基于Allan方差的BDS随机误差分析

doi:10.13474/j.cnki.11-2246.2016.0146

测绘通报 ›› 2016, Vol. 0 ›› Issue (5): 18-21,65.doi: 10.13474/j.cnki.11-2246.2016.0146

基于Allan方差的BDS随机误差分析

刘乾坤, 隋立芬, 陈泉余, 王凌轩

信息工程大学地理空间信息学院, 河南郑州 450001

收稿日期:2015-08-10 出版日期:2016-05-25 发布日期:2016-05-31
作者简介:刘乾坤(1991-),男,硕士生,主要从事GNSS数据处理理论与方法研究。E-mail:lqk@whu.edu.cn
基金资助:
国家自然科学基金(41274016;41174006;40974010)

Stochastic Errors Analysis of BDS Based on Allan Variance

LIU Qiankun, SUI Lifen, CHEN Quanyu, WANG Lingxuan

Received:2015-08-10 Online:2016-05-25 Published:2016-05-31

摘要/Abstract

摘要： BDS观测数据噪声的辨识对提高BDS定位精度具有非常重要的意义,大量研究表明GPS非差随机模型并不服从高斯白噪声分布,北斗系统由于其星座和频率的多样性,噪声特征将明显不同于GPS。本文利用iGMAS大量高频实测数据,通过Allan方差分析,对比研究了BDS的噪声成分与其参数。试验结果表明,BDS非差噪声成分与GPS相同,主要为白噪声与一阶马尔科夫过程噪声,但是具体参数不同。BDS相位白噪声为2.50 mm,大于GPS的2.33 mm;GM过程噪声为2.38 mm·s^-1/2,小于GPS的4.43 mm·s^-1/2,相关时间为77.07 s,大于GPS的55.51 s。大量试验数据表明BDS的噪声参数聚集程度大于GPS,对环境的敏感程度低,噪声相关时间更长,过程噪声更小,这在北斗精密定位中还有待精化。

关键词: 交叠式Allan方差, 残差分析, BDS数据, 随机模型, 时间序列

中图分类号:

P228

刘乾坤, 隋立芬, 陈泉余, 王凌轩. 基于Allan方差的BDS随机误差分析[J]. 测绘通报, 2016, 0(5): 18-21,65.

LIU Qiankun, SUI Lifen, CHEN Quanyu, WANG Lingxuan. Stochastic Errors Analysis of BDS Based on Allan Variance[J]. 测绘通报, 2016, 0(5): 18-21,65.

参考文献

[1] 中国卫星导航系统管理办公室. 北斗卫星导航系统发展报告2.2[M]. 北京:[s.n.],2013.
[2] 杨元喜. 北斗卫星导航系统的进展、贡献与挑战[J]. 测绘学报, 2010, 39(1):1-6.
[3] Rankin J. An Error Model for Sensor Simulation GPS and Differential GPS[C]//Position Location and Navigation Symposium, 1994, IEEE.[S.l.]:IEEE, 1994:260-266.
[4] 张小红,朱锋,薛学铭,等. 利用Allan方差分析GPS非差随机模型特性[J]. 测绘学报, 2015,44(2):119-127.
[5] 宋超, 精密单点定位快速收敛技术与方法研究[D]. 郑州:信息工程大学, 2015.
[6] 黄立人. GPS基准站坐标分量时间序列的噪声特性分析[J]. 大地测量与地球动力学, 2006, 26(2):31-33.
[7] 李昭, 姜卫平, 刘鸿飞,等. 中国区域IGS基准站坐标时间序列噪声模型建立与分析[J]. 测绘学报, 2012, 41(4):496-503.
[8] 廖华, 徐锐, 陈维锋,等. 汶川地震前后四川区域GPS时序特征演变及统计分析[J]. 地球物理学报, 2013, 56(4): 1237-1245.
[9] NIU X, CHEN Q, ZHANG Q, et al. Using Allan Variance to Analyze the Error Characteristics of GNSS Positioning[J]. GPS Solutions, 2014, 18(2):231-242.
[10] FRENDERICHS T. Analysis of Geodetic Time Series Using Allan Variances[D]. Stuttgart: University of Stuttgart, 2010.
[11] 薛学铭. Allan方差分析测量数据噪声特性的性能研究[J]. 大地测量与地球动力学, 2014,34(6):131-134.
[12] ALLAN D W. Statistics of Atomic Frequency Standards[J]. IEEE Proceedings, 1996, 54(2):221-230.
[13] RILEY W J, RILEY W J. Handbook of Frequency Stability Analysis[J]. NIST SP-1065, 2007, 1065:1-123.
[14] 李晓莹, 胡敏, 张鹏,等. 交叠式Allan方差在微机械陀螺随机误差辨识中的应用[J]. 西北工业大学学报, 2007, 25(2):225-229.
[15] IEEE 1139. Definitions of Physical Quantities for Fundamental, Frequency and Time Metrology-Random Instabilities[S].[S.I.]: IEEE Standard Board, 2008.

基于Allan方差的BDS随机误差分析

Stochastic Errors Analysis of BDS Based on Allan Variance

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	熊常亮, 贺小星, 马下平, 付杰. 联合LMD与EMD的GNSS站坐标时间序列去噪方法[J]. 测绘通报, 2022, 0(2): 78-82.
[2]	李军, 桑潇, 张成业, 赵伟, 刘新华, 王宏鹏, 王金阳, 李佳瑶, 杨颖. 资源型城市长时间序列土壤含水量变化分析——以锡林浩特市为例[J]. 测绘通报, 2021, 0(7): 17-22,38.
[3]	陈安平, 谭远模, 阳成, 覃永基. 雷达技术支持下的福州市地铁沿线形变监测[J]. 测绘通报, 2021, 0(7): 86-91,97.
[4]	杨映新, 洪武胜, 吴曼乔. 利用Sentinel-1影像监测土地回填导致的地表形变[J]. 测绘通报, 2021, 0(6): 67-70.
[5]	杨国创, 段春磊. 联合InSAR和GNSS监测沿海地区地面沉降[J]. 测绘通报, 2021, 0(6): 76-82.
[6]	刘建军, 王嘉伟, 陈琨, 韩三琪. 时间序列回归预测模型在自动化监测中的应用[J]. 测绘通报, 2021, 0(6): 156-158.
[7]	张翰伟, 陈巍, 李建成. 基于GAMIT/GLOBK和GPS观测确定加拿大地区的冰川均衡调整导致的垂向形变[J]. 测绘通报, 2021, 0(5): 38-42.
[8]	何正枫, 张继贤, 黄国满, 盛辉军. 尼泊尔Mw7.8地震对珠峰区域内冰川形变及流速的影响[J]. 测绘通报, 2021, 0(5): 43-48,101.
[9]	孙浩然, 岳建平. 一种抑制边界效应的EMD方法及其在滑坡监测中的应用[J]. 测绘通报, 2021, 0(5): 77-80,90.
[10]	李慧, 信泽宇, 刘学, 田迪迪, 贾春. 北斗观测量时间相关随机模型构建及评估[J]. 测绘通报, 2021, 0(4): 60-63.
[11]	王旭清, 史彦新, 潘建永, 郭颖平, 高幼龙, 魏建朋. 泥石流灾害多发区生态环境遥感监测评价[J]. 测绘通报, 2021, 0(11): 21-24.
[12]	杨春宇, 任兴达, 江汇男, 袁岳, 王子林. 基于小波去噪的地铁变形组合预测模型分析[J]. 测绘通报, 2021, 0(10): 127-131.
[13]	洪兆阳, 金双根. 利用时序PS-InSAR监测青藏高原冻土区地表形变[J]. 测绘通报, 2021, 0(1): 35-40.
[14]	赵家瑶, 李宏伟. 出租车数据的时间序列谱聚类分析[J]. 测绘通报, 2020, 0(8): 112-116.
[15]	邱小梦, 王奉伟, 周世健, 邹时林. 局部均值分解和奇异值分解在GNSS站坐标时间序列信号降噪中的应用[J]. 测绘通报, 2020, 0(5): 85-89.