面向观测值域的GNSS多路径误差建模与抑制方法研究

来源 :东南大学 | 被引量 : 0次 | 上传用户:usernameing
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着我国BDS的快速发展、Galileo的建设推进以及GPS、GLONASS的改进完善,全球导航卫星系统(GNSS)已被应用到各个行业。GNSS在实际应用中容易受到各种观测误差的影响,通常采用站间/星间差分或绝对误差改正方法以消除或削弱星端、接收机端、电离层和对流层等误差。但多路径误差由于与卫星位置、接收机周围环境以及天线的反射特性有关,具有很大的随机性和复杂性,常规的差分方法并不能有效的抑制,且难以使用普适的先验模型予以改正。本文通过分析多路径误差的产生机理和特性,研究分析了多路径误差的提取和标定方法;在此基础上,针对不同定位场景,提出了三种面向观测值域的函数模型和随机模型以抑制多路径误差,并对其定位性能进行了评估验证。论文的主要工作和贡献如下:(1)分析了多路径误差的产生机理和时空特性,对比了双差、单差、非差三种多路径误差的提取方法,提出了一种基于归一化信噪比的多路径误差标定方法。其中双差模型在应用过程中需要选择和模型中一致的参考星,而单差模型则可以避免这一问题,并适用于多路径图谱的建立。非差多路径误差提取方法主要用于提取伪距多路径,适用于利用多路径周日重复性建立的改正模型。基于归一化信噪比的多路径误差标定方法针对不同类型卫星建立了不同的标定模型,对于GPS和BDS IGSO&MEO,利用归一化后的信噪比与高度角的关系及其重复性,建立标定拟合函数;而对于BDS GEO,则直接对各卫星信噪比观测值的平均值和标准差进行标定。(2)面向复杂环境下短基线伪距差分定位,提出了一种基于单频归一化信噪比的精化随机模型,同时采用一致性检验方法进一步减弱了多路径误差对伪距差分定位的影响。实验结果表明,采用新随机模型后的定位精度优于常规的等权模型和高度角定权模型,定位精度在3D方向上提升了7.1%-33.3%。此外,加入一致性检验算法后的定位精度进一步提升了12.4%-19.5%。两组实验在U方向精度上均有明显提升,说明多路径误差对U定位方向的影响较大。(3)面向中等基线RTK解算,提出了一种顾及伪距多路径的中等基线RTK定位方法,建立了伪距多路径改正的宽巷(WL)解算模型和无电离层-窄巷(IF-L1)模型。重复性分析实验结果表明两个周期的低频多路径之间存在高度相关性。定位实验结果表明,低频多路径改正模型可以降低MW组合序列的RMS值,应用前一周期建立的多路径改正模型后,当前周期的单BDS、GPS+BDS宽巷和IF-L1定位都能快速收敛,并且定位精度在收敛后阶段基本一致,收敛前阶段和整体阶段均有所提升,提升比例约为13%-48%,收敛后精度基本不变。此外,GPS+BDS的宽巷和IF-L1的定位精度均优于单BDS,提升比例约为41%-71%。其定位精度在收敛前接近分米级,宽巷定位解算收敛后单BDS可达到8cm以内,GPS+BDS可达到5cm以内;IF-L1定位解算收敛后单BDS可达到4.5cm以内,GPS+BDS可达到2.5cm以内。(4)面向变形监测载波解算,提出了一种基于单差滤波的多分辨率多路径空间图谱改正方法,并实际应用于桥梁变形监测解算中。实测结果表明各天所建立的图谱具有强相关性,并且多路径改正后模糊度检核Ratio平均值提升约2倍,模糊度固定成功率平均值为99%以上。同时载波残差值的改善效果为10%-40%,最佳网格分辨率为0.2°×0.2°×1°。在算法研究的基础上,开发了一种基于此多路径抑制方法的桥梁变形实时监测软件,用于解决传统检测技术无法长时间连续测量,易受观测环境限制的问题,为桥梁维护、维修与管理决策提供依据和指导。实际运行结果表明,基于单差滤波的多分辨率多路径空间图谱可有效改正桥梁监测环境下接收机所受到的多路径误差。
其他文献
随着物联网技术的不断发展,基于物联网技术的系统被越来越多地应用到了智慧消防领域中。而其中,新兴的窄带物联网(Narrow Band Internet of Things,NB-IoT)技术因其覆盖范围广、容量大、成本低等优势,而备受青睐。传统的智慧消防系统中,大多通过传输传感器的参数并以此进行判别,有着精度低、时效性差等问题,而有的系统则将视频图像通过网络传输到后台进行统一的处理、判别,则有着传输
动态心电(Electrocardiogram,ECG)连续监测是实现心血管疾病早期检测的有效手段,心率(Heart Rate,HR)是心电信号中反映人体心脏搏动状况的重要生理指标,更是心血管疾病评估和诊断的重要基础。然而,动态心电信号中存在大量噪声,心率标注算法易受到信号噪声、个体差异等因素的影响,这使得动态心率估计的可靠性大大降低,造成心率的错误估计,从而影响病人的治疗时机或引起监护人员的警报疲
学位
人和机器人共融的核心是自然人机交互。基于运动想象脑电、稳态视觉诱发电位及事件相关电位的智能假肢、外骨骼机器人和康复机器人等BCI系统在残障人士的生活辅助和运动功能康复等方面取得了一定的研究成果,然而,这些技术仍存在脑机交互不自然的问题,如利用脚部的运动想象来控制神经假肢的功能。实现自然且直观的脑机接口控制可促进用户和BCI系统的共同演化过程,使得用户积极参与并改善康复效果。基于脑电的自然动作解码为
随着移动互联和数字图像处理技术的不断发展,获得数字图像的成本不断降低,同时先进的图像处理工具使得对图像进行操作变得易如反掌。图像操纵可以轻易地实现诸如对象复制、拼接以及删除的操作,被恶意利用产生的篡改图像则可能给社会带来负面影响,误导大众。由于在视觉上可能无法分辨被操纵的区域,如何防范这些篡改图像则是一项艰巨的任务。现阶段已经有了很多针对图像篡改的检测算法,但这些方法大多需要手工特征提取,往往使用
智能通信作为未来通信技术发展的主流研究方向之一,在5G(5th Generation Mobile Communication Systems)加速普及的当下,具有重要的研究价值。智能通信引入人工智能(Artificial Intelligence,AI)技术解决通信难题,例如在物理层的信道估计、信号检测与信道译码等研究问题中,AI辅助的算法设计能够达到甚至超越传统算法性能,展示出巨大研究价值。智
随着物联网技术的蓬勃发展,大量智能终端的应用对未来的无线通信系统提出了支持海量设备同时可靠接入的需求。免调度无线接入系统中,用户终端可以自发向基站发送数据,不需要向基站发起调度请求,从而减少信令开销,降低传输延时和智能设备功耗。这些优势使免调度无线接入技术成为了大规模机器类型通信(massive Machine Type Communications,m MTC)场景下的关键技术之一。然而,由于基
语音增强作为语音信号处理的一个重要分支,在语音通信、听觉辅助、自动语音识别(Automatic Speech Recognition,ASR)系统前端等领域都有重要的应用。早期提出的一些传统单通道语音增强方法,虽然计算简单,但是降噪效果不佳,尤其是对非平稳噪声。近些年兴起的深度学习算法大大提升了单通道语音增强的性能水平。然而,基于深度学习的语音增强模型往往难以有效地泛化到现实场景中。此外,在移动或
激光雷达采集获取的点云数据凭借其准确的深度信息和稳定的存储结构能够有效反映几何模型的形状结构以及雷达周围环境的障碍物信息,因此点云数据处理技术近年来在三维模型分析以及移动机器人导航控制领域得到迅速发展。由于传统分析点云数据的方法往往会选择点云重建或者内部采样的方法,而重建与采样的过程往往繁琐且计算资源消耗大,这就可能导致各类应用工作效率低下。受启发于点云可见性判断的方法,本文引入了可见单元的概念,
近年来,随着MEMS技术的发展,硅微机械陀螺仪的研究得到了快速的发展,并迅速在军事和民用领域有了广泛的应用。本文主要以课题组自研的双质量硅微机械陀螺仪为研究对象,对陀螺仪的噪声性能和标度因数非线性度指标进行了较为深入的分析和研究,本文的主要研究内容如下:(1)驱动回路噪声模型分析。首先,详细介绍了驱动回路测控系统的工作原理,具体分析了各个环节的作用;然后,指出了驱动回路中存在的噪声类型,并建立了驱