[发明专利]一种基于GPU的大规模GNSS数据处理方法

说明书

本发明提供一种基于GPU的大规模GNSS数据处理方法，其解决了现有GNSS大规模数据处理过程中，整网解算耗时太久的技术问题，其包括以下步骤实现：数据读取及预处理；法方程的构建；消参；法方程的解算；数据质量控制及输出结果产品；本发明可广泛应用于卫星导航定位领域。

技术领域

本发明涉及卫星导航定位领域，尤其是涉及一种基于GPU的大规模GNSS数据处理方法。

背景技术

随着GPS、GLONASS、Galileo、BDS的发展，很多参考站网都能够接收多系统多频率的数据，GNSS多系统联合定位，对于参考框架，时间基准以及定位用户的应用都非常重要，多频多模的数据技术为GNSS数据处理带来了更丰富的数据，同时也增加了解算的复杂度和处理时间，因此，提高大规模GNSS数据整网解算的效率显得十分必要和有意义。

GNSS高精度的整体网解站坐标精度达到毫米级，可以为大地测量及导航定位提供高精度高可靠全球统一的时空参考框架和位置基准；然而，整网解算面临参数法方程规模大的问题，待估参数包括站坐标、对流层、模糊度等，导致解算时间过长；在GNSS整网数据处理中，需要经过多步的数据预处理，然后构建法方程、消参、平差解算等一系列的过程，耗时较久。

目前GNSS数据处理中，对大规模数据的处理技术主要包括：基于传统网解的分网双差解算模式；基于PPP固定解的非常解算模式；以及两者与计算机领域分布式及并行技术的结合；尽管目前大规模GNSS数据处理的方法取得了一定的成果，但在追求高效率的同时对定位结果的精度和参数之间的相关性存在一定的损失；利用分网解算的网的数目，网的大小以及网之间的公共参数都存在很多的不确定性，PPP网解模式中对于小周偏差解算的优劣直接关系结果的精度；而近年来计算机技术的发展以及其在GNSS领域的逐步应用，为GNSS数据处理带来新的思路，其中，GPU(图形处理器)及并行计算就是主要的应用技术之一；首先，并行计算的前提就是算法本身具有可并行性，其次，并行后确实会对解算的效率有所提升；再次，GPU超多的核心数为并行计算提供更高的效率，并且原则上并行过程本身并不影响解算的结果；因此，其在大规模GNSS数据处理中表现出巨大的潜力；但是，当前的数据处理大部分是基于串行策略设计实现的，除了PPP，其他数据处理过程大多彼此存在紧密的关联，很难简单独立拆分(简单的数据预处理如粗差探测初始钟差或者周跳探测等)，因此，如何将GNSS数据处理算法与GPU技术的有效结合，充分利用两者的优势，在不损失精度和相关性的前提下提升解算效率，是急需解决的关键问题。

发明内容

本发明就是针对现有GNSS大规模数据处理过程中，整网解算耗时太久的技术问题，提供一种数据处理速度较快、精度较高的基于GPU的大规模GNSS数据处理方法。

为此，本发明提供的基于GPU的大规模GNSS数据处理方法，通过以下步骤实现：

步骤1：数据读取及预处理；

步骤2：法方程的构建；

步骤3：消参；

步骤4：法方程的解算；

步骤5：数据质量控制及输出结果产品。

优选的，数据读取及预处理：在准备好相应的观测文件，精密星历钟差及相关改正文件之后，开始数据逇读取和预处理；剔除数据质量不好的观测数据为后续法方程的构建提供数据基础；对于数据预处理中的可以独立解算的处理过程予以并行处理。

优选的，数据预处理包括：钟差的计算、粗差的探测、周跳的探测以及残差检核。

优选的，法方程的构建：将法方程ATPA、APTL放到超级计算中心的GPU节点进行处理；启动进程池，分解成200个任务，每个任务解决单一的计算单元；将GPU计算的节点汇总成一个矩阵，返回到CPU节点，构建出完整的法方程。