CN113282406A - 一种gnss大网观测数据协同并行计算方法 - Google Patents
一种gnss大网观测数据协同并行计算方法 Download PDFInfo
- Publication number
- CN113282406A CN113282406A CN202110459839.1A CN202110459839A CN113282406A CN 113282406 A CN113282406 A CN 113282406A CN 202110459839 A CN202110459839 A CN 202110459839A CN 113282406 A CN113282406 A CN 113282406A
- Authority
- CN
- China
- Prior art keywords
- gnss
- observation
- data
- observation data
- differential
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5066—Algorithms for mapping a plurality of inter-dependent sub-tasks onto a plurality of physical CPUs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明提供了一种GNSS大网观测数据协同并行计算方法,具体而言,首先由CPU负责GNSS数据计算任务调度分配,在搭建CPU与GPU协调处理平台上,根据GPU处理单元数量对GNSS数据规模进行均匀分块,构建基于非差模型的计算任务队列;其次CPU执行非差串行模块,主要是检核并配置卫星轨道、卫星钟差、地球自转等参数文件;然后,GPU通过任务分解与数据分解模块实现对密集型的GNSS大网数据的并行预处理、非差观测方程并行构建以及非差模糊度并行固定;最后,由CPU负责GNSS大网数据解算的结果文件存写和成果汇总输出。本发明提供的计算方法缩短了GNSS大网观测数据处理的时间,显著提高了计算效率,具有较好的扩展性和普适性,具有广泛的运用前景。
Description
技术领域
本发明涉及大规模GNSS数据快速处理技术领域,更具体的说,涉及一种GNSS大网观测数据协同并行计算方法。
背景技术
随着以GPS、GLONASS、Galileo、北斗等为代表的全球卫星导航***GNSS(GlobalNavigation Satellite System)发展速度逐步减弱,GNSS观测网数据正向地面基准站数量规模大、信号多频多***、精确性与实时性要求高等方向发展。GNSS卫星与测站数量的不断增长,面临上千GNSS大网数据同时处理的巨大挑战。由于GNSS数据处理解算耗时随网规模的扩大而呈现出几何级数增加,GNSS大网数据处理面临计算效率低下甚至无法解算的难题。寻求GNSS大网数据的快速有效处理成为目前GNSS数据处理领域重要研究方向之一,受到了越来越多学者的关注和研究。
国内外研究人员从改进GNSS数据模型和算法、引入并行计算技术应用等方面进行了广泛的关注和研究,发表的文献主要包括:国外《Journal of Geodesy》的《A new dataprocessing strategy for huge GNSS global networks》、《An enhanced strategy forGNSS data processing of massive networks》以及国内《测绘学报》的《GNSS大网双差模型并行快速解算方法》,《大地测量与地球动力学》的《一种GNSS大网数据快速高效处理策略》等。可见,目前针对GNSS大网数据的研究内容十分丰富,例如在GNSS大网数据快速计算方法中,已有解决方案采用模型改进串行计算的方法或者基于多节点CPU的分布式计算,同时处理GNSS大网数据用以估计轨道、钟差、坐标等。对GNSS大网观测数据的分布式并行解算中,也有研究集中在利用多核CPU或者多台多核CPU计算机构成的分布式并行计算环境下,实现并行的双差基线解算、基线网平差、非差多核并行计算等方面的研究,但迄今为止,浏览众多相应的技术文献资料,却未有对GNSS大网观测数据进行协同并行计算的深入研究,因此直到今天,海量GNSS大网观测数据解算效率还始终难以获得实质性的提升。
发明内容
本发明要解决的问题是针对现有技术中所存在的上述不足而提供一种GNSS大网观测数据协同并行计算方法,解决了现有技术中海量GNSS大网观测数据解算效率较为低下的问题。
为实现上述目的,本发明采用了如下的技术方案:
一种GNSS大网观测数据协同并行计算方法,包括以下步骤:S1、搭建CPU与GPU协调处理平台,由CPU负责GNSS数据计算任务调度分配,根据GPU处理单元数量对GNSS数据规模进行均匀分块,构建基于非差模型的计算任务队列;S2、CPU执行非差串行模块,进行数据初检核,配置包括卫星轨道、卫星钟差、地球自转的参数文件;S3、GPU收到任务指令,通过任务分解与数据分解将数据块进行拆分,同步对密集型的GNSS大网数据进行并行预处理、非差观测方程并行构建以及非差模糊度并行固定;S4、CPU将GNSS大网数据解算的结果文件存写和成果汇总输出。
具体而言,本发明在步骤S1中,当观测数据量大于GPU核心数时,根据GPU核心数进行均匀分配;当观测数据量小于GPU核心数时,将观测数据按照观测时长进行等长度切割,确保每个GPU分配到均衡的计算任务。此外,通常情况下,GNSS大网观测数据的数量不少于200个,GPU核心数为10~100。
进一步地,在步骤S1中,构建所述基于非差模型的计算任务队列的方法是以单个测站的观测数据为并行粒度,每个计算任务构建包括观测数据的预处理、构建非差观测方程、卡尔曼滤波解算、非差模糊度固定解算流程。
进一步地,在步骤S2中,所述数据初检核是对每个测站的观测数据进行遍历读取,检核观测时段内是否有匹配的轨道、钟差,判断每个观测时刻下每颗卫星的观测值类型、数值大小的有效性,并剔除观测粗差影响。
优先地,本发明在步骤S3中,具体而言,还包括以下步骤:
(1)GPU众核同时对GNSS观测数据进行预处理,每个核对受领的数据任务进行拆分解析;(2)在步骤S2的基础上进行内插卫星轨道钟差、计算卫星高度角、周跳探测与标记、钟跳探测与修复、粗差探测与修复的预处理;(3)同时对每个观测数据根据待求参数与观测值的函数关系建立线性观测方程以及随机函数模型,根据卡尔曼滤波公式进行方程解算,得到非差浮点解;(5)在求得的非差浮点解的基础上,对宽巷模糊度与窄巷模糊度进行固定,计算得到固定的非差无电离层组合模糊度;(6)将所述固定的非差无电离层组合模糊度其作为约束条件进行站间并行的非差固定解计算,并更新包括测站的坐标、接收机钟差、对流层延迟参数的解算结果。
并且,在进行步骤S4时,将步骤S3中得到的所有测站的坐标、接收机钟差、对流层延迟参数先以测站和观测日期命名为文件名,按观测时段逐个输出到单独的文件内进行保存,再根据产品类别分别汇总输出最后解算的坐标、钟差、对流层延迟参数。
作为更适宜的实施选择,本发明的观测数据包括GPS、GLONASS、Galileo和北斗卫星导航***等等的多频伪距和载波相位观测值。
相比于现有技术,本发明具有如下有益效果:本发明可以显著提升GNSS大网数据计算速度,采用多核CPU与众核GPU协调并行计算技术来实现GNSS大网数据的协同并行解算,较好地令大网数据预处理、非差观测方程构建和模糊度解算协同并行执行。
与此同时,本发明还提高了对当前多核CPU与众核GPU组成的异构平台资源的利用效率,操作方法简单,易于实现,结果可靠,适用于非差模式下的GNSS网数据的快速解算,能够有效提升GNSS大网观测数据计算的效率。
本发明的其它优点、目标和特征将部分通过下面的说明体现,部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明
图1为本发明其中一种实施例提供的GNSS大网观测数据协同并行计算的流程图。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与作用更加清楚及易于了解,下面结合附图和具体实施方式对本发明作进一步阐述:
如图1所示,本实施例记载了一种GNSS大网观测数据协同并行计算方法,在实施时,其具体包括如下步骤:
1)搭建CPU与GPU协调处理平台,由CPU负责GNSS数据计算任务调度分配,根据GPU处理单元数量对GNSS数据规模进行均匀分块,构建基于非差模型的计算任务队列。实践中,通常GNSS大网观测数据的数量不少于200个,GPU核心数几十到上百不等,当观测数据量大于GPU核心数时,根据GPU核心数进行均匀分配;而当观测数据量小于GPU核心数时,将观测数据按照观测时长进行等长度切割,确保每个GPU分配到均衡的计算任务。
此外,本实施例中,对于构建基于非差模型的计算任务队列的方法,优先参考以下方式执行:以单个测站的观测数据为并行粒度,每个计算任务构建包括观测数据的预处理、构建非差观测方程、卡尔曼滤波解算、非差模糊度固定解算流程。
2)CPU执行非差串行模块,进行数据初检核,配置卫星轨道、卫星钟差、地球自转等参数文件。具体而言,此处的数据初检核可以是对每个测站的观测数据进行遍历读取,检核观测时段内是否有匹配的轨道、钟差等产品,判断每个观测时刻每颗卫星的观测值类型、数值大小的有效性,剔除观测粗差影响。
3)GPU收到任务指令,通过任务分解与数据分解将数据块进行拆分,同步对密集型的GNSS大网数据进行并行预处理、非差观测方程并行构建以及非差模糊度并行固定。具体处理时,首先,GPU众核同时对GNSS观测数据进行预处理,每个核对受领的数据任务进行拆分解析。然后在步骤2)的基础上进行内插卫星轨道钟差、计算卫星高度角、周跳探测与标记、钟跳探测与修复、粗差探测与修复等预处理,确保数据质量可靠。再然后同时对每个观测数据根据待求参数与观测值的函数关系建立线性观测方程以及随机函数模型,根据卡尔曼滤波公式进行方程解算,得到非差浮点解。从而在非差浮点解的基础上,对宽巷模糊度与窄巷模糊度进行固定,计算得到固定的非差无电离层组合模糊度,再将其作为约束条件进行站间并行的非差固定解计算,更新坐标、接收机钟差、对流层延迟等其他参数的解算结果。
4)CPU负责GNSS大网数据解算的结果文件存写和成果汇总输出。在进行结果文件存写和成果汇总输出时,需要将步骤3)中得到的所有测站的坐标、接收机钟差、对流层延迟参数,先以测站和观测日期命名为文件名,按观测时段逐个输出到单独的文件内进行保存,再根据产品类别分别汇总输出最后解算的坐标、钟差、对流层延迟参数,供用户使用。
最后,本发明在具体实施时,结合实际卫星导航***的种类确定具体的观测数据,以便进行全方位的计算,更好地提高GNSS大网观测数据解算效率,例如,就目前而言,观测数据可以包括GPS、GLONASS、Galileo和北斗等多个卫星导航***的多频伪距和载波相位观测值。
基于以上实施例可知,本发明是一种新的GNSS大网观测数据协同并行计算方法,其在多核CPU与众核GPU平台下高效地进行协同并行计算,实现了GNSS大网观测数据在异构平台下的并行执行,可利用全球范围的1000个GNSS基准站的观测数据。例如,实验时,在诸如联想ThinkPad E570笔记本(CPU:Inter i7-7500U,GPU:NVIDIA GTX 950M)上进行并行计算,通过测试,本发明提出的GNSS大网观测数据协同并行计算方法与传统串行方法相比,大大缩短了计算时间,提高了解算效率加速比达到了36.8倍。
综上所述,本发明与现有技术相比,效果极为突出,具体主要包括以下两大方面:
(1)提高GNSS大网观测数据计算的时效性。本发明提出了GNSS大网观测数据协同并行计算的方法,在多核CPU与众核GPU平台下实现了GNSS网中观测数据的协同并行预处理、非差观测方程并行构建与计算、模糊度并行固定解算,缩短了GNSS大网观测数据处理的时间,显著提高了计算效率。
(2)易于扩展。本发明提出的GNSS大网观测数据协同并行计算方法具有较好的扩展性和普适性,适用于处理不同观测网规模下的GPS\GLONASS\Galieleo\北斗等各类型全球卫星导航***的多频多***观测值,对GPS、GLONASS、Galileo、北斗BDS等***的观测数据,都可纳入本发明的协同并行计算方法,对单卫星导航***或者多个卫星导航***的观测数据进行协同并行计算。
此外,本发明能有效应用于“测绘科学与技术”学科中的“大地测量学与测量工程”技术领域,实现了GNSS大网观测数据协同并行计算,经济和社会效益巨大。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (8)
1.一种GNSS大网观测数据协同并行计算方法,其特征在于,包括以下步骤:
S1、搭建CPU与GPU协调处理平台,由CPU负责GNSS数据计算任务调度分配,根据GPU处理单元数量对GNSS数据规模进行均匀分块,构建基于非差模型的计算任务队列;
S2、CPU执行非差串行模块,进行数据初检核,配置包括卫星轨道、卫星钟差、地球自转的参数文件;
S3、GPU收到任务指令,通过任务分解与数据分解将数据块进行拆分,同步对密集型的GNSS大网数据进行并行预处理、非差观测方程并行构建以及非差模糊度并行固定;
S4、CPU将GNSS大网数据解算的结果文件存写和成果汇总输出。
2.如权利要求1所述GNSS大网观测数据协同并行计算方法,其特征在于,在步骤S1中,当观测数据量大于GPU核心数时,根据GPU核心数进行均匀分配;当观测数据量小于GPU核心数时,将观测数据按照观测时长进行等长度切割,确保每个GPU分配到均衡的计算任务。
3.如权利要求2所述GNSS大网观测数据协同并行计算方法,其特征在于,GNSS大网观测数据的数量不少于200个,GPU核心数为10~100。
4.如权利要求1所述GNSS大网观测数据协同并行计算方法,其特征在于,在步骤S1中,构建所述基于非差模型的计算任务队列的方法是以单个测站的观测数据为并行粒度,每个计算任务构建包括观测数据的预处理、构建非差观测方程、卡尔曼滤波解算、非差模糊度固定解算流程。
5.如权利要求1所述GNSS大网观测数据协同并行计算方法,其特征在于,在步骤S2中,所述数据初检核是对每个测站的观测数据进行遍历读取,检核观测时段内是否有匹配的轨道、钟差,判断每个观测时刻下每颗卫星的观测值类型、数值大小的有效性,并剔除观测粗差影响。
6.如权利要求5所述GNSS大网观测数据协同并行计算方法,其特征在于,在步骤S3中,具体而言,还包括以下步骤:
(1)GPU众核同时对GNSS观测数据进行预处理,每个核对受领的数据任务进行拆分解析;
(2)在步骤S2的基础上进行内插卫星轨道钟差、计算卫星高度角、周跳探测与标记、钟跳探测与修复、粗差探测与修复的预处理;
(3)同时对每个观测数据根据待求参数与观测值的函数关系建立线性观测方程以及随机函数模型,根据卡尔曼滤波公式进行方程解算,得到非差浮点解;
(5)在求得的非差浮点解的基础上,对宽巷模糊度与窄巷模糊度进行固定,计算得到固定的非差无电离层组合模糊度;
(6)将所述固定的非差无电离层组合模糊度其作为约束条件进行站间并行的非差固定解计算,并更新包括测站的坐标、接收机钟差、对流层延迟参数的解算结果。
7.如权利要求6所述GNSS大网观测数据协同并行计算方法,其特征在于,在进行步骤S4时,将步骤S3中得到的所有测站的坐标、接收机钟差、对流层延迟参数先以测站和观测日期命名为文件名,按观测时段逐个输出到单独的文件内进行保存,再根据产品类别分别汇总输出最后解算的坐标、钟差、对流层延迟参数。
8.如权利要求1-7任一项所述GNSS大网观测数据协同并行计算方法,其特征在于,观测数据至少包括GPS、GLONASS、Galileo和北斗卫星导航***的多频伪距和载波相位观测值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110459839.1A CN113282406A (zh) | 2021-04-27 | 2021-04-27 | 一种gnss大网观测数据协同并行计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110459839.1A CN113282406A (zh) | 2021-04-27 | 2021-04-27 | 一种gnss大网观测数据协同并行计算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113282406A true CN113282406A (zh) | 2021-08-20 |
Family
ID=77277456
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110459839.1A Pending CN113282406A (zh) | 2021-04-27 | 2021-04-27 | 一种gnss大网观测数据协同并行计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113282406A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116859422A (zh) * | 2023-07-18 | 2023-10-10 | 湖南六九零六信息科技股份有限公司 | 一种基于异构融合并行集群架构的卫星高精度定位增强***及方法 |
-
2021
- 2021-04-27 CN CN202110459839.1A patent/CN113282406A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116859422A (zh) * | 2023-07-18 | 2023-10-10 | 湖南六九零六信息科技股份有限公司 | 一种基于异构融合并行集群架构的卫星高精度定位增强***及方法 |
CN116859422B (zh) * | 2023-07-18 | 2024-01-26 | 湖南六九零六信息科技股份有限公司 | 一种基于异构融合并行集群架构的卫星高精度定位增强***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113848577A (zh) | 一种基于动态分区的大规模gnss网并行解算方法及*** | |
CN112394376B (zh) | 一种大规模gnss网观测数据非差整网并行处理方法 | |
Ocalan et al. | Analysis of web-based online services for GPS relative and precise point positioning techniques | |
Alkan et al. | Kinematic precise point positioning using GPS and GLONASS measurements in marine environments | |
CN103175516B (zh) | 规模化大地控制网平差的分布式计算方法 | |
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 | |
CN107976702A (zh) | 一种基于cors的位置修正方法、定位终端及定位*** | |
Agoshkov et al. | Problems of variational assimilation of observational data for ocean general circulation models and methods for their solution | |
Xiao et al. | MG-APP: an open-source software for multi-GNSS precise point positioning and application analysis | |
CN112462396A (zh) | 一种高采样率导航卫星钟差的实时并行确定方法 | |
CN110418361B (zh) | 大规模cors网络的多引擎解算与高精度位置服务方法 | |
CN113282406A (zh) | 一种gnss大网观测数据协同并行计算方法 | |
CN110674603B (zh) | 一种gnss观测数据仿真方法及*** | |
Li et al. | Multi-GNSS products and services at iGMAS Wuhan Innovation Application Center: Strategy and evaluation | |
CN110749911B (zh) | 大规模gnss网干净站星斜径距离并行预处理方法与装置 | |
CN104122569A (zh) | 兼容北斗的网络rtk技术 | |
Di et al. | GNSS Real–Time Precise Point Positioning in Arctic Northeast Passage | |
Li et al. | Parallel resolution of large-scale GNSS network un-difference ambiguity | |
Atiz et al. | Performance assessment of PPP-AR positioning and zenith total delay estimation with modernized CSRS-PPP | |
Rodríguez et al. | Geodetic Analyses at the National Geographic Institute of Spain | |
Koch et al. | GNSS vector quality modelling combining Isolation Forest and Independent Vortices Search | |
CN106441244A (zh) | 一种基于卫星定位***的潮汐预报装置 | |
Chen | Application of GPS technology in space geological survey | |
Yurdakul et al. | The effect of GLONASS on position accuracy in CORS-TR measurements at different baseline distances | |
ZHU et al. | Research on the influence mechanism of the nonlinear variations of GNSS stations' coordinates |
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 |