论文部分内容阅读
在全球导航卫星系统(Global Navigation Satellite System,GNSS)组合定位策略中,利用基线间的相关性,布设GNSS基线网的技术被广泛地应用于变形监测的诸多领域之中。目前,影响GNSS基线网平差精度的主要因素为:网型的布设,组成基线的精度以及卫星的组合策略。网型的布设技术现已趋于成熟,而如何针对后者进行改进仍需要进一步研究。本文针对GNSS基线网解算中,由于卫星数据冗余与卫星数据质量参差不齐,导致网平差解算中卫星组合不合理且定位精度不高的问题,引入非支配排序遗传算法Ⅱ(Nondominated Sorting Genetic AlgorithmⅡ,NSGA-Ⅱ)确定基线网中合理卫星组合,并进行改进;同时,针对基线解算中随机模型不精确的问题,采用赫尔默特方差分量估计(Helmert Variance Component Estimation)确定系统间的权比,为选星策略提供更加可靠精确的定位值。本文的主要研究内容与成果如下:(1)本文分析了 GNSS基线网解算中时空基准统一、基线解算模型,自由网平差模型与精度评定这三个核心步骤。并着重分析针对GPS/GLONASS/BDS/Galileo四系统基线解算中随机模型不精确问题,采用Helmert方差分量估计确定系统间权比,提高基线精度、改善GNSS网平差结果。该方法属于验后方差,利用预平差后的残差改正数,实时估计出各个系统的载波相位观测值间的权比,优化随机模型。通过进行在系统内部均使用高度角定权,而系统间分别采用Helmert定权模型与等权模型的对比实验,验证该算法的精确性。实验结果表明,与等权模型相比,采用Helmert定权模型下的解算精度在X、Y、Z方向与点位误差上均有着不同程度的提升,更加具有可靠性。(2)针对GNSS基线网中卫星数据冗余、质量参差不齐,导致卫星组合不合理、定位精度下降的问题,提出采用NSGA-Ⅱ多目标遗传算法提供合理的卫星子集方案、以满足网内各个监测点整体精度最优。该算法属于智能优化算法,通过模仿“优胜劣汰,适者生存”的自然进化法则,在“种群”中沿着进化方向,逐代保留优秀“个体”,多次迭代最终得到最优解。以GNSS网平差点位精度最小为进化方向,每组卫星组合作为“个体”,采用NSGA-Ⅱ多目标遗传算法为GNSS网提供最优的选星策略。实验结果表明,采用NSGA-Ⅱ多目标遗传算法得到的选星组合,能够综合考虑多种误差对定位结果的影响,突破传统选星对几何精度因子(Geometric Dilution of Precision,GDOP)的依赖,与理论上 GDOP 值最优卫星组合的定位结果相比,定位精度更高更具有可靠性。(3)根据GNSS基线网平差原理与本文研究内容,编写了基于GNSS多系统组合的基线网解算软件。该软件有以下三个功能:①实现多系统单点定位、相对定位与自由网平差解算的功能;②在多系统解算模块,给出基于Helmert方差分量估计确定的系统间的权比;③在GNSS基线网解算模块,采用NSGA-Ⅱ算法给出合理的选星方案。图[21]表[4]参[90]