GNSS精密單點定位中的實時質(zhì)量控制

張小紅，郭斐，李盼，等

摘要：目的：質(zhì)量控制是測量數(shù)據(jù)處理中的一個重要環(huán)節(jié)，質(zhì)量控制的優(yōu)劣直接影響到GNSS精密單點定位（PPP）的精度和可靠性，甚至影響PPP定位結(jié)果的可信度。近年來，GNSS測量數(shù)據(jù)處理中的粗差識別、周跳探測、抗差估計等方面仍存在著對接收機鐘跳的影響考慮不周；周跳探測模擬居多，缺乏實際數(shù)據(jù)驗證；質(zhì)量控制過程單一，缺乏穩(wěn)健的整體控制等問題；對PPP數(shù)據(jù)處理中的質(zhì)量控制研究更是少見。本文提出了一套適用于PPP的實時質(zhì)量控制體系，深入研究了PPP質(zhì)量控制的過程、方法和效果。方法：由鐘跳引起的偽距階躍、相位連續(xù)型觀測值異常，會使得 MW（Melbourne Wubbena）組合法將所有衛(wèi)星載波觀測值誤探為周跳，并改變模糊度先驗信息，必須進行探測與修復(fù)。本文采用觀測值歷元差分法進行實時鐘跳探測與修復(fù)。對于某一歷元，當(dāng)且僅當(dāng)所有可用衛(wèi)星的歷元差分偽距和相位觀測值以傳播時間（ms）為單位，差值大小幾乎相等，且十分接近整數(shù)毫秒時，認為該歷元存在鐘跳。采用反向修復(fù)法，將連續(xù)的相位觀測值調(diào)整成階躍形式，同偽距基準保持一致。實時單站周跳處理方面，考慮到周跳修復(fù)的可靠性難以保證，而錯誤的修復(fù)又會對參數(shù)估計造成不利影響，僅對周跳進行探測和標記，不作修復(fù)。提出聯(lián)合MW組合和GF（Geometry Free）組合的探測策略，避免了單一組合存在不敏感周跳的問題。針對MW組合法對低高度角衛(wèi)星的探測效果不佳、GF組合誤差受采樣率的影響較大的問題，筆者使用不同采樣率、不同高度角的實際數(shù)據(jù)進行了大量測試后，提出了與衛(wèi)星高度角和采樣間隔相關(guān)的周跳探測閾值表達式。從保持數(shù)據(jù)連續(xù)性、減少不必要的重新初始化角度出發(fā)，該閾值設(shè)置相對寬松。為抵制漏判的周跳和異常誤差的影響，采用改進的迭代抗差估計實時地調(diào)節(jié)最大殘差對應(yīng)的觀測量的權(quán)，等價權(quán)函數(shù)參考IGG-Ⅲ方案，每次迭代僅對當(dāng)前驗后殘差最大的觀測量使用等價權(quán)，降低其對參數(shù)估計的貢獻，避免因設(shè)計矩陣的影響，部分（或單一）粗差被分配到其他正常觀測值中，降低正常觀測值的權(quán)，影響PPP定位解的精度和可靠性。考慮到實時質(zhì)量控制的效率，為防止濾波發(fā)散，迭代次數(shù)一般選取3～5。結(jié)果：以GENO站為代表的15個測站，鐘跳未修復(fù)時，其動態(tài)PPP反復(fù)多次進行重收斂，定位精度較低。究其原因，正是由于頻繁的鐘跳現(xiàn)象（平均每1 h發(fā)生一次）被誤認為周跳，導(dǎo)致所有衛(wèi)星的模糊度參數(shù)重新初始化。鐘跳修復(fù)后，保證了數(shù)據(jù)處理的連續(xù)性，避免了不必要的重初始化，首次收斂后，北、東、高方向的定位精度均達到厘米級。鐘跳修復(fù)后，對50個IGS跟蹤站 30 s采樣間隔的觀測數(shù)據(jù)進行靜態(tài)PPP解算。由于GF組合已經(jīng)具有較強的周跳探測能力，利用其能探測出絕大多數(shù)的周跳，且大部分測站的觀測數(shù)據(jù)質(zhì)量較好，因此，大多數(shù)測站的靜態(tài)PPP是否加入MW組合周跳探測，結(jié)果差異很小。有10個測站存在一些GF組合不敏感的周跳，僅用GF組合探測周跳定位結(jié)果較差。在聯(lián)合MW組合探測周跳后，OHI3和VILL站的定位精度由6～8 cm顯著提高到毫米級，改善程度達到90%左右。而采用了更為嚴密的質(zhì)量控制后，除精度已經(jīng)達到毫米級的OHI3站外，幾乎所有的測站均有不同程度的改善，改善后的三維定位精度基本上在1～2 cm，平均改善程度達到49.8%。動態(tài)PPP具有類似的結(jié)論。結(jié)論：鐘跳修復(fù)保證了數(shù)據(jù)處理的連續(xù)性，避免了不必要的重初始化，定位結(jié)果得到顯著改善，因此，在精密單點定位過程中，必須在數(shù)據(jù)預(yù)處理階段進行鐘跳修復(fù)。聯(lián)合MW組合和GF組合，避免了單一組合存在不敏感周跳的問題，提高了周跳探測的能力和可靠性。采用基于最大驗后殘差的迭代抗差估計，有效抑制了數(shù)據(jù)預(yù)處理階段未被正確處理的周跳或誤差的影響，定位結(jié)果更加準確、可靠。對大量的IGS數(shù)據(jù)進行的仿實時PPP處理取得了較好的效果，表明采用本文提出的實時質(zhì)量控制方法，聯(lián)合使用多種質(zhì)量控制手段，能夠顯著改善定位解的質(zhì)量，提高精密單點定位的精度和可靠性。

來源出版物：武漢大學(xué)學(xué)報（信息科學(xué)版）, 2012, 37(8):940-944

入選年份：2017

基于核主成分分析和粒子群優(yōu)化支持向量機的滑坡位移預(yù)測

彭令，牛瑞卿，趙艷南，等

摘要：目的：滑坡是一個十分復(fù)雜的非線性動態(tài)系統(tǒng)，變形位移的產(chǎn)生及變化是其自身地質(zhì)條件和受外界因素共同作用的結(jié)果。當(dāng)滑坡在變形演化過程中，遭受季節(jié)性或周期性的影響因素（如降雨、庫水位）作用時，變形位移曲線呈現(xiàn)出階躍型演化特征。在滑坡實際預(yù)測預(yù)報過程中，很容易對此類滑坡做出錯誤判斷，因為變形過程的每一次突變都可能被誤認為是滑坡演化已進入臨滑階段。因此，對滑坡位移與外界影響因素的綜合響應(yīng)分析與預(yù)測是處理此類滑坡變形曲線的有效手段。本文將核主成分分析（kernel principle component analysis，KPCA）、粒子群算法（particle swarm optimization，PSO）和支持向量機（support vector regression，SVR）等機器學(xué)習(xí)方法有機結(jié)合，擬建立 KPCA-PSO-SVR協(xié)同優(yōu)化模型，預(yù)測滑坡變形位移。方法：以三峽庫區(qū)白家包滑坡GPS位移監(jiān)測點ZG324的2007年相對位移為預(yù)測對象。首先，選取降雨量、庫水位和地下水位3類因素為滑坡變形位移的影響因素，提取當(dāng)月降雨量、前兩個月累計降雨量、當(dāng)月日最大降雨量、當(dāng)月一次連續(xù)最大降雨量、當(dāng)月庫水位、當(dāng)月庫水位變化幅度、當(dāng)月庫水位變化速率、當(dāng)月地下水位和當(dāng)月地下水變化幅度9個因子作為初始影響因子，并對滑坡相對位移數(shù)據(jù)和初始影響因子進行歸一化處理。接著，設(shè)置KPCA核函數(shù)為高斯徑向基核函數(shù)，對初始影響因子進行核主成分分析，選擇前3個主成分作為所建模型的新影響因子，并將滑坡相對位移和新影響因子分成模型訓(xùn)練樣本（1—10月）和檢驗樣本數(shù)據(jù)（11—12月）。然后，利用 PSO算法搜索SVR模型的最佳參數(shù)懲罰因子和RBF核函數(shù)參數(shù)，通過對訓(xùn)練樣本數(shù)據(jù)進行學(xué)習(xí)，建立滑坡相對位移與影響因子之間的非線性模型，并采用所建模型對檢驗數(shù)據(jù)進行預(yù)測。最后，采用均方差（MSE）、相關(guān)系數(shù)的平方（r2）和AIC值作為模型評價指標，檢驗預(yù)測模型的有效性和預(yù)測能力。結(jié)果：從滑坡位移預(yù)測結(jié)果可見，KPCA-PSO-SVR模型對訓(xùn)練樣本數(shù)據(jù)擬合的最小絕對誤差為0.087，最大絕對誤差為1.576，相對誤差分別為1.621%和13.253%，說明該模型具有較好的擬合能力。對于檢驗數(shù)據(jù)而言，模型預(yù)測的絕對誤差和相對誤差分別為 0.047、0.732、1.187%和 14.366%，表明該模型具有較強的泛化能力。但隨著預(yù)測時間間隔的增大，其模型預(yù)測能力有所降低。對于滑坡整個變形位移時序數(shù)據(jù)，KPCA-PSO-SVR模型預(yù)測的平均絕對誤差是0.760，平均相對誤差為7.563%，表明該模型具有較好的擬合和泛化能力。此外，采用不同的優(yōu)化算法搜索SVR模型參數(shù)，建立不同的預(yù)測模型，結(jié)果發(fā)現(xiàn)經(jīng)過PSO算法尋優(yōu)后的模型預(yù)測能力明顯強于基于傳統(tǒng)網(wǎng)格搜索法（grid search，GS）和遺傳算法（genetic algorithm，GA）優(yōu)化的預(yù)測模型。同時，滑坡影響因子不經(jīng)過KPCA處理所建立的預(yù)測模型，其預(yù)測誤差增大，模型預(yù)測能力均有下降。通過模型評價指標綜合分析，發(fā)現(xiàn) KPCA-PSOSVR模型的MSE和AIC值均最小，而值最大，說明所建立預(yù)測模型為最優(yōu)穩(wěn)健模型，對滑坡變形位移與影響因素之間的復(fù)雜響應(yīng)關(guān)系具有最佳的擬合及預(yù)測能力。結(jié)論：將核主成分分析、粒子群算法和支持向量機有機結(jié)合，構(gòu)建出 KPCA-PSO-SVR協(xié)同優(yōu)化模型，并通過降雨、庫水位和地下水等影響因素對滑坡相對位移進行預(yù)測。通過與其它預(yù)測模型對比，發(fā)現(xiàn)所建立模型的擬合和泛化能力最優(yōu)，綜合表明該協(xié)同優(yōu)化模型是一種行之有效的變形位移預(yù)測方法，對滑坡預(yù)測預(yù)報具有關(guān)鍵作用。

來源出版物：武漢大學(xué)學(xué)報（信息科學(xué)版）, 2013, 38(2):148-152

入選年份：2017

總體最小二乘研究進展

王樂洋，許才軍

摘要：目的：總體最小二乘（total least squares，TLS）方法是近 30多年發(fā)展起來的一種能同時顧及觀測值誤差和模型系數(shù)矩陣誤差的數(shù)學(xué)方法，其理論及應(yīng)用研究已成為國內(nèi)外研究的熱點?，F(xiàn)有針對TLS的研究領(lǐng)域廣泛，應(yīng)用成果豐富，對其進行嚴密地梳理尤為重要。為進一步完善測量數(shù)據(jù)處理中TLS理論體系，本文以TLS解的性質(zhì)、算法和應(yīng)用3個方面為出發(fā)點，綜述了TLS問題的研究現(xiàn)狀與應(yīng)用進展，探索TLS理論及其在大地測量數(shù)據(jù)處理領(lǐng)域應(yīng)用的研究方向。方法：查閱了國內(nèi)外TLS相關(guān)的參考文獻，通過總結(jié)相關(guān)研究，對TLS解的性質(zhì)進行歸納；總結(jié)了TLS問題的基本算法和擴展算法并針對病態(tài)情況、約束情況和標度TLS進行了詳細的分析；對TLS在測量領(lǐng)域已有的應(yīng)用研究進行概括。從誤差傳播定律、TLS的擾動問題、標度因子的選取、加權(quán)情況下附有等式約束的 TLS問題以及求解病態(tài)問題嚴密的算法等五個方面對今后 TLS的研究進行相應(yīng)的展望。結(jié)果：在TLS解的性質(zhì)方面：綜述了變量含誤差（errors-in-variables，EIV）模型估值的性質(zhì)；分別從不同方法、不同角度梳理TLS與LS之間的關(guān)系，例如貝葉斯方法、代數(shù)學(xué)角度、幾何角度等；對TLS問題的研究進行了歸納，例如約束TLS與結(jié)構(gòu)TLS的等價性、TLS問題在不同情況不同準則下有解的充分必要條件等。在TLS問題算法方面：其基本算法主要有奇異值分解（SVD）法和拉格朗日極值法以及從線性回歸角度解析的方法；在基本算法的基礎(chǔ)上還發(fā)展了許多擴展算法：非線性總體最小二乘（nonlinear TLS，N-TLS）、混合總體最小二乘（mixed TLS-LS，TLS-LS）、加權(quán)總體最小二乘（weighted TLS，W-TLS）、考慮系數(shù)矩陣結(jié)構(gòu)間相關(guān)性的加權(quán)總體最小二乘（element-wise-weighted TLS，EW-TLS）、廣義總體最小二乘（generalized TLS，G-TLS）、標度總體最小二乘（scaled TLS，S-TLS）、限制總體最小二乘（restricted TLS，R-TLS）、總體最小二乘的L p范數(shù)解（total Lpapproximations，T-Lp-A）、正則化總體最小二乘（regularized TLS，RTLS）、約束總體最小二乘（constrained TLS，C-TLS）、多元總體最小二乘（multivariate TLS，M-TLS）、截斷總體最小二乘（truncated TLS，TTLS）、結(jié)構(gòu)總體最小二乘（structured TLS，STLS）、非一般總體最小二乘（nongeneric TLS，NTLS）、部分總體最小二乘（partial TLS，P-TLS）、最小范數(shù)總體最小二乘問題（minimum norm TLS，MNTLS）等；分別從病態(tài)情況、約束情形、S-TLS三個方面深入分析了目前的研究進展與其存在的缺陷，為后續(xù)完善總體最小二乘理論提供了重要的研究方向。在TLS應(yīng)用方面：目前主要的應(yīng)用有水準測量、空間后方交會、坐標轉(zhuǎn)換、地殼應(yīng)變參數(shù)反演等；由于大地測量數(shù)據(jù)的特殊性以及TLS理論還尚不成熟，難以直接解決大地測量反演問題，當(dāng)TLS理論得到完善后，其在大地測量反演等數(shù)據(jù)處理問題中必將有更廣泛的應(yīng)用。結(jié)論：在國內(nèi)外對TLS方法研究中，從大地測量數(shù)據(jù)處理的角度詳細闡述TLS解的性質(zhì)的研究較少，TLS方法的適用性等問題還需要進一步的研究。因此，本文對今后研究內(nèi)容進行展望，應(yīng)進一步對精度評定中誤差傳播定律相關(guān)理論進行研究、從測量數(shù)據(jù)處理和數(shù)值分析的角度研究TLS的擾動分析、解決如何選取標度因子的難題、研究加權(quán)情況下附有等式約束的 TLS問題以及求解觀測值與系數(shù)矩陣元素相關(guān)加權(quán)情況下病態(tài)性問題的嚴密算法，深入研究TLS方法在大地測量反演等數(shù)據(jù)處理領(lǐng)域的應(yīng)用，進一步完善測量數(shù)據(jù)處理的理論體系。

來源出版物：武漢大學(xué)學(xué)報（信息科學(xué)版）, 2013, 38(7):850-856

入選年份：2017

位置大數(shù)據(jù)的分析處理研究進展

劉經(jīng)南，方媛，郭遲，等

摘要：目的：大數(shù)據(jù)時代的到來，使得社會和經(jīng)濟都發(fā)生了巨大的變革。位置大數(shù)據(jù)是大數(shù)據(jù)的一個重要組成部分。當(dāng)前，基于各種測量傳感網(wǎng)絡(luò)來感知個體和群體與自然關(guān)系和社會環(huán)境關(guān)系的泛在測繪所產(chǎn)生的位置大數(shù)據(jù)是大數(shù)據(jù)研究的重要組成部分。位置大數(shù)據(jù)已經(jīng)成為當(dāng)前用來感知人類社群活動規(guī)律、分析地理國情和構(gòu)建智慧城市的重要戰(zhàn)略資源。通過對位置大數(shù)據(jù)的處理分析，可將單純的定位數(shù)據(jù)引申出人的社會屬性以及與環(huán)境的關(guān)系，這極大的促進了計算機科學(xué)技術(shù)、數(shù)據(jù)科學(xué)技術(shù)與測繪科學(xué)技術(shù)的聯(lián)系，形成了一種智能化、社會化的泛在測繪計算。方法：位置大數(shù)據(jù)的研究需要測繪技術(shù)與信息技術(shù)高度融合。本文針對位置大數(shù)據(jù)，對其基本內(nèi)容、應(yīng)用領(lǐng)域以及相應(yīng)領(lǐng)域已有的研究成果進行了詳細的介紹。然后，針對位置大數(shù)據(jù)的特征和研究需求，介紹了常用的大數(shù)據(jù)處理方法。位置大數(shù)據(jù)是指含有空間位置和時間標識的地理和人類社會信息數(shù)據(jù)的位置數(shù)據(jù)，由地理數(shù)據(jù)、車輛軌跡和應(yīng)用記錄等構(gòu)成。位置大數(shù)據(jù)的分析處理主要可形成智慧城市3個方面的服務(wù)支持：為城市運行服務(wù)，包括城市規(guī)劃、疾病控制、智能交通、節(jié)能減排、環(huán)境保護、應(yīng)急響應(yīng)等；為個人生活服務(wù)，包括社會交流、個性化信息推送、駕駛安全、智能駕駛等；為企業(yè)經(jīng)濟服務(wù)，包括企業(yè)的調(diào)度、門店選址、廣告推送、位置營銷等。結(jié)果：本文在定義位置大數(shù)據(jù)概念基礎(chǔ)上主要從以下3個方面對位置大數(shù)據(jù)進行了介紹和分析。（1）介紹了位置大數(shù)據(jù)的分類、特征、作用與意義，以及涉及的研究方法體系。位置大數(shù)據(jù)主要分為地理數(shù)據(jù)、軌跡數(shù)據(jù)和空間媒體數(shù)據(jù)。地理數(shù)據(jù)是直接或間接關(guān)聯(lián)著相對于地球的某個地點的數(shù)據(jù)，包括自然地理數(shù)據(jù)和社會經(jīng)濟數(shù)據(jù)。軌跡數(shù)據(jù)是指通過GNSS等測量手段以及網(wǎng)絡(luò)簽到等方法獲得的用戶活動數(shù)據(jù)，可以被用來反映用戶的位置和用戶的社會偏好?？臻g媒體數(shù)據(jù)是指包含位置因素的數(shù)字化的文字、圖形、圖像、聲音、視頻影像和動畫等媒體數(shù)據(jù)。位置大數(shù)據(jù)具有典型的體量大、更新速度快、多元性和價值密度低等特性；位置大數(shù)據(jù)具有時空標識，有時會使用坐標、語言文本來描述。位置大數(shù)據(jù)的研究涉及到數(shù)據(jù)采集、數(shù)據(jù)處理、計算和存儲以及可視化一套完整的技術(shù)方法體系。（2）從位置社會感知、基于位置大數(shù)據(jù)的群體智能系統(tǒng)的建設(shè)和城市地理國情關(guān)聯(lián)分析3個方面對位置大數(shù)據(jù)的應(yīng)用分析進行了具體闡述。（3）針對位置大數(shù)據(jù)的混雜型、復(fù)雜性、稀疏性，以及研究需求，我們介紹了常用的位置大數(shù)據(jù)處理方法，包括地圖和軌跡數(shù)據(jù)的預(yù)處理、局部位置數(shù)據(jù)的特征提取、大數(shù)據(jù)的降維分析、特征關(guān)聯(lián)和協(xié)同挖掘，并提出了一種位置大數(shù)據(jù)分析平臺，將上述方法集成，支撐面向城市運行和大眾群體應(yīng)用的位置服務(wù)。結(jié)論：泛在測繪和位置大數(shù)據(jù)服務(wù)要求研究宏觀數(shù)據(jù)處理層面的新方法、新思維。位置大數(shù)據(jù)不只是被用來進行交通問題的分析，已經(jīng)成為當(dāng)前用來感知人類社群活動規(guī)律、分析地理國情和構(gòu)建智慧城市的重要戰(zhàn)略資源，提升了我們對更為廣泛的人類社會經(jīng)濟活動和自然環(huán)境的認識，充分體現(xiàn)了位置數(shù)據(jù)的價值。

來源出版物：武漢大學(xué)學(xué)報（信息科學(xué)版）, 2014, 39(4):379-385

入選年份：2017