CN116304520A - 基于多源数据融合的对流层高差改正模型构建方法 - Google Patents

基于多源数据融合的对流层高差改正模型构建方法 Download PDF

Info

Publication number
CN116304520A
CN116304520A CN202310532537.1A CN202310532537A CN116304520A CN 116304520 A CN116304520 A CN 116304520A CN 202310532537 A CN202310532537 A CN 202310532537A CN 116304520 A CN116304520 A CN 116304520A
Authority
CN
China
Prior art keywords
data
zwd
source
covariance
gnss
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
CN202310532537.1A
Other languages
English (en)
Inventor
周东卫
邓川
汤伟尧
孔建
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.)
China Railway First Survey and Design Institute Group Ltd
China State Railway Group Co Ltd
Original Assignee
China Railway First Survey and Design Institute Group Ltd
China State Railway Group Co Ltd
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 China Railway First Survey and Design Institute Group Ltd, China State Railway Group Co Ltd filed Critical China Railway First Survey and Design Institute Group Ltd
Priority to CN202310532537.1A priority Critical patent/CN116304520A/zh
Publication of CN116304520A publication Critical patent/CN116304520A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • 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
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/40—Correcting position, velocity or attitude
    • 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
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/43—Determining position using carrier phase measurements, e.g. kinematic positioning; using long or short baseline interferometry
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computing Systems (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明涉及基于多源数据融合的对流层高差改正模型构建方法。测站间高差较大时对流层延迟变化复杂，现有对流层模型改正精度低。本方法对GNSS、COSMIC、无线电探空站、ECMWF和ITG模型的数据进行时间和空间的基准转换；利用ECMWF的数据构建背景场，探测剔除粗差异常；利用GNSS的数据校准***性偏差；以中长期对流层延迟信号变化趋势为约束，基于二次无偏估计法确定不同高程下的多源数据权重；利用双线性内插计算各格网点的高度归算函数，建立对流层高差改正模型。该方法能修正基准站与流动站站间高差引起的对流层残差，以保证网络RTK对流层延迟的准确内插，提高网络RTK在高程变化剧烈地区的位置服务质量。

Description

基于多源数据融合的对流层高差改正模型构建方法
技术领域
本发明涉及定位测量技术领域，具体涉及一种基于多源数据融合的对流层高差改正模型构建方法。
背景技术
随着全球导航卫星***（Global Navigation Satellite System, GNSS）的不断发展，实时动态定位技术（Real-Time Kinematic, RTK）的出现满足了人们对实时高精度定位的要求，为了克服RTK定位精度受距离影响的缺陷，基于GNSS连续运行参考站（Continuously Operating Reference Station, CORS）网的网络RTK技术应运而生。通过对各CORS站点的GNSS伪距和载波相位观测值进行实时处理，在CORS网覆盖区域建立各类型的误差模型用以改正与距离相关的各项误差。
但是测站间高差较大时，对流层残差需要精细考虑，在高差变化剧烈、地形起伏较大的区域中对流层延迟变化规律更加复杂，现有对流层模型存在改正精度低的问题。我国地形地貌复杂，西南地区存在大量高程剧烈变化的多山地区，当各CORS基准站以及用户流动站之间的高差较大时，由高差引起的对流层残差也相应较大。一般而言，对流层延迟与GNSS接收机的高程呈指数关系，即使两点经纬度相同，当高程相差1 km时，两点的对流层延迟之差也将达到分米级，而1 cm的对流层相对延迟误差会使基线向量在垂直方向产生3.2cm的误差，所以当高差大于500 m，用户得到的定位结果可能包含超过10 cm的垂直方向误差，严重影响定位结果的精准性。因此，研究高差（基准站-基准站、基准站-流动站）对网络RTK定位的影响并提出相关的改正方法，对在高程剧烈变化地区改善和提高网络RTK定位精度和可靠性是至关重要的。
发明内容
本发明的目的是提供一种基于多源数据融合的对流层高差改正模型构建方法，以解决定位过程中站间高差引起的对流层残差过大的问题。
为了达到上述目的，本发明所采用的技术方案为：
基于多源数据融合的对流层高差改正模型构建方法，所述方法包括：
对GNSS、COSMIC、无线电探空站、ECMWF和ITG模型的数据进行时间和空间的基准转换；
利用ECMWF的数据构建背景场，探测剔除粗差异常；
利用GNSS的数据校准***性偏差；
以中长期对流层延迟信号变化趋势为约束，基于二次无偏估计法确定不同高程下的多源数据权重；
利用双线性内插计算各格网点的高度归算函数，建立大高差地区基于多源数据融合的对流层高差改正模型。
进一步地，对GNSS、COSMIC、无线电探空站、ECMWF和ITG模型的数据进行时间和空间的基准转换，包括：
将COSMIC、无线电探空站、ECMWF和ITG模型的ZWD数据统一转换至大地高***；
将GNSS的ZWD数据统一到UTC时间***。
进一步地，利用ECMWF的数据构建背景场，探测剔除粗差异常，包括：
利用ECMWF的ZWD数据作为背景场，对无线电探空站和COSMIC的ZWD数据进行探测剔除粗差异常。
进一步地，利用GNSS的数据校准***性偏差，包括：
利用GNSS的ZWD数据校准无线电探空站的ZWD数据的***性偏差。
进一步地，以中长期对流层延迟信号变化趋势为约束，基于二次无偏估计法确定不同高程下的多源数据权重，包括：
估计出各个来源的ZWD数据的协方差以及不同来源的ZWD数据之间的协方差，各个来源包括GNSS、COSMIC、无线电探空站、ECMWF和ITG模型，各个来源的ZWD数据的协方差以及不同来源的ZWD数据之间的协方差利用以下公式获得：
Figure SMS_1
；
其中：
Figure SMS_2
是滞后距离；
Figure SMS_3
是观测值；
Figure SMS_4
是观测值位置；
Figure SMS_5
是滞后距离为/>
Figure SMS_6
的观测值数量；
根据协方差与滞后距离
Figure SMS_7
，拟合出协方差函数，根据协方差函数计算观测值协方差矩阵：
Figure SMS_8
；
其中：
Figure SMS_9
是不同来源的编号，/>
Figure SMS_10
，对应GNSS、COSMIC、无线电探空站、ECMWF和ITG模型5个来源；
Figure SMS_11
是第/>
Figure SMS_12
个来源的ZWD数据的协方差函数；
Figure SMS_13
是第/>
Figure SMS_14
个来源和第/>
Figure SMS_15
个来源的ZWD数据之间的协方差函数；
Figure SMS_16
是第/>
Figure SMS_17
个来源的ZWD数据的观测值协方差矩阵；
Figure SMS_18
是第/>
Figure SMS_19
个来源和第/>
Figure SMS_20
个来源的ZWD数据之间的观测值协方差矩阵；
Figure SMS_21
是/>
Figure SMS_22
间的距离，/>
Figure SMS_23
、/>
Figure SMS_24
指代相同来源的不同ZWD数据；
Figure SMS_25
是作差符号；
根据观测值协方差矩阵，获得多源数据权重的权阵：
Figure SMS_26
；
其中：
Figure SMS_27
是单位权方差。
进一步地，利用双线性内插计算各格网点的高度归算函数，建立大高差地区基于多源数据融合的对流层高差改正模型，包括：
以无线电探空站的ZWD数据为基准，建立顾及***差的融合观测方程为：
Figure SMS_28
；
其中：
Figure SMS_29
是待求网格点的融合值；
Figure SMS_30
、/>
Figure SMS_31
是***差参数；
Figure SMS_32
是待求参数与观测值的函数，/>
Figure SMS_33
；
Figure SMS_34
是ZWD数据的观测值，上标表示来源；
Figure SMS_35
通过高度归算至待求点高度：
Figure SMS_36
；
其中：
Figure SMS_37
是高差；
ZWD0是原始的ZWD数据；
Figure SMS_38
是对流层延迟高度归算函数；
将融合观测方程线性化，结合权重，移项得到误差方程，即为基于多源数据融合的对流层高差改正模型：
Figure SMS_39
；
其中：
Figure SMS_40
是ZWD误差值，上标表示来源；
Figure SMS_41
是融合观测方程线性化后待估参数的系数，/>
Figure SMS_42
；
Figure SMS_43
是原始的/>
Figure SMS_44
大小；
Figure SMS_45
是原始的/>
Figure SMS_46
大小；
Figure SMS_47
是原始的/>
Figure SMS_48
大小，上标表示来源；
根据最小二乘方法，求解得到融合后的ZWD数据。
与现有技术相比，本发明的有益效果如下：
本发明针对现有网络RTK软件未考虑基准站与流动站站间高差引起的对流层残差，当站间高差过大时，导致网络RTK在高程方向定位精度低甚至无法提供正常的定位服务的问题，提出了一种网络RTK对流层延迟高差改正理论和方法。该方法对GNSS、COSMIC、无线电探空站、ECMWF和ITG模型的数据进行时间和空间的基准转换；利用ECMWF的数据构建背景场，探测剔除粗差异常，并利用GNSS的数据校准***性偏差；以中长期对流层延迟信号变化趋势为约束，基于二次无偏估计法确定不同高程下的多源数据权重；利用双线性内插计算各格网点的高度归算函数，建立大高差地区基于多源数据融合的对流层高差改正模型，计算融合后的ZWD数据。该方法可以利用建立的对流层高差改正模型来修正基准站与流动站站间高差引起的对流层残差，以保证网络RTK对流层延迟的准确内插，提高网络RTK在高程变化剧烈地区的位置服务质量。
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，下面将对实施例或现有技术描述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实施例的附图。
图1是本发明方法的流程图。
具体实施方式
为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的较佳实施方式。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施方式。相反地，提供这些实施方式的目的是使对本发明的公开内容理解的更加透彻全面。
应注意到，相似的标号和字母表示类似项，因此，一旦某一项在一个实施例中被定义，则在随后的实施例中不需要对其进行进一步定义和解释。此外，术语“包括”等以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
还应注意到，虽然在方法描述中涉及了步骤顺序，但是在某些情况下，可以以不同于此处的顺序执行，不应被理解为对步骤顺序的限制。
如图1，本发明提供了一种基于多源数据融合的对流层高差改正模型构建方法，具体包括以下步骤：
S1：对GNSS、COSMIC（constellation observing system for meteorology，ionosphere and climate，气象、电离层与气候星座观测***）、无线电探空站（Radio）、ECMWF（European Centre for Medium-Range Weather Forecasts，欧洲中期天气预报中心）和ITG（Improved Tropospheric Grid，改进对流层格网）模型的数据进行时间和空间的基准转换，包括：
S101：获取不同来源的ZWD（Zenith Wet Delay，湿延迟）数据，来源包括GNSS、COSMIC、无线电探空站、ECMWF和ITG模型。
GNSS的ZWD数据通过地区站点获取，COSMIC、无线电探空站和ECMWF的ZWD数据从各自开源网站上获取，ITG模型的ZWD数据由ECMWF的ZWD数据进一步处理得到。
S102：不同来源的ZWD数据基准不一致，且在部分地区偏差较大，因此将COSMIC、无线电探空站、ECMWF和ITG模型的ZWD数据统一转换至大地高***下，将GNSS的ZWD数据统一到UTC时间***。
S2：利用ECMWF的数据构建背景场，探测剔除粗差异常，包括：
无线电探空和无线电掩星技术获得的ZWD数据存在较多的粗差，在数据融合之前需进行粗差探测和剔除。考虑到ECMWF具有全球均匀覆盖且精度比较稳定的特点，可利用ECMWF的ZWD数据作为背景场，来进行其他观测数据的粗差探测和剔除工作，如利用全球均匀覆盖且精度比较稳定的ECMWF的ZWD数据作为背景场，对存在较多粗差的无线电探空站和COSMIC的ZWD数据进行探测剔除粗差异常。
S3：利用GNSS的数据校准***性偏差，包括：
利用时间分辨率高、数据处理质量控制严格的GNSS的ZWD数据来校准无线电探空站等数据的***性偏差。
S4：以中长期对流层延迟信号变化趋势为约束，基于二次无偏估计法确定不同高程下的多源数据权重，包括：
S401：协方差函数的严密表达式无法求得，但可以根据观测值估计得到不同来源的ZWD数据之间的协方差。对于滞后距离
Figure SMS_49
，可以计算相应的协方差/>
Figure SMS_50
。
本方法估计出各个来源的ZWD数据的协方差以及不同来源的ZWD数据之间的协方差，各个来源包括GNSS、COSMIC、无线电探空站、ECMWF和ITG模型，各个来源的ZWD数据的协方差以及不同来源的ZWD数据之间的协方差利用以下公式获得：
Figure SMS_51
；
其中：
Figure SMS_52
是滞后距离；
Figure SMS_53
是观测值；
Figure SMS_54
是观测值位置；
Figure SMS_55
是滞后距离为/>
Figure SMS_56
的观测值数量；
S402：根据协方差与滞后距离
Figure SMS_57
，拟合出协方差函数；
S403：根据协方差函数计算观测值协方差矩阵：
Figure SMS_58
；
其中：
Figure SMS_59
是不同来源的编号，/>
Figure SMS_60
，对应GNSS、COSMIC、无线电探空站、ECMWF和ITG模型5个来源；
Figure SMS_61
是第/>
Figure SMS_62
个来源的ZWD数据的协方差函数；
Figure SMS_63
是第/>
Figure SMS_64
个来源和第/>
Figure SMS_65
个来源的ZWD数据之间的协方差函数；
Figure SMS_66
是第/>
Figure SMS_67
个来源的ZWD数据的观测值协方差矩阵；
Figure SMS_68
是第/>
Figure SMS_69
个来源和第/>
Figure SMS_70
个来源的ZWD数据之间的观测值协方差矩阵；
Figure SMS_71
是/>
Figure SMS_72
间的距离，/>
Figure SMS_73
、/>
Figure SMS_74
指代相同来源的不同ZWD数据；
Figure SMS_75
是作差符号；
S404：根据观测值协方差矩阵，获得多源数据权重的权阵：
Figure SMS_76
；
其中：
Figure SMS_77
是单位权方差。
S5：利用双线性内插计算各格网点的高度归算函数，建立大高差地区基于多源数据融合的对流层高差改正模型，包括：
S501：以精度最高的无线电探空站的ZWD数据为基准，建立顾及***差的融合观测方程为：
Figure SMS_78
；
其中：
Figure SMS_79
是待求网格点的融合值；
Figure SMS_80
、/>
Figure SMS_81
是***差参数；
Figure SMS_82
是待求参数与观测值的函数，/>
Figure SMS_83
；
Figure SMS_84
是ZWD数据的观测值，上标表示来源；
Figure SMS_85
通过高度归算至待求点高度：
Figure SMS_86
；
其中：
Figure SMS_87
是高差；
ZWD0是原始的ZWD数据；
Figure SMS_88
是对流层延迟高度归算函数；
S502：将融合观测方程线性化，结合权重，移项得到误差方程，即为基于多源数据融合的对流层高差改正模型：
Figure SMS_89
；
其中：
Figure SMS_90
是ZWD误差值，上标表示来源；
Figure SMS_91
是融合观测方程线性化后待估参数的系数，/>
Figure SMS_92
；
Figure SMS_93
是原始的/>
Figure SMS_94
大小；
Figure SMS_95
是原始的/>
Figure SMS_96
大小；
Figure SMS_97
是原始的/>
Figure SMS_98
大小，上标表示来源；
S503：根据最小二乘方法，求解得到融合后的ZWD数据。
通过估计不同来源的数据之间的协方差和协方差函数，采用最小二乘法估计ZWD融合值，建立基于多源数据融合的对流层高差改正模型，生成时间分辨率不小于1h、空间分辨率不小于0.1°×0.1°的ZWD产品，并进行精度评定，为用户定位提供高精度的对流层延迟产品。
多源数据融合模型利用多种来源、多种形式的对流层数据，实现对区域对流层信息的充分综合利用，相比于单一数据源，其数据更丰富、冗余性更高，能够有效剔除数据中的粗差，改善***差，从而提高了对流层产品的精度和可靠性。
实施例
取某地高差约为450m的P1、N1基站3天的观测数据，分别用单一数据源和多源数据融合模型得到的ZWD进行基线P1-N1解算，单一数据源所得到的基线解算外符合精度分别为水平0.59cm、0.73cm、0.62cm，垂直2.4cm、2.1cm、1.9cm；多源数据融合模型得到的基线解算外符合精度分别为水平0.58cm、0.72cm、0.61cm，垂直1.4cm、1.5cm、1.3cm。可以看出，采用多源数据融合模型的基线解算精度更高，垂直方向的精度提升效果明显。
以上应用了具体个例对本发明进行阐述，只是用于帮助理解本发明，并不用以限制本发明。对于本发明所属技术领域的技术人员，依据本发明的思想，还可以做出若干简单推演、变形或替换。

Claims (6)

1.基于多源数据融合的对流层高差改正模型构建方法，其特征在于：
所述方法包括：
对GNSS、COSMIC、无线电探空站、ECMWF和ITG模型的数据进行时间和空间的基准转换；
利用ECMWF的数据构建背景场，探测剔除粗差异常；
利用GNSS的数据校准***性偏差；
以中长期对流层延迟信号变化趋势为约束，基于二次无偏估计法确定不同高程下的多源数据权重；
利用双线性内插计算各格网点的高度归算函数，建立大高差地区基于多源数据融合的对流层高差改正模型。
2.根据权利要求1所述的方法，其特征在于：
对GNSS、COSMIC、无线电探空站、ECMWF和ITG模型的数据进行时间和空间的基准转换，包括：
将COSMIC、无线电探空站、ECMWF和ITG模型的ZWD数据统一转换至大地高***；
将GNSS的ZWD数据统一到UTC时间***。
3.根据权利要求2所述的方法，其特征在于：
利用ECMWF的数据构建背景场，探测剔除粗差异常，包括：
利用ECMWF的ZWD数据作为背景场，对无线电探空站和COSMIC的ZWD数据进行探测剔除粗差异常。
4.根据权利要求3所述的方法，其特征在于：
利用GNSS的数据校准***性偏差，包括：
利用GNSS的ZWD数据校准无线电探空站的ZWD数据的***性偏差。
5.根据权利要求4所述的方法，其特征在于：
以中长期对流层延迟信号变化趋势为约束，基于二次无偏估计法确定不同高程下的多源数据权重，包括：
估计出各个来源的ZWD数据的协方差以及不同来源的ZWD数据之间的协方差，各个来源包括GNSS、COSMIC、无线电探空站、ECMWF和ITG模型，各个来源的ZWD数据的协方差以及不同来源的ZWD数据之间的协方差利用以下公式获得：
Figure QLYQS_1
；
其中：
Figure QLYQS_2
是滞后距离；
Figure QLYQS_3
是观测值；
Figure QLYQS_4
是观测值位置；
Figure QLYQS_5
是滞后距离为/>
Figure QLYQS_6
的观测值数量；
根据协方差与滞后距离
Figure QLYQS_7
，拟合出协方差函数，根据协方差函数计算观测值协方差矩阵：
Figure QLYQS_8
；
其中：
Figure QLYQS_9
是不同来源的编号，/>
Figure QLYQS_10
，对应GNSS、COSMIC、无线电探空站、ECMWF和ITG模型5个来源；
Figure QLYQS_11
是第/>
Figure QLYQS_12
个来源的ZWD数据的协方差函数；
Figure QLYQS_13
是第/>
Figure QLYQS_14
个来源和第/>
Figure QLYQS_15
个来源的ZWD数据之间的协方差函数；
Figure QLYQS_16
是第/>
Figure QLYQS_17
个来源的ZWD数据的观测值协方差矩阵；
Figure QLYQS_18
是第/>
Figure QLYQS_19
个来源和第/>
Figure QLYQS_20
个来源的ZWD数据之间的观测值协方差矩阵；
Figure QLYQS_21
是/>
Figure QLYQS_22
间的距离，/>
Figure QLYQS_23
、/>
Figure QLYQS_24
指代相同来源的不同ZWD数据；
Figure QLYQS_25
是作差符号；
根据观测值协方差矩阵，获得多源数据权重的权阵：
Figure QLYQS_26
；
其中：
Figure QLYQS_27
是单位权方差。
6.根据权利要求5所述的方法，其特征在于：
利用双线性内插计算各格网点的高度归算函数，建立大高差地区基于多源数据融合的对流层高差改正模型，包括：
以无线电探空站的ZWD数据为基准，建立顾及***差的融合观测方程为：
Figure QLYQS_28
；
其中：
Figure QLYQS_29
是待求网格点的融合值；
Figure QLYQS_30
、/>
Figure QLYQS_31
是***差参数；
Figure QLYQS_32
是待求参数与观测值的函数，/>
Figure QLYQS_33
；
Figure QLYQS_34
是ZWD数据的观测值，上标表示来源；
Figure QLYQS_35
通过高度归算至待求点高度：
Figure QLYQS_36
；
其中：
Figure QLYQS_37
是高差；
ZWD0是原始的ZWD数据；
Figure QLYQS_38
是对流层延迟高度归算函数；
将融合观测方程线性化，结合权重，移项得到误差方程，即为基于多源数据融合的对流层高差改正模型：
Figure QLYQS_39
；
其中：
Figure QLYQS_40
是ZWD误差值，上标表示来源；
Figure QLYQS_41
是融合观测方程线性化后待估参数的系数，/>
Figure QLYQS_42
；
Figure QLYQS_43
是原始的/>
Figure QLYQS_44
大小；
Figure QLYQS_45
是原始的/>
Figure QLYQS_46
大小；
Figure QLYQS_47
是原始的/>
Figure QLYQS_48
大小，上标表示来源；
根据最小二乘方法，求解得到融合后的ZWD数据。
CN202310532537.1A 2023-05-12 2023-05-12 基于多源数据融合的对流层高差改正模型构建方法 Pending CN116304520A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310532537.1A CN116304520A (zh) 2023-05-12 2023-05-12 基于多源数据融合的对流层高差改正模型构建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310532537.1A CN116304520A (zh) 2023-05-12 2023-05-12 基于多源数据融合的对流层高差改正模型构建方法

Publications (1)

Publication Number Publication Date
CN116304520A true CN116304520A (zh) 2023-06-23

Family

ID=86815282

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310532537.1A Pending CN116304520A (zh) 2023-05-12 2023-05-12 基于多源数据融合的对流层高差改正模型构建方法

Country Status (1)

Country Link
CN (1) CN116304520A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113325448A (zh) * 2021-04-21 2021-08-31 中铁第一勘察设计院集团有限公司 顾及对流层延迟改造的大高差cors网解算方法
CN114502987A (zh) * 2019-08-01 2022-05-13 斯威夫特导航股份有限公司 用于高斯过程增强的gnss校正生成的***和方法
US11419494B1 (en) * 2014-05-16 2022-08-23 United States Of America As Represented By The Administrator Of Nasa Field-deployable neurological assessment tool for performance readiness and telemedicine
CN115061167A (zh) * 2022-07-13 2022-09-16 武汉大学 一种适用于短距离大高差rtk的对流层延迟改正方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11419494B1 (en) * 2014-05-16 2022-08-23 United States Of America As Represented By The Administrator Of Nasa Field-deployable neurological assessment tool for performance readiness and telemedicine
CN114502987A (zh) * 2019-08-01 2022-05-13 斯威夫特导航股份有限公司 用于高斯过程增强的gnss校正生成的***和方法
CN113325448A (zh) * 2021-04-21 2021-08-31 中铁第一勘察设计院集团有限公司 顾及对流层延迟改造的大高差cors网解算方法
CN115061167A (zh) * 2022-07-13 2022-09-16 武汉大学 一种适用于短距离大高差rtk的对流层延迟改正方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
刘惠清等: "景观生态学", 31 December 2008, 东北师范大学出版社, pages: 275 *
姚宜斌等: "一种新的全球对流层天顶延迟模型GZTD", 《地球物理学报》, vol. 56, no. 7, pages 2 *
武瑞宏等: "复杂艰险山区铁路北斗高精度服务平台的构建", 铁道标准设计, vol. 66, no. 5, pages 1 *

Similar Documents

Publication Publication Date Title
Zhang et al. GPS PPP‐derived precipitable water vapor retrieval based on Tm/Ps from multiple sources of meteorological data sets in China
Shapiro et al. Measurement of the Solar Gravitational Deflection of Radio Waves using Geodetic<? format?> Very-Long-Baseline Interferometry Data, 1979–1999
Kouba Implementation and testing of the gridded Vienna Mapping Function 1 (VMF1)
CN101295014B (zh) 基于gnss的远距离高精度实时/快速定位方法和***
Huang et al. Evaluation of hourly PWV products derived from ERA5 and MERRA‐2 over the Tibetan Plateau using ground‐based GNSS observations by two enhanced models
Ghoddousi‐Fard et al. Developing a GPS TEC mapping service over Canada
Zhang et al. A real-time precipitable water vapor monitoring system using the national GNSS network of China: Method and preliminary results
Quesada-Olmo et al. Real-time high-rise building monitoring system using global navigation satellite system technology
Su et al. Ionospheric VTEC and satellite DCB estimated from single-frequency BDS observations with multi-layer mapping function
Cheng et al. Lake surface height calibration of Jason-1 and Jason-2 over the Great Lakes
Hirt et al. Mutual validation of GNSS height measurements and high-precision geometric-astronomical leveling
CN105069295A (zh) 基于卡尔曼滤波的卫星以及地面降水测量值同化方法
CN116182795A (zh) 普速铁路纵断面精密测量方法
Zhao et al. Simultaneous Retrieval of PWV and VTEC by Low‐Cost Multi‐GNSS Single‐Frequency Receivers
Zhao et al. A high-precision ZTD interpolation method considering large area and height differences
Banville et al. Wide-area grid-based slant ionospheric delay corrections for precise point positioning
Zhou et al. Absolute sea level changes along the coast of China from tide gauges, GNSS, and satellite altimetry
Li et al. Research into GNSS levelling using network RTK in Taiwan
CN116304520A (zh) 基于多源数据融合的对流层高差改正模型构建方法
Shi et al. Improvement of PPP-inferred tropospheric estimates by integer ambiguity resolution
CN115902968A (zh) 基于北斗三号geo播发增强信息的ppp终端定位方法
Wielgosz et al. Research on GNSS positioning and applications in Poland in 2015–2018
Urquhart et al. Global assessment of UNB’s online precise point positioning software
Charoenphon et al. Performance assessment of weighted mean temperature models derived from AIRS and ERA5 reanalysis for calculating GPS precipitable water vapor in the thailand region
Savchuk et al. Comparison of approaches to zenith tropospheric delay determination based on data of atmosphere radio sounding and GNSS observation

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