心得体会—地面网与GNSS网联合变形监测数据处理分析

地面网与GNSS网联合变形监测数据处理分析1.对变形监测的概念的理解以前，对于变形监测数据的处理和分析过程我一直简单地以为对变形体进行测量然后确定其随时间的变化特征，即简简单单地把几次周期观测所得数据相减，所得结果就是变形体发生的变形。但是，经过后来查阅文献，我才发现对数据的处理和分析过程是一个复杂和精细的过程。其可以分为外部变形和内部变形，对于不同工程的变形体都有其特殊的处理方法和相关的仪器。其处理过程包括数据粗差检测、位移显著性分析和根变形体的结构、组成物质的物理力学性质、外力作用等进行变形分析和预报。近年来,用数学模型来逼近、模拟和揭示变形体的变形和动态特性成为新的研究方向,其中比较有代表性的模型是:确定函数模型、回归分析模型、时间序列分析模型、灰色系统模型、卡尔曼滤波模型、神经网络模型、马尔柯夫模型和尖顶突变模型。卡尔曼滤波法是现代控制理论中的一种重要方法,其最大特点是能够剔除随机干扰噪声,从而获取逼近真实情况的有用信息,在变形分析与预报中应用效果明显,预测误差小。但应用中首先要考虑模型设计中可能存在的误差,其次要考虑模型噪声和量测噪声的统计性质,在进行递推计算时,要注意引起发散的可能原因。通常,在地学和工程领域中的变形体产生变形的原因是错综复杂的,不同的变形体,其变形的时空特性不相同,即使是同一变形体,在不同的变形阶段和不同的区域(块体),其影响因素和变形的时空特性也可能不同。因此,多种模型和方法的有机结合与综合比较分析将是解决复杂的变形分析与预报问题的有效途径。但需要指出,由于变形监测是通过周期性地测定监测点的位置变化来获取变形信息,而变形体上的所有监测点之间是相互关联的,不论是静态还是动态模型,线性还是非线性模型,都不应停留在对单个点或单个时间序列的分析上,而应考虑观测点变形信息之间的相关性,进行变形体的整体变形分析与预报方法的研究。（王晓华,胡友健,柏柳.变形监测研究现状综述）2.对卡尔曼滤波模型的初步学习20世纪年代，匈牙利数学家提出了卡尔曼滤波算法，是一种对动态监测数据进行处理的有效方法，拥有最小无偏差性，是利用观测向量来估计随时间不断变化的随机向量，该随机向量又称为状态向量卡尔曼滤波具有提高数据处理效率，减少噪声，提高预测精度等优点，能满足变形监测数据分析的要求，为保证工程建筑物安全运营提供技术支持。卡尔曼滤波是以最小均方差为最佳估计准则，采用信号与噪声的状态空间模型，利用前一时刻的估计值和现在时刻的监测值更新对状态变量的估计，其最大特点是能够剔除随机干扰误差，过程中能够不断地预报、修正、再预报和再修正，从而获得逼近真实情况的有用信息。卡尔曼滤波可以分为连续线性系统和离散线性系统两种数学模型。其中离散型系统的卡尔曼滤波模型是指仅在瞬时来研究线性系统的状态估计问题。根据动态噪声和监测噪声之间的关系以及它们与系统初始状态之间的关系，离散线性系统的卡尔曼滤波有四种随机模型。分别是：1)动态噪声和监测噪声是零均值白噪声；2)动态噪声和监测噪声不相关；3)系统的初始状态是正态分布或者其他分布的随机变量；4)动态噪声和监测噪声都与初始状态无关。离散线性系统的状态估计是由观测值向量，利用上面的数学模型和随机模型求出的最佳估值，使估计误差的方差满足方差最小。只要给定初始值和观测向量，就可利用离散线性的卡尔曼滤波方程进行递推计算，得到预测值和滤波值及相应的协方差。要获得时刻的状态估计，必须要知道系统的初始状态，即初始值确定问题。初始值的精确度影响了离散线性卡尔曼滤波的分析结果，精度太低导致监测点的变形值不真实，因此初始值的确定非常重要。一般情况下，系统的初始值很难精确的给定，故釆用近似的、误差较小的初始值。卡尔曼滤波的初始值包括：初始状态向量、初始状态方差阵监测噪声、方差阵动态噪声方差阵。只要给定初始值和观测向量，就可利用离散线性的卡尔曼滤波方程进行递推计算，得到预测值和滤波值及相应的协方差。(GNSS算法研究及其在变形监测中的应用_李伟)卡尔曼滤波模型建立步骤如下:1)卡尔曼滤波的预测模型的状态方程和观测方程的建立;2)卡尔曼滤波初始值的确定，包括监测噪声的协方差阵动态噪声的协方差阵巧和状态向量的初值及其相应的协方差阵；3)循环读取n期观测数据，并进行预测值和修正值计算；4)保存模型解算结果中最后一组的状态向量和相应的协方差阵；5)更新观测数据，再次构成n期观测数据，并进行重复计算。滤波方程是一个递推计算公式，是一个不断预测、不断修正的过程。在计算过程中，能求出速度参数，修正干扰引起的突变，把参数估计和预报有机的结合起来，更符合变形监测的要求。在满足卡尔曼滤波假定条件下，通过逐次滤波可以得到参数的最佳估计以及方差阵，不需要对滤波值进行精度评定但现实中参数的动态模型及其动态噪声随机模型与监测噪声随机模型很难确定，所以一般釆用动态噪声和监测噪声的权阵代替其方差阵进行逐次滤波，从而需要计算单位权方差，单位权方差的计算可以评定滤波结果以及检验卡尔曼滤波模型的可靠性。卡尔曼滤波分析程序开发流程图，如下图所示：离散线性的卡尔曼滤波算法流程示意图3.对GNSS的相关知识的学习GNSS的全称是全球导航卫星系统（GlobalNavigationSatelliteSystem），它是泛指所有的卫星导航系统，包括全球的、区域的和增强的，如美国的GPS、俄罗斯的Glonass、欧洲的Galileo、中国的北斗卫星导航系统，以及相关的增强系统，如美国的WAAS（广域增强系统）、欧洲的EGNOS（欧洲静地导航重叠系统）和日本的MSAS（多功能运输卫星增强系统）等，还涵盖在建和以后要建设的其他卫星导航系统。国际GNSS系统是个多系统、多层面、多模式的复杂组合系统。（来自：北斗卫星导航系统网站）GNSS的定位模型一般有三种定位模型，分别为单差模型、双差模型与三差模型，其中双差模型根据中系统的个数又可以分为单系统卫星双差模型和双系统卫星双差模型。在进行高精度变形监测时必须要对原始观测量进行准确的周跳探测与修复。目前,周跳探测与修复的常用方法有很多，如：高阶差分法、电离层残差法与伪距载波相位组合法等，但这些方法都有各自的缺点，如：高阶差分法只能探测较大的周跳，且适用于采样率高的载波相位观测数据，电离层残差法针对双频接收机才可使用，且主要用于小周跳探测、求解的值具有多值性问题等。各种周跳探测与修复方法的共同原理是利用了载波相位观测值在没有周跳发生时是一个连续平滑序列。对于GNSS用于变形监测的特点，李伟先生在他的硕士毕业论文《GNSS算法研究及其在变形监测中的应用》中有如下阐述：1)GNSS能获得变形体的变形信息，为工程建筑物的稳定性及安全运营提供技术保障；2)GNSS自动化的连续监测具有数据实时采集、实时发送与实时分析等特点，节省了人力与物力，提高了对变形体监测与分析的效率；3)GNSS技术可以满足高精度的监测要求，为精密工程变形监测提供了新的监测手段；4)随着技术的快速发展，其在变形监测中的应用会越来越广泛，涉及领域也将会逐渐扩大。GNSS能很好的反映变形体的变形状态，其在变形监测中的应用弥补了传统方式受地形影响大、费力费时、不易自动化等缺点。随着科技和技术的发展，在变形监测中的应用会越来越广泛，对变形监测数据的管理和分析就显得更加重要，变形监测数据管理与分析软件的研制实现了高效、有效、方便与快捷管理与分析。3.地面网与GNSS网数据处理尽管己经存在这么多的数据处理软件,但适用于与地面测量数据的联合平差的软件还较少。国内做的比较好的是武汉大学研制的个数据处理通用软件包COGPS,POWERAdj和同济大学的GPS数据处理系统TGPPS,但其为商业软件,对软件进行了加密处理,需要付费使用,且其界面过于简单不够友好,操作也较繁琐,且不能用方差分量估计方法进行定权处理多类观测数据的联合平差问题,因此在现有与地面测量数据的联合平差软件上还有待进一步的完善。在进行多种类型观测量的联合处理时,如果各类观测值之、间权比不合理,会使验后单位权方差有偏,并影响参数估值的方差最小性。在网与地面测量数据联合平差中观测元素的数量多而且种类也不一样,其中含有基线向量、水平方向、垂直角及斜距等,所以在网与地面测量数据联合平差中,合理、准确的确定基线向量和地面各类观测值的权就显得十分重要,不仅能使各类观测值的精度和平差的结果得到正确反映,而且对平差模型的正确性检验也具有重要的意义。因为,平差模型的验后检验通过与否,除了可能是起算数据或观测值精度不够等原因外,其中一个主要原因就是各类观测值的权比确定不恰当引起。对于大范围、高精度的与地面测量数据进行联合平差时应采用理论严密的三维联合平差方法。而对于一般小范围的工程测量而言,可采用二维联合平差方法进行解算,但当有相应精度要求的大地高观测值,或一定精度的高程异常值时,采用三维联合平差方法,效果会更理想。由于在与地面测量数据联合平差中观测元素的数量多而且种类也不一样,其中含有基线向量、水平方向、垂直角及斜距等观测值,在联合平差中,若按不同的方法确定这些观测值的权,则平差结果就会有差异。所以在网与地面测量数据联合平差中,合理、准确的确定基线向量和地面各类观测值的权十分重要,不仅能使各类观测值的精度和平差的结果得到正确反映,而且对平差模型的正确性检验也具有重要的意义。因此,在必要时或者在高精度的测量中应用赫尔默特方差分量估计法进行定权进行与地面测量数据的联合联合平差。(GPS与地面测量数据联合平差方法研究及软件研制_林国庆)4.计划与感受通过学习和阅读相关的文献，我发现原来有关测量平差的知识已经忘得差不多了，由于回家时没有带有关于测量平差的书，所以很多地方都都不懂了。因此首先需要扎扎实实地看看测量平差的书。刚开始的时候，我以为我的这个题目很简单。但是，随着阅读推荐的参考文献的数量越来越多，我才发现，原来这个题目并不是那么的简单。其中包括GNSS网和地面网联合平差。而我一直把题目解读为只是以地面的观测值为约束条件，然后只是对GNSS观测值进行平差。后来经过阅读文献，我才了解到所谓的GNSS网和地面网联合平差是指对地面观测和GNSS观测值分别进行加权，然后平差。然而，联合平差是一个需要考虑很多因素的过程，如果对于两种不同类型的观测值中的不同的影响因素辨析和分析清楚，就会产生很大的误差，甚至是错误。另外，对于变形监测的数据处理与分析，并不是简简单单地把周期观测的数据进行对比处理。首先要对于监测数据进行粗差探测、位移显著性分析，其次才是分析和预报。而在此处，涉及到编程处理数据。包括文本文件、excel文件的读取与处理程序，利用卡尔曼模型分析变形监测数据的程序，以及最后的精度评定和成果输出。因此，经过以上分析，我发现要高质量地完成此次毕设，我必须拿出考研的精神和毅力，好好学习，努力提高自己。首先，我需要认认真真地阅读有关测量平差方面的书籍和参考文献。虽然在大二时，我们已经学习过测量平差的相关知识，但是由于个人原因，其相关知识已经忘得差不多，如相关的名词意义和用法全都模糊了，就连一个最基本中误差是怎么算出来的，都感觉需要考虑很长时间才能想出来。真的是到了好好学习的地步了，不学习不行了！其次，我的编程能力也不是很强，对于老师布置的那么多的大作业，我只认认真真地完完全全地靠自己完成过一次，然而C#的相关函数与定义，我也忘得差不多了，其相关的知识也忘得差不多了，因此需要好好地学习编程知识和提高编程能力。除此之外，我在准备毕业设计的同时，还要准备研究生的复试。但是由于我所做的毕设覆盖面相对较广，在为毕设做准备的同时，也是准备了复试。祝我顺利通过复试，取得一个让自己满意的结果。加油！！！