削弱GNSS多路径效应的半天球格网点建模方法Word文档下载推荐.docx
《削弱GNSS多路径效应的半天球格网点建模方法Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《削弱GNSS多路径效应的半天球格网点建模方法Word文档下载推荐.docx（11页珍藏版）》请在冰豆网上搜索。
半天球
格网点建模
环境反演
AmethodformitigatingGNSSmultipatheffectbasedonmulti-pointhemisphericalgridmodel
Abstract:
Multipatheffectisrelatedtotheobservationalenvironmentofstations,andcannotbeeliminatedormitigatedbydifferentialalgorithm.ItisamajorfactoraffectingaccuracyandreliabilityinGPSsignalprocessing.Thispaperproposesamethodtomitigatethemultipatheffect—MHGM（Multi-pointHemisphericalGridModel）.Themethoddividesthehemispherecenteredoneachstationintoagrid,andestimatesthemultipatherroratthestationbasedonparametrizationofthegridpoints,whichcanbeappliedtodifferentkindsofhardwareandsoftwaresystemofGPSdataprocessingandobservationenvironment.Theexperimentalresultsinthispapershowthat,MHGMmultipatherrormodelingbasedondatafromobservationsmadeimprovementsinthemeanRMSofdouble-differencedobservationresidualsaveragingabout71.3%,anaverageincreaseof26.9%comparedwiththetraditionalsiderealfilteringmethod,thepositioningresultsof1.7mminleveland3.0mminaltitudeareobtainedforstaticobservationusingreal-timekinematicrelativepositioningmode.MHGMproposedinthispaperalsocanusedtoassessorientationoferrorsourcesaroundthestation,givingguidancewhichmayassistinthephysicaleliminationofsourcesofmultipatherror.
Keywords:
multipatherror
siderealfilter
hemisphere
gridmodel
environmentalreconstruction
多路径误差由卫星直射信号和反射、衍射信号等同时进入接收机天线并产生干涉效应造成，对于载波相位观测量而言理论上最大可达波长的1/4[1-2]，是影响GPS数据处理精度和可靠性的一种主要误差源[3-5]。
为削弱多路径误差，可将站址尽量选择在空旷平坦的观测环境[6]，避免附近存在强反射环境或强辐射源；
或者选用抗多路径误差的硬件，例如为天线加装扼流圈或抑径板[7-8]；
除了上述方法外，还可从数据处理算法上对其进行误差建模[9-10]。
恒星日滤波SF（siderealfiltering）是一种目前应用较为广泛的多路径误差削弱方法[11-13]，其理论基础在于当接收机天线与周围环境保持不变时，测站多路径效应主要与卫星信号传播方向的变化相关，利用卫星运行轨道的周日重复特性对多路径误差进行分离，并以此改正后续天的观测量，达到削弱多路径误差的目的[14-18]。
与利用卫星运动轨道的重复特性进行多路径误差建模相比，在空间域对测站处的多路径误差进行描述同样是削弱其影响的一种有效的解决方案。
文献[19-20]根据观测值建立了基于接收机天线的多路径环境图表。
文献[21]则进一步提出了利用半天球模型进行多路径误差消除的方法，当测站间存在共视卫星经过半天球上的某个格网点周边时，将此卫星的站间单差模糊度固定解所对应观测值残差求平均，在削弱噪声影响的同时保留低频多路径效应并对其进行模型化。
不过该方法需采用接收机时钟同步的一机多天线观测模式，其应用距离受线缆传输时信号衰减等硬件条件的限制。
1半天球格网点模型
对于某一波长的卫星信号，其多路径误差受反射系数、反射信号入射角及天线相对反射物位置关系的影响[22]。
若天线与周围环境的位置关系保持不变，则主要由于信号传播方向改变引起反射信号的传播路径变化，其入射角和反射系数会产生相应的改变，最终影响观测信号中存在的多路径效应。
基于多路径效应在空间域的以上特性，本文提出了一种多路径误差半天球格网点模型MHGM（multi-pointhemisphericalgridmodel），以接收机天线相位中心为球心建立半天球，并将高度角、方位角分别作为半天球的纬度和经度对其进行划分。
认为在以天线为载体的半天球坐标系中，同一信号频率下的多路径效应只与卫星所处高度角和方位角有关，与信号观测时间和卫星编号无关。
1.1模型参数化
对各测站处的半天球模型以高度角作为纬度，方位角作为经度进行格网点划分。
格网点纬度圈的最小值设为B0，格网点纬度圈的最大值设为B1。
格网点经度按照方位角的范围值设置为0°
~360°
。
此外，还在天顶处设置一个格网点参数。
格网点在纬度和经度方向的划分间隔为d，d取值越小，模型中待估参数越多，对计算机内存资源消耗越多，但对测站处的多路径误差描述也越精细。
反之，模型资源消耗更少，但对测站处的多路径误差描述越简略。
以下给出一组测站处的格网点划分实例（B0=0°
，B1=60°
，d=30°
），其中格网点处需设定相应的待估模型参数。
1.2模型解算
对于测站m、n与卫星j、k间任意一组模糊度固定解对应的双差观测值残差s，构建相关待估格网点参数对应的法方程。
测站m与卫星j间的多路径误差涉及格网模型上的4个点Qm1j、Qm2j、Qm3j和Qm4j（卫星j的高度角在B0和B1之间）或3个点Qm1j、Qm2j和Qm3j（卫星j的高度角大于B1时）。
若卫星j信号传播方向在半天球上的穿刺点与半天球格网点参数间位置关系如图1右侧上方图例所示，黑色圆点表示格网点参数，正方形点表示卫星j的信号传播在站m上的半天球模型中的穿刺点位置，同时也对应半天球格网点模型的模型参数计算值Vmj。
假定4个格网点参数Qm1j、Qm2j、Qm3j和Qm4j对应的经纬度坐标分别为（b1,
l1）、（b1,
l2）、（b2,
l1），Vmj对应的经纬度坐标为（b,
l），则Vmj处的模型参数计算值可通过双线性内插方法表达如下
（1）
图1
半天球格网点划分Fig.1
Distributionofhemisphericalgridpoints
图选项
式中，
；
wm2j=
若卫星j信号传播方向在半天球上的穿刺点与半天球格网点参数间位置关系如图1右侧下方图例所示。
假定3个格网点参数Qm1j、Qm2j和Qm3j对应的经纬度坐标分别为（b1,
l1）、（b2,
l3），则三角形点表示的穿刺点Vmj处的模型参数计算值可通过平面内插方法[23-24]表达如下
（2）
类似的，可建立测站m与卫星k间、测站n与卫星j间、测站n与卫星k间模型参数计算值Vmk、Vnj、Vnk的表达式，则双差观测值残差s可由上述模型参数计算值表达如下
（3）
利用观测方程（3）构建相关格网点参数对应的法方程，并通过法方程叠加的方式实现不同测站卫星对、不同时段观测数据的融合解算。
此外，还可通过对格网点参数间加入相关性约束，以及利用格网点参数绝对值应小于1/4波长的特性，进一步加强模型解算结果的精度和可靠性。
2试验及结论2.1试验设计
于2018年年积日DOY226-233，在武汉大学教学实验大楼顶楼开展验证分析。
测试时布设了A、B、C3个测站，其中A测站的西方向和B测站的东方向均安装了金属挡板，用于模拟强多路径观测环境，测站C未加装挡板，为正常的观测环境。
测站相互间位置关系及周围观测环境如图2所示。
图2
测站间位置关系及周围观测环境Fig.2
Spatialrelationshipbetweenstationsandsurroundingobservationenvironment
利用上述3个站精确已知的测站坐标，本次试验采用2018年DOY228-232的L1频率观测数据进行多路径误差建模，并分析了对2018年DOY233观测数据进行多路径误差改正的有效性。
为论证不同时长观测数据对多路径误差建模的影响，测试中分别采用1~5d的数据建立MHGM模型，模型参数中格网点纬度圈的最小值B0设置为5°
，格网点纬度圈的最大值B1设置为85°
，格网点在纬度和经度方向的划分间隔d设置为2°
同时，本文还给出了未进行多路径误差建模，以及采用传统SF方法进行多路径误差建模的结果进行对比分析。
试验中的具体解算策略见表1。
表1
多路径误差分析的数据解算策略Tab.1
Solutionstrategiesformultipatherroranalysis
策略
建模方法
2018年年积日
建模数据
测试数据
N
-
233
S
SF
232
M1
MHGM
M2
231-232
M3
230-232
M4
229-232
M5
228-232
表选项
表1的各个策略中，N策略为不进行任何多路径误差改正的情况下对2018年年积日DOY233数据进行处理；
S策略是在使用SF方法进行多路径误差改正的情况下处理DOY233数据；
M1~M
升级会员 