CN113932704A - 面向北斗站点的gnss-ir积雪深度反演的最优策略及*** - Google Patents

面向北斗站点的gnss-ir积雪深度反演的最优策略及*** Download PDF

Info

Publication number
CN113932704A
CN113932704A CN202111382066.8A CN202111382066A CN113932704A CN 113932704 A CN113932704 A CN 113932704A CN 202111382066 A CN202111382066 A CN 202111382066A CN 113932704 A CN113932704 A CN 113932704A
Authority
CN
China
Prior art keywords
snow depth
model
observation
beidou
depth inversion
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
Application number
CN202111382066.8A
Other languages
English (en)
Inventor
张洁
万玮
梁宏
刘善伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Peking University
CMA Meteorological Observation Centre
Original Assignee
Peking University
CMA Meteorological Observation Centre
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Peking University, CMA Meteorological Observation Centre filed Critical Peking University
Priority to CN202111382066.8A priority Critical patent/CN113932704A/zh
Publication of CN113932704A publication Critical patent/CN113932704A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B7/00—Measuring arrangements characterised by the use of electric or magnetic techniques
    • G01B7/26—Measuring arrangements characterised by the use of electric or magnetic techniques for measuring depth
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/13—Receivers
    • G01S19/14—Receivers specially adapted for specific applications
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/13—Receivers
    • G01S19/22—Multipath-related issues
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/13—Receivers
    • G01S19/24—Acquisition or tracking or demodulation of signals transmitted by the system
    • G01S19/29—Acquisition or tracking or demodulation of signals transmitted by the system carrier including Doppler, related
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/13—Receivers
    • G01S19/35—Constructional details or hardware or software details of the signal processing chain
    • G01S19/37—Hardware or software details of the signal processing chain

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明公开一种面向北斗站点的GNSS‑IR积雪深度反演的最优策略及***。现有大多基于固定的单一模型进行积雪深度反演，无法针对具体情况选取最优模型进行积雪深度反演。本申请包括获取地面观测站从卫星接收到的标准格式数据；从所述标准格式数据中获取北斗卫星的观测值，并结合所述北斗卫星的镜面反射点的坐标信息和卫星高度角、方位角信息，形成北斗观测量文件；对所述北斗观测量文件进行筛选，选取参数符合预设条件的观测值；基于所述参数符合预设条件的观测值中各个类型的观测值数量，确定对应的积雪深度反演模型；根据确定的积雪深度反演模型和对应的观测值，进行积雪深度反演。通过观测值类型和数量确定最适合的雪深反演模型，高效地进行雪深反演。

Description

面向北斗站点的GNSS-IR积雪深度反演的最优策略及***
技术领域
本发明的实施方式涉及卫星遥感领域，更具体地，本发明的实施方式涉及一种面向北斗站点的GNSS-IR积雪深度反演的最优策略及***。
背景技术
本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
积雪深度是提供雪水当量的重要参数，积雪深度的准确测定可以为气候变化、水资源管理等提供可靠的科学依据。传统技术中，获取积雪深度主要有多种方式：一是地面实测，采用钢尺或者激光雪深测量传感器在一定区域内局部点测量得到的平均值代表该区域的雪深情况，精度受监测站点的数量和分布影响；二是光学遥感，精度受太阳辐射和云雾条件影响；三是微波遥感，其中，被动微波遥感是雪深产品的主要来源，但是存在空间分辨率低的特点，一般为10-25km；主动微波遥感观测雪深常用于山区，存在时间分辨率受限。
全球卫星导航***多径反射GNSS-IR(Global Navigation Satellite SystemReflectometry)遥感充分利用现有的GNSS监测站，基于L波段微波信号进行遥感探测，该手段覆盖面积大，时间分辨率高。GNSS-IR观测雪深有多种模型，基于不同观测量信噪比(Signnal-to-Noise Ratio,SNR)和载波相位分为SNR模型类和载波相位模型类。SNR模型类型有经典SNR模型,SNR_COM(triple-frequency SNR combination)模型；载波相位模型类有L4(geometry-free linear combinations of the phase measurements)模型,F3(triple-frequency phase combination)模型,F2C(combination of pseudorange andcarrier phase of dual-frequency signals)模型。
SNR模型方法简单但原始站点SNR观测值可能不在观测范围内；SNR_COM同样面对SNR观测值是否存在的问题，且对SNR观测类型的观测个数存在要求。F3模型反演精度较高，但对载波相位观测类型个数存在要求。L4模型受限于电离层误差的影响，F2C模型受限于伪距观测量本身精度不高，两者反演雪深精度较低。
近两年我国北方积雪日数较同期显著增多，积雪探测是中国气象局的一项重点难点工作，积雪深度产品需求迫切。一方面，我国自主北斗导航卫星作为导航卫星***的后起之秀，在代数、类型、频率等方面具有独特性和复杂性，为GNSS-IR最优参数选取增加难度。另一方面，我国各北斗站点不乏面临观测数据缺失、观测类型无法统一等问题。面对站点众多，优势与情况复杂同在的北斗数据，亟需建立专门针对北斗卫星的GNSS-IR反演雪深优化策略和***。如何针对站点观测数据及其接收到的北斗卫星信号，如何自动决策最优的GNSS-IR反演模型得到准确的雪深结果是亟待解决的问题。
发明内容
在本发明实施方式的第一方面中，提供了一种面向北斗站点的GNSS-IR积雪深度反演的最优方法，包括：
获取地面观测站从卫星接收到的标准格式数据；
从所述标准格式数据中获取北斗卫星的观测值，并结合所述北斗卫星的镜面反射点的坐标信息和卫星高度角、方位角信息，形成北斗观测量文件；
对所述北斗观测量文件进行筛选，选取参数符合预设条件的观测值；
基于所述参数符合预设条件的观测值中各个类型的观测值数量，确定对应的积雪深度反演模型；
根据确定的积雪深度反演模型和对应的观测值，进行积雪深度反演。
在本发明的一个实施例中，从所述标准格式数据中获取的北斗卫星的观测值至少包括以下类型之一：信噪比，载波相位。
在本发明的一个实施例中，对所述北斗观测量文件进行筛选，选取参数符合预设条件的观测值，包括：
根据预设参数的筛选范围，选取卫星高度角、地面观测站采样率的观测值。
在本发明的一个实施例中，所述卫星高度角的筛选范围优选5-30°和/或5-25°；
所述地面观测站采样率的筛选范围包括0-120s。
在本发明的一个实施例中，基于所述参数符合预设条件的观测值中信噪比和/或载波相位的观测值数量，确定对应的积雪深度反演模型。
在本发明的一个实施例中，当载波相位类型观测值存在，且信噪比类型观测值存在时，确定采用SNR模型，SNR_COM模型和F3模型中的一个或多个进行积雪深度反演；
当载波相位类型观测值存在，信噪比类型观测值不存在时，基于载波相位类型观测值的数量，确定采用F3模型、L4模型和F2C模型中的一个或多个进行积雪深度反演。
在本发明的一个实施例中，当载波相位类型观测值存在，且信噪比类型观测值存在时，确定采用SNR模型，SNR_COM模型和F3模型中的一个或多个进行积雪深度反演，包括：
当信噪比类型观测值大于等于3个时，采用SNR模型和/或SNR_COM模型进行积雪深度反演，优选SNR_COM进行积雪深度反演；
当载波相位类型观测值大于等于3个时，采用L4模型、F2C模型和F3模型中的一个或多个进行积雪深度反演，优选F3模型进行积雪深度反演；
当信噪比类型观测值小于3个时，采用SNR模型进行积雪深度反演。
在本发明的一个实施例中，当载波相位类型观测值存在，信噪比类型观测值不存在时，基于载波相位类型观测值的数量，确定对应的积雪深度反演模型，包括：
当载波相位类型观测值大于等于3个时，采用F3模型、L4模型和F2C模型中的一个或多个进行积雪深度反演，优选F3模型进行积雪深度反演；
当载波相位类型观测值大于等于2个时，采用L4模型或F2C模型进行积雪深度反演。
在本发明的一个实施例中，在得到多个单颗卫星的积雪深度反演结果之后，所述方法还包括：
基于多个单颗卫星的积雪深度反演结果联合确定最终的积雪深度反演结果。
在本发明实施方式的第二方面中，提供了一种面向北斗地基测站的GNSS-IR积雪深度反演最优策略及***，包括：
数据预处理模块，被配置为获取地面观测站从卫星接收到的标准格式数据；以及
从所述标准格式数据中获取北斗卫星的观测值，并结合所述北斗卫星的镜面反射点的坐标信息和卫星高度角、方位角信息，形成北斗观测量文件；以及
对所述北斗观测量文件进行筛选，选取参数符合预设条件的观测值；
积雪深度反演模块，被配置为基于所述参数符合预设条件的观测值中各个类型的观测值数量，确定对应的积雪深度反演模型；以及
根据确定的积雪深度反演模型和对应的观测值，进行积雪深度反演。
在本发明实施方式的第三个方面中，提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序在被处理器执行时能够实现第一方面中任一项所述的方法。
在本发明实施方式的第四方面中，提供了一种计算设备，所述计算设备包括：处理器；用于存储所述处理器可执行指令的存储器；所述处理器，用于执行第一方面中任一项所述的方法。
根据本发明实施方式的面向北斗地基测站的GNSS-IR积雪深度反演最优策略及***，可以通过观测值类型和数量确定适合的积雪深度反演模型，通过该积雪深度反演模型获取更加准确的雪深结果。
附图说明
通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，其中：
图1示意性地示出了根据本发明实施方式的一种面向北斗地基测站的GNSS-IR积雪深度反演最优策略及***的流程示意图；
图2示意性地示出了根据本发明一实施例的采样率选择的比较示例；
图3示意性地示出了根据本发明一实施例的卫星代数的比较示例；
图4示意性地示出了根据本发明一实施例的基于北斗数据反演雪深的模型结果示例；
图5为本发明一实施例提供的面向北斗地基测站的GNSS-IR积雪深度反演最优策略及***的结构示意图；
图6示意性地示出了本发明实施例的一种介质的结构示意图；
图7示意性地示出了本发明实施例的一种计算设备的结构示意图；
在附图中，相同或对应的标号表示相同或对应的部分。
具体实施方式
下面将参考若干示例性实施方式来描述本发明的原理和精神。应当理解，给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本发明，而并非以任何方式限制本发明的范围。相反，提供这些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。
本领域技术人员知道，本发明的实施方式可以实现为一种***、装置、设备、方法或计算机程序产品。因此，本公开可以具体实现为以下形式，即：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)，或者硬件和软件结合的形式。
根据本发明的实施方式，提出了面向北斗地基测站的GNSS-IR积雪深度反演最优策略、***、介质和计算设备。
此外，附图中的任何元素数量均用于示例而非限制，以及任何命名都仅用于区分，而不具有任何限制含义。
下面参考本发明的若干代表性实施方式，详细阐释本发明的原理和精神。
示例性方法
下面参考图1来描述根据本发明示例性实施方式的面向北斗站点的GNSS-IR积雪深度反演的最优策略。
下面结合具体实施案例对本发明进一步说明。
本发明实施例提供了一种面向北斗地基测站的GNSS-IR积雪深度反演最优策略及***，包括：
步骤S110，获取地面观测站从卫星接收到的标准格式数据；
在本实施方式中，所述地面观测站指的是能够接收卫星数据的地面站，既可以是设置有接收机的固定站，也可以是活动站，本实施方式不做限定，只要能够接收卫星数据即可。
在本实施方式的一个实施例中，所述标准格式数据为RINEX(ReceiverIndependent Exchange Format)文件，该格式采用文本文件存储数据，数据记录格式与接收机的制造厂商和具体型号无关。可以理解的是，在本实施方式的其他实施例中，也可以是其他标准格式类型的数据，只要是卫星接收机导出的数据即可。
步骤S120，从所述标准格式数据中获取北斗卫星的观测值，并结合所述北斗卫星的镜面反射点的坐标信息和卫星高度角、方位角信息，形成北斗观测量文件；
在本实施方式的一个实施例中，从所述标准格式数据中获取的北斗卫星的观测值至少包括以下类型之一：
信噪比SNR和载波相位。
在本实施方式的一个实施例中，所述北斗卫星的镜面反射点的卫星高度角、方位角信息从RINEX文件中获取，并计算获得坐标信息；
步骤S130，对所述北斗观测量文件进行筛选，选取参数符合预设条件的观测值；
在本实施方式的一个实施例中，对所述北斗观测量文件进行筛选，选取参数符合预设条件的观测值，包括：
根据预设参数的筛选范围，选取卫星高度角、地面观测站采样率、卫星代数、卫星频率和卫星类型中的一个或多个符合的观测值。
在本实施方式的一个实施例中，所述卫星高度角的筛选范围包括5-30°和/或5-25°；
卫星高度角是从地面观测站到卫星的方向线与水平面的夹角，其角度范围在0-90°之间。在低高度角下，信噪比SNR受多路径影响大，GNSS-IR反演雪深是利用多路径误差建模，需选择低高度角范围。发明人经过多次实验，如附表1所示，其中示出了不同卫星高度角下计算的积雪深度的残差，实验基于ALTT站点和ALTS站点以S6I为例，从表1中示出的结果可知，5-30°或5-25°的高度角范围下计算得出的积雪深度反演结果与真实积雪深度结果的残差最小，由此卫星高度角范围选取5-30°或5-25°最为合适。
表1
Figure BDA0003363383410000071
在本实施例中，经过发明人多次实验，如附图2所示，图2示出了不同采样率下PNR的概率曲线以及点数量；a1、b1为ALTT站点，a2,b2为ALTS站点，b1和b2示出了不同采样率下垂直高度的分布范围，实心框线为异常值集中出现区域，由图示结果可以看出，所述地面观测站采样率的筛选范围包括0-120s，即120s内采样率以内的观测值均可进行积雪深度反演。可以理解的是，本领域的技术人员可以根据实际的应用场景需要在1-120s范围内进行选取。
在本实施例中，所述卫星代数的筛选范围包括二代卫星及后续代次卫星，经过发明人多次实验，如附图3所示，图3示出了不同代两个站点BDS S6I\S2I信号与实测积雪深度的比较；包括ALTT S2I(左上)；ALTT S6I(左下)；ALTS S2I(右上)；ALTS S6I(右下)；根据实验结果可以发现，三代卫星(BDS-3，PRN17之后)性能与二代卫星(BDS-2，PRN17之前)相当。
BDS-2在B1、B2和B3三个频段提供B1I、B2I和B3I三个公开服务信号。其中，B1频段的中心频率为1561.098MHz，B2为1207.140MHz，B3为1268.520MHz。BDS-3提供B1I、B1C、B2a、B2b和B3I五个公开服务信号。其中，B1I，B2b，B3I沿用BDS-2的B1I、B2I和B3I；
在本实施例中，经过发明人的多次实验，如图4的a1和a2所示，所述卫星频率均可使用。
北斗二号基本***星座采取5GEO(Geostationary Earth Orbit)+5IGSO(Inclined Geosynchronous Satellite Orbit)+4MEO(Medium Earth Orbit)的形式；北斗三号基本***星座采取3GEO+3IGSO+24MEO的星座形式。其中，GEO卫星为地球同步卫星，不存在卫星高度角的变化，无法用于GN SS-IR反演雪深，MEO中轨道地球卫星和IGSO倾斜地球同步轨道卫星均可选择，本市实施例中，发明人进行了多次实验，如附表2所示，实验中分别选取两站点一个月的PNR(Peak-to-Noise Ratio)为研究对象，该数值表示背景噪声的水平，数值越大，噪声水平越低，通过实验结果可得MEO和IGSO均具有良好性能，IGSO稍显优势。
表2
Figure BDA0003363383410000081
Figure BDA0003363383410000091
表2中，site表示站点，ALTT和ALTS为两个不同的卫星观测站点，Mean PNR表示不同类型卫星对应SNR反演雪深的背景噪声水平。
步骤S140，基于所述参数符合预设条件的观测值中各个类型的观测值数量，确定对应的积雪深度反演模型；
在本发明的一个实施例中，基于所述参数符合预设条件的观测值中信噪比和/或载波相位的观测值数量，确定对应的积雪深度反演模型。
在本发明的一个实施例中，当载波相位类型观测值存在，且信噪比类型观测值存在时，确定采用SNR模型、SNR_COM模型和F3模型中的一个或多个进行积雪深度反演；
当载波相位类型观测值存在，信噪比类型观测值不存在时，基于载波相位类型观测值的数量，确定采用L4模型、F2C模型和F3模型中的一个或多个进行积雪深度反演。
在本发明的一个实施例中，当载波相位类型观测值存在，且信噪比类型观测值存在时，确定采用SNR模型，SNR_COM模型和F3模型中的一个或多个进行积雪深度反演，包括：
当信噪比类型观测值大于等于3个时，采用SNR模型和/或SNR_COM模型进行积雪深度反演，优选SNR_COM进行积雪深度反演；
当载波相位类型观测值大于等于3个时，采用L4模型、F2C模型和F3模型中的一个或多个进行积雪深度反演，优选F3模型进行积雪深度反演；
当信噪比类型观测值小于3个时，采用SNR模型进行积雪深度反演。
在本发明的一个实施例中，当载波相位类型观测值存在，信噪比类型观测值不存在时，基于载波相位类型观测值的数量，确定对应的积雪深度反演模型，包括：
当载波相位类型观测值大于等于3个时，采用L4模型、F2C模型和F3模型中的一个或多个进行积雪深度反演，优选F3模型进行积雪深度反演；
当载波相位类型观测值大于等于2个时，采用L4模型和/或F2C模型进行积雪深度反演。
为了方便理解上述实施例，确定积雪深度反演模型的选取方式如下表所示：
表3
Figure BDA0003363383410000101
下面对进行积雪深度反演的各个模型进行详细说明：
1、SNR模型
1)首先通过BDS接收机接收卫星信号，其接收到的是直射信号和反射信号叠加的干涉信号，所述干涉信号的振幅为Ac，然后将干涉信号线性化；
SNR和Ac的关系为：
Figure BDA0003363383410000102
直射信号和反射信号的振幅分别为Ad和Am，Q为直射信号和反射信号的夹角；
2)在SNR模型中，为了获得反映地表信息的反射信号，需要采用低阶多项式来消除直射信号，反射信号的振幅为Am，λ为载波波长，h为垂直反射高度，E为高度角，
Figure BDA0003363383410000103
为不足一整周期的相位值，通过下式即可消除直射信号：
Figure BDA0003363383410000104
3)反射信号SNR残差序列进行L-S谱分析可得到多路径反射信号A的频率f。
4)由下式计算出垂直反射距离h，分别计算下雪前后的垂直反射高度作差计算出雪深：
Figure BDA0003363383410000111
2、SNR_COM模型
前置过程和SNR模型模型相同。区别在于SNR模型输入为单SNR观测值，SNR_COM模型输入为同一***的SNR联合观测值(线性化之后的SNR加和)，称为SNRcom。采用该联合观测值代替单频SNR数据，获取各自的残差序列，然后利用LSP谱分析法提取的SNRcom序列的功率，进而求解出地表雪深反演值。
SNR1,i,i为第i颗卫星，1,2,3指代不同频率。
SNRcom,i＝[SNR1,iSNR2,iSNR3,i]
3、F3模型
1)BDS载波相位测量的观测方程为：ρ为卫星到测站的几何距离，I(f1)为电离层误差，和频率相关。T为对流层误差，MLi为Li频段对应的多路径误差，noisei为Li频段对应的整周模糊度。
L1＝ρ+I(f1)+T+ML1+noise1
L2＝ρ+I(f2)+T+ML2+noise2
L3＝ρ+I(f3)+T+ML3+noise3
2)电离层误差和电磁波长的平方成正比，通过乘以波长系数消除电离层误差，得到三频组合的多路径误差序列f3：
Figure BDA0003363383410000112
3)通过频谱分析可得到三频组合的多路径误差序列的频率。
4)通过公式f和h的关系计算出垂直反射距离。
4、F2C模型
1)BDS伪距测量的观测方程为：Mci为Ci伪距频段对应的多路径误差。
c1＝ρ+I(f1)+T+Mc1
BDS载波相位测量的观测方程L1和L2如3、F3模型所示；
2)电离层误差和电磁波长的平方成正比，通过乘以波长系数消除电离层误差，得到双频载波和伪距组合的多路径误差序列f2c：
Figure BDA0003363383410000113
3)通过频谱分析可得到三频组合的多路径误差序列的频率。
4)通过公式f和h的关系计算出垂直反射距离。
5、L4模型
1)BDS载波相位测量的观测方程已给出。
2)相比于多路径误差，电离层误差可以看作低频信号，双频载波模型可通过高阶多项式抑制。
3)得到双频载波组合的多路径误差序列L4：
L4＝L1-L2＝I(f1)-I(f2)+ML1-ML2+noise1-noise2
4)通过频谱分析可得到三频组合的多路径误差序列的频率。
5)通过公式f和h的关系计算出垂直反射距离。
在介绍完毕各个模型如何计算积雪深度之后，可以执行步骤S150，根据确定的积雪深度反演模型和对应的观测值，进行积雪深度反演。
为了验证本发明的有效性，发明人基于上述不同模型采用ALTT，ALTS站点的数据进行了积雪深度反演，并和实际测量雪深进行了对比，如图4所示，图4示出了不同模型的BDS雪深和ALTT，ALTS站点的实测雪深比较；a1-e1为ALTT站点相关模型，a2-d2为ALTS站点相关模型；a1，a2为SNR模型；b1，b2为SNR_COM模型；c1，c2为F3模型；d1，d2为L4模型；e1为F2C模型；在每个子图中，黑色’+’代表原位测量，实心圆代表BDS结果。灰色线是用于雪深计算的卫星数。由图示实验结果可以看出，SNR模型，SNR_COM模型和F3模型反演雪深更为准确，L4模型和F2C模型反演雪深精度次之。
在本发明的一个实施例中，在得到多个单颗卫星的积雪深度反演结果之后，所述方法还包括：
基于多个单颗卫星的积雪深度反演结果联合确定最终的积雪深度反演结果。
根据本发明实施方式的面向北斗站点的GNSS-IR积雪深度反演的最优策略及***，可以通过观测值类型和数量确定适合的积雪深度反演模型，通过该积雪深度反演模型获取更加准确的雪深结果，从而有效且高效地实现利用北斗卫星的积雪深度估算建模和结果输出，指导处理数量繁多且观测数据情形各异的北斗地基站网数据，进而能够实现便捷高效的数据预处理、雪深模型选择以及雪深产品制作，对于实际工程应用具有较高的参考价值。
示例性***
在介绍了本发明示例性实施方式的方法之后，接下来，参考图5对本发明示例性实施方式的面向北斗站点的GNSS-IR积雪深度反演的最优***进行说明，所述***包括：
数据预处理模块610，被配置为获取地面观测站从卫星接收到的标准格式数据；以及
从所述标准格式数据中获取北斗卫星的观测值，并结合所述北斗卫星的镜面反射点的坐标信息和卫星高度角、方位角信息，形成北斗观测量文件；以及
对所述北斗观测量文件进行筛选，选取参数符合预设条件的观测值；
积雪深度反演模块620，被配置为基于所述参数符合预设条件的观测值中各个类型的观测值数量，确定对应的积雪深度反演模型；以及根据确定的积雪深度反演模型和对应的观测值，进行积雪深度反演。
示例性介质
在介绍了本发明示例性实施方式的方法和***之后，接下来，参考图6对本发明示例性实施方式的计算机可读存储介质进行说明，请参考图6，其示出的计算机可读存储介质为光盘70，其上存储有计算机程序(即程序产品)，所述计算机程序在被处理器运行时，会实现上述方法实施方式中所记载的各步骤，例如获取地面观测站从卫星接收到的标准格式数据；从所述标准格式数据中获取北斗卫星的观测值，并结合所述北斗卫星的镜面反射点的坐标信息和卫星高度角、方位角信息，形成北斗观测量文件；对所述北斗观测量文件进行筛选，选取参数符合预设条件的观测值；基于所述参数符合预设条件的观测值中各个类型的观测值数量，确定对应的积雪深度反演模型；根据确定的积雪深度反演模型和对应的观测值，进行积雪深度反演；各步骤的具体实现方式在此不再重复说明。
需要说明的是，所述计算机可读存储介质的例子还可以包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他光学、磁性存储介质，在此不再一一赘述。
示例性计算设备
在介绍了本发明示例性实施方式的方法、***和介质之后，接下来，参考图7对本发明示例性实施方式的面向北斗站点的GNSS-IR积雪深度反演的最优设备。
图7示出了适于用来实现本发明实施方式的示例性计算设备80的框图，该计算设备80可以是计算机***或服务器。图7显示的计算设备80仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示，计算设备80的组件可以包括但不限于：一个或者多个处理器或者处理单元801，***存储器802，连接不同***组件(包括***存储器802和处理单元801)的总线803。
计算设备80典型地包括多种计算机***可读介质。这些介质可以是任何能够被计算设备80访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
***存储器802可以包括易失性存储器形式的计算机***可读介质，例如随机存取存储器(RAM)8021和/或高速缓存存储器8022。计算设备70可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机***存储介质。仅作为举例，ROM8023可以用于读写不可移动的、非易失性磁介质(图7中未显示，通常称为“硬盘驱动器”)。尽管未在图7中示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM，DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线803相连。***存储器802中可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块8024的程序/实用工具8025，可以存储在例如***存储器802中，且这样的程序模块8024包括但不限于：操作***、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块8024通常执行本发明所描述的实施例中的功能和/或方法。
计算设备80也可以与一个或多个外部设备804(如键盘、指向设备、显示器等)通信。这种通信可以通过输入/输出(I/O)接口进行。并且，计算设备80还可以通过网络适配器806与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图7所示，网络适配器806通过总线803与计算设备80的其它模块(如处理单元801等)通信。应当明白，尽管图7中未示出，可以结合计算设备80使用其它硬件和/或软件模块。
处理单元801通过运行存储在***存储器802中的程序，从而执行各种功能应用以及数据处理，例如，获取地面观测站从卫星接收到的标准格式数据；从所述标准格式数据中获取北斗卫星的观测值，并结合所述北斗卫星的镜面反射点的坐标信息和卫星高度角、方位角信息，形成北斗观测量文件；对所述北斗观测量文件进行筛选，选取参数符合预设条件的观测值；基于所述参数符合预设条件的观测值中各个类型的观测值数量，确定对应的积雪深度反演模型；根据确定的积雪深度反演模型和对应的观测值，进行积雪深度反演；各步骤的具体实现方式在此不再重复说明。应当注意，尽管在上文详细描述中提及了面向北斗站点的GNSS-IR积雪深度反演的最优***的若干单元/模块或子单元/子模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之，上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
应当注意，尽管在上文详细描述中提及了面向北斗站点的GNSS-IR积雪深度反演的最优***的若干单元/模块或子单元/模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之，上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
此外，尽管在附图中以特定顺序描述了本发明方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
虽然已经参考若干具体实施方式描述了本发明的精神和原理，但是应该理解，本发明并不限于所公开的具体实施方式，对各方面的划分也不意味着这些方面中的特征不能组合以进行受益，这种划分仅是为了表述的方便。本发明旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。
通过以上描述，本发明的实施例提供了以下的技术方案，但不限于此：
1.一种面向北斗站点的GNSS-IR积雪深度反演的最优方法，包括：
获取地面观测站从卫星接收到的标准格式数据；
从所述标准格式数据中获取北斗卫星的观测值，并结合所述北斗卫星的镜面反射点的坐标信息和卫星高度角、方位角信息，形成北斗观测量文件；
对所述北斗观测量文件进行筛选，选取参数符合预设条件的观测值；
基于所述参数符合预设条件的观测值中各个类型的观测值数量，确定对应的积雪深度反演模型；
根据确定的积雪深度反演模型和对应的观测值，进行积雪深度反演。
2.如技术方案1所述的面向北斗站点的GNSS-IR积雪深度反演的最优方法，其中，从所述标准格式数据中获取的北斗卫星的观测值至少包括以下类型之一：信噪比和载波相位。
3.如技术方案1所述的面向北斗站点的GNSS-IR积雪深度反演的最优方法，其中，对所述北斗观测量文件进行筛选，选取参数符合预设条件的观测值，包括：
根据预设参数的筛选范围，选取卫星高度角、地面观测站采样率符合的观测值。
4.如技术方案3所述的面向北斗站点的GNSS-IR积雪深度反演的最优方法，其中，所述卫星高度角的筛选范围优选5-30°和/或5-25°；
所述地面观测站采样率的筛选范围包括0-120s。
5.如技术方案1所述的面向北斗站点的GNSS-IR积雪深度反演的最优方法，其中，基于所述参数符合预设条件的观测值中信噪比和/或载波相位的观测值数量，确定对应的积雪深度反演模型。
6.如技术方案5所述的面向北斗站点的GNSS-IR积雪深度反演的最优方法，其中，当载波相位类型观测值存在，且信噪比类型观测值存在时，确定采用SNR模型，SNR_COM模型和F3模型中的一个或多个进行积雪深度反演；
当载波相位类型观测值存在，信噪比类型观测值不存在时，基于载波相位类型观测值的数量，确定采用F3模型、L4模型和F2C模型中的一个或多个进行积雪深度反演。
7.如技术方案6所述的面向北斗站点的GNSS-IR积雪深度反演的最优方法，其中，当载波相位类型观测值存在，且信噪比类型观测值存在时，确定采用SNR模型，SNR_COM模型和F3模型中的一个或多个进行积雪深度反演，包括：
当信噪比类型观测值大于等于3个时，采用SNR模型和/或SNR_COM模型进行积雪深度反演，优选SNR_COM进行积雪深度反演；
当载波相位类型观测值大于等于3个时，采用L4模型、F2C模型和F3模型中的一个或多个进行积雪深度反演，优选F3模型进行积雪深度反演；
当信噪比类型观测值小于3个时，采用SNR模型进行积雪深度反演。
8.如技术方案6所述的面向北斗站点的GNSS-IR积雪深度反演的最优方法，其中，当载波相位类型观测值存在，信噪比类型观测值不存在时，基于载波相位类型观测值的数量，确定对应的积雪深度反演模型，包括：
当载波相位类型观测值大于等于3个时，采用F3模型、L4模型、和F2C模型中的一个或多个进行积雪深度反演，优选F3模型进行积雪深度反演；
当载波相位类型观测值大于等于2个时，采用L4模型或F2C模型进行积雪深度反演。
9.如技术方案1所述的面向北斗站点的GNSS-IR积雪深度反演的最优方法，其中，在得到多个单颗卫星的积雪深度反演结果之后，所述方法还包括：
基于多个单颗卫星的积雪深度反演结果联合确定最终的积雪深度反演结果。
10.一种面向北斗站点的GNSS-IR积雪深度反演的最优***，包括：
数据预处理模块，被配置为获取地面观测站从卫星接收到的标准格式数据；以及
从所述标准格式数据中获取北斗卫星的观测值，并结合所述北斗卫星的镜面反射点的坐标信息和卫星高度角、方位角信息，形成北斗观测量文件；以及
对所述北斗观测量文件进行筛选，选取参数符合预设条件的观测值；
积雪深度反演模块，被配置为基于所述参数符合预设条件的观测值中各个类型的观测值数量，确定对应的积雪深度反演模型；以及
根据确定的积雪深度反演模型和对应的观测值，进行积雪深度反演。
11.一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述技术方案1-9中任一所述方法。
12.一种计算设备，所述计算设备包括：
处理器；
用于存储所述处理器可执行指令的存储器；
所述处理器，用于执行上述技术方案1-9中任一所述方法。

Claims (10)

1.一种面向北斗站点的GNSS-IR积雪深度反演的最优方法，包括：
获取地面观测站从卫星接收到的标准格式数据；
从所述标准格式数据中获取北斗卫星的观测值，并结合所述北斗卫星的镜面反射点的坐标信息和卫星高度角、方位角信息，形成北斗观测量文件；
对所述北斗观测量文件进行筛选，选取参数符合预设条件的观测值；
基于所述参数符合预设条件的观测值中各个类型的观测值数量，确定对应的积雪深度反演模型；
根据确定的积雪深度反演模型和对应的观测值，进行积雪深度反演。
2.如权利要求1所述的面向北斗站点的GNSS-IR积雪深度反演的最优方法，其中，从所述标准格式数据中获取的北斗卫星的观测值至少包括以下类型之一：信噪比和载波相位。
3.如权利要求1所述的面向北斗站点的GNSS-IR积雪深度反演的最优方法，其中，对所述北斗观测量文件进行筛选，选取参数符合预设条件的观测值，包括：
根据预设参数的筛选范围，选取卫星高度角、地面观测站采样率符合的观测值。
4.如权利要求3所述的面向北斗站点的GNSS-IR积雪深度反演的最优方法，其中，所述卫星高度角的筛选范围优选5-30°和/或5-25°；
所述地面观测站采样率的筛选范围包括0-120s。
5.如权利要求1所述的面向北斗站点的GNSS-IR积雪深度反演的最优方法，其中，基于所述参数符合预设条件的观测值中信噪比和/或载波相位的观测值数量，确定对应的积雪深度反演模型。
6.如权利要求5所述的面向北斗站点的GNSS-IR积雪深度反演的最优方法，其中，当载波相位类型观测值存在，且信噪比类型观测值存在时，确定采用SNR模型，SNR_COM模型和F3模型中的一个或多个进行积雪深度反演；
当载波相位类型观测值存在，信噪比类型观测值不存在时，基于载波相位类型观测值的数量，确定采用F3模型、L4模型和F2C模型中的一个或多个进行积雪深度反演。
7.如权利要求6所述的面向北斗站点的GNSS-IR积雪深度反演的最优方法，其中，当载波相位类型观测值存在，且信噪比类型观测值存在时，确定采用SNR模型，SNR_COM模型和F3模型中的一个或多个进行积雪深度反演，包括：
当信噪比类型观测值大于等于3个时，采用SNR模型和/或SNR_COM模型进行积雪深度反演，优选SNR_COM进行积雪深度反演；
当载波相位类型观测值大于等于3个时，采用L4模型、F2C模型和F3模型中的一个或多个进行积雪深度反演，优选F3模型进行积雪深度反演；
当信噪比类型观测值小于3个时，采用SNR模型进行积雪深度反演。
8.一种面向北斗站点的GNSS-IR积雪深度反演的最优***，包括：
数据预处理模块，被配置为获取地面观测站从卫星接收到的标准格式数据；以及
从所述标准格式数据中获取北斗卫星的观测值，并结合所述北斗卫星的镜面反射点的坐标信息和卫星高度角、方位角信息，形成北斗观测量文件；以及
对所述北斗观测量文件进行筛选，选取参数符合预设条件的观测值；
积雪深度反演模块，被配置为基于所述参数符合预设条件的观测值中各个类型的观测值数量，确定对应的积雪深度反演模型；以及
根据确定的积雪深度反演模型和对应的观测值，进行积雪深度反演。
9.一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1-7中任一所述方法。
10.一种计算设备，所述计算设备包括：
处理器；
用于存储所述处理器可执行指令的存储器；
所述处理器，用于执行上述权利要求1-7中任一所述方法。
CN202111382066.8A 2021-11-19 2021-11-19 面向北斗站点的gnss-ir积雪深度反演的最优策略及*** Pending CN113932704A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111382066.8A CN113932704A (zh) 2021-11-19 2021-11-19 面向北斗站点的gnss-ir积雪深度反演的最优策略及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111382066.8A CN113932704A (zh) 2021-11-19 2021-11-19 面向北斗站点的gnss-ir积雪深度反演的最优策略及***

Publications (1)

Publication Number Publication Date
CN113932704A true CN113932704A (zh) 2022-01-14

Family

ID=79287468

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111382066.8A Pending CN113932704A (zh) 2021-11-19 2021-11-19 面向北斗站点的gnss-ir积雪深度反演的最优策略及***

Country Status (1)

Country Link
CN (1) CN113932704A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114721019A (zh) * 2022-03-29 2022-07-08 长安大学 基于gps双频信号的雪水当量估计方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114721019A (zh) * 2022-03-29 2022-07-08 长安大学 基于gps双频信号的雪水当量估计方法及装置
CN114721019B (zh) * 2022-03-29 2024-06-11 长安大学 基于gps双频信号的雪水当量估计方法及装置

Similar Documents

Publication Publication Date Title
Donaldson et al. Characterization of on-orbit GPS transmit antenna patterns for space users
Paziewski et al. Assessment of GPS+ Galileo and multi-frequency Galileo single-epoch precise positioning with network corrections
KR102180302B1 (ko) 의사거리 측정치 및 이중차분 반송파 측정치를 이용한 전리층 보정정보 생성 시스템 및 방법
US7502689B2 (en) Determination of an atmospheric state
EP2040090A1 (en) Method for accuracy estimation of network based corrections for a satellite-aided positioning system
CA2681918A1 (en) Distance dependant error mitigation in real-time kinematic (rtk) positioning
Araszkiewicz et al. The impact of the antenna phase center models on the coordinates in the EUREF Permanent Network
US20210149060A1 (en) Method and Apparatus for Providing Correction Data for Satellite Navigation
Abbaszadeh et al. Benefits of combining GPS and GLONASS for measuring ocean tide loading displacement
Luo et al. Better thresholds and weights to improve GNSS PPP under ionospheric scintillation activity at low latitudes
Zhang et al. A composite stochastic model considering the terrain topography for real-time GNSS monitoring in canyon environments
Garcia et al. Radio tomography of the ionosphere: Analysis of an underdetermined, ill-posed inverse problem, and regional application
Seepersad Reduction of initial convergence period in GPS PPP data processing
Matviichuk et al. Estimating ocean tide loading displacements with GPS and GLONASS
CN113932704A (zh) 面向北斗站点的gnss-ir积雪深度反演的最优策略及***
Kim et al. Monitoring sea level change in arctic using GNSS-reflectometry
Wang et al. The Preliminary Discussion of the Potential of GNSS-IR Technology for Terrain Retrievals
Pu et al. Triple-frequency ambiguity resolution for GPS/Galileo/BDS between long-baseline network reference stations in different ionospheric regions
Yin et al. A novel cycle slips detection model for the high precision positioning
Kotulak et al. Sibsonian and non-Sibsonian natural neighbour interpolation of the total electron content value
Bogusz et al. GPS-derived height changes in diurnal and sub-diurnal timescales
Wang et al. Signal quality monitoring based on chip domain observables: theory, design, and implementation
Łyszkowicz et al. First results of time series analysis of the permanent GNSS observations at polish EPN stations using GipsyX software
Zou et al. Multipath error mitigation method considering NLOS signal for high-precision GNSS data processing
Nie et al. Effect of the polar cap ionospheric sporadic-E layer on GNSS-based positioning: a case study at Resolute Bay, Canada, September 5, 2012

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