CN110674603B - 一种gnss观测数据仿真方法及*** - Google Patents
一种gnss观测数据仿真方法及*** Download PDFInfo
- Publication number
- CN110674603B CN110674603B CN201910830798.5A CN201910830798A CN110674603B CN 110674603 B CN110674603 B CN 110674603B CN 201910830798 A CN201910830798 A CN 201910830798A CN 110674603 B CN110674603 B CN 110674603B
- Authority
- CN
- China
- Prior art keywords
- simulation
- data
- reference station
- point
- baseline
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 359
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000004364 calculation method Methods 0.000 claims abstract description 24
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 18
- 230000003993 interaction Effects 0.000 claims abstract description 13
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 230000003068 static effect Effects 0.000 claims description 21
- 238000005094 computer simulation Methods 0.000 claims description 19
- 239000005436 troposphere Substances 0.000 claims description 19
- 239000005433 ionosphere Substances 0.000 claims description 13
- 238000010801 machine learning Methods 0.000 claims description 9
- 230000006855 networking Effects 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 238000012797 qualification Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Algebra (AREA)
- Operations Research (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Probability & Statistics with Applications (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开一种GNSS观测数据仿真方法及***,该***包括基础采集层、交互设置层及核心仿真层,基础采集层用于获取仿真所用基础数据,交互设置层用于获取用户输入的设置指令,并将所述设置指令转换成仿真设置参数,还用于***运行状态和仿真结果的显示与输出,核心仿真层用于进行数据预处理、数据解算和数据仿真。该方法包括获取所述合格仿真点的坐标;确定所述合格仿真点所在网元;按照指定仿真数据时段匹配计算所述合格仿真点所在网元的基准站数据和基线数据;采用虚拟参考站算法生成各个所述合格仿真点的仿真观测数据。本发明提高了仿真容量,充分考虑了仿真点之间误差的时空关系,进而更逼真的还原数据中各项误差原始特性。
Description
技术领域
本发明涉及卫星定位数据仿真技术领域,特别是涉及一种GNSS观测数据仿真方法及***。
背景技术
随着卫星导航技术的广泛应用,GNSS(Global Navigation Satellite System,全球导航卫星***)连续观测基准站的服务领域也在不断扩大,涉及交通、农业、工程建设、地学研究诸多方面。针对不同的应用场景已发展出各种相关数据处理技术,但多用于用户定位精度及可靠性的增强,将基准站的实测数据用于数据仿真领域并不多见。
传统的GNSS数据仿真方法及***多在封闭式全仿真环境内进行,其中存在的不足之处在于***仿真容量较小,不能满足大规模仿真点数据共同生成的需要,并且不能很好还原数据中各项误差原始特性,仿真点之间误差的时空关系考虑较不充分。
因此,如何提供一种仿真效果更符合实际的GNSS观测数据仿真技术成为本领域亟需解决的问题。
发明内容
本发明的目的是提供一种GNSS观测数据仿真方法及***,以提高仿真容量,充分考虑仿真点之间误差的时空关系,进而更逼真的还原数据中各项误差原始特性。
为实现上述目的,本发明提供了一种GNSS观测数据仿真***,所述***包括:
基础采集层,所述基础采集层用于获取仿真所用基础数据,所述仿真所用基础数据包括基准站实时观测数据、基准站历史观测数据、基准站组网信息、基线大气参数实时解算数据和基线大气参数历史解算数据;
交互设置层,所述交互设置层用于获取用户输入的设置指令,并将所述设置指令转换成仿真设置参数;还用于***运行状态和仿真结果的显示与输出;
核心仿真层,所述核心仿真层连接于所述基础采集层与所述交互设置层之间;所述核心仿真层用于接收所述基础采集层传输的所述仿真所用基础数据和所述交互设置层传输的所述仿真设置参数,利用所述仿真所用基础数据按照所述仿真设置参数进行数据预处理、数据解算和数据仿真,将***运行状态和仿真结果发送至所述交互设置层进行展示输出。
可选的,所述核心仿真层包括消息收发模块、仿真点计算和网元匹配模块、prophet拟合预测模块及综合解算模块;
所述消息收发模块用于实现所述仿真所用基础数据、所述仿真设置参数、所述***运行状态和所述仿真结果的收发;
所述仿真点计算和网元匹配模块用于根据所述仿真所用基础数据和所述仿真设置参数计算仿真点的坐标、确定仿真点所在网元和匹配对应时段网元实测数据;
所述prophet拟合预测模块用于利用Prophet机器学习算法拟合对应网元在仿真时段内基准站数据和基线数据;
所述综合解算模块用于计算对应网元基线大气参数、生成仿真点对应的仿真观测数据、分析仿真数据的质量和输出所述***运行状态和仿真结果。可选的,所述消息收发模块采用反应器模式。
可选的,所述匹配对应时段网元实测数据为按照指定仿真数据时段匹配计算所述合格仿真点所在网元的基准站数据和基线数据;所述基准站数据包括GNSS***中各卫星的星历、伪距以及载波观测量;所述基线数据指对应于基线的大气参数,所述基线的大气参数包括双差电离层延迟量和双差对流层延迟量。
本发明还提供了一种GNSS观测数据仿真方法,所述方法包括:
设置并计算所述合格仿真点的坐标;
根据基准站三角组网结果确定所述合格仿真点所在网元;
按照指定仿真数据时段匹配计算所述合格仿真点所在网元的基准站数据和基线数据;所述基准站数据包括GNSS***中各卫星的星历、伪距以及载波观测量;所述基线数据指对应于基线的大气参数,所述基线的大气参数包括双差电离层延迟量和双差对流层延迟量;
依据所述基准站数据和所述基线数据采用虚拟参考站算法生成各个所述合格仿真点的仿真观测数据。
可选的,所述设置并计算所述合格仿真点的坐标,具体包括:
设置仿真点生成模式,所述仿真点生成模式包括手动输入模式和自动生成模式;
当所述仿真点生成模式为手动输入模式时,获取输入的第一仿真点坐标;判断所述第一仿真点坐标是否在基准站覆盖范围内,当所述第一仿真点坐标不在基准站覆盖范围内时,重新输入所述第一仿真点坐标,返回“设置并计算所述合格仿真点的坐标”的步骤;当所述第一仿真点坐标在基准站覆盖范围内时,确定所述第一仿真点坐标为合格仿真点;
当所述仿真点生成模式为自动生成模式时,配置第二仿真点生成策略,根据配置信息计算所述第二仿真点的坐标,得到合格仿真点。
可选的,所述配置第二仿真点生成策略具体包括:
获取用户输入的第二仿真点数量和指定第二仿真点运动状态;所述第二仿真点运动状态包括静态和动态;所述静态的仿真点生成方式包括随机生成和网格生成;所述网格生成的仿真点生成参数包括格网形状和划分规则;所述动态仿真点运动状态包括匀速运动和变速运动;所述动态仿真点运动轨迹有直线、四边形、圆和随机四种模式;
当所述第二仿真点的运动状态为静态时,确定静态仿真点的生成方式,当所述静态仿真点的生成方式为随机生成时,则根据所述用户输入的第二仿真点数量在基准站覆盖范围内随机生成第二仿真点;当所述静态仿真点的生成方式为格网生成时,按照配置的格网划分参数在基准站覆盖范围内生成第二仿真点;
当所述第二仿真点的运动状态为动态时,确定所述动态仿真点运动状态和动态仿真点运动轨迹,并按照所述动态仿真点运动状态和动态仿真点运动轨迹动态在基准站覆盖范围内生成第二仿真点。
可选的,所述按照指定仿真数据时段匹配计算所述合格仿真点所在网元的基准站数据和基线数据,具体包括:
判断所述指定仿真数据时段内所述网元是否有基准站实测观测数据,得到第一判断结果:
当所述第一判断结果表示是时,按照所述指定仿真数据时段匹配确定对应时段内所述网元的基准站实测观测数据;根据各个对应时段内所述网元的基准站实测观测数据确定所属网元全局参考星;
以所述网元全局参考星为基准,解算各个基线得到所述基线数据;
当所述第一判断结果表示否时,使用所述网元内的基准站已有观测数据求解基线大气参数;
利用Prophet机器学习算法对所述指定仿真数据时段内所述网元的基准站数据和所述基线大气参数进行时间序列拟合,通过回归的方式推算出所述指定仿真数据时段内所述网元的所述基准站数据和所述基线数据。
可选的,所述依据所述基准站数据和所述基线数据采用虚拟参考站算法生成各个所述合格仿真点的仿真观测数据,具体包括:
选取所述网元内距离所述合格仿真点最近的基准站作为网元主参考站;
以所述合格仿真点为虚拟参考站,计算由所述虚拟参考站与所述网元主参考站构成的虚拟基线的双差电离层误差和双差对流层误差;
通过将网元基线的双差电离层延迟量代入LIM内插模型,计算获得所述虚拟基线的双差电离层延迟量;
通过将网元基线的双差对流层延迟量代入LSM内插模型,计算获得所述虚拟基线的双差对流层延迟量;
利用所述虚拟基线的双差电离层误差和双差对流层误差构造仿真观测量,得到所述合格仿真点的仿真观测数据。
可选的,在所述依据所述基准站数据和所述基线数据采用虚拟参考站算法生成各个所述合格仿真点的仿真观测数据之后,还包括:
对所述仿真观测数据进行质量分析,具体包括以下步骤:
判断各个所述合格仿真点的仿真观测数据是否满足合格指标,若满足,则确定所述仿真观测数据合格;若不满足,则确定所述仿真观测数据不合格,返回“设置并计算所述合格仿真点的坐标”的步骤;所述合格指标包括单点定位精度、定位精度因子、所述指定仿真时段内可见卫星数和数据可用率中的一种或多种。
根据本发明提供的具体实施例,本发明公开了以下技术效果:相比于传统的GNSS数据仿真方法及***,本发明利用已建成的基准站实测观测数据,将基准站实测观测数据引入数据仿真过程可更好地描述仿真区域内各误差的特性以及仿真点之间的时空相关性,提升仿真数据整体逼真程度。
本发明还通过引入机器学习算法Prophet可提高时间序列拟合预测精度,降低过拟合风险;另外***的核心消息处理机制基于反应器模式设计,能够提升实时的数据吞吐,满足在大规模仿真场景下的运行要求,可完成大规模数据仿真,能够提升***的并发和负载能力。
本发明为GNSS算法验证、程序软件设计提供测试平台,为GNSS信号源设备的设计和制造提供数据对照,为高精度导航服务的提供、应用与发展提供技术参考。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的GNSS观测数据仿真***的***架构及内部数据交互示意图;
图2为本发明实施例提供的GNSS观测数据仿真方法的流程图;
图3为基准站分布及仿真点分布示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示,本实施例提供的GNSS观测数据仿真***包括基础采集层、交互设置层和核心仿真层。
其中,所述基础采集层用于获取仿真所用基础数据,所述仿真所用基础数据包括基准站实时观测数据、基准站历史观测数据、基准站组网信息、基线大气参数实时解算数据和基线大气参数历史解算数据;
所述交互设置层用于获取用户输入的设置指令,并将所述设置指令转换成仿真设置参数;还用于***运行状态和仿真结果的显示与输出;
所述核心仿真层连接于所述基础采集层与所述交互设置层之间;所述核心仿真层用于接收所述基础采集层传输的所述仿真所用基础数据和所述交互设置层传输的所述仿真设置参数,利用所述仿真所用基础数据按照所述仿真设置参数进行数据预处理、数据解算和数据仿真,将***运行状态和仿真结果发送至所述交互设置层进行展示输出。
在实际应用中,本实施例的核心仿真层包括消息收发模块、仿真点计算和网元匹配模块、prophet拟合预测模块及综合解算模块。
所述消息收发模块用于实现所述仿真所用基础数据、所述仿真设置参数、所述***运行状态和所述仿真结果的收发;为了提升***的并发和负载能力,该消息收发模块采用反应器模式,这种消息收发模式能够提升实时的数据吞吐,满足GNSS观测数据仿真***在大规模仿真场景下的运行要求。
所述仿真点计算和网元匹配模块用于根据所述仿真所用基础数据和所述仿真设置参数计算仿真点的坐标、确定仿真点所在网元和匹配对应时段网元实测数据;该匹配对应时段网元实测数据为按照指定仿真数据时段匹配计算所述合格仿真点所在网元的基准站数据和基线数据;所述基准站数据包括GNSS***中各卫星的星历、伪距以及载波观测量;所述基线数据指对应于基线的大气参数,所述基线的大气参数包括双差电离层延迟量和双差对流层延迟量。对于具体的仿真点坐标的计算和实测数据的计算在下面的仿真方法中有详细记载,在此不赘述。
所述prophet拟合预测模块用于利用Prophet机器学习算法拟合对应网元在仿真时段内基准站数据和基线数据。
所述综合解算模块用于计算对应网元基线大气参数、生成仿真点对应的仿真观测数据、分析仿真数据的质量和输出所述***运行状态和仿真结果。
如图2所示,本实施例提供一种GNSS观测数据仿真方法,该方法是利用上述GNSS观测数据仿真***进行仿真的过程。所述方法包括:
S1:设置并计算所述合格仿真点的坐标;该仿真点坐标的计算方法包括以下步骤:
S11:设置仿真点生成模式,所述仿真点生成模式包括手动输入模式和自动生成模式;
S12:当所述仿真点生成模式为手动输入模式时,获取输入的第一仿真点坐标;判断所述第一仿真点坐标是否在基准站覆盖范围内,当所述第一仿真点坐标不在基准站覆盖范围内时,重新输入所述第一仿真点坐标,返回“设置并计算所述合格仿真点的坐标”的步骤;当所述第一仿真点坐标在基准站覆盖范围内时,确定所述第一仿真点坐标为合格仿真点;
S13:当所述仿真点生成模式为自动生成模式时,配置第二仿真点生成策略,根据配置信息计算所述第二仿真点的坐标,得到合格仿真点。
所述配置第二仿真点生成策略具体包括:
S131:获取用户输入的第二仿真点数量和指定第二仿真点运动状态;所述第二仿真点运动状态包括静态和动态;所述静态的仿真点生成方式包括随机生成和网格生成;所述网格生成的仿真点生成参数包括格网形状和划分规则;所述动态仿真点运动状态包括匀速运动和变速运动;所述动态仿真点运动轨迹有直线、四边形、圆和随机四种模式;
S132:当所述第二仿真点的运动状态为静态时,确定静态仿真点的生成方式,当所述静态仿真点的生成方式为随机生成时,则根据所述用户输入的第二仿真点数量在基准站覆盖范围内随机生成第二仿真点;当所述静态仿真点的生成方式为格网生成时,按照配置的格网划分参数在基准站覆盖范围内生成第二仿真点;
S133:当所述第二仿真点的运动状态为动态时,确定所述动态仿真点运动状态和动态仿真点运动轨迹,并按照所述动态仿真点运动状态和动态仿真点运动轨迹动态在基准站覆盖范围内生成第二仿真点。
S2:根据基准站三角组网结果确定所述合格仿真点所在网元;该基准站三角组网结果是根据已建成的基准站的位置关系进行组网得到的。
S3:按照指定仿真数据时段匹配计算所述合格仿真点所在网元的基准站数据和基线数据;所述基准站数据包括GNSS***中各卫星的星历、伪距以及载波观测量;所述基线数据指对应于基线的大气参数,所述基线的大气参数包括双差电离层延迟量和双差对流层延迟量;
该步骤S3具体包括:
S31:判断所述指定仿真数据时段内所述网元是否有基准站实测观测数据,得到第一判断结果:
S32:当所述第一判断结果表示是时,按照所述指定仿真数据时段匹配确定对应时段内所述网元的基准站实测观测数据;
S33:根据各个对应时段内所述网元的基准站实测观测数据确定所属网元全局参考星;
S34:以所述网元全局参考星为基准,解算各个基线得到所述基线数据;
S35:当所述第一判断结果表示否时,使用所述网元内的基准站已有观测数据求解基线大气参数;
S36:利用Prophet机器学习算法对所述指定仿真数据时段内所述网元的基准站数据和所述基线大气参数进行时间序列拟合,通过回归的方式推算出所述指定仿真数据时段内所述网元的所述基准站数据和所述基线数据。
S4:依据所述基准站数据和所述基线数据采用虚拟参考站算法生成各个所述合格仿真点的仿真观测数据。
该步骤S4具体包括:
S41:选取所述网元内距离所述合格仿真点最近的基准站作为网元主参考站;
S42:以所述合格仿真点为虚拟参考站,计算由所述虚拟参考站与所述网元主参考站构成的虚拟基线的双差电离层误差和双差对流层误差;
S43:通过将网元基线的双差电离层延迟量代入LIM内插模型,计算获得所述虚拟基线的双差电离层延迟量;
S44:通过将网元基线的双差对流层延迟量代入LSM内插模型,计算获得所述虚拟基线的双差对流层延迟量;
S45:利用所述虚拟基线的双差电离层误差和双差对流层误差构造仿真观测量,得到所述合格仿真点的仿真观测数据。
在步骤S4之后,还包括:
S5:对所述仿真观测数据进行质量分析,具体包括以下步骤:
判断各个所述合格仿真点的仿真观测数据是否满足合格指标,若满足,则确定所述仿真观测数据合格;若不满足,则确定所述仿真观测数据不合格,返回“设置并计算所述合格仿真点的坐标”的步骤;所述合格指标包括单点定位精度、定位精度因子、所述指定仿真时段内可见卫星数和数据可用率中的一种或多种。
下面结合一具体实施例详细解释本发明的仿真过程:
设有基准站A、B、C、D、E共5处,在基准站覆盖范围内部生成若干仿真点,如图3(以四边形网格划分为例)所示,使用本发明所述方法生成仿真点(以F为例)对应的GNSS仿真观测值:
(1)用户设置仿真参数,如仿真点数目,仿真点生成模式等;
(2)若用户选择手动输入模式,获取输入的第一仿真点坐标;判断所述第一仿真点坐标是否在基准站覆盖范围内,当所述第一仿真点坐标不在基准站覆盖范围内时,重新输入所述第一仿真点坐标,返回“设置并计算所述合格仿真点的坐标”的步骤;当所述第一仿真点坐标在基准站覆盖范围内时,确定所述第一仿真点坐标为合格仿真点;
(3)若用户选择自动生成模式,配置第二仿真点生成策略,根据配置信息计算所述第二仿真点的坐标,得到合格仿真点;
配置第二仿真点生成策略的具体操作如下:
若选择生成静态仿真点,需进一步设置点模式,其中若选择生成静态随机点,则根据仿真点数量在基准站覆盖范围内随机生成仿真点;若选择静态格网点方式生成,则需进一步配置格网划分参数,包括格网形状和划分规则;
若选择生成动态仿真点,需进一步设置点运动状态和运动轨迹,运动状态包括匀速运动和变速运动,运动轨迹包括直线、四边形、圆和随机四种模式;
使用配置好的仿真点位置参数在基准站覆盖区域内部生成合格仿真点坐标F(x,y,z);
(4)根据合格仿真点F的坐标确定出合格仿真点F所在网元ABE,网元内主参考站为A站;
(5)根据指定仿真数据时段搜索计算网元ABE的基准站数据和基线数据,若指定仿真数据时段内有网元基准站实测GNSS数据,则根据A、B、E三站卫星观测数据选取网元内全局参考星,然后解算基线AB、AE及BE,求出基线上双差电离层延迟与双差对流层延迟。
下面以GPS***双频仿真为例,详细描述求基线上双差电离层延迟与双差对流层延迟的过程;
基准站A、B、E连续接收GPS卫星所播发的L1、L2导航信号,L1,L2信号的双频载波相位双差观测方程为:
L1,L2双频伪距双差观测方程为:
vP1+Δ▽P1=Δ▽ρ+Δ▽εion-1+Δ▽εtrop+Δ▽εP1
其中Δ▽为双差算子,v为双差观测量残差,ε为未建模误差,为载波相位观测量,P为伪距观测量,ρ为卫地真距,εion-L1为电离层延迟,εtrop为对流层延迟。由于基准站精确坐标已知,则双差卫地真距可直接求出,方程中未知参数包括每条基线的双差电离层延迟、双差对流层延迟与双差模糊度。
联合双差伪距和载波观测方程,求出双差模糊度浮点解,对估计后得出的双差浮点模糊度使用LAMBDA方法搜索固定,网元内各基线双差模糊度固定正确性按照ratio值进行判断,同时按下式进行进一步检核:
Δ▽NAB+Δ▽NBE+Δ▽NEA=0
然后使用固定后模糊度反算出双差对流层延迟和L1上双差电离层延迟,然后根据L1与L2上电离层延迟的关系:
求出L2双差电离层延迟。
(6)若所设置的仿真时段内无网元基准站观测数据和星历,则首先使用基准站已有观测数据求解基线大气参数,然后利用Prophet机器学习算法对该网元基准站已有观测数据和基线大气参数进行时间序列拟合预测,推算出仿真时段内网元基准站数据和基线数据。通过引入机器学习算法Prophet可提高时间序列拟合预测精度,降低过拟合风险。
(7)对(5)和(6)获得的双差电离层误差和双差对流层误差进行内插;电离层内插模型使用LIM,对流层内插模型使用LSM模型,求出虚拟基线AF上的双差电离层误差和双差对流层误差。
(8)利用(7)中计算获得的虚拟基线AF上的双差电离层误差和双差对流层误差构造仿真点F处仿真观测量。其中,F点相对于各非参考星的仿真观测值为:
假设在仿真点上观测到参考星k的各种观测量上的误差与主参考站A到参考星k的各种误差相等,则参考星在F点的仿真观测数据计算如下:
其中P为伪距观测量,Φ为载波相位观测量,N为模糊度,ρ为卫地真距,i非参考星,k为参考星。
(9)对所述仿真观测数据进行质量分析;检查项目包括单点定位精度,仿真时段内可见卫星数,DOP(定位精度因子)值,数据可用率等,若各指标满足要求,判断仿真数据合格,可作为最终结果输出,若不合格则需进行重新仿真。
根据以上推导可见,GNSS仿真数据可以利用基准站实测观测数据生成。并且本发明利用已建成的基准站实测观测数据,将基准站实测观测数据引入数据仿真过程可更好地描述仿真区域内各误差的特性以及仿真点之间的时空相关性,提升仿真数据整体逼真程度,结果相比于传统仿真方法能够更好地还原GNSS观测数据中各类误差的原始特性,能够顾及各点之间仿真数据中所含各种误差的时空关系。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (2)
1.一种GNSS观测数据仿真方法,其特征在于,所述方法包括:
设置并计算合格仿真点的坐标;
根据基准站三角组网结果确定所述合格仿真点所在网元;
按照指定仿真数据时段匹配计算所述合格仿真点所在网元的基准站数据和基线数据;所述基准站数据包括GNSS***中各卫星的星历、伪距以及载波观测量;所述基线数据指对应于基线的大气参数,所述基线的大气参数包括双差电离层延迟量和双差对流层延迟量;
依据所述基准站数据和所述基线数据采用虚拟参考站算法生成各个所述合格仿真点的仿真观测数据;
其中,GNSS观测数据仿真方法基于的GNSS观测数据仿真***包括:
基础采集层,所述基础采集层用于获取仿真所用基础数据,所述仿真所用基础数据包括基准站实时观测数据、基准站历史观测数据、基准站组网信息、基线大气参数实时解算数据和基线大气参数历史解算数据;
交互设置层,所述交互设置层用于获取用户输入的设置指令,并将所述设置指令转换成仿真设置参数;还用于***运行状态和仿真结果的显示与输出;
核心仿真层,所述核心仿真层连接于所述基础采集层与所述交互设置层之间;所述核心仿真层用于接收所述基础采集层传输的所述仿真所用基础数据和所述交互设置层传输的所述仿真设置参数,利用所述仿真所用基础数据按照所述仿真设置参数进行数据预处理、数据解算和数据仿真,将***运行状态和仿真结果发送至所述交互设置层进行展示输出;
其中,所述核心仿真层包括消息收发模块、仿真点计算和网元匹配模块、prophet拟合预测模块及综合解算模块;
所述消息收发模块用于实现所述仿真所用基础数据、所述仿真设置参数、所述***运行状态和所述仿真结果的收发;消息收发模块采用反应器模式;
所述仿真点计算和网元匹配模块用于根据所述仿真所用基础数据和所述仿真设置参数计算仿真点的坐标、确定仿真点所在网元和匹配对应时段网元实测数据;
所述prophet拟合预测模块用于利用Prophet机器学习算法拟合对应网元在仿真时段内基准站数据和基线数据;
所述综合解算模块用于计算对应网元基线大气参数、生成仿真点对应的仿真观测数据、分析仿真数据的质量和输出所述***运行状态和仿真结果;
其中,所述匹配对应时段网元实测数据为按照指定仿真数据时段匹配计算所述合格仿真点所在网元的基准站数据和基线数据;所述基准站数据包括GNSS***中各卫星的星历、伪距以及载波观测量;所述基线数据指对应于基线的大气参数,所述基线的大气参数包括双差电离层延迟量和双差对流层延迟量;
其中,所述设置并计算所述合格仿真点的坐标,具体包括:
设置仿真点生成模式,所述仿真点生成模式包括手动输入模式和自动生成模式;
当所述仿真点生成模式为手动输入模式时,获取输入的第一仿真点坐标;判断所述第一仿真点坐标是否在基准站覆盖范围内,当所述第一仿真点坐标不在基准站覆盖范围内时,重新输入所述第一仿真点坐标,返回“设置并计算所述合格仿真点的坐标”的步骤;当所述第一仿真点坐标在基准站覆盖范围内时,确定所述第一仿真点坐标为合格仿真点;
当所述仿真点生成模式为自动生成模式时,配置第二仿真点生成策略,根据配置信息计算所述第二仿真点的坐标,得到合格仿真点;
其中,所述配置第二仿真点生成策略具体包括:
获取用户输入的第二仿真点数量和指定第二仿真点运动状态;所述第二仿真点运动状态包括静态和动态;所述静态的仿真点生成方式包括随机生成和网格生成;所述网格生成的仿真点生成参数包括格网形状和划分规则;所述动态仿真点运动状态包括匀速运动和变速运动;所述动态仿真点运动轨迹有直线、四边形、圆和随机四种模式;
当所述第二仿真点的运动状态为静态时,确定静态仿真点的生成方式,当所述静态仿真点的生成方式为随机生成时,则根据所述用户输入的第二仿真点数量在基准站覆盖范围内随机生成第二仿真点;当所述静态仿真点的生成方式为格网生成时,按照配置的格网划分参数在基准站覆盖范围内生成第二仿真点;
当所述第二仿真点的运动状态为动态时,确定所述动态仿真点运动状态和动态仿真点运动轨迹,并按照所述动态仿真点运动状态和动态仿真点运动轨迹动态在基准站覆盖范围内生成第二仿真点;
其中,按照指定仿真数据时段匹配计算所述合格仿真点所在网元的基准站数据和基线数据,具体包括:
判断所述指定仿真数据时段内所述网元是否有基准站实测观测数据,得到第一判断结果:
当所述第一判断结果表示是时,按照所述指定仿真数据时段匹配确定对应时段内所述网元的基准站实测观测数据;
根据各个对应时段内所述网元的基准站实测观测数据确定所属网元全局参考星;
以所述网元全局参考星为基准,解算各个基线得到所述基线数据;当所述第一判断结果表示否时,使用所述网元内的基准站已有观测数据求解基线大气参数;
利用Prophet机器学习算法对所述指定仿真数据时段内所述网元的基准站数据和所述基线大气参数进行时间序列拟合,通过回归的方式推算出所述指定仿真数据时段内所述网元的所述基准站数据和所述基线数据;
其中,依据所述基准站数据和所述基线数据采用虚拟参考站算法生成各个所述合格仿真点的仿真观测数据,具体包括:
选取所述网元内距离所述合格仿真点最近的基准站作为网元主参考站;
以所述合格仿真点为虚拟参考站,计算由所述虚拟参考站与所述网元主参考站构成的虚拟基线的双差电离层误差和双差对流层误差;
通过将网元基线的双差电离层延迟量代入LIM内插模型,计算获得所述虚拟基线的双差电离层延迟量;
通过将网元基线的双差对流层延迟量代入LSM内插模型,计算获得所述虚拟基线的双差对流层延迟量;利用所述虚拟基线的双差电离层误差和双差对流层误差构造仿真观测量,得到所述合格仿真点的仿真观测数据。
2.根据权利要求1所述的GNSS观测数据仿真方法,其特征在于,在所述依据所述基准站数据和所述基线数据采用虚拟参考站算法生成各个所述合格仿真点的仿真观测数据之后,还包括:
对所述仿真观测数据进行质量分析,具体包括以下步骤:
判断各个所述合格仿真点的仿真观测数据是否满足合格指标,若满足,则确定所述仿真观测数据合格;若不满足,则确定所述仿真观测数据不合格,返回“设置并计算所述合格仿真点的坐标”的步骤;所述合格指标包括单点定位精度、定位精度因子、所述指定仿真时段内可见卫星数和数据可用率中的一种或多种。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910830798.5A CN110674603B (zh) | 2019-09-04 | 2019-09-04 | 一种gnss观测数据仿真方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910830798.5A CN110674603B (zh) | 2019-09-04 | 2019-09-04 | 一种gnss观测数据仿真方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110674603A CN110674603A (zh) | 2020-01-10 |
CN110674603B true CN110674603B (zh) | 2024-03-01 |
Family
ID=69075956
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910830798.5A Active CN110674603B (zh) | 2019-09-04 | 2019-09-04 | 一种gnss观测数据仿真方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110674603B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113780691B (zh) | 2020-06-09 | 2023-09-29 | 富泰华工业(深圳)有限公司 | 数据测试方法、装置、电子设备及存储介质 |
CN113124919B (zh) * | 2021-04-09 | 2021-12-07 | 中移(上海)信息通信科技有限公司 | 参考站的异常监测方法、装置及相关设备 |
CN112817012B (zh) * | 2021-04-19 | 2021-07-27 | 航天宏图信息技术股份有限公司 | 一种定位的方法、装置、电子设备和可读存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105549055A (zh) * | 2015-11-24 | 2016-05-04 | 航天恒星科技有限公司 | 一种虚拟观测数据的生成方法及装置 |
CN105607094A (zh) * | 2014-11-21 | 2016-05-25 | 航天恒星科技有限公司 | Gnss接收机模拟器及重力场反演*** |
CN110297259A (zh) * | 2019-07-23 | 2019-10-01 | 江苏省测绘工程院 | 基于格网化的基准站网定位增强信息可用性监测方法及*** |
-
2019
- 2019-09-04 CN CN201910830798.5A patent/CN110674603B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105607094A (zh) * | 2014-11-21 | 2016-05-25 | 航天恒星科技有限公司 | Gnss接收机模拟器及重力场反演*** |
CN105549055A (zh) * | 2015-11-24 | 2016-05-04 | 航天恒星科技有限公司 | 一种虚拟观测数据的生成方法及装置 |
CN110297259A (zh) * | 2019-07-23 | 2019-10-01 | 江苏省测绘工程院 | 基于格网化的基准站网定位增强信息可用性监测方法及*** |
Non-Patent Citations (2)
Title |
---|
基于北斗***的观测数据高精度实时仿真并行化研究;陈晨等;《测绘地理信息》;20170831;第42卷(第04期);全文 * |
高精度GPS观测数据的实时仿真研究;范国清等;《国防科技大学学报》;20091231;第31卷(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110674603A (zh) | 2020-01-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110674603B (zh) | 一种gnss观测数据仿真方法及*** | |
CN104714244A (zh) | 一种基于抗差自适应Kalman滤波的多***动态PPP解算方法 | |
WO2022161229A1 (zh) | 一种误差模型标定方法、装置、电子设备、基于误差模型的定位方法、装置、终端及计算机可读存储介质、程序产品 | |
CN107966722B (zh) | 一种gnss钟差解算方法 | |
JPWO2006022318A1 (ja) | 単独測位装置および単独測位方法 | |
CN109143298B (zh) | 北斗和gps观测值周跳探测与修复方法、设备及存储设备 | |
CN113848577A (zh) | 一种基于动态分区的大规模gnss网并行解算方法及*** | |
CN111381264A (zh) | 网络rtk中长基线模糊度固定方法和平台 | |
CN105738934A (zh) | 附加大气信息动态约束的urtk模糊度快速固定方法 | |
CN112146557A (zh) | 一种基于gnss的实时桥梁变形监测***及方法 | |
CN115372999A (zh) | 一种基于观测值外推的卫星定位方法和装置 | |
CN115390095A (zh) | 一种获取电离层延迟的方法、装置及介质 | |
CN113848569B (zh) | 虚拟基准站的定位校验方法、存储介质和电子设备 | |
CN110488332A (zh) | 基于网络rtk技术的定位信息处理方法和装置 | |
Krypiak-Gregorczyk et al. | Validation of approximation techniques for local total electron content mapping | |
CN114879222A (zh) | 一种基于自适应随机模型的全球电离层建模方法 | |
Zhang et al. | A study on multipath spatial correlation for GNSS collaborative positioning | |
CN110346816A (zh) | 短到长基线场景下电离层建模约束的实时差分定位方法 | |
Gu et al. | Improved short-term stability for real-time GNSS satellite clock estimation with clock model | |
CN103760582B (zh) | 一种遮挡环境下卫星双差观测结构的优化方法 | |
CN117289312A (zh) | 一种基于最优卫星子集的智能手机伪距差分定位定权方法 | |
Seepersad et al. | Do We Need Ambiguity Resolution in Multi-GNSS PPP for Accuracy or Integrity? | |
CN106707311B (zh) | 基于gps增强的glonass rtk定位方法 | |
CN112924992B (zh) | 一种geo轨道精度评估方法、装置、电子设备及存储介质 | |
CN114355419B (zh) | 一种分布式北斗位置服务中心rtk产品定位方法及定位装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |