一种抗差自适应的GNSS水汽层析方法技术

本发明专利技术公开了一种抗差自适应的GNSS水汽层析方法，其方法包括：S1、根据研究区构建GNSS水汽层析格网；S2、采集研究区内GNSS测站的观测数据、气象数据及精密星历数据，通过计算得到斜路径水汽含量SWV；S3、通过计算卫星射线在每个层析网格内的截距构建GNSS水汽层析斜路径方程，利用大气折射率参数随着高度的增加而指数递减的特性构建垂直约束方程，将GNSS水汽层析斜路径方程及垂直约束方程共同组成Kalman滤波的矩阵形式的观测方程，然后构建状态方程；S4、Kalman滤波解算模型进行依序解算更新得到大气水汽密度值。本发明专利技术能够改善GNSS水汽层析解算过程中观测值误差的影响及滤波解算的不稳定性，为GNSS气象学研究提供高精度稳定的大气水汽信息。稳定的大气水汽信息。稳定的大气水汽信息。

【技术实现步骤摘要】
一种抗差自适应的GNSS水汽层析方法


[0001]本专利技术涉及GNSS数据及气象数据处理领域，尤其涉及一种抗差自适应的GNSS水汽层析方法。

技术介绍

[0002]大气水汽的高精度、多维度、连续稳定监测对于全球温室效应、气候变化、改善数值天气预报初始场及卫星对地观测精度等研究都具有重要意义。随着GNSS测站卫星技术的发展成熟，GNSS数据与气象数据均具有全天候、连续运行、时空分辨率高等优点，如何有效利用两者数据反演得到水汽数据(包括水汽含量、水汽密度)，是GNSS气象学研究热点，也是现有技术需要解决的技术难题，目前现有技术均难以获取稳定的水汽结果，也难以进行基于水汽数据的科学研究，这严重制约水汽数据的获取、处理及研究。

技术实现思路

[0003]本专利技术的目的在于克服
技术介绍
所指出的技术问题，提供一种抗差自适应的GNSS水汽层析方法，对研究区进行水平经纬度与垂直高程划分得到三维GNSS水汽层析格网，同时采集研究区内GNSS测站的观测数据、气象数据及精密星历数据计算得到斜路径水汽含量SWV，通过对GNSS斜路径水汽含量及卫星射线网格截距的获取，构建水汽层析观测方程，同时建立基于IGG3的抗差估计、基于预测残差的自适应因子，并开展GNSS水汽层析方程的卡尔曼滤波解算，能够改善GNSS水汽层析解算过程中观测值误差的影响及滤波解算的不稳定性，为GNSS气象学研究提供高精度稳定的大气水汽信息，能够更好地基于地基GNSS反演大气水汽信息。
[0004]本专利技术的目的通过下述技术方案实现：
[0005]一种抗差自适应的GNSS水汽层析方法，其方法包括：
[0006]S1、确定研究区，根据研究区构建GNSS水汽层析格网，GNSS水汽层析格网由若干个水平格网呈垂直方向分布，水平格网包括若干个层析网格；
[0007]S2、采集研究区内GNSS测站的观测数据、气象数据及精密星历数据，通过如下公式计算得到斜路径水汽含量SWV：
[0008]其中，Π为转换系数，ρ
w
表示液态水密度，R为通用气体常数，m
w
是湿空气摩尔质量，k
′2和k3是大气折射率常数，T
m
为大气加权平均温度，SWD为GNSS斜路径湿延迟；
[0009]S3、以斜路径水汽含量SWV为观测量、各个层析网格内的水汽密度为待求参数，通过计算卫星射线在每个层析网格内的截距表示如下GNSS水汽层析斜路径方程：
[0010]SWV
q
表示第q条卫星射线的斜路径水汽含量截距，n表示GNSS水汽层析网格的总数，表示第q条卫星射线穿过网格i的截距，x
i
是第i个层析网格内的水汽
密度值；
[0011]利用大气折射率参数随着高度的增加而指数递减的特性构建如下垂直约束方程：
[0012]其中x
i
和x
i+l
分别表示第i个和第i+l个层析网格的大气水汽密度；h
i
和h
i+l
分别代表第i和第i+l个层析网格的高程；
[0013]将GNSS水汽层析斜路径方程及垂直约束方程共同组成Kalman滤波的矩阵形式的观测方程，观测方程公式如下：
[0014]L＝A
·
X+Δ，其中L为层析斜路径方程、垂直约束方程构成的观测值列向量，A为系数矩阵，X为所有层析网格的待求水汽密度值，Δ观测噪声矩阵；
[0015]构建如下GNSS水汽层析Kalman滤波的状态方程：
[0016]X
k
＝X
k
‑1+w
k
，其中X
k
表示所有水汽层析网格k时刻的大气水汽密度状态向量，w
k
为状态噪声；
[0017]S4、构建包含状态方程、观测方程的Kalman滤波解算模型；Kalman滤波解算模型分别计算抗差因子自适应因子α
k
，基于k
‑
1时刻状态初值X
k
‑1及其协方差矩阵解算更新k时刻的状态矩阵和协方差矩阵其方法如下：
[0018]S41、通过如下公式计算k时刻的预测残差v
k
和标准化残差和标准化残差
[0019]其中L
k
为k时刻层析斜路径方程、垂直约束方程构成的观测值列向量，为利用k
‑
1时刻的初值基于状态方程得到k时刻的中间预测值，σ为单位权重误差；A
k
为k时刻的系数矩阵；
[0020]S42、按照如下方法得到观测方程的观测值的抗差权因子：
[0021][0022]其中，表示k时刻的观测方程中的观测值的抗差权因子，抗差权因子与协方差矩阵互为逆矩阵；p
k
表示k时刻的观测值原始权因子，c0和c1为常数；
[0023]S43、基于预测残差构造k时刻判别自适应因子的统计量，方法如下：
[0024]其中，tr表示求矩阵的迹，表示预测残差v
k
的矩阵转置，表示系数矩阵A
k
的矩阵转置，表示抗差权因子的逆矩阵；A
k
表示k时刻的观测方程系数矩阵；表示k时刻的协方差矩阵；
[0025]然后构造出如下自适应因子函数模型：
[0026][0027]由此得到k时刻的自适应因子α
k
；
[0028]S44、通过如下公式计算得到Kalman滤波增益矩阵
[0029][0030]S45、按照如下方法进行层析k时刻的状态矩阵和协方差矩阵
[0031][0032]其中I表示单位阵；
[0033]以k时刻的状态矩阵和协方差矩阵作为初值按照方法S41～S45解算更新k+1时刻的状态矩阵和协方差矩阵以此类推，直至最后一个时刻完成上述循环计算，得到研究区每个层析网格的大气水汽密度值。
[0034]优选地，本专利技术在Kalman滤波解算模型中，状态方程中的状态噪声的协方差矩阵表示为Q，观测方程的观测噪声的协方差矩阵表示为R。
[0035]优选地，本专利技术GNSS斜路径湿延迟SWD通过如下公式得到：
[0036][0037]其中ele表示GNSS卫星高度角；mw(ele)和m
Δ
(ele)分别为湿延迟和湿梯度的映射函数；表示南北方向的湿大气水平梯度，表示东西方向的湿大气水平梯度；R
e
表示GNSS观测值的非差验后残差，ZWD为测站对流层湿延迟。
[0038]进一步地，测站对流层湿延迟ZWD通过如下方法得到：
[0039]S21、采集研究区内GNSS测站的气象数据，通过如下公式计算得到天顶静力学延迟ZHD：
[0040]其中P为GNSS测站的地面气压，为GNSS测站的地理纬度，h为GNSS测站的高程；
[0041]S22、采集研究区内GNSS测站的观测数据及精密星历数据，利用Gamit软件进行双差解本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种抗差自适应的GNSS水汽层析方法，其特征在于：其方法包括：S1、确定研究区，根据研究区构建GNSS水汽层析格网，GNSS水汽层析格网由若干个水平格网呈垂直方向分布，水平格网包括若干个层析网格；S2、采集研究区内GNSS测站的观测数据、气象数据及精密星历数据，通过如下公式计算得到斜路径水汽含量SWV：其中，Π为转换系数，ρ
w
表示液态水密度，R为通用气体常数，m
w
是湿空气摩尔质量，k
′2和k3是大气折射率常数，T
m
为大气加权平均温度，SWD为GNSS斜路径湿延迟；S3、以斜路径水汽含量SWV为观测量、各个层析网格内的水汽密度为待求参数，通过计算卫星射线在每个层析网格内的截距表示如下GNSS水汽层析斜路径方程：SWV
q
表示第q条卫星射线的斜路径水汽含量截距，n表示GNSS水汽层析网格的总数，表示第q条卫星射线穿过网格i的截距，x
i
是第i个层析网格内的水汽密度值；利用大气折射率参数随着高度的增加而指数递减的特性构建如下垂直约束方程：其中x
i
和x
i+l
分别表示第i个和第i+l个层析网格的大气水汽密度；h
i
和h
i+l
分别代表第i和第i+l个层析网格的高程；将GNSS水汽层析斜路径方程及垂直约束方程共同组成Kalman滤波的矩阵形式的观测方程，观测方程公式如下：L＝A
·
X+Δ，其中L为层析斜路径方程、垂直约束方程构成的观测值列向量，A为系数矩阵，X为所有层析网格的待求水汽密度值，Δ观测噪声矩阵；构建如下GNSS水汽层析Kalman滤波的状态方程：X
k
＝X
k
‑1+w
k
，其中X
k
表示所有水汽层析网格k时刻的大气水汽密度状态向量，w
k
为状态噪声；S4、构建包含状态方程、观测方程的Kalman滤波解算模型；Kalman滤波解算模型分别计算抗差因子自适应因子α
k
，基于k
‑
1时刻状态初值X
k
‑1及其协方差矩阵解算更新k时刻的状态矩阵和协方差矩阵其方法如下：S41、通过如下公式计算k时刻的预测残差v
k
和标准化残差和标准化残差和标准化残差其中L
k
为k时刻层析斜路径方程、垂直约束方程构成的观测值列向量，为利用k
‑
1时刻的初值基于状态方程得到k时刻的中间预测值，σ为单位权重误差；A
k
为k时刻的系数矩阵；S42、按照如下方法得到观测方程的观测值的抗差权因子：

【专利技术属性】
技术研发人员：杨飞，汪莹莹，李飞跃，冉文艳，郭丽，郭靖宇，
申请(专利权)人：中国矿业大学北京，
类型：发明
国别省市：