N组IMF项与余项;24)对N组IMF项与余项分别求均值,得到的n个IMF项均值与1个余项均值作为最终结果,即由EEMD得到的n个IMF项均值与1个余项均值,如下式所示:式中,j=1,2,
…
,N,N为EMD重复总次数;IMF
i
(t)为第...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。