[发明专利]一种用于削弱GNSS多路径误差的组合滤波方法

说明书

本发明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。

技术领域

本发明属于测绘领域，涉及一种用于削弱GNSS多路径误差的组合滤波方法.

背景技术

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。

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。

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。

发明内容

为了解决上述背景技术提到的技术问题，本发明一种用于削弱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。

为了实现上述技术目的，本发明的技术方案为：

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：

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；