多基站Multi‑GNSS长基线近实时形变监测方法

摘要

本发明提供了一种基于多基站的Multi‑GNSS长基线近实时形变监测方法，为了提高长基线解算精度，本发明利用超快速Multi‑GNSS卫星轨道产品减少轨道误差对基线解算的影响；利用多次后验残差编辑迭代，尽量提出数据异常对基线解算的影响；利用滑动窗口批处理模式，可以实现近实时高精度基线解算；利用多基准站联合处理模式，可以提高基线解算的精度与稳定性；采用创新的模糊度处理策略，进一步提高基线解算精度。为了提高数据处理效率，本发明利用法方程叠加技术，充分利用以前法方程信息，规避解算重复性；利用共用基准站处理，规避相同基准站的重复处理；利用非差处理模式，可以充分利用分布式计算优势，提高数据处理效率。

说明书

技术领域

本发明涉及形变监测技术领域，具体涉及一种基于多基站的Multi-GNSS长基线近实时形变监测方法。

背景技术

GNSS(Global navigation satellite system，全球卫星定位系统)形变监测是关乎人民生命财产安全的重要技术，在危房监测、滑坡监测、大坝监测等工况有大量应用。传统形变监测只是为了解决具体业务开展的，随着国民经济的发展，大范围形变监测业务需求日趋明显，如全国范围的危房监测、长距离铁路沿线滑坡监测、长距离电力铁塔沉降监测等。

GNSS形变监测需要布设大量基准站，支持全国范围的毫米形变监测服务，传统近实时监测服务基线长度在15公里左右。为满足全国范围的危房监测、长距离铁路沿线滑坡监测、长距离电力铁塔沉降监测等大区域跨度的近实时形变监测业务需求，目前传统的中短基线长度的算法不能满足大范围的业务需求，并且传统处理算法对于上万监测点的工况，处理效率不高。此外，传统形变监测是为具体需求开展的业务，用户量较少。

发明内容

本发明提出了利用长基线进行近实时毫米级形变监测，为了提高近实时长基线处理精度，从后验残差编辑迭代、滑动窗口处理、多基准站联合处理、模糊度固定策略处理方面进行了改进；为了提高海量用户高效率处理，除了分布式处理以外，还从非差模式并行处理、共用基准站处理、法方程叠加方面进行了优化。

本发明解决了以下技术问题：

1)可以有效减少国内基准站部署数量，充分利用现有基准站资源。

2)并提出了一种高效率数据处理策略，包括短弧法方程合并与非差分布式处理模式可以有效减少计算资源，提供全国范围内近实时形变监测服务，并降低服务成本。

本发明采用的技术方案是：

一种基于多基站的Multi-GNSS长基线近实时形变监测方法，其特征在于，包括以下步骤：

根据监测点坐标，结合基准站分析，利用基准站选择策略，给出参与解算的基准站列表；

根据参与解算的监测点数据进行子任务划分，执行云平台分布式处理；

云平台分布式处理利用超快速Multi-GNSS卫星轨道产品减少轨道误差对Multi-GNSS近实时长基线解算的影响。

进一步地，所述基准站选择策略具体包括以下步骤：

步骤1，根据监测点坐标，筛选距离100km以内的基准站；

步骤2，根据基准站坐标稳定信息，筛选绝对坐标点位重复率小于水平3mm、垂直6mm的基准站；

步骤3，根据基准站数据质量信息，筛选满足准入标准的基准站；

步骤4，根据方位角，将候选的基准站划分到六个区，在每个区选择距离监测点最近的基准站；

步骤5，给出参与解算的基准站列表。

进一步地，候选的基准站按照以下方法划分到六个区：

1区，0°～60°；

2区，60°～120°；

3区，120°～180°；

4区，180°～240°；

5区，240°～300°；

6区，300°～360°。

进一步地，所述Multi-GNSS近实时长基线解算具体包括以下步骤：

利用超快速Multi-GNSS卫星轨道产品，对基准站和监测点进行非差PPP处理，并进行后验残差编辑迭代，剔除异常数据，生成当前弧段的法方程信息，当前弧段的法方程之前有m-1个法方程；

利用滑动窗口批处理，将当前弧段的法方程与之前m-1个法方程合并成长弧法方程；

采用模糊度固定策略，多基准站采用独立基线对，基线对上卫星对也采用独立卫星对，对基线对上的卫星对的宽巷/窄巷模糊度固定概率进行筛选；

采用宽巷与窄巷组合模式进行模糊度固定，将模糊度固定信息加入到长弧法方程中更新长弧法方程，重复进行宽巷/窄巷模糊度筛选与模糊度固定处理。

进一步地，对基准站和监测点进行非差PPP处理需要估计的参数包括包括：卫星钟差、接收机钟差、坐标、天顶对流层延迟、卫星系统间延迟、卫星频率间延迟。

进一步地，所述模糊度固定策略采用双差模糊度约束加入长弧法方程，实现模糊度固定与多基准站联合处理。

进一步地，所述双差模糊度约束等效于对四个非差模糊度加上约束条件，定义双差模糊度的虚拟观测值V_B：

其中，为固定的无电离层组合的双差模糊度，P_B为双差模糊度虚拟观测值的权值，D是非差模糊度的投影矩阵，X是待估参数向量；

其中，和代表两颗卫星，代表两个接收机，为测站与卫星之间的非差模糊度，为测站与卫星之间的非差模糊度，为测站与卫星之间的非差模糊度，为测站与卫星之间的非差模糊度；

基于公式(11)和公式(12)的约束，最小二乘解的形式改写为公式(13)，实现从非差到双差基线处理的转换：

其中，A是系数矩阵，P是权值阵，L是观测值减去模型计算值，NX＝W，N是法方程，X_new为加了双插模糊度约束的X，N_new为加了双插模糊度约束的法N，W_new为加了双插模糊度约束的W。

进一步地，如果施加多条基线的双差模糊度约束，即可实现多基准站联合融合处理。

进一步地，在模糊度固定处理中模糊度需要达到95％。

进一步地，所述云平台分布式处理具体包括以下步骤：

设置n个监测点参与非差PPP处理子任务划分，设置q个基准站参与非差PPP处理子任务划分，设置p台云服务器参与非差PPP处理子任务划分；

通过非差PPP处理子任务划分模块将监测点与基准站的处理任务划分到不同的云处理服务器上进行并行处理；

对于监测点与基准站的短弧法方程回收并合并，划分到云服务器上进行并行处理；

进行模糊度固定处理。

本发明的有益效果如下：

1)提出了近实时长基线解算算法，解决了长基线近实时处理精度不高的问题，核心创新点：利用超快速Multi-GNSS(Mulit-Global navigation satellite system，多模全球卫星定位系统)卫星轨道产品减少轨道误差对基线解算的影响、利用多次残差迭代可以提高基线处理精度与稳定性、利用滑动窗口批处理模式可以实现近实时高精度基线解算、利用多基准站联合处理模式可以提高基线解算的精度与稳定性、采用创新的模糊度处理策略可以提高长基线模糊度固定率进一步提高精度。

2)基于非差处理模式，通过虚拟观测值方式施加双差模糊度约束，可以灵活实现多基准站处理技术，有利于更细粒度进行分布式子任务划分，可以充分利用分布式计算优势，子任务划分灵活，提高数据处理效率；提出了短弧法方程合并成长弧法方程的方法，可以避免滑动窗口批处理中的冗余处理，进一步提高解算效率。

附图说明

图1是本发明多基站Multi-GNSS近实时长基线形变监测总体流程图。

图2是本发明基准站选择流程图。

图3是本发明基准站选择示意图。

图4是本发明Multi-GNSS近实时长基线解算流程图。

图5是本发明分布式解算原理示意图。

具体实施方式

为了提高长基线解算的稳定性与精度，本发明采用多基准站联合处理模式。由于单基准站数据中断、卫星观测几何周期性变化、基准站稳定性不同、基准站数据质量不同、基准站与监测点几何距离不同、基准站相对于监测点的几何分布不同，选择不合适的基准站对监测精度影响比较大。本发明提出了一种监测点周边多基准站选择策略，并根据一定阈值自动选择参与解算基准站，初步保证长基线解算的稳定性与精度。

为了提高长基线解算精度，本发明利用超快速Multi-GNSS卫星轨道产品减少轨道误差对基线解算的影响；利用多次后验残差编辑迭代，尽量提出数据异常对基线解算的影响；利用滑动窗口批处理模式，可以实现近实时高精度基线解算；利用多基准站联合处理模式，可以提高基线解算的精度与稳定性；采用创新的模糊度处理策略，进一步提高基线解算精度。

为了提高数据处理效率，本发明利用法方程叠加技术，充分利用以前法方程信息，规避解算重复性；利用共用基准站处理，规避相同基准站的重复处理；利用非差处理模式，可以充分利用分布式计算优势，提高数据处理效率。

下文中，结合附图和实施例对本发明作进一步阐述。

图1是本发明多基站Multi-GNSS近实时长基线形变监测总体流程图，包括以下步骤：根据监测点坐标，结合基准站分析，利用基准站选择策略，给出参与解算的基准站列表；根据参与解算的监测点数据进行子任务划分，执行云平台分布式处理，提高处理效率。

图2是本发明基准站选择流程图，包括以下步骤：第一步根据监测点坐标，筛选距离100km以内的基准站；第二步根据基准站坐标稳定信息，筛选绝对坐标点位重复率小于水平3mm、垂直6mm的基准站；第三步根据基准站数据质量信息，筛选满足准入标准的基准站；第四步根据方位角，将候选的基准站划分到六个区，如图3所示(1区，0°～60°；2区，60°～120°；3区，120°～180°；4区，180°～240°；5区，240°～300°；6区，300°～360°)，在每个区选择距离监测点最近的基准站；最后给出参与解算的基准站列表。

本发明优选实施例：70公里基线，监测精度为水平2mm、垂直4mm，解算更新频率为1小时。

图4是本发明Multi-GNSS近实时长基线解算流程图。首先利用超快速Multi-GNSS卫星轨道产品，对基准站和监测点进行非差PPP处理，估计参数包括：卫星钟差、接收机钟差、坐标、天顶对流层延迟、卫星系统间延迟(ISB)、卫星频率间延迟(IFB)，并进行后验残差编辑迭代，剔除异常数据，生成当前弧段的法方程信息(公式、矩阵详细描述、各个重要参数的具体描述)：

其中，为GPS无电离层载波相位观测值，为GLONASS(俄罗斯格洛纳斯卫星导航系统)无电离层载波相位观测值，为BDS(中国北斗卫星导航系统)无电离层载波相位观测值，G代表GPS，R代表GLONASS，C代表BDS，i代表接收机，j代表卫星编号，ρ是卫星到接收机的几何距离，是卫星位置[x^j>j>j]^T与接收机坐标[x_i>i>i]^T的函数，M是对流层模型映射函数，T是天顶对流层延迟，c是光速，λ是波长，是接收机GPS时下钟差，dt^j是卫星钟差，是卫星j到接收机i之间的信号传播时间，ISB_R-G与ISB_C-G是系统间偏差，l_j是GLONASS卫星的频率标号，IFB_i是接收机载波相位频间偏差，b_i与b^j分别为接收机与卫星的相位小数偏差，B是模糊度参数。

本发明在做非差PPP处理时，采用超快速Multi-GNSS卫星轨道产品对[x^j>j>j]^T进行固定；模糊度固定采用双差约束模式，将b_i与b^j统一到非差模糊度参数中，以后提到模糊度包含了硬件相位小数偏差项。非差PPP处理需要估计的参数包括，接收机坐标[x_i>iz_i]^T、接收机钟差卫星钟差dt^k、系统间偏差ISB_R-G与ISB_C-G、频间偏差IFB_i、天顶对流层延迟T、模糊度参数B。

公式(2)是误差方程，A是系数矩阵，X是待估参数向量，V是残差向量，是先验值的虚拟观测值，L为观测值减去模型计算值，P是权值阵，X₀与是参数向量的先验值和取值阵，相应的法方程为，NX＝W，N是法方程。为了提高解的精度与稳定性，需求对后验残差进行迭代编辑，剔除异常数据，基本原理如下，第k个历元的验后残差相对于第k-1历元残差的变化量可表示为，

Δv_k＝v(k)-v(k-1)>

连续观测弧段内各历元的残差平均值和均方差可表示为，

剔除最大的残差变化量max(Δv)后，对各历元的残差变化再次求均值与均方差，是观测值个数，

如果满足以下条件，

δ＞k₀δ_new

max(Δv)＞J₀>

其中k₀、J₀是设定的阈值，则历元k可能发生周跳和粗差，继续检查第k+1个历元。如果第k+1个历元也超限，而且残差变化量也超限，则认为k历元为粗差。否则，认为在第k个历元发生了周跳。把第k个历元作为新残差弧段的开始历元，重新进行判断。

经过多次非差PPP(Precise Point Positioning，精密单点定位)处理与后验残差编辑，可以得到干净的法方程N，为了增强解的稳定性，需要进行长弧段解算，为了提高解算效率避免冗余处理，利用滑动窗口批处理，利用之前m-1个法方程与当前法方程合并，相邻两个方法的边界约束条件如公式(7)所示，其中V_k，k+1是边界约束条件的虚拟观测值，X_k与X_k+1是两个弧段的估计参数改正值，P_k，k+1是虚拟观测值的权重值，L_k，k+1是观测值减去模型计算值。相邻法方程合并实际上是带附加虚拟观测值约束的平差问题，采用最小方差估计，性能函数最小，满足方程(8)。

V_k，k+1＝Φ(t_k+1，t_k)X_k-X_k+1，P_k，k+1-L_k，k+1>

其中，t_k是历元k的时间，t_k+1是历元k+1的时间，Φ(t_k+1，t_k)是状态转移矩阵，V_k与P_k是k历元残差向量与权重值，V_k+1与P_k+1是k+1历元残差向量与权重值，min代表让这个公式表述的值最小。

根据可得，

其中，N_k是k历元的法方程，N_k+1是k+1历元的法方程。考虑k历元法方程、k+1历元法方程以及历元间约束信息的，合并后的法方程为公式(10)所示，利用该合并方法可以充分利用长弧解算的稳定性并可以避免冗余非差PPP处理提高处理效率。

为了避免单基准站故障，减弱卫星几何对结果的影响，增强结果的稳定性，采用多基准站模式，采用双差模糊度约束加入的法方程中实现模糊度固定与多基准站联合处理效果。双差模糊度问题等效于对四个非差模糊度加上适当的约束条件，定义双差模糊度的虚拟观测值V_B，

其中，为固定的无电离层组合的双差模糊度，P_B为虚拟观测值的权值，D是非差模糊度的投影矩阵，

其中，和代表两颗卫星，代表两个接收机，为测站与卫星之间的非差模糊度。考虑以上约束，最小二乘解的形式可改写为公式(13)，实现从非差到双差基线处理的转换，如果施加多条基线的双差模糊度约束，即可实现多基准站的融合处理模式，增强处理结果的可靠性。

其中，X_new、N_new、W_new分别为加了双插模糊度约束的X、N、W。

与其它双差模糊度固定策略相比，利用本发明的算法，固定模糊度可以从法方程中消去，计算效率可以得到大幅度提升。

采用创新的模糊度固定策略，多基准站采用独立基线对，基线对上卫星对也采用独立卫星对，采用类似选择独立基线的策略进行独立卫星对的选取，对基线对上的卫星对的宽巷(WL)/窄巷(NL)模糊度固定概率进行筛选。

采用宽巷与窄巷组合模式进行模糊度固定，首先固定宽巷模糊度B_w，B₁是L1频率上的模糊度，B₂是L2频率上的模糊度，宽巷双差模糊度由四个非差模糊度组成，如公式(15)所示，宽巷双差模糊度方差值由误差传播公式(16)得出。根据公式(17)可以得出双差宽巷模糊度的固定概率Prob_w，其中B是模糊度参数，σ是估计方差值，是B的最近整数值。

B_w＝B₁-B₂>

利用公式(19)与(20)，可以得到窄巷双差模糊的估计值以及估计方差其中与是无电离层组合双差模糊度值与估计方差值，可以通过公式(17)得到窄巷双差模糊度固定概率Prob_n，

Prob_w＞Prob₀，Prob_n＞Prob₀>

对通过筛选公式(21)的卫星对进行模糊度固定，其中Prob₀是模糊度固定概率阈值，将模糊度固定信息加入到法方程中更新法方程，重复进行模糊度筛选与固定处理直到95％的模糊度被固定。

图5是本发明分布式解算原理示意图。如图5所示，设置参与某次处理的监测点Mon₁，Mon₂，...，Mon_n共计n个，参与处理的基准站Ref₁，Ref₂，...，Ref_q共计q个，参与处理的云服务器Ser₁，Ser₂，...，Ser_P共p台，由于本发明采用非差PPP处理模式，可以通过非差PPP处理子任务划分模块将监测点与基准站的处理任务划分到不同的云处理服务器上进行并行处理，对于监测点与基准站的短弧法方程合并有可以进行划分到云处理服务器上进行并行处理，在模糊度固定阶段可以根据公式(11)～(13)施加双差模糊度约束实现单个监测点的多基准站联合坐标解算，通过以上策略，可以充分利用分布式计算优势，更适用于海量数据处理的场景。

本发明核心处理代码利用C/C++，自动化控制利用Python语言。

本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。