[发明专利]一种基于VMD算法的多路径削弱方法与装置

说明书

本发明公开了一种基于VMD算法的多路径削弱方法。本方法针对传统MHM(多路径半球图模型)算法无法很好处理观测值噪声对多路径改正模型精度的影响这一不足，利用固定环境下多路径延迟的空间重复性，提出了基于VMD(变分模态分解)和MHM算法的改进多路径削弱方法(称为MHM_V方法)。首先，利用VMD算法消除单差残差中的载波噪声，提取多路径延迟，以此建立前一日或多日的多路径改正数据库。再按照高度角方位角最近原则对当前伪距和载波原始观测值进行修正，以削弱多路径对模糊度固定及定位精度的影响。最后将上述模型应用到了桥梁变形监测中。

技术领域

本发明涉及全球导航卫星系统(GNSS)应用于静态环境下的多路径削弱技术领域，具体涉及一种基于VMD算法的多路径削弱方法与装置。

背景技术

全球卫星导航定位系统(GNSS)目前已在多个高精度定位领域得到了广泛应用，包括传统测绘、变形监测等。对于多路径延迟，由于其难以参数化并且不能通过差分的方式进行消除或削弱，因此成为了GNSS高精度应用中最主要的误差源。

根据已有研究可知，多路径延迟只与卫星和反射物的相对位置有关，并且由于卫星轨道是重复的，所以多路径延迟在时间和空间上均存在重复性。对于静态或准静态(桥梁等)环境，目前主要有恒星日滤波(SF)和查表法(或称多路径半球图，MHM)等多路径削弱算法，其中MHM算法不用考虑不同星座轨道重复周期不同，且不受卫星轨道机动的影响，因此更适合于实时数据处理。针对多路径改正模型中包含的观测噪声，MHM算法根据多天的后处理多路径延迟计算每个网格中的平均值改正，来削弱噪声的影响。但是对目前常用的MHM算法进行分析发现，即使在1°×1°的网格内同一颗卫星的多路径仍然具有较明显的变化趋势，所以通过求取网格内多路径均值来削弱噪声影响的方法是不够严谨的。因此，本发明提出利用变分模态分解(VMD)算法对提取出的多路径延迟进行去噪，以提升多路径改正模型的精度。改进后的多路径削弱模型能够大幅削弱GNSS观测值残差，进而提升变形监测的精度、收敛速度及可靠性。

目前GNSS技术在变形监测中的应用越来越普遍，其中多路径建模及削弱对于提升GNSS监测的精度及可靠性具有显著意义。因此，研究改进的多路径削弱方法，具有重要的现实意义。

发明内容

发明目的：针对传统MHM算法无法很好处理噪声对多路径模型精度影响的缺点，利用固定环境下多路径延迟的空间重复性，提出了基于VMD和MHM算法的MHM_V模型，以提高多路径建模的精度，进而提升GNSS解算的可靠性、成功率及精度。

技术方案：为实现上述发明目的，本发明采用的技术方案为：一种基于VMD算法的多路径削弱方法，该方法包括如下步骤：

(1)针对历史GNSS观测数据，利用单差观测模型，计算所有卫星的载波和伪距观测值单差残差；

(2)利用VMD算法从观测值单差残差中分离出多路径延迟，根据卫星高度角和方位角建立多路径改正数据库；

(3)依据高度角和方位角最近原则，根据多路径的空间重复性，实时对当前观测值进行多路径改正。

进一步的，所述步骤(1)中利用单差观测模型计算所有卫星的载波和伪距观测值单差残差，所述单差观测模型表示为：