GNSS跟踪站多天解融合算法研究

摘要

GNSS跟踪站坐标多天解融合的最直接的目的就是建立地球参考框架，并且也承担着维持和精化地球参考框架的任务。地球参考框架即为地球参考系统的实现，由一系列的相应地球参考系统下的位置和速度精确已知的物理点组成。作为发展卫星导航系统最具重要性的基础设施之一，坐标基准的建立、维持和精化可以直接为卫星导航系统服务，同时也是空间信息基础设施建设的迫切需求。通过国家测绘地理信息局和总参测绘导航局大地测量学者的努力，我国的 CGCS2000框架体系已初步实现。但是，坐标框架的维持和精化是一项长期和持续性的工作。因此，有必要进行多天解融合算法的研究。本文重点研究了如何通过SINEX文件，利用法方程叠加算法，由跟踪站坐标单天解解算得到周解；利用基于参考框架的多天解融合算法进行多天解的融合。主要内容包括以下几个方面：
　　(1)给出了附加参数约束的Gauss-Markoff模型，推导了参数预消除过程，以减小法方程的维数；分别利用所有的观测值单步进行最小二乘解算和分步进行最小二乘解算，并将其结果进行融合，通过比较说明两种方法的结果的一致性，从而引出了法方程层面的整体平差；基于法方程层面平差的需求，进行了参数转换算法的推导；研究了法方程先验约束的引入过程。
　　(2)介绍了SINEX文件的相关内容，从而利用SINEX文件提供的信息进行法方程的恢复；推导了先验约束消除的公式，通过实验说明了先验约束消除前后的解的变化；设计了参数重排算法，对SINEX文件中的参数进行了重新排列；研究了基准约束的类型，通过实验说明了法方程层面的基准转换的可行性；利用法方程的叠加算法进行了单天解解算周解的实验，实验结果表明，自编程序解算得到的跟踪站坐标总体精度在1cm左右。
　　(3)研究了相似变换模型，推导了两个参考框架之间的坐标转换过程；引入最小约束，在保证控制网自己的基准信息不受影响的情况下解决了法方程秩亏的问题；推导了不同参考历元下的一系列坐标解融合解算的公式，在融合解中引入基准以完成融合过程；进行了多天解的融合实验，实验结果表明，自编程序解算得到的跟踪站坐标总体精度在1.5cm左右。
　　(4)研究了跟踪站速度参数的估计模型，由参数转换推导了跟踪站速度参数的引入过程；针对坐标不连续的情况，利用滑动式切比雪夫多项式算法来拟合未知的坐标；进行了跟踪站坐标变化时间序列分析实验来检验将跟踪站速度参数作为固定参数的合理性，实验结果表明，跟踪站周解的坐标变化并不是完全呈线性的。

目录

封面

声明

致谢

中文摘要

英文摘要

目录

1 绪论

1.1 研究背景（Background of the Subject）

1.2 国内外研究现状(Current State in China and Abroad)

1.3 主要研究内容（Main Research Contents）

2 基于法方程的联合平差理论与算法

2.1 附加参数约束的Gauss-Markoff模型（Gauss-Markoff Model with Constrains on Parameters）

2.2 参数预消除算法（The Algorithm of Parameter Pre-elimination）

2.3 序贯平差（Sequential Adjustment）

2.4 序贯最小二乘的相关应用（Applications Related to Sequential LSE）

2.5 参数转换(Parameter Transformations)

2.6 法方程的先验约束(The Transcendent Constrains for Normal Equation)

2.7 本章小结(Summary)

3 基于法方程叠加的坐标周解算法

3.1 SINEX 文件及法方程的恢复(SINEX Files and Normal Equation Systems Reconstruction)

3.2 先 验 约 束 的 消 除 (The Elimination of Transcendent Restriction)

3.3 参数重排算法(The Algorithm of Parameters Rearrangement)

3.4 先 验参 数转 换 (The Transformation of Transcendent Parame ters )

3.5 基准约束(The Restriction of Datum )

3.6 单 天 解 解 算 周 解 实 验 (The Experiment of Using Daily-solutions to Calculate Weekly-solutions)

3.7 本章小结(Summary)

4 基于参考框架融合的多天解算法

4.1 相似变换模型(The Model of Similarity Transformation)

4.2 最小约束(Minimal Constrain)

4.3 融合模型(The Combination Model)

4.4 基准引入(The Introduction of Datum)

4.5 多天解融合实验(Experiment of multi-day solutions )

4.6 本章小结(Summary)

5 跟踪站速度参数估计

5.1 跟踪站速度参数估计模型(The Estimaton Model of Velocity Parameter on Station)

5.2 利用滑动式切比雪夫多项式拟合未知坐标( Using Sleek Chebyshev Polynomial to Fit the Unknown Coordinate)

5.3 跟踪站速度参数估计问题(Problems on the Estimaton of Velocity Parameter on Station)

5.4 本章小结(Summary)

6 结论

参考文献

作者简历

学位论文数据集