基于载噪比的自适应分层小波包变换多径抑制方法及系统

本发明涉及卫星导航定位技术领域，尤其涉及基于载噪比的自适应分层小波包变换多径抑制方法及系统。

背景技术：

载波相位多径干扰是限制gnss定位精度的关键因素之一，因为无法通过差分或经验模型来消除它。通常，可以通过三种处理策略来减轻多径干扰：1)天线策略；2)接收机策略；3)数据处理策略。天线策略只能抑制伪距多径，对载波相位多径无效。接收器技术可以消除中延迟载波相位多径和长延迟载波相位多径，但是不能有效地抑制短延迟多径误差。另外，天线和接收器技术都需要硬件成本，并且难以在低成本接收机中实现。考虑到这些原因，对载波相位多径抑制的研究主要集中在数据处理策略上。而基于后数据处理策略的方法，可以分为两部分：多径模型提取和多径抑制。对于基于小波包变换的多径模型提取方法，小波包分解层数对降噪效果影响很大。如果分解层太多，并且对每个层的系数执行固定阈值处理，则信号信息将丢失，同时导致信号恶化和处理速度变慢。然而，分解层太少又会导致信号降噪效果不理想。

从参考日提取多径校正模型后，需要在随后的观测日中采用搜索策略对多径进行抑制。在传统的多径抑制策略中，所有历元都将在观察日中进行多径抑制衰减。传统多径抑制方法的主要思想是通过计算卫星轨道重复周期的偏移来估计准确的初始抑制时刻，然后通过多径校正模型逐一抑制所有历元的多径误差。但是，这种抑制策略存在两个明显的缺点：1)多径抑制的准确性在很大程度上取决于卫星轨道重复偏移的精度，尤其是对于高频采样率数据。2)毫不区别地对所有历元都进行多径抑制，这不仅会降低抑制效率，而且还会降低多径抑制的准确性，因为并非每个历元都受到多径影响。

技术实现要素：

本发明的目的是针对现有技术的缺陷，提供了基于载噪比的自适应分层小波包变换多径抑制方法及系统。

为了实现以上目的，本发明采用以下技术方案：

基于载噪比的自适应分层小波包变换多径抑制方法，包括步骤：

s1.提取静态模式下参考日数据中包含单颗卫星的多径误差和随机噪声误差的单差残差；

s2.基于载噪比cnr约束的自适应分层小波包变换策略抽取多径误差校正模型；

s3.采用国际服务igs站建立多分辨率cnr经验模型；

s4.计算相邻历元之间的cnr差值，将计算得到cnr差值与建立的cnr经验模型进行比较，若相邻历元之间的cnr差值相应的波动超过cnr经验模型中的经验值，则通过卫星重复周期转移策略搜索多径校正模型，并通过搜索的多径校正模型中的模型值抑制多径误差；若相邻历元之间的cnr差值相应的波动没有超过cnr经验模型中的经验值，则不进行校正；

s5.将cnr差值进行双差组合处理，得到校正后的双差观测值，并对校正后的双差观测值进行处理，得到最终的坐标解。

进一步的，所述步骤s2中基于载噪比cnr约束的自适应分层小波包变换策略抽取多径误差校正模型中的抽取方式包括：

当cnr大于50db-hz时，小波包变换的分解层选择1层；

当cnr分布于45至50db-hz之间时，小波包变换的分解层选择2层；

当cnr分布于40至45db-hz时，小波包变换的分解层选择3层；

当cnr低于40db-hz时，小波包变换的分解层选择4层。

进一步的，所述步骤s3中采用国际服务igs站建立多分辨率cnr经验模型包括接收机类型、导航系统、信号频率。

进一步的，所述步骤s4中计算相邻历元之间的cnr差值是基于cnr经验模型中通过多项式拟合函数计算得到的。

进一步的，所述步骤s5中对校正后的双差观测值进行处理是通过最小二乘估计或卡尔曼滤波估计进行处理的。

相应的，还提供基于载噪比的自适应分层小波包变换多径抑制系统，包括：

提取模块，用于提取静态模式下参考日数据中包含单颗卫星的多径误差和随机噪声误差的单差残差；

抽取模块，用于基于载噪比cnr约束的自适应分层小波包变换策略抽取多径误差校正模型；

构建模块，用于采用国际服务igs站建立多分辨率cnr经验模型；

计算模块，用于计算相邻历元之间的cnr差值，将计算得到cnr差值与建立的cnr经验模型进行比较，若相邻历元之间的cnr差值相应的波动超过cnr经验模型中的经验值，则通过卫星重复周期转移策略搜索多径校正模型，并通过搜索的多径校正模型中的模型值抑制多径误差；若相邻历元之间的cnr差值相应的波动没有超过cnr经验模型中的经验值，则不进行校正；

矫正模块，用于将cnr差值进行双差组合处理，得到校正后的双差观测值，并对校正后的双差观测值进行处理，得到最终的坐标解。

进一步的，所述抽取模块中基于载噪比cnr约束的自适应分层小波包变换策略抽取多径误差校正模型中的抽取方式包括：

当cnr大于50db-hz时，小波包变换的分解层选择1层；

当cnr分布于45至50db-hz之间时，小波包变换的分解层选择2层；

当cnr分布于40至45db-hz时，小波包变换的分解层选择3层；

当cnr低于40db-hz时，小波包变换的分解层选择4层。

进一步的，所述构建模块中采用国际服务igs站建立多分辨率cnr经验模型包括接收机类型、导航系统、信号频率。

进一步的，所述计算模块中计算相邻历元之间的cnr差值是基于cnr经验模型中通过多项式拟合函数计算得到的。

进一步的，所述矫正模块中对校正后的双差观测值进行处理是通过最小二乘估计或卡尔曼滤波估计进行处理的。

与现有技术相比，本发明使用了基于信号cnr约束的自适应分层小波包变换去噪模型，可以有效地克服分解层数太少或太多导致的信号劣化和处理缓慢以及信号降噪效果不理想的缺陷，提高了小波包去噪模型的去噪精度和算法稳定性，可以准确地抽取多径误差校正模型，从而为后续观测日多径校正提供有力的保障。同时，该发明采用的cnr约束下的增强搜索策略不仅可以提高多径抑制的效率，而且可以通过执行点对点的搜索校正来提高多径抑制的准确性，从而可以有效避免多径抑制的误差。

附图说明

图1是实施例一提供的基于载噪比的自适应分层小波包变换多径抑制方法流程图；

图2是实施例一提供的基于载噪比的自适应分层小波包变换多径抑制方法示意图；

图3是实施例一提供的igs站的全球分布示意图；

图4是实施例二提供的基于载噪比的自适应分层小波包变换多径抑制系统结图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

本发明的目的是针对现有技术多径误差校正精度不高的缺陷，提出一种方法可以自适应的约束小波包变换的分解层以提高多径模型抽取精度，且具有较高的多径搜索校正效率。

本发明从对信号(载噪比，carriernoiseritio)cnr与信号多径之间的关系出发进行了深入的研究，提出了一种基于载噪比约束的自适应分层小波包变换多径抑制方法和增强搜索算法策略，从而提高gnss高精度定位的多径抑制精度和效率。

实施例一

本实施例提供基于载噪比的自适应分层小波包变换多径抑制方法，如图1-2所示，包括步骤：

s11.提取静态模式下参考日数据中包含单颗卫星的多径误差和随机噪声误差的单差残差；

s12.基于载噪比cnr约束的自适应分层小波包变换策略抽取多径误差校正模型；

s13.采用国际服务igs站建立多分辨率cnr经验模型；

s14.计算相邻历元之间的cnr差值，将计算得到cnr差值与建立的cnr经验模型进行比较，若相邻历元之间的cnr差值相应的波动超过cnr经验模型中的经验值，则通过卫星重复周期转移策略搜索多径校正模型，并通过搜索的多径校正模型中的模型值抑制多径误差；若相邻历元之间的cnr差值相应的波动没有超过cnr经验模型中的经验值，则不进行校正；

s15.将cnr差值进行双差组合处理，得到校正后的双差观测值，并对校正后的双差观测值进行处理，得到最终的坐标解。

在步骤s11中，提取静态模式下参考日数据中包含单颗卫星的多径误差和随机噪声误差的单差残差。

从静态模式下的参考日数据中提取仅包含单颗卫星多径误差和随机噪声误差的接收机间单差残差。

在步骤s12中，基于载噪比cnr约束的自适应分层小波包变换策略抽取多径误差校正模型。

本实施例提出的基于cnr约束的自适应分层小波包变换策略抽取多径误差校正模型，其中抽取多径误差校正模型包括以下几种：

当cnr大于50db-hz时，小波包变换的分解层选择1层。此选项的主要考虑因素是：信号cnr值较高，在这种情况下，信号质量良好且受噪声影响较小。因此，可以简化小波包变换去噪分解层数以提高算法的效率。

当cnr分布在45至50db-hz之间时，小波包变换的分解层选择2层。尽管这一部分的信号受噪声和多径影响较小，但仍需要进一步处理。因此，选择了两层小波包变换进行去噪，兼顾处理效率和去噪性能。

当cnr分布在40至45db-hz时，小波包变换的分解层选择3层。根据实验数据，大多数信号的cnr分布在此范围内。因此，该部分采用三层小波包变换对信号进行去噪，以保证算法整体的准确性。

当cnr低于40db-hz时，小波包变换的分解层选择4层。从实验数据可以看出，cnr低于40db-hz的信号受到多径和噪声的影响比较严重。因此，采用四层小波包变换来提高该部分数据的去噪精度。

在步骤s13中，采用国际服务igs站建立多分辨率cnr经验模型。

建立cnr经验模型，使用igs站建立多分辨率cnr模型，包括接收机类型、导航系统和信号频率等因素，建立起多分辨率模型。该cnr经验模型也可以用作初始筛选试以检测多径误差。

如图3所示为igs站的全球分布图。

在步骤s14中，计算相邻历元之间的cnr差值，将计算得到cnr差值与建立的cnr经验模型进行比较，若相邻历元之间的cnr差值相应的波动超过cnr经验模型中的经验值，则通过卫星重复周期转移策略搜索多径校正模型，并通过搜索的多径校正模型中的模型值抑制多径误差；若相邻历元之间的cnr差值相应的波动没有超过cnr经验模型中的经验值，则不进行校正。

计算相邻历元之间的cnr差，将计算值与经验模型进行比较，如果相邻历元差值波动超过了经验值，则通过卫星重复周期转移策略搜索多径校正模型，然后通过搜索的模型值对该历元进行多径校正；如果没有超过设定阈值，则不进行校正。

其中计算的cnr差值是在cnr经验模型中通过多项式拟合函数计算得到的。

在步骤s15中，将cnr差值进行双差组合处理，得到校正后的双差观测值，并对校正后的双差观测值进行处理，得到最终的坐标解。

将得到的单差观测值进行双差组合，得到校正后的双差观测值；通过最小二乘估计或卡尔曼滤波估计得到最终的坐标解。

本实施例主要提供一种基于cnr约束的自适应分层小波包变换和增强搜索策略的多径抑制方法。由于信号的载噪比(cnr)与信号的多径误差存在着直接相关，因此可以基于cnr约束下的自适应分层小波包变换可对信号进行分类处理，有效解决传统小波包变换中固定分解层而引起的误差，与传统的小波包变换去噪不同。传统小波包变换去噪中采用的是固定分解层处理方法，如果分解层过多，则会导致有用信号过度丢失，从而导致的信号去噪效果劣化和处理缓慢。如果分解层太少，则又会导致被污染信号降噪效果不理想的问题。本方法中小波包变换的分解层数通过cnr约束进行自适应地调制，可以有效提高小波包去噪模型的去噪精度和算法稳定性，从而提高从参考日提取的多路径校正模型的准确性，从而为后续观测日多径误差衰减提供有力的保障。此外，后续多径校正中的搜索算法也可以通过cnr的约束进行增强。该增强的搜索策略的主要优点是它不仅可以提高多径抑制的效率，而且可以通过执行点对点搜索校正来提高多径误差校正的准确性，从而可以有效避免传统多径校正中是对所有历元进行整体校正而产生的误差。总之，基于本实施例所提的新算法，不仅可以有效提供参考日多径校正模型的提取精度，还可以有效提供后续观测日的多径误差校正精度和效率。此外，本实施例所提方法也可以应用于其它gnss静态相对定位应用，例如bds和galileo。

实施例二

本实施例提供基于载噪比的自适应分层小波包变换多径抑制系统，如图4所示，包括：

提取模块11，用于提取静态模式下参考日数据中包含单颗卫星的多径误差和随机噪声误差的单差残差；

抽取模块12，用于基于载噪比cnr约束的自适应分层小波包变换策略抽取多径误差校正模型；

构建模块13，用于采用国际服务igs站建立多分辨率cnr经验模型；

计算模块14，用于计算相邻历元之间的cnr差值，将计算得到cnr差值与建立的cnr经验模型进行比较，若相邻历元之间的cnr差值相应的波动超过cnr经验模型中的经验值，则通过卫星重复周期转移策略搜索多径校正模型，并通过搜索的多径校正模型中的模型值抑制多径误差；若相邻历元之间的cnr差值相应的波动没有超过cnr经验模型中的经验值，则不进行校正；

矫正模块15，用于将cnr差值进行双差组合处理，得到校正后的双差观测值，并对校正后的双差观测值进行处理，得到最终的坐标解。

进一步的，所述抽取模块中基于载噪比cnr约束的自适应分层小波包变换策略抽取多径误差校正模型中的抽取方式包括：

当cnr大于50db-hz时，小波包变换的分解层选择1层；

当cnr分布于45至50db-hz之间时，小波包变换的分解层选择2层；

当cnr分布于40至45db-hz时，小波包变换的分解层选择3层；

当cnr低于40db-hz时，小波包变换的分解层选择4层。

进一步的，所述构建模块中采用国际服务igs站建立多分辨率cnr经验模型包括接收机类型、导航系统、信号频率。

进一步的，所述计算模块中计算相邻历元之间的cnr差值是基于cnr经验模型中通过多项式拟合函数计算得到的。

进一步的，所述矫正模块中对校正后的双差观测值进行处理是通过最小二乘估计或卡尔曼滤波估计进行处理的。

需要说明的是，本实施例提供的基于载噪比的自适应分层小波包变换多径抑制系统与实施例一类似，在此不多做赘述。

与现有技术相比，本实施例使用了基于信号cnr约束的自适应分层小波包变换去噪模型，可以有效地克服分解层数太少或太多导致的信号劣化和处理缓慢以及信号降噪效果不理想的缺陷，提高了小波包去噪模型的去噪精度和算法稳定性，可以准确地抽取多径误差校正模型，从而为后续观测日多径校正提供有力的保障。同时，本实施例采用的cnr约束下的增强搜索策略不仅可以提高多径抑制的效率，而且可以通过执行点对点的搜索校正来提高多径抑制的准确性，从而可以有效避免多径抑制的误差。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。