关键词：
全球卫星导航系统
北斗卫星导航系统
多路径误差
恒星日滤波
半天球模型
卷积神经网络
长短期记忆网络
门控循环网络
摘要：
近年来,随着北斗三号的全球组网成功,北斗卫星导航定位系统为全球用户提供实时高精度、全天候的定位、导航、授时服务,通过对全球卫星导航系统(Global Navigation Satellite System,GNSS)的不断完善和深入研究,GNSS已经广泛应用于高精度的地表和结构体的变形监测中。在桥梁、隧道以及大型建筑物等复杂的观测环境下,采用短基线相对定位的方式获取精确的GNSS定位结果,基于双差技术可以削弱观测值中的大部分误差,包括接收机钟差、卫星钟差、对流层延迟、电离层延迟等测站几何距离相关误差,但是多路径误差与测站环境相关,无法通过双差进行削弱,因此多路径误差成为了短基线相对定位过程中主要的误差源之一。目前,较多研究关注在单系统的多路径误差建模,对于multi-GNSS紧组合定位的多路径误差削弱研究较为有限。同时,传统的多路径误差建模研究受到卫星观测时间、设备要求等限制,难以进行实时有效的削弱多路径误差,对此,论文分别开展了基于卷积神经网络(convolutional neural networks,CNN)和长短期记忆网络(long short-term memory,LSTM)的恒星日滤波(sidereal filtering,SF)方法和基于单差观测值域的卷积神经网络-门控循环网络(gated recurrent neural network,GRU)增强半天球模型(multipath hemispherical map,MHM)的GNSS多路径误差实时削弱研究。本文的主要工作和成果如下:1)首先,提取GPS、Galileo、BDS-3的多路径误差,建立多GNSS系统的半天球模型,在充分考虑几种组合定位模式后,对GPS/Galileo/BDS-3紧组合相对定位进行实时的多路径误差削弱,提高了GPS/Galileo/BDS-3的短基线定位精度。针对Galileo卫星和BDS-3的MEO卫星的重复周期为10天、7天,采用改进的恒星日滤波(advanced sidereal filtering,ASF)建立模型工作量大且较为复杂的问题,长期削弱效果有限,MHM对于长期削弱多路径误差方面要优于ASF。对GPS/Galileo/BDS-3的15天的数据进行MHM建模后,该模型在15天的多路径误差削弱上仍然有显著的效果。而且,本文的MHM模型建立在常规的接收机上,是一种普适性强的多路径误差处理方法。2)提出了CNN与LSTM的组合方法,训练连续观测得到的多路径误差数据,建立多路径误差实时预测模型,再通过SF的方法进行改正。首先,统计出BDS-3的B1C和B2a信号的单差残差结果,得到在抗多路径误差方面B1C比B2a效果更优。分析在短基线相对定位中BDS-3所有可观测卫星的原始单差残差和经过CNN-LSTM-SF改正后的单差残差的RMS值以及改善程度,证明此方法可以有效地改正单差残差中的多路径误差。采用ASF和MHM的实验结果与CNN-LSTM-SF进行对比,通过对连续15天的观测数据解算,可以明显的看出其多路径误差改正效果要比ASF、MHM更好,并且随着时间的推移,其改善程度依然保持稳定。此外,采用CNN-LSTM-SF的方法避免了计算复杂的卫星重复周期,对于多GNSS系统的恒星日滤波,本文的方法具有明显的优势。3)提出一种基于单差观测值域的卷积神经网络-门控循环网络增强半天球模型的多路径误差削弱方法,该方法通过CNN的卷积层提取多路径误差与对应天空坐标的相互关系,池化层降低数据维度,利用GRU获取多路径误差序列的时间特征并进行有效预测多路径误差,在获取卫星的高度角和方位角以后预测对应的多路径误差并进行观测值进行实时改正。实验结果表明:在卫星的单差残差上,Conv GRU-MHM在多路径误差长期改正方面的效果优于SF和MHM方法;在基线坐标上,年积日(day of year,DOY)306-310天,Conv GRU-MHM的改善效果基本上都高于SF、MHM;在时间跨度超过30天以后,Conv GRU-MHM的改善效果更加明显。由上述结果得到,本文提出的方法不仅可以实时有效的改正多路径误差,对于长期的多路径误差削弱,Conv GRU-MHM也比SF、MHM稳定可靠,此方法可以应用于长期的多路径误差削弱。图【54】表【8】参【102】
欢迎来到三峡大学图书馆！
