CN117892636B - 一种基于核函数的多源数据融合的电离层延迟模型构建方法 - Google Patents

一种基于核函数的多源数据融合的电离层延迟模型构建方法 Download PDF

Info

Publication number
CN117892636B
CN117892636B CN202410285248.0A CN202410285248A CN117892636B CN 117892636 B CN117892636 B CN 117892636B CN 202410285248 A CN202410285248 A CN 202410285248A CN 117892636 B CN117892636 B CN 117892636B
Authority
CN
China
Prior art keywords
data
ionosphere
ionospheric
satellite
tec
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
Application number
CN202410285248.0A
Other languages
English (en)
Other versions
CN117892636A (zh
Inventor
吕庭彦
周竞亮
张睿
刘佳岐
江伟
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.)
Beijing Gezhouba Electric Power Rest House
China Three Gorges Corp
Original Assignee
Beijing Gezhouba Electric Power Rest House
China Three Gorges Corp
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 Beijing Gezhouba Electric Power Rest House, China Three Gorges Corp filed Critical Beijing Gezhouba Electric Power Rest House
Priority to CN202410285248.0A priority Critical patent/CN117892636B/zh
Publication of CN117892636A publication Critical patent/CN117892636A/zh
Application granted granted Critical
Publication of CN117892636B publication Critical patent/CN117892636B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/253—Fusion techniques of extracted features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/29—Graphical models, e.g. Bayesian networks
    • G06F18/295—Markov models or related models, e.g. semi-Markov models; Markov random fields; Networks embedding Markov models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
    • 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)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明公开了一种基于核函数的多源数据融合的电离层延迟模型构建方法，针对现有地基GNSS站分布不均匀，以及现存融合方法对数据异常值缺少合理有效的处理手段等问题，通过对基于GNSS数据的电离层数据、基于COSMIC卫星的电离层数据以及基于海洋测高卫星的电离层数据实现多源数据融合建模，利用在数据处理领域有着广泛应用的核函数方法，得到高精度、高鲁棒性的多源数据电离层延迟建模方法，可以有效解决现有技术中存在的未考虑对数据源异常值的处理，缺少完善的、充分的数据融合方法的问题。

Description

一种基于核函数的多源数据融合的电离层延迟模型构建方法
技术领域
本发明涉及电离层延迟建模技术领域，特别涉及一种基于核函数的多源数据融合的电离层延迟模型构建方法。
背景技术
电离层是日地空间环境的重要组成部分，监测与研究电离层中的各种现象，进而揭示其时空变化规律和物理机制，不仅有利于推动电离层理论和地球科学领域交叉学科的研究，而且有利于航天、航空和通讯等应用方面的发展。当全球卫星导航***（GlobalNavigation Satellite System, GNSS）发射的电磁波信号在电离层中传播时，会产生几米到几十米的误差，是制约GNSS用户（尤其单频GNSS用户）高精度定位的主要误差源之一。电离层总电子含量（TotalElectron Content，TEC）是描述电离层变化特性的关键参量，构建实时电离层TEC模型可为实时导航定位用户提供电离层延迟改正，加快精密单点定位（PrecisePoint Positioning，PPP）收敛速度，实现对空间天气的精准监测。同时，为满足GNSS用户对高精度电离层延迟的实时改正需求并实现对电离层的实时精准监测，国际GNSS服务组织（International GNSSService，IGS）电离层分析中心于近些年开始关注实时电离层TEC模型的构建，并取得了一些初步结果。因此，实时电离层TEC模型的构建已成为电离层研究领域的热点。
现阶段,全球卫星导航定位***仍是电离层探测最重要的技术手段之一,多频多模GNSS的发展为空间电离层探测提供了日益丰富的观测资料。而COSMIC的应用极大地改善和提高了电离层总电子含量(Total Electron Content, TEC)观测的覆盖能力;Jason-1和Jason-2两颗海洋测高卫星的扫描范围可覆盖全球90%的海洋面,这种独特的优势恰好可以弥补地基GNSS观测数据在海洋上的空白。
现有技术中，地基GNSS站点在我国分布不均匀，在西部荒漠地区以及广大的海洋区域几乎无基准站分布,导致了电离层模型在这些区域的精度较低，在某些区域甚至出现了大量的与实际情况不符的VTEC为负值的现象，且现有融合方法多数较为简单，并未考虑对数据源异常值的处理，缺少完善的、充分的数据融合方法，因此，需要设计一种基于核函数的多源数据融合的电离层延迟模型构建方法来解决上述问题。
发明内容
本发明的目的在于提供一种基于核函数的多源数据融合的电离层延迟模型构建方法，该方法通过多源数据的融合，可以得到精度、分辨率更高的电离层延迟模型，解决现有技术中存在的未考虑对数据源异常值的处理，缺少完善的、充分的数据融合方法的问题。
为实现上述技术效果，本发明的技术方案是：
一种基于核函数的多源数据融合的电离层延迟模型构建方法，包括以下步骤：
S1，地基GNSS全球电离层建模：
包括GNSS数据的读取和预处理、VTEC计算、不同GNSS数据定权、VTEC格网化、虚拟观测值内插和电离层观测方程建立，得到全球电离层模型GIM文件；
S2，基于GNSS数据的电离层TEC值获取；
S3，基于COSMIC卫星的电离层数据提取；
S4，基于海洋测高卫星的电离层数据提取；
S5，数据处理与统一；
S6，多源融合模型建立；
S7，核函数限制异常值；
S8，精度评定。
优选地，步骤S2中，基于GNSS数据的电离层TEC值获取包括：
S201，根据电离层延迟与无线电信号频率相关的特性，使用地基GNSS接收机提供的双频观测数据提取视线方向上的电离层数据；
S202，使用特定的数学方法拟合全球/区域的电离层变化；数学方法包括双频伪距法、载波相位平滑伪距法以及非差非组合PPP法中的一种或多种，通过对原始观测数据的处理，获取对应的值。
优选地，步骤S3中，基于COSMIC卫星的电离层数据提取包括：
通过下载COSMIC文件进行数据处理，获得电离层全路径的TEC值：
；
式中，表示COSMIC卫星下方的VTEC值；/>则表示COSMIC卫星上方的VTEC值，通过MIDAS层析算法求解电子密度MX来计算VTEC值：
；
其中，为地基GNSS射线穿过每个网格在其垂直方向上的截距，/>为每个网格中的电子密度，/>为通过电离层总路径上的/>，由于于反演区域中有的网格没有射线穿过，导致矩阵/>是秩亏的，从而求解的电子密度不唯一，因此构造映射矩阵/>使得/>是可逆的，最后对/>进行奇异值分解并解出/>，/>为最终所求的电子密度。
优选地，步骤S4中，基于海洋测高卫星的电离层数据提取包括：
通过数据下载直接获取Jason-2卫星所提供的VTEC数据：
海洋测高卫星搭载的雷达高度计发射的是双频信号，根据测高卫星计算电离层TEC的公式如下：
；
式中，和/>分别为Ku波段的电离层距离改正和波段频率。
优选地，步骤S5中，数据处理与统一包括：
对海洋测高卫星得到的TEC值先进行数据的平滑，并进行时间***的统一；
对COSMIC得到的TEC值，先利用GNSS计算得到的TEC进行偏差校正，再用于后续的多源数据融合。
优选地，步骤S6中，多源融合模型建立包括：
；
式中，下标表示当前TEC的数据源；数据通过赫尔默特方差分量估计法来确定各类观测数据的权，估计过程中反复进行平差及方差分量的估计，直至不同电离层数据的单位权方差相等为止。
优选地，步骤S7中，核函数限制异常值，通过在残差计算中引入权重，来平衡不同残差对模型构建的影响，包括：
通过柯西核函数，对步骤S6中经过赫尔默特方差分量估计后的异常值进行限制：
；
；
式中，表示单位权方差因子，P i为观测数据与虚拟观测数据构成的权阵，/>表示预平差向量，N i表示法方程矩阵；当/>过大时，对应的目标函数不至于过大，在提高数据稳定性的同时，也能一定程度上加快收敛速度。
优选地，步骤S8中，精度评定包括：
使用三维电离层经验模型对不同来源的电离层观测数据进行归一化处理，并分别考虑了海洋上空与地面不同区域的评定方法；
进一步地，海洋上空的评定方法为：
由于Jason卫星的运行范围主要集中在65°S~65°N之间的海洋地区，且计算得到的电离层数据与地基GNSS接收机提取的电离层数据不相关，因此可使用Jason卫星提供的电离层垂延迟产品（JasonVTEC）对电离层TEC模型在海洋上空的精度进行评估；通常，JasonVTEC可根据星载测高仪Ku波段频率的伪距电离层延迟改正数来获取，具体公式如下：
；
式中，为/>波段电离层距离改正数；/>为/>波段频率，单位为GHz。由于测高仪观测噪声较大，通常可使用15~25s的窗口并结合中值滤波法提取电离层数据，平滑后的电离层数据精度优于1TECU此外，由于云层、湖泊及雨水等也会反射海洋测高卫星发射的电磁波，在陆地地区也会有少量数据；
进一步地，地面不同区域选用SF-PPP定位验证进行评定：
与相对定位和多频PPP技术相比，SF-PPP无法通过站间差分或双频无电离层组合来消除电离层延迟误差的影响；因此，如果其他类型的误差改正效果相同，SF(SingleFrequency)-PPP的定位精度便可反映不同电离层TEC模型的电离层延迟改正效果。因此，通过对SF-PPP解算结果的分析，即可从侧面评定电离层模型的构建效果。
优选地，在精度评定后进行模型一致性评估。
进一步地，一致性评估方法为：
采用dSTEC法进行评估，该方法使用双频载波相位观测值计算倾斜路径总电子含量（Slant Total Electron Content，STEC），并求解一个连续弧段中某个历元的STEC值与同一弧段内高度角最大的STEC值之间的差值；由于使用双频载波相位观测值计算得到的STEC值精度优于0.1TECU且不受电离层单层模型假设及电离层投影函数的影响，因此广泛用于电离层TEC模型的一致性评估，具体计算公式为：
；
式中，表示卫星/>和接收机/>视线方向上在时刻/>的STEC值；/>表示卫星高度角最大的时刻；/>表示相位无几何距离组合在时刻/>的观测值。
本发明提供的一种基于核函数的多源数据融合的电离层延迟模型构建方法的优点是：
本发明通过借鉴多源数据融合以及核函数的思想，在地基GNSS缺失区域通过COSMIC掩星数据、海洋测高卫星数据等实现了电离层TEC值的填充与融合；同时在具体的融合过程中，通过核函数的方法限制了多源数据异常值的影响，进而建立更高精度的电离层模型；并充分考虑了多方面的影响因素，对多源数据融合的模型进行了完善的精度评价。
附图说明
图1为本发明的流程示意图。
具体实施方式
实施例一：
如图1所示，一种基于核函数的多源数据融合的电离层延迟模型构建方法，包括以下步骤：
S1，地基GNSS全球电离层建模：
包括GNSS数据的读取和预处理、VTEC计算、不同GNSS数据定权、VTEC格网化、虚拟观测值内插和电离层观测方程建立，得到全球电离层模型GIM文件；
S2，基于GNSS数据的电离层TEC值获取；
S3，基于COSMIC卫星的电离层数据提取；
S4，基于海洋测高卫星的电离层数据提取；
S5，数据处理与统一；
S6，多源融合模型建立；
S7，核函数限制异常值；
S8，精度评定。
优选地，步骤S2中，基于GNSS数据的电离层TEC值获取包括：
S201，根据电离层延迟与无线电信号频率相关的特性，使用地基GNSS接收机提供的双频观测数据提取视线方向上的电离层数据；
S202，使用特定的数学方法拟合全球/区域的电离层变化；数学方法包括双频伪距法、载波相位平滑伪距法以及非差非组合PPP法中的一种或多种，通过对原始观测数据的处理，获取对应的值。
优选地，步骤S3中，基于COSMIC卫星的电离层数据提取包括：
通过下载COSMIC文件进行数据处理，获得电离层全路径的TEC值：
；
式中，表示COSMIC卫星下方的VTEC值；/>则表示COSMIC卫星上方的VTEC值，通过MIDAS层析算法求解电子密度MX来计算VTEC值：
；
其中，为地基GNSS射线穿过每个网格在其垂直方向上的截距，/>为每个网格中的电子密度，/>为通过电离层总路径上的/>，由于于反演区域中有的网格没有射线穿过，导致矩阵/>是秩亏的，从而求解的电子密度不唯一，因此构造映射矩阵/>使得/>是可逆的，最后对/>进行奇异值分解并解出/>，/>为最终所求的电子密度。
优选地，步骤S4中，基于海洋测高卫星的电离层数据提取包括：
通过数据下载直接获取Jason-2卫星所提供的VTEC数据：
海洋测高卫星搭载的雷达高度计发射的是双频信号，根据测高卫星计算电离层TEC的公式如下：
；
式中，和/>分别为Ku波段的电离层距离改正和波段频率。
优选地，步骤S5中，数据处理与统一包括：
对海洋测高卫星得到的TEC值先进行数据的平滑，并进行时间***的统一；
对COSMIC得到的TEC值，先利用GNSS计算得到的TEC进行偏差校正，再用于后续的多源数据融合。
优选地，步骤S6中，多源融合模型建立包括：
；
式中，下标表示当前TEC的数据源；数据通过赫尔默特方差分量估计法来确定各类观测数据的权，估计过程中反复进行平差及方差分量的估计，直至不同电离层数据的单位权方差相等为止。
优选地，步骤S7中，核函数限制异常值，通过在残差计算中引入权重，来平衡不同残差对模型构建的影响，包括：
通过柯西核函数，对步骤S6中经过赫尔默特方差分量估计后的异常值进行限制：
；
；
式中，表示单位权方差因子，P i为观测数据与虚拟观测数据构成的权阵，/>表示预平差向量，N i表示法方程矩阵；当/>过大时，对应的目标函数不至于过大，在提高数据稳定性的同时，也能一定程度上加快收敛速度。
优选地，步骤S8中，精度评定包括：
使用三维电离层经验模型对不同来源的电离层观测数据进行归一化处理，并分别考虑了海洋上空与地面不同区域的评定方法；
进一步地，海洋上空的评定方法为：
由于Jason卫星的运行范围主要集中在65°S~65°N之间的海洋地区，且计算得到的电离层数据与地基GNSS接收机提取的电离层数据不相关，因此可使用Jason卫星提供的电离层垂延迟产品（JasonVTEC）对电离层TEC模型在海洋上空的精度进行评估；通常，JasonVTEC可根据星载测高仪Ku波段频率的伪距电离层延迟改正数来获取，具体公式如下：
；
式中，为/>波段电离层距离改正数；/>为/>波段频率，单位为GHz。由于测高仪观测噪声较大，通常可使用15~25s的窗口并结合中值滤波法提取电离层数据，平滑后的电离层数据精度优于1TECU此外，由于云层、湖泊及雨水等也会反射海洋测高卫星发射的电磁波，在陆地地区也会有少量数据；
进一步地，地面不同区域选用SF-PPP定位验证进行评定：
与相对定位和多频PPP技术相比，SF-PPP无法通过站间差分或双频无电离层组合来消除电离层延迟误差的影响；因此，如果其他类型的误差改正效果相同，SF(SingleFrequency)-PPP的定位精度便可反映不同电离层TEC模型的电离层延迟改正效果。因此，通过对SF-PPP解算结果的分析，即可从侧面评定电离层模型的构建效果。
优选地，在精度评定后进行模型一致性评估。
进一步地，一致性评估方法为：
采用dSTEC法进行评估，该方法使用双频载波相位观测值计算倾斜路径总电子含量（Slant Total Electron Content，STEC），并求解一个连续弧段中某个历元的STEC值与同一弧段内高度角最大的STEC值之间的差值；由于使用双频载波相位观测值计算得到的STEC值精度优于0.1TECU且不受电离层单层模型假设及电离层投影函数的影响，因此广泛用于电离层TEC模型的一致性评估，具体计算公式为：
；
式中，表示卫星/>和接收机/>视线方向上在时刻/>的STEC值；/>表示卫星高度角最大的时刻；/>表示相位无几何距离组合在时刻/>的观测值。
实施例二：
根据本发明提供的基于核函数的多源数据融合的电离层延迟模型构建方法，实际实施过程中的步骤如下：
步骤一，地基GNSS全球电离层建模：
进行基于GNSS数据的电离层延迟建模时，主要包括GNSS数据的读取和预处理、VTEC计算、不同GNSS数据定权、VTEC格网化、虚拟观测值内插和电离层观测方程建立等流程。最终得到全球电离层模型(Global Ionosphere Model, GIM)文件；其中，基本原理如下：
GNSS卫星发射的电磁波信号主要包括测码伪距观测量和载波相位观测量，对应的观测方程可分别表示为：
；
式中，和/>分别表示频率i上的伪距和相位观测值；/>表示接收机/>到卫星/>的的几何距离；c表示电磁波在真空中的传播速度；/>和/>分别表示接收机/>到卫星/>的的种茶；/>表示接收机/>到卫星/>观测路径上的对流层延迟；/>表示接收机/>到卫星/>观测路径上的电离层延迟；/>和/>分别表示接收机和卫星在频率/>上的伪距硬件延迟；/>和/>分别表示接收机和卫星在频率/>上的相位硬件延迟；/>表示频率/>的波长；/>表示频率/>上的相位观测值的整周模糊度；/>表示第/>颗卫星在频率/>上的多路径效应；/>和/>分别表示伪距和相位观测值的观测值噪声。
可以看出，除了电离层延迟影响外，还有很多其他误差也会影响伪距和相位的观测；电离层延迟、硬件延迟和整周模糊度与频率相关，因此使用两个以上频率的无几何距离组合可以实现对电离层数据的提取。对电离层的提取主要包括双频伪距法、相位平滑伪距法和非差非组合PPP法；接下来，将对各种方法进行简单介绍。
(1)双频伪距法：
该方法直接利用伪距无几何距离组合观测值,来获取电离层观测值，具体计算公式如下所示：
；
式中，和/>分别表示接收机/>和卫星/>的DCB；其他符号可见观测方程。
由上式可知，该方法直接采用双频伪距观测值组成无几何距离观测值即可获得以米为单位的电离层延迟，之后通过下式便可将以米为单位的电离层延迟转换为TEC：
；
式中，表示单位转换系数；/>表示对应的频率；/>表示转换得到的TEC值。
(2)载波相位平滑伪距法：
由于伪距观测值受多路径效应和观测噪声的影响，导致使用双频位伪距法提取的电离层数据精度和可靠性较差。为此，可根据相位和伪距受电离层影响大小相等、符号相反的特性，使用伪距观测值提供的模糊度基准来求解电离层数据，具体求解算法如下：
首先，对伪距及相位观测值分别组成无几何距离组合，即通过对两个不同频率的观测值相减，分别得到伪距无几何距离组合观测值和相位无几何距离组合观测值/>。
伪距观测值在噪声的影响下，导致单历元求解的模糊度误差比较大。但是，若一个观测弧段未发生周跳，则该弧段内的各历元的模糊度值保持不变。同时，DCB和DPB在一天内保持稳定，可当常数来估计。因此，在一个连续弧段内，相位无几何距离观测值与伪距无几何距离观测值之间的差值可以表示为：
；
将上式用于无几何距离组合观测值中的模糊度参数表示，则可得：
；
式中，表示连续弧段的时间长度；/>表示取平均操作；根据上述步骤，即可得到TEC值。
当平滑弧段仅有一个历元时，提取的电离层数据与双频伪距法提取的电离层数据相等；当平滑弧段长度足够长时，伪距噪声将被大幅削弱，相位平滑伪距法提取的电离层数据精度将大幅提高。
(3)非差非组合PPP法：
由于传统PPP技术使用无电离层组合观测值进行定位，导致传统PPP技术无法获得电离层信息；因此使用非组合相位观测值进行PPP定位，使用该技术提取电离层数据：
；
将电离层参数作为未知参数，同时将与频率无关的误差合并，可得形如上式的方程，式中，表示接收机/>到卫星/>的距离，包含了对流层延迟、相对论效应和多路径效应等误差；/>表示频率/>上包含了接收机/>到卫星/>相位硬件延迟偏差的浮点模糊度。
进一步地，在进行PPP时，通常使用IGS发布的精密卫星和精密钟差产品改正对应类型的误差；但是，由于IGS发布的精密产品是基于无电离层伪距和相位组合观测值解算获得，会在解算结果引入卫星硬件延迟；因此，在具体的计算流程中，分别使用IGS提供的精密轨道和精密钟差产品改正卫星轨道和卫星钟差；测站坐标参数作为时不变参数处理；接收机钟差作为白噪声进行处理，同时每个历元估计一次接收机钟差且历元间不相关；如果未发生周跳，则将模糊度参数作为常数估计；对对流层延迟干分量，由于其变化比较规律，通常可使用对流层模型进行改正，如采用Saasamoinen模型等；对流层延迟的湿分量可使用随机游走过程估计；电离层参数可以使用随机游走过程或高斯马科夫模型来估计以顾及电离层的时空变化特性，同时也可以将电离层延迟使用白噪声进行处理以提高电离层在变化比较剧烈时估计量的可靠性；对相对论效应、地球固体潮、卫星与接收机天线相位中心偏差与相位缠绕偏差等偏差，可使用对应的改正模型进行改正。
步骤二：COSMIC及海洋测高卫星源电离层数据获取：
COSMIC数据提供每次掩星事件最大电子含量的经度、纬度和掩星事件的剖面等数据，因此通过下载COSMIC文件，并进行简单的数据处理，获得电离层全路径的TEC值；可记为：
；
式中，表示COSMIC卫星下方的VTEC值；/>则表示COSMIC卫星上方的VTEC值，可通过外推方式获得；
其中外推方式使用到的具体方法为MIDAS层析算法，具体原理公式为：
；
其中，为地基GNSS射线穿过每个网格在其垂直方向上的截距，/>为每个网格中的电子密度，/>为通过电离层总路径上的/>，由于于反演区域中有的网格没有射线穿过，导致矩阵/>是秩亏的，从而求解的电子密度不唯一，因此构造映射矩阵/>使得/>是可逆的，最后对/>进行奇异值分解并解出/>，/>为最终所求的电子密度。
由于MIDAS层析算法中的映射矩阵是由IRI模型生成经验正交函数(Empiricalorthogonalfunction, EOF)构成其径向分布，而IRI模型是根据电子密度、电子温度、离子温度等数据组成的月平均值，是一种模型值；因此本文利用实测数据(主要包括ionprf文件中的剖面数据、测高仪剖面数据)生成EOF应用于映射矩阵/>进行层析，为了突出实测数据能反映电离层小尺度日变化作用，选择当天反演区域范围内的前一个小时加上当前小时的实测剖面数据生成EOF构成映射矩阵/>层析的GPS输入数据进行层析。
同时，根据电离层基本原理，通过海洋测高卫星观测值获取得到电离层TEC值，海洋测高卫星搭载的雷达高度计发射的是双频信号，主频为Ku波段(13.575GHz)，辅频为C波段(5.3GHz)，可以直接获取VTEC数据；其中根据测高卫星计算电离层/>的公式如下：
；
式中，和/>分别为Ku波段的电离层距离改正和波段频率。
数据统一过程如下：
为了创建一个综合、准确的电离层模型，必须首先处理来自多源数据的信息，通过一系列关键步骤确保这些数据能够在同一时间尺度上进行比较和整合；这个过程旨在消除时间不一致性以及由于不同数据来源和仪器之间的差异性而引起的偏差。
首先，时间统一是整合多源数据的关键步骤之一；由于各种数据源可能在不同的时间分辨率上进行观测和记录，需要将它们同步到一个共同的时间轴上；这可以通过插值、时间戳匹配或其他时间调整方法来实现，确保在整合时考虑到每个时刻的数据一致性。
其次，必须考虑偏差校正，因为不同仪器和观测技术之间存在固有的***性偏差。通过分析这些偏差的特性，可以开展校正步骤，确保所有数据都在相同的基准上，从而提高后续模型的准确性；这可能包括对观测仪器的仪器响应函数进行修正，调整测量结果，以及考虑地理位置、高度等因素对数据的影响。
接下来，针对每个数据源，可能需要进行质量控制，排除异常值和错误；这可以通过制定严格的数据过滤标准和采用异常检测算法来实现；清理过的数据将有助于确保模型训练和分析过程中不受到低质量或异常的干扰。
最后，在数据预处理的基础上，开始构建电离层模型；这可能包括使用统计方法、机器学习技术或物理模型，根据整合后的多源数据来预测电离层参数的空间和时间分布；模型的建立需要考虑到电离层的季节性、地理差异和太阳活动周期等因素，以获得更准确的结果。
步骤三：多源融合模型建立：
总模型的建立可表示为：
；
式中，下标即表示当前TEC的数据源。需要注意的是，这里的数据都需要经过数据统一过程；由于不同类型的电离层数据精度存在差异，较多研究中使用到的赫尔默特方差分量估计法来确定各类观测数据的权：赫尔默特（Helmert）方差分量估计是一种用于分析方差的方法，常用于测量数据的误差分析。这种方法可以用于估计测量误差的各个分量，以便更好地理解测量数据的不确定性；其基本步骤包括：
(1)观测方程确定；
(2)模型参数确定；
(3)方差分量的估计：利用最小二乘法等方法，对每个方差分量进行估计。这包括***误差、偶然误差、粗差等；
(4)方差分量比较：比较各个方差分量的估计结果，评估它们在整个测量过程中的相对重要性。这有助于确定哪些因素对总体误差的影响较大；
(5)异常值检测：通过比较观测值和估计值，检测是否存在粗差或异常值;
(6)误差分析：根据方差分量的估计结果，进行误差分析，理解测量数据的不确定性和误差来源；
(7)模型改进：如果有必要，根据误差分析的结果，对模型进行改进，以提高测量数据的精确性和可靠性。
而赫尔默特方差分量估计的实际公式比较复杂，在实际应用中往往使用近似表达式：
；
；
式中，表示单位权方差因子，P i为观测数据与虚拟观测数据构成的权阵，/>表示预平差向量，N i表示法方程矩阵；具体的估计过程中会反复进行平差及方差分量的估计，直至不同电离层数据的单位权方差相等为止。
步骤四：核函数限制异常值：
核函数（Kernel Function）通常在机器学习中常用于支持向量机（SVM）等算法，它的作用之一是将输入映射到高维空间，从而更好地处理非线性问题。在处理异常值时，核函数也可以发挥一定的作用，因此本发明利用核函数的思想对模型构建过程中的异常值进行一定的限制。在构建模型之前，可以使用专门的异常值检测算法识别和处理异常值。一旦发现异常值，可以选择性地对其进行调整或移除。
常见的核函数包括Huber Loss、Cauchy Loss、Tukey Loss等；这些核函数的主要作用是在残差较小的情况下表现类似于平方损失，而在残差较大的情况下减小残差对整体优化的影响，从而提高对离群值的鲁棒性。
经过赫尔默特方差分量估计后，得到的值可能会存在异常值；因此这里使用核函数(Kernel function)的方法，对异常值进行一定的限制，以柯西核函数为例，使用柯西核函数的最小二乘问题可表示为：
；
；
式中，表示单位权方差因子，P i为观测数据与虚拟观测数据构成的权阵，/>表示预平差向量，N i表示法方程矩阵；这样当/>过大时，对应的目标函数不至于过大，在提高数据稳定性的同时，也能一定程度上加快收敛速度。
步骤五：精度评定：
使不同类型的电离层观测数据实现最优融合，本发明将使用三维电离层经验模型对它们进行“归一化”处理，并分别考虑了海洋上空与地面等不同区域的评定方法。
(1)海洋上空：
由于Jason卫星的运行范围主要集中在65°S~65°N之间的海洋地区，且计算得到的电离层数据与地基GNSS接收机提取的电离层数据不相关，因此可使用Jason卫星提供的电离层垂延迟产品（JasonVTEC）对电离层TEC模型在海洋上空的精度进行评估。通常，JasonVTEC可根据星载测高仪Ku波段频率的伪距电离层延迟改正数来获取，具体公式如下：
；/>
式中，为/>波段电离层距离改正数；/>为/>波段频率，单位为GHz。由于测高仪观测噪声较大，通常可使用15~25s的窗口并结合中值滤波法提取电离层数据，平滑后的电离层数据精度优于1TECU此外，由于云层、湖泊及雨水等也会反射海洋测高卫星发射的电磁波，在陆地地区也会有少量数据。
(2)地面不同区域采用SF-PPP定位验证：
与相对定位和多频PPP技术相比，SF-PPP无法通过站间差分或双频无电离层组合来消除电离层延迟误差的影响。因此，如果其他类型的误差改正效果相同，SF(SingleFrequency)-PPP的定位精度便可反映不同电离层TEC模型的电离层延迟改正效果。因此，通过对SF-PPP解算结果的分析，即可从侧面评定电离层模型的构建效果。
步骤六：模型一致性评估：
dSTEC法最早由Orús等提出。该方法使用双频载波相位观测值计算倾斜路径总电子含量（Slant Total Electron Content，STEC），并求解一个连续弧段中某个历元的STEC值与同一弧段内高度角最大的STEC值之间的差值；由于使用双频载波相位观测值计算得到的STEC值精度优于0.1TECU且不受电离层单层模型假设及电离层投影函数的影响，因此广泛用于电离层TEC模型的一致性评估，具体计算公式为：
；
式中，表示卫星/>和接收机/>视线方向上在时刻/>的STEC值；而/>则表示卫星高度角最大的时刻；/>表示相位无几何距离组合在时刻/>的观测值。
上述的实施例仅为本发明的优选技术方案，而不应视为对于本发明的限制，本申请中的实施例及实施例中的特征在不冲突的情况下，可以相互任意组合。本发明的保护范围应以权利要求记载的技术方案，包括权利要求记载的技术方案中技术特征的等同替换方案为保护范围。即在此范围内的等同替换改进，也在本发明的保护范围之内。

Claims (7)

1.一种基于核函数的多源数据融合的电离层延迟模型构建方法，其特征在于，包括：
S1，地基GNSS全球电离层建模：
包括GNSS数据的读取和预处理、VTEC计算、不同GNSS数据定权、VTEC格网化、虚拟观测值内插和电离层观测方程建立，得到全球电离层模型GIM文件；
S2，基于GNSS数据的电离层TEC值获取；
S3，基于COSMIC卫星的电离层数据提取；
S4，基于海洋测高卫星的电离层数据提取；
S5，数据处理与统一，包括：
对海洋测高卫星得到的TEC值先进行数据的平滑，并进行时间***的统一；
对COSMIC得到的TEC值，先利用GNSS计算得到的TEC进行偏差校正，再用于后续的多源数据融合；
S6，多源融合模型建立，包括：
；
式中，下标字母表示当前TEC的数据源；数据通过赫尔默特方差分量估计法来确定各类观测数据的权，估计过程中反复进行平差及方差分量的估计，直至不同电离层数据的单位权方差相等为止；
S7，核函数限制异常值：
通过在残差计算中引入权重，来平衡不同残差对模型构建的影响，具体包括：
通过柯西核函数，对步骤S6中经过赫尔默特方差分量估计后的异常值进行限制：
；
；
式中，表示单位权方差因子，P i为观测数据与虚拟观测数据构成的权阵，/>表示预平差向量，N i表示法方程矩阵；
S8，精度评定。
2.根据权利要求1所述的一种基于核函数的多源数据融合的电离层延迟模型构建方法，其特征在于，步骤S2中，基于GNSS数据的电离层TEC值获取包括：
S201，根据电离层延迟与无线电信号频率相关的特性，使用地基GNSS接收机提供的双频观测数据提取视线方向上的电离层数据；
S202，使用数学方法拟合全球/区域的电离层变化；数学方法包括双频伪距法、载波相位平滑伪距法以及非差非组合PPP法中的一种或多种，通过对原始观测数据的处理，获取对应的值。
3.根据权利要求2所述的一种基于核函数的多源数据融合的电离层延迟模型构建方法，其特征在于，步骤S3中，基于COSMIC卫星的电离层数据提取包括：
通过下载COSMIC文件进行数据处理，获得电离层全路径的TEC值：
；
式中，表示COSMIC卫星下方的VTEC值；/>则表示COSMIC卫星上方的VTEC值，通过MIDAS层析算法求解电子密度MX来计算VTEC值：
；
其中，为地基GNSS射线穿过每个网格在其垂直方向上的截距，/>为每个网格中的电子密度，/>为通过电离层总路径上的/>，由于于反演区域中有的网格没有射线穿过，导致矩阵/>是秩亏的，从而求解的电子密度不唯一，因此构造映射矩阵/>使得/>是可逆的，最后对/>进行奇异值分解并解出/>，/>为最终所求的电子密度。
4.根据权利要求3所述的一种基于核函数的多源数据融合的电离层延迟模型构建方法，其特征在于，步骤S4中，基于海洋测高卫星的电离层数据提取包括：
通过数据下载直接获取Jason-2卫星所提供的VTEC数据：
海洋测高卫星搭载的雷达高度计发射的是双频信号，根据测高卫星计算电离层TEC的公式如下：
；
式中，和/>分别为Ku波段的电离层距离改正和波段频率。
5.根据权利要求1所述的一种基于核函数的多源数据融合的电离层延迟模型构建方法，其特征在于，步骤S8中，精度评定包括：
使用三维电离层经验模型对不同来源的电离层观测数据进行归一化处理，分别采用海洋上空与地面不同区域两种评定方法。
6.根据权利要求5所述的一种基于核函数的多源数据融合的电离层延迟模型构建方法，其特征在于，精度评定中，海洋上空的评定方法为：
使用Jason卫星对电离层TEC模型在海洋上空的精度进行评估；JasonVTEC可根据星载测高仪Ku波段频率的伪距电离层延迟改正数来获取，公式如下：
；
式中，为/>波段电离层距离改正数；/>为/>波段频率，单位为GHz。
7.根据权利要求1所述的一种基于核函数的多源数据融合的电离层延迟模型构建方法，其特征在于，在精度评定后进行模型一致性评估。
CN202410285248.0A 2024-03-13 2024-03-13 一种基于核函数的多源数据融合的电离层延迟模型构建方法 Active CN117892636B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410285248.0A CN117892636B (zh) 2024-03-13 2024-03-13 一种基于核函数的多源数据融合的电离层延迟模型构建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410285248.0A CN117892636B (zh) 2024-03-13 2024-03-13 一种基于核函数的多源数据融合的电离层延迟模型构建方法

Publications (2)

Publication Number Publication Date
CN117892636A CN117892636A (zh) 2024-04-16
CN117892636B true CN117892636B (zh) 2024-06-07

Family

ID=90645895

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410285248.0A Active CN117892636B (zh) 2024-03-13 2024-03-13 一种基于核函数的多源数据融合的电离层延迟模型构建方法

Country Status (1)

Country Link
CN (1) CN117892636B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2912490A1 (en) * 2012-10-25 2015-09-02 Fugro N.V. Ppp-rtk method and system for gnss signal based position determination
CN106202617A (zh) * 2016-06-24 2016-12-07 南京信息工程大学 一种gnss、hy‑2和cosmic数据融合建立全球电离层格网vtec模型的方法
CN106405576A (zh) * 2016-08-25 2017-02-15 中国科学院国家授时中心 一种基于gnss载波相位观测值的电离层监测与建模方法
CN110275186A (zh) * 2019-07-11 2019-09-24 武汉大学 Leo卫星增强的gnss电离层归一化与融合建模方法
CN110275185A (zh) * 2019-07-11 2019-09-24 武汉大学 基于gnss和geo卫星的电离层投影函数建模方法
CN112034489A (zh) * 2020-07-20 2020-12-04 中国科学院空天信息创新研究院 一种基于多源数据融合的全球电离层格网生成方法
CN113985455A (zh) * 2021-10-23 2022-01-28 闽江学院 一种融合多源电离层观测数据的高精度电离层建模方法
CN114545458A (zh) * 2021-10-23 2022-05-27 闽江学院 一种高精度电离层实时建模方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2912490A1 (en) * 2012-10-25 2015-09-02 Fugro N.V. Ppp-rtk method and system for gnss signal based position determination
CN106202617A (zh) * 2016-06-24 2016-12-07 南京信息工程大学 一种gnss、hy‑2和cosmic数据融合建立全球电离层格网vtec模型的方法
CN106405576A (zh) * 2016-08-25 2017-02-15 中国科学院国家授时中心 一种基于gnss载波相位观测值的电离层监测与建模方法
CN110275186A (zh) * 2019-07-11 2019-09-24 武汉大学 Leo卫星增强的gnss电离层归一化与融合建模方法
CN110275185A (zh) * 2019-07-11 2019-09-24 武汉大学 基于gnss和geo卫星的电离层投影函数建模方法
CN112034489A (zh) * 2020-07-20 2020-12-04 中国科学院空天信息创新研究院 一种基于多源数据融合的全球电离层格网生成方法
CN113985455A (zh) * 2021-10-23 2022-01-28 闽江学院 一种融合多源电离层观测数据的高精度电离层建模方法
CN114545458A (zh) * 2021-10-23 2022-05-27 闽江学院 一种高精度电离层实时建模方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Ceres使用经验之柯西核函数;手持电烙铁的侠客;《CSDN》;20190601;第1页 *
一种融合天地基多源数据的电离层反演方法;欧明;甄卫民;张时生;赵庶凡;於晓;徐继生;;电波科学学报;20160831(第04期);全文 *
基于柯西分布的跳频信号参数最大似然估计方法;金艳;李曙光;姬红兵;;电子与信息学报;20160330(第07期);全文 *

Also Published As

Publication number Publication date
CN117892636A (zh) 2024-04-16

Similar Documents

Publication Publication Date Title
Geng et al. Triple-frequency GPS precise point positioning with rapid ambiguity resolution
US10078140B2 (en) Navigation satellite system positioning involving the generation of advanced correction information
Dettmering et al. Combination of different space-geodetic observations for regional ionosphere modeling
CN103760572B (zh) 一种基于区域cors的单频ppp电离层加权方法
CN112034489B (zh) 一种基于多源数据融合的全球电离层格网生成方法
Yao et al. Global ionospheric modeling based on multi-GNSS, satellite altimetry, and Formosat-3/COSMIC data
Ren et al. Multi-GNSS contributions to differential code biases determination and regional ionospheric modeling in China
Tang et al. Performance analysis of ionosphere monitoring with BeiDou CORS observational data
CN115373005A (zh) 卫星导航信号间高精度产品转化方法
Li et al. Predicting atmospheric delays for rapid ambiguity resolution in precise point positioning
CN103543454B (zh) 一种嵌入在移动通讯网中的卫星定轨***
Chen et al. A geometry-free and ionosphere-free multipath mitigation method for BDS three-frequency ambiguity resolution
Li et al. Real‐time sensing of precipitable water vapor from beidou observations: hong kong and CMONOC networks
CN117269987A (zh) 一种低轨增强sbas电离层监测***及格网估计方法
Brack et al. Operational multi-GNSS global ionosphere maps at GFZ derived from uncombined code and phase observations
Martin GNSS precise point positioning: The enhancement with GLONASS
Tang et al. Algorithms for sparse network-based RTK GPS positioning and performance assessment
Choy et al. An evaluation of various ionospheric error mitigation methods used in single frequency PPP
Yin et al. A novel cycle slips detection model for the high precision positioning
Brenot et al. GNSS meteorology and impact on NRT position
Li et al. A grid-based ionospheric weighted method for PPP-RTK with diverse network scales and ionospheric activity levels
Mageed Accuracy evaluation between gps virtual reference station (vrs) and gps real time kinamatic (rtk) techniques
Wang et al. Analysis of GNSS-R Code-Level Altimetry using QZSS C/A, L1C, and BDS B1C signals and their Combinations in a Coastal Experiment
CN117892636B (zh) 一种基于核函数的多源数据融合的电离层延迟模型构建方法
CN112528213B (zh) 基于低地球轨道卫星全球电离层总电子含量多层解析方法

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