Refined stochastic model of combining elevation angle and SNR and its impact on precise point positioning in high latitude areas
-
摘要: 利用主成分分析法(PCA)确定了观测噪声中高度角和信噪比(SNR)的贡献，在此基础上建立了精化的全球卫星导航系统(GNSS)随机模型，并验证了基于此随机模型的高纬度测站精密单点定位(PPP)效果. 结果表明：在高纬度地区精化随机模型相比于仅顾及高度角或SNR的传统随机模型效果更佳，定位精度较高度角模型提高约30%，较SNR模型提高约20%. 在高程方向上精度提高最为明显，对比高度角模型和SNR模型分别提高约37%和24%. 该研究对提高高纬度地区GNSS定位精度有一定的参考价值.
-
关键词:
- 全球卫星导航系统(GNSS) /
- 精密单点定位(PPP) /
- 随机模型 /
- 主成分分析法(PCA) /
- 高纬度
Abstract: Principal component analysis method is used to determine the contribution of elevation angle and signal to noise ratio (SNR) in observation noise, and a refined Global Navigation Satellite System (GNSS) stochastic model is established based on the analysis results. The performance of the refined stochastic model is verified by using precision point positioning (PPP). It shows that the refined stochastic model leads to better positioning results in high latitude areas than traditional model that only takes into account elevation angle or SNR. The refined stochastic model is about 30% more accurate than elevation angle model, and about 20% better than SNR model. The accuracy of refined stochastic model improves most obvious in the zenith direction, and the improvements are about 38% and 24% with respect to the results of elevation angle model and SNR model, respectively. This study indicates that our new refined stochastic model is advantage to high-precision positioning accuracy in high latitude areas. -
图 2 5个测站在2016—2019年三种随机模型在U方向上的定位精度比较
注：绿色百分数为精化随机模型较高度角模型在U方向上定位精度的RMS提高的百分比；红色百分数为精化随机模型较SNR模型在U方向上定位精度的RMS提高的百分比.
表 1 PPP相关解算策略
项目 模型策略 观测数据 O文件 频率 GPS（L1，L2） 钟差、轨道 IGS产品 相位中心改正 igs14_2035.atx 采样率/s 30 截止高度角/(°) 10 电离层延迟 Ionosphere-free线性组合 测站坐标 SNX文件 参数估计方法 卡尔曼滤波 地球自转、固体潮等 相应误差模型改正 
下载: 导出CSV
表 2 均匀选取2019年2月19日8个IGS测站信息及分析结果
测站 日期 经度/(°) 纬度/(°) 高度/m 结果 NYA1 2019-02-19 11.9E 78.9N 84.2 好 CHUR 2019-02-19 94.1W 58.7N −19.6 差 DRAO 2019-02-19 119.4W 49.3N 541.7 较差 LHAZ 2019-02-19 91.1E 29.6N 3624.5 较好 BOGT 2019-02-19 74.1W 4.5N 2576.3 差 ALIC 2019-02-19 133.9E 23.7S 603.4 不变 TID1 2019-02-19 148.9E 35.4S 665.8 较差 CAS1 2019-02-19 110.5E 66.3S 22.4 好 注：表格中“结果”代表精化随机模型与高度角或SNR随机模型（以二者中定位精度较好地结果参与比较）相比在三维定位精度的改善程度. 其中：“好”：≥30%；“较好”：10%~30%；“不变”：−10%~10%；“较差”：−10%~−30%；“差”：≤−30%.
下载: 导出CSV
表 3 高纬度IGS测站信息
测站 日期 经度/(°) 纬度/(°) 高度/m CAS1 2020-06-12—2020-06-26 110.5E 66.3S 21.4 MAW1 2020-06-12—2020-06-26 62.9E 67.5S 14.5 DAV1 2020-06-12—2020-06-26 77.6E 68.3S 44.4 NYAL 2020-06-12—2020-06-26 11.9E 78.9N 78.7 NYA1 2020-06-12—2020-06-26 11.9E 78.9N 84.4 THU2 2020-06-04—2020-06-18 68.5W 76.3N 36.2
下载: 导出CSV
表 4 南北极6个IGS测站在不同随机模型中的PPP精度的比较
测站 方向 精化模
型/mm高度角模
型/mm提高
率/%SNR模
型/mm提高
率/%CAS1 N 4.364 5.380 18.880 4.674 6.632 E 5.041 5.665 11.020 4.535 −11.160 U 18.410 23.980 15.390 24.390 16.810 MAW1 N 8.441 8.325 −1.393 7.834 −7.748 E 14.450 12.430 −16.300 10.060 −43.690 U 14.220 41.260 65.530 28.760 50.540 DAV1 N 4.363 5.379 18.890 4.674 6.643 E 7.764 5.664 −37.010 4.535 −71.220 U 20.290 23.980 15.370 24.390 16.460 NYAL N 6.669 7.340 9.142 6.952 4.071 E 4.170 3.649 −14.280 4.102 −1.658 U 36.680 50.110 26.800 38.680 5.171 NYA1 N 6.611 7.582 12.810 7.200 8.181 E 3.980 4.630 14.040 3.754 −6.020 U 22.990 38.890 40.890 27.880 17.540 THU2 N 4.814 4.284 −12.370 4.800 −0.292 E 4.575 4.178 −9.502 3.654 −25.210 U 10.240 25.560 59.940 16.530 38.050
下载: 导出CSV
表 5 6个IGS站在3D方向上不同随机模型定位精度比较
测站 精化模
型/mm高度角模型/mm 较高度角模型提高率/% SNR模
型/mm较SNR模型提高
率/%CAS1 22.16 25.22 12.13 25.25 12.230 MAW1 21.97 43.89 49.94 31.46 30.170 DAV1 22.47 25.45 11.71 25.42 11.610 NYA1 24.26 39.89 39.18 29.04 16.460 NYAL 37.51 50.78 26.13 39.51 5.062 THU2 12.20 26.25 53.52 17.59 30.640
下载: 导出CSV
-
[1] 叶世榕. GPS非差相位精密单点定位理论与实现[D]. 武汉: 武汉大学, 2002. [2] KOUBA J, HEROUX P. Precise point positioning using IGS orbit and clock products[J]. GPS solutions, 2001, 5(2): 12-28. DOI: 10.1007/PL00012883 [3] ZUMBERGE J F, HEFLIN M B, JEFFERSON D C, et al. Precise point positioning for the efficient and robust analysis of GPS data from large networks[J]. Journal of geophysical research atmospheres, 1997, 102(B3): 5005-5017. DOI: 10.1029/96JB03860 [4] 戴吾蛟, 丁晓利, 朱建军. 基于观测值质量指标的GPS观测量随机模型分析[J]. 武汉大学学报(信息科学版), 2008, 33(7): 718-722. [5] 刘志强, 黄张裕, 金建平. 利用卫星高度角和信噪比提高GPS定位精度的试验分析[J]. 测绘工程, 2008, 17(4): 54-58. DOI: 10.3969/j.issn.1006-7949.2008.04.015 [6] 王郁茗, 邵利民, 张尚悦. 顾及海面多路径的PPP自适应选权随机模型[J]. 测绘科学, 2019, 44(12): 35-41, 66. [7] 潘宇明, 郭博峰, 丁乐乐, 等. 一种自适应伪距-相位比的精密单点定位随机模型方法[J]. 测绘地理信息, 2019, 44(5): 73-77. [8] 赵刚, 于先文, 孙璞玉. 一种顾及对流层残余延迟的GNSS随机建模方法[J]. 测绘科学, 2020, 45(7): 56-61. [9] 李征航, 张小红. 卫星导航定位新技术及高精度数据处理方法[M]. 武汉: 武汉大学出版社, 2009. [10] 刘云朋, 尹潇, 楼立志. 高度角信噪比联合随机模型的抗差GPS/COMPASS实时差分定位算法分析[J]. 大地测量与地球动力学, 2014, 34(4): 145-148. [11] 杨徐, 徐爱功, 秦小茜, 等. 高度角定权模型的BDS/GPS伪距单点定位分析[J]. 导航定位学报, 2017, 5(2): 77-78, 85. [12] 范士杰, 刘焱雄, 高兴国, 等. 海上动态GPS大气可降水量信息反演[J]. 中国石油大学学报(自然科学版), 2012, 36(3): 84-87, 92. [13] JIN S G, WANG J L. Impacts of stochastic modeling on GPS-derived ZTD estimations [C/OL]//The 17th International Technical Meeting of the Satellite Division of the Institute of Navigation (IONGNSS); Long Beach, CA, USA, 2010: 941-946. https://arxiv.org/ftp/arxiv/papers/1010/1010.1891.pdf [14] BRUNNER F K, HARTINGER H, TROYER L. GPS signal diffraction modelling: the stochastic sigma-δ model[J]. Journal of geodesy, 1999, 73(5): 259-267. DOI: 10.1007/s001900050242 [15] 郭斐. GPS精密单点定位质量控制与分析的相关理论和方法研究[M]. 武汉: 武汉大学出版社, 2016. [16] 尹子明, 孟凡玉, 陈明剑, 等. 卫星导航数据质量分析[J]. 全球定位系统, 2016, 41(1): 54-59. [17] JOHNSON R A, WICHEN D W. 实用多元统计分析[M]. 北京: 清华大学出版社, 2008. [18] FUKUNAGA K. Introduction to statistical pattern recognition[M]. Academic Press, 1990. [19] 林海明, 杜子芳. 主成分分析综合评价应该注意的问题[J]. 统计研究, 2013, 30(8): 25-31. DOI: 10.3969/j.issn.1002-4565.2013.08.004 [20] 任雪松, 于秀林. 多元统计分析[M]. 第2版. 北京: 中国统计出版社, 2016. [21] 张冲. 鲁棒主成分分析及其应用[D]. 西安: 西安电子科技大学, 2019. -
点击查看大图
图(4) / 表(5)
计量
- 文章访问数: 625
- HTML全文浏览量: 300
- PDF下载量: 98
- 被引次数: 0
