1、一种改进的TurboEdit 非差数据预处理算法,袁玉斌 党亚民 成英燕,Chinese Academy of Surveying & Mapping,2009.08.08,2,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,3,1、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,4,2、 TurboEdit算法介绍 2.1、Melbourne-Wbbena（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
2、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。,5,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。,6,2.2、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。,7,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
3、析 结论,8,3、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。,9,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,10,3.2、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。,(1),(2),(3),11,3.3、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
4、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。,12,3.4、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。,13,14,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,15,4、实例分析,以
5、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。,16,经过前述处理后，M-W和G-F序列为,序列,序列,17,改进后的算法
6、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。,18,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，但一经滑动窗口放大，即明显表现出来。本实验探测到第500历元发生异常后，解算的连续三个历元拟合残差分别为-0.0182、0.0205、0.0015，中误差均为0.0012，根据 原则易将这两个连续粗差剔除。,19,5、结 论,TurboEdit方法是当前非差相位数据预处理的一种常用且行之有效的算法。然而发挥该算法的优异性能必须处理好以下三个方面的问题。M-W组合中当前历元宽巷模糊度的预测值及方差计算问题。 G-F组合的拟合模型选择问题。 异常历元的处理策略问题。,20,谢 谢！,
