技术领域本发明涉及桥梁监测技术领域，具体是一种桥梁振动监测数据处理方法。
背景技术：
目前，对桥梁结构的监测采用GNSS进行结构动态变形监测，但是多方面因素引起测量误差。GNSS短基线双差解算过程中，虽然对流层和电离层延迟产生的误差已被削弱，但是有些误差不能被削弱，如多路径误差、随机噪声，影响了结构实际振动信息的提取。多路径误差主要分布在0～0.2Hz频带，随机噪声分布在较宽频带，但能量较低。在目前GNSS数据处理方法中，能识别出厘米级桥梁结构动态位移，然而中小型桥梁结构振动幅度只有数毫米，目前的数据处理方法很难识别此类振动位移。
技术实现要素：
本发明的目的在于提供一种消除大部分随机噪声、测量更准确的桥梁振动监测数据处理方法，以解决上述背景技术中提出的问题。为实现上述目的，本发明提供如下技术方案：一种桥梁振动监测数据处理方法，包括以下步骤：一、通过北斗桥梁监测数据采集系统，每个监测点使用两台北斗接收机，北斗接收机通过北斗信号分线器与同一北斗天线连接，同步采集相同时间段相同测点的桥梁振动信号，其中一台北斗接收机以传统RTK模式解算监测数据Sa；另一台北斗接收机以NRTK模式解算监测数据Sm，两台北斗接收机亦同时采集原始信号，解算各自的PPK数据(Sb，Sn)；因此每个监测点获得4组监测数据(Sa，Sb，Sm，Sn)；二、选取其中的两组监测数据(Sa，Sb)，忽略次要误差，这两组信号表示为：Sa=Ma(n)+Va(n)+Na(n)Sb=Mb(n)+Vb(n)+Nb(n)式中n表示数据长度；Ma(n)和Mb(n)表示各自信号的多路径误差；Va(n)和Vb(n)表示各自信号的桥梁实际振动信息；Na(n)和Nb(n)表示各自信号的随机噪声；利用它们的强相关性，识别桥梁的实际振动位移；三、采用三种滤波方案(A，B，C)，对监测数据执行步骤二的滤波处理操作，识别各自的实际振动位移(A1，Bl，C1)；其中三种滤波方案是从监测数据(Sa，Sb，Sm，Sn)中选取不同的两组监测数据分别作为切比雪夫高通滤波器的输入信号和参考信号；取A1、B1、C1的平均值作为桥梁振动位移监测结果。作为本发明进一步的方案：步骤二中，识别桥梁的实际振动位移的步骤如下：（1）设计切比雪夫高通滤波器消除多路径误差，即Ma(n)和Mb(n)；根据理论计算选择合适的通带频率设计切比雪夫高通滤波器，分离长周期和短周期振动信号，采用此切比雪夫高通滤波器处理监测数据(Sa，Sb)，获得消除多路径误差Ma(n)和Mb(n)后的信号x(n)、信号d(n)：x(n)=Va(n)+Na(n)d(n)=Vb(n)+Nb(n)（2）设计自适应滤波器削弱信号中的随机噪声，即Na(n)和Nb(n)；信号x(n)、信号d(n)中都包含桥梁实际振动成分和随机噪声；Va(n)和Vb(n)代表相同时段相同监测点的桥梁实际振动成分，故认为：Va(n)=Vb(n)利用随机噪声Na(n)和随机噪声Nb(n)的弱相关性，设计自适应滤波器来削弱随机噪声，获得降噪后的桥梁振动位移；信号x(n)作为自适应滤波器输入信号，d(n)作为自适应滤波器的参考信号，滤波器输出数据y(n)即为桥梁实际振动信号Va(n)：Va(n)=y(n)其中N表示自适应滤波器长度；ω(n)为滤波器系数，表示自适应滤波算法权重；估算误差e(n)：e(n)=d(n)-y(n)推算出：Nb(n)=e(n)采用上述数据处理方法，从两组同步监测的北斗信号中识别桥梁的实际振动位移Va(n)。作为本发明进一步的方案：长周期信号中包含多路径误差和结构准静态位移，短周期信号中包含随机噪声和结构实际振动成分。与现有技术相比，本发明的有益效果是：本发明结合了切比雪夫高通滤波器和自适应滤波器的优势，对桥梁结构振动监测数据进行处理，能消除大部分随机噪声，并能消除输入信号和参考信号中相关性较强的误差，如多路径误差，得到更准确的桥梁结构动态位移。具体实施方式下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。实施例1本发明实施例中，一种桥梁振动监测数据处理方法包括以下步骤：一、通过北斗桥梁监测数据采集系统，每个监测点使用两台北斗接收机，北斗接收机通过北斗信号分线器与同一北斗天线连接，同步采集相同时间段相同测点的桥梁振动信号，其中1#北斗接收机以传统RTK模式解算数据(Sa)，2#北斗接收机以NRTK模式解算数据(Sm)，两台北斗接收机亦同时采集原始信号，解算各自的PPK数据(Sb，Sn)。因此每个监测点可获得4组监测数据(Sa，Sb，Sm，Sn)，它们监测的结构实际振动信息理论上应该相同，但测量误差不同。二、选取其中的两组数据(Sa，Sb)，忽略次要误差，这两组信号可以表示为：Sa=Ma(n)+Va(n)+Na(n)Sb=Mb(n)+Vb(n)+Nb(n)式中n表示数据长度；Ma(n)和Mb(n)表示各自信号的多路径误差；Va(n)和Vb(n)表示各自信号的桥梁实际振动信息；Na(n)和Nb(n)表示各自信号的随机噪声。由于Va(n)和Vb(n)代表相同时段相同监测点的桥梁实际振动信息，从理论上讲它们应该完全相等。因此可利用它们的强相关性，提取“共同成分”，从而识别桥梁振动位移。详细步骤如下：（1）设计切比雪夫高通滤波器消除多路径误差，即Ma(n)和Mb(n)。根据理论计算选择合适的通带频率设计切比雪夫高通滤波器，分离长周期和短周期振动信号，长周期信号中包含多路径误差和结构准静态位移，短周期信号中包含随机噪声和结构实际振动成分。采用此滤波器处理监测数据(Sa，Sb)，获得消除多路径误差Ma(n)和Mb(n)后的信号x(n)、d(n)：x(n)=Va(n)+Na(n)d(n)=Vb(n)+Nb(n)（2）设计自适应滤波器削弱信号中的随机噪声，即Na(n)和Nb(n)。信号x(n)、d(n)中都包含结构实际振动成分和随机噪声。Va(n)和Vb(n)代表相同时段相同监测点的桥梁实际振动成分，故可认为：Va(n)=Vb(n)利用随机噪声Na(n)和Nb(n)的弱相关性，设计自适应滤波器来削弱随机噪声，获得降噪后的桥梁振动位移。信号x(n)作为自适应滤波器输入信号，d(n)作为自适应滤波器的参考信号，滤波器输出数据y(n)即为结构实际振动信号Va(n)：Va(n)=y(n)其中N表示LMS滤波器长度；ω(n)为滤波器系数，表示自适应滤波算法权重。估算误差e(n)：e(n)=d(n)-y(n)可推算出：Nb(n)=e(n)采用上述数据处理方法，可以从两组同步监测的北斗信号中识别桥梁结构的实际振动位移Va(n)。三、采用三种滤波方案(A，B，C)，对监测数据执行步骤二的滤波处理操作，识别各自的实际振动位移(A1，Bl，C1)。三种滤波方案是从北斗监测数据序列(Sa，Sb，Sm，Sn)中选取不同的两组监测数据分别作为切比雪夫高通滤波器的输入信号和参考信号。取A1、B1、C1的平均值作为桥梁结构振动位移监测结果。对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。