一种用于削弱GNSS多路径误差的组合滤波方法技术

本发明专利技术公开了一种用于削弱GNSS多路径误差的组合滤波方法，包括以下步骤：(1)读取GNSS观测数据的原始坐标序列；(2)利用集合经验模态分解将原始坐标序列分解为一系列本征模态函数项与余项；(3)利用分类指标k1与k2把IMF项与余项细分为噪声项、过渡项和有用项；(4)舍弃噪声项，对过渡项进行小波滤波处理；(5)对有用项滤波后的过渡项重构，得到当天的多路径误差序列；(6)按照上述步骤对原始坐标序列处理，将第一天提取到的多路径误差序列作为参考信号，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；(7)恢复多路径误差序列的幅值并作为误差改正模型，与原始坐标序列做减，得到改正后的坐标序列；(8)输出多路径误差改正后的坐标序列。正后的坐标序列。正后的坐标序列。

A combined filtering method for reducing GNSS multipath error

【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应分解为若干个本征模态函数(IMF)项与1个余项的特点，能够有效、快速地提取到信号中的有用成分，在多路径误差处理上展现出独特的优势，但其效果受限于白噪声添加量，白噪声量过多过少都会导致最终效果不理想。
[0004]作为GNSS变形监测的主要误差源，多路径效应严重影响变形监测准确度。随着GNSS技术在变形监测中的应用普及，迫切需要一种便于计算机运算、理论严密、性价比高的多路径误差处理方法，实现GNSS实时高精度监测。

技术实现思路

[0005]为了解决上述
技术介绍
提到的技术问题，本专利技术一种用于削弱GNSS多路径误差的组合滤波方法，针对Wavelet、EEMD的多路径误差处理上存在的不足实现更有效地削弱多路径误差。
[0006]为了实现上述技术目的，本专利技术的技术方案为：
[0007]一种用于削弱GNSS多路径误差的组合滤波方法，包括以下步骤：
[0008]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；
[0009]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；
[0010]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；
[0011]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；
[0012]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；
[0013]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；
[0014]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；
[0015]步骤八、结束解算，输出多路径误差改正后的坐标序列。
[0016]优选地，所述步骤二中，EEMD处理过程步骤如下：
[0017]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；
[0018]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：
[0019](221)令y
m
(t)＝R
i
‑1(t)，i＝1；
[0020](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；
[0021](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)；
[0022](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；
[0023](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：
[0024][0025]式中，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；
[0026]23)重复步骤21)与22)N次，得到N组IMF项与余项；
[0027]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：
[0028][0029]式中，j＝1,2,
…
,N，N为EMD重复总次数；IMF
i
(t)为第i个IMF项均值，R
n
(t)为余项均值。
[0030]优选地，所述步骤三中，分类指标k1的确定步骤如下：
[0031]31)通过EEMD处理，从第k个IMF项均值开始重构的坐标序列表示为如下：
[0032][0033]32)利用连续均方根误差准则计算2个连续重构的坐标序列间的平方欧氏距离，计算如下：
[0034][0035]式中，k＝1,2,3,....,n
‑
1；L为坐标序列的长度，即历元数；
[0036]33)根据k取值范围计算出CMSE值，当CMSE值首次出现极小值处的k值作为过渡项的起点，即k＝k1：
[0037][0038]式中，argfirstlocalmin(
·
)为获取首次极小本文档来自技高网...

【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...

【专利技术属性】
技术研发人员：于先文，郭树森，
申请(专利权)人：东南大学，
类型：发明
国别省市：