用拟准检定法探测和修复GPS数据中的粗差和周跳
- 格式:pdf
- 大小:209.70 KB
- 文档页数:5
Vol. 27 No. 3 J une 2002
文献标识码 :A
韩保民1 欧吉坤1 柴艳菊1
(1 中国科学院测量与地球物理研究所 ,武汉市徐东路 174 号 ,430077)
摘 要 :用粗差的拟准检定法来探测和修复 GPS 相位观测值中的粗差和周跳 ,概述了用拟准检定法探测和修 复周跳的数学模型 ,并给出了具体实施步骤 ;用两个算例验证了本文方法的可行性和有效性 。 关键词 : GPS 相位观测值 ;粗差 ;周跳 ;探测和修复 ;拟准检定法 中图法分类号 : P228. 41
0. 758 15 0. 002 0. 633 8
0. 879 7 0. 002 0. 674 23
1. 714 4 0. 002 0. 781 14
- 1. 864 9 0. 002 0. 810 1
0. 224 2 0. 002 0. 827 15
0. 755 13 0. 002 0. 943 13
X 为三维未知点坐标改正值组成的向量 , X =
(δX ,δY ,δZ) T ; N 为 k 维整周模糊度向量 ( k 为
模糊度个数) ; L 为 n 维单频双差观测值向量 ;Δ
为 n 维真误差向量 ;观测值的权阵为 P 。令 A =
( A , B ) , X = ( X , N ) ,则双差观测方程可以写成 :
0. 339 14 0. 001 0. 417 7
0. 362 6 0. 001 0. 478 3
- 0. 384 20 0. 001 0. 544 4
0. 420 8 0. 002 0. 578 20
- 0. 465 22 0. 002 0. 600 10
0. 559 18 0. 002 0. 604 9
AX = L + Δ
(2)
其中 , A 为 n ×m 维 ( m = k + 3) 系数矩阵 ; X 为 m
维待估参数向量 ,其他符号意义同上。记 R = I -
A ( AT PA) - 1 A T P ,容易导出如下确定关系式 :
RΔ = - RL
(3)
由于 R 的秩为 n - m , 是秩亏矩阵 , 为此 , 可
周跳的大小 :
下面通过两个算例简要说明用拟准检定法探 测和修复 GPS 相位观测中粗差和周跳的情况 。
例 1 探测一个粗差和一个周跳的情况 。 在一条长为 5 122. 723m 基线上进行实验观 测 ,采样间隔为 15s ,截止高度角为 15°,共观测了 200 个历元 ,本文只取了其中的 5 个历元的观测 数据 。其中组成双差时的 5 个卫星对为 8- 7 、277 、16- 7 、2- 7 和 4- 7 。在第一历元的 4- 7 卫星对上 模拟了一个 0. 12m 的粗差 ,在第四历元的 8- 7 卫 星对上模拟了 1 周的周跳 。由于周跳具有继承 性 ,因此在第五历元的 8- 7 卫星对上也有 1 周的 周跳 (模拟值见表 1 的第 3 列) 。
| W Ⅰ(2) |
0. 048 0. 105 0. 242 0. 244 0. 324 0. 356 0. 389 0. 389 0. 461 0. 539 0. 638 0. 661 0. 674 0. 918 1. 012 1. 030 1. 203 1. 341 1. 936 2. 459 2. 558 2. 817 67. 060 101. 951 103. 907
周跳是载波相位观测值中特有的问题[1~4 ] , 它是提高定位精度的一个限制性因素 。研究表 明 ,未被探测的周跳将主要被整周模糊度参数及 接收机位置改正参数所吸收 ,从而导致对这些参 数的有偏估计 。因此 ,周跳的探测和修复是 GPS 相位数据处理中不可缺少的重要组成部分 。只有 消除了周跳的“干净”的相位数据 ,才能用于精密 定位 。对于周跳探测和修复的研究 ,方法很多 ,例 如多项式拟合法或高次差法可用来探测和修复比 较大的周跳[2~4 ] ;在卫星间求差可用来探测和修 复与卫星有关的周跳[3 ] ;根据平差后的残差可以 发现和修复较小的周跳[3 ] ;也可以用双频 P 码伪 距或根据电离层延迟变化来探测和修复周跳 ,但 这种方法只适用于双频接收机[2 ] ;另外 ,Collin 和 Warnant 利用小波变换来探测和修复周跳 ,也取 得较好的效果[5 ] ,但这种方法需要多个历元的数 据 ;对动态定位中粗差与周跳的探测 ,则常用卡尔 曼滤波的方法[6 ,7 ] 。
表 1 用拟准检定法检测一个粗差和一个周跳的结果
Tab. 1 Results of Detecting One Gross Error and One Cycle Slip by QUAD Met hod
No1 Class
1 0. 150 0. 000 0. 150 14
2
2 0. 115 0. 000 0. 115 13
2
3 0. 073 0. 000 0. 073 12
2
4 0. 126 0. 000 0. 126 20
2
5 0. 131 0. 120 0. 251 7
2
6 0. 156 0. 000 0. 156 18
2
7 0. 115 0. 000 0. 115 9
2
14 0. 121 0. 000 0. 121 11
2
15 0. 125 0. 000 0. 125 16
2
16 0. 147 0. 190 0. 337 1
1
17 0. 117 0. 000 0. 117 2
1
18 0. 074 0. 000 0. 074 3
1
19 0. 121 0. 000 0. 121 4
第 3 期 韩保民等 :用拟准检定法探测和修复 GPS 数据中的粗差和周跳 2 47
G = GQ = (0 , A r T) , P = PQ =
0 0
0 Pr
^
Q = ( Cb T P RCb) - 1 Cb T P RL
(7)
则附加条件可表示为 : GQ PQΔQ = A r T P rΔr = 0
1
ui
No . 2 | Δ^ (1) | | W Ⅰ(1) | No . 3
0. 026 3 0. 000 0. 069 24
0. 034 24 0. 000 0. 100 25
0. 103 19 0. 000 0. 154 22
0. 183 25 0. 001 0. 295 2
0. 303 10 0. 001 0. 328 19
标准参考文献[10 ] 、文献 [ 12 ]) , 其中 “, 0”类观测 “2”类 。此类观测中 , 应视具体情况 , 标准化最小
含粗差的可能性很大 , 不宜选作拟准观测 ;“1”类 观测的结构差 ,可能是强影响点 ,也不选入拟准观
二乘残差 ui 较小的可选入拟准观测 。本例中考 虑到“2”类观测中| u10| 与| u11| 之间有较明显差
注 :No . 表示观测值序号 ,No . 1 、No . 2 、No . 3 分别表示重新排序后的观测值序号 , r 为拟准观测个数 。
1) 初选拟准观测 。先求出残差 V = - RL , 测 。“3”类观测含粗差的可能性小 ,可优先选作拟
然后计算分类指标 ,将观测值分成 4 类 (具体分类 准观测 。除上述三类特殊情况 , 其余观测均归入
粗差定位的基础上的 ,所以本文尝试用拟准检定 法来探测和修复 GPS 相位观测值中的周跳 。本 文采用最常用的相位双差观测值作为检测量序 列 ,用拟准检定法来探测和修复 GPS 相位观测值 中的粗差和周跳 。
1 数学模型
设线性化后的双差观测方程为 :
AX + BN = L + Δ
(1)
式中 , A 为 n ×3 维系数矩阵 ( n 为观测值个数) ;
- 0. 963 21 0. 182 69. 745 21
- 0. 173 16 0. 185 71. 059 16
r = 13
r = 22
| Δ^ (2) |
0. 000 0. 000 0. 000 0. 000 0. 001 0. 001 0. 001 0. 001 0. 001 0. 001 0. 001 0. 001 0. 001 0. 002 0. 002 0. 002 0. 002 0. 002 0. 004 0. 004 0. 005 0. 005 0. 122 0. 185 0. 189 r = 22
第 27 卷第 3 期 2002 年 6 月
武 汉 大 学 学 报 ·信 息 科 学 版 Geomatics and Information Science of Wuhan University
文章编号 :1000- 050X(2002) 03- 0246- 05
用拟准检定法探测和修复 GPS 数据中的粗差和周跳
| W Ⅱ|
0. 039 0. 084 0. 193 0. 195 0. 259 0. 285 0. 310 0. 311 0. 368 0. 431 0. 510 0. 528 0. 539 0. 733 0. 809 0. 823 0. 961 1. 072 1. 546 1. 964 2. 043 2. 250 53. 565 81. 434 82. 997
n 维单位向量 ei = (0 …0 1 0 …0) T (第 i 个分量为
1 ,其余为 0) 标记出来 。如果找到 b 个粗差或周
跳 ,就得到 b 个 n 维单位向量 ej ( j = 1 , 2 , …, b) 。
这 b 个单位向量可确定系数阵 Cb 的结构 , 即 Cb
= ( e1 , …, eb) 。最后可用如下公式来估计粗差或
- 0. 988 23 0. 003 1. 022 18
0. 960 17 0. 003 1. 230 17