一种改进的TurboEdit数据预处理算法_袁玉斌.ppt

一种改进的TurboEdit　 非差数据预处理算法 袁玉斌　党亚民　成英燕 主要内容 常用的非差数据预处理算法 TurboEdit算法介绍 TurboEdit算法的改进 实例分析 结论 1、常用的非差数据预处理算法 高次差法 多项式拟合法 相邻历元求差法 伪距相位组合法 多普勒积分法 卡尔曼滤波 TurboEdit算法 …… 2、 TurboEdit算法介绍§2.1、Melbourne-Wübbena（M-W）组合 M-W观测值及其整周模糊度可分别表示为 一般地对于一个无周跳的观测时段， 应接近于常数，并且随机分布，一旦发 生宽巷周跳，则曲线随之出现跳变。 　 　 采用递推公式计算每一历元 的宽巷模糊度预测值 　　 及其方差 ： 　 若 ,则认为 历元可能发生周跳；继续判 断 历元的状态。 §2.2、Geometry-Free（G-F）组合— 整数据段拟合 G-F观测值为 G-F组合观测值适于周跳探测与修复、粗差剔除。 一般利用多项式进行拟合，根据拟合残差来判断是否发生周跳。若 则认为 历元发生周跳。然后进行周跳修复(叶世榕,2002)。 分别探测出M-W和G-F周跳后，联立方程求解 上的周跳值。 主要内容 常用的非差数据预处理算法 TurboEdit算法介绍 TurboEdit算法的改进 实例分析 结论 3、TurboEdit算法的改进§3.1、M-W宽巷模糊度预测值及方差 　　　　　 预测当前历元宽巷模糊度及方差时 （1）只能利用当前弧段的观测值。 （2）选择序列亦不能太长。 （3）考虑到粗差问题。 选取一参考历元 ， 兼顾了前述要求。 设从参考历元至当前历元 的粗差数为 ，则 §3.2、Geometry-Free（G-F）组合— 相邻历元求差法 如果 、 的测量误差为0.01周，则 的中误差为0.023周，可根据拉依达准则或肖维勒准则来探测异常。 §3.3、G-F组合的滑动窗口拟合模型 整数据段上的拟合模型 (见§2.2) 以下两个缺陷： 　　　1）、该方法只能探测大周跳。 　　　2）、拟合阶数的选择问题。 相邻历元差分法(见§3.2) 本质上也是一种拟合模型。 §3.4、G-F组合拟合模型的概括模型 本文提出一种基于滑动窗口的拟合模型。对当前历元，仅选择前n个历元来求定拟合参数和中误差 ，然后作判断 　 如果上式成立，则当前历元异常，继续进行下一历元的判断。 如果连续三个历元均超限，则认为出现了周跳，否则认为出现了粗差，并在相应的历元作粗差标记。 附加更强的约束条件，重新遍历各G-F弧段的历元，进一步剔除难以发现的小粗差。 　 主要内容 常用的非差数据预处理算法 TurboEdit算法介绍 TurboEdit算法的改进 实例分析 结论 4、实例分析 以bjfs1750.08o的PRN02数据作实验，共756历元。 第100历元处加周跳 ，等周周跳，M-W探测的盲点； 第200历元处加周跳 ，等距周跳，G-F探测的盲点； 在第300、301、302、303历元处分别加上 、 、 、 周跳，此为连续周跳（或同时发生周跳和粗差）； 在第400、405历元处分别加上 、 周跳。注意两周跳时间间隔较小，并且施加的为小周跳。不少文献认为，对开始十几历元内出现的周跳TurboEdit算法将无能为力。本文的改进算法期望可避免这一情况。 在第500、501历元处分别加上 、 的小粗差。 　　经过前述处理后，M-W和G-F序列为 　　 改进后的算法将先探测宽巷周跳，正如预期结果：M-W探测到了三个周跳，但遗漏了100历元处的等周周跳。而在划分的M-W弧段中，G-F组合弥补了M-W组合的这一缺陷。 　　　 　　 　将 、 浮点解四舍五入取整即得整数解，可知取整带来的舍入误差较小。对300-303共四个历元的连续周跳，该算法只认为第四历元处发生周跳，而将前三个历元当作粗差剔除。另外400历元处的宽巷周跳被正确探测到，但由于400-404弧段太短，难以正确解算出两波段上的周跳值而被当作粗差剔除。 　　 改进的算法对粗差有较强的探测能力。下图为500历元处左右的G-F序列放大效果。从图中可以看出，尽管0.1周的粗差较小，但一经滑动