留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

一种附加边界约束和内约束的多中心ERP融合模型

曾安敏 张琦 孙中苗

曾安敏, 张琦, 孙中苗. 一种附加边界约束和内约束的多中心ERP融合模型[J]. 武汉大学学报 ● 信息科学版, 2019, 44(12): 1771-1777. doi: 10.13203/j.whugis20180155
引用本文: 曾安敏, 张琦, 孙中苗. 一种附加边界约束和内约束的多中心ERP融合模型[J]. 武汉大学学报 ● 信息科学版, 2019, 44(12): 1771-1777. doi: 10.13203/j.whugis20180155
ZENG Anmin, ZHANG Qi, SUN Zhongmiao. A Fusion Model for ERP Considering Boundary Constraints and Inner Constraints[J]. Geomatics and Information Science of Wuhan University, 2019, 44(12): 1771-1777. doi: 10.13203/j.whugis20180155
Citation: ZENG Anmin, ZHANG Qi, SUN Zhongmiao. A Fusion Model for ERP Considering Boundary Constraints and Inner Constraints[J]. Geomatics and Information Science of Wuhan University, 2019, 44(12): 1771-1777. doi: 10.13203/j.whugis20180155

一种附加边界约束和内约束的多中心ERP融合模型

doi: 10.13203/j.whugis20180155
基金项目: 

国家自然科学基金 41474015

国家自然科学基金 41874016

国家自然科学基金 41604013

国家重点研发计划 2016YFB0501701

详细信息
    作者简介:

    曾安敏, 博士, 副研究员, 主要从事大地测量理论与地球参考框架研究。zeng_anmin@163.com

  • 中图分类号: P227

A Fusion Model for ERP Considering Boundary Constraints and Inner Constraints

Funds: 

The National Natural Science Foundation of China 41474015

The National Natural Science Foundation of China 41874016

The National Natural Science Foundation of China 41604013

the National Key Research and Development Program of China 2016YFB0501701

More Information
    Author Bio:

    ZENG Anmin, PhD, associate professor, specializes in the theories and methods of geodesy data processing and terrestrial reference frame. E-mail:zeng_anmin@163.com

  • 摘要: 不同技术、不同分析中心得到的地球自转参数(Earth rotation parameters,ERP)往往是不同的,为提供统一的ERP供用户使用,常需对ERP进行融合处理。提出了一种基于多分析中心ERP结果的附加边界约束和内约束融合模型,即先通过参数变换把各分析中心结果转换到相同时刻,考虑到相邻观测时段边界点处ERP应当一致这一特点,施加边界约束,然后对各分析中心的长期解施加转换参数内约束,最后得到多分析中心ERP的融合解。采用从2005—2011年共6 a的7个全球卫星导航系统(Global Navigation Satellite System,GNSS)分析中心的结果进行融合处理,并与IERS C04(International Earth Rotation and Reference Systems ServiceCombined 04)结果进行比较。结果表明,所提出的融合方法计算结果的精度有明显改善。
  • 图  1  不同分析中心极移与IERS C04结果的差值(极移X分量)

    Figure  1.  Polar X Difference Between IERS C04 and Results from Different Analysis Centers

    图  2  不同分析中心极移与IERS C04结果的差值(极移Y分量)

    Figure  2.  Polar Y Difference Between IERS C04 and Results from Different Analysis Centers

    图  3  不同方案结果与IERS C04结果的差值(极移X分量)

    Figure  3.  Polar X Differences Between IERS C04 and Results from Different Schemes

    图  4  不同方案结果与IERS C04结果的差值(极移Y分量)

    Figure  4.  Polar Y Differences Between IERS C04 and Results from Different Schemes

    表  1  不同方案融合结果精度统计/mas

    Table  1.   Accuracy Comparison for Various Schemes/mas

    方案 参数 最大值 最小值 均值 标准差
    IGS XPO 0.176 5 -0.189 3 0.000 6 0.054 8
    YPO 0.152 2 -0.207 3 -0.001 5 0.051 3
    XPO 0.231 4 -0.238 0 0.000 9 0.057 6
    YPO 0.260 9 -0.225 6 0.001 1 0.071 1
    XPO 0.196 9 -0.161 6 -0.000 9 0.052 6
    YPO 0.171 5 -0.194 0 -0.001 1 0.050 7
    下载: 导出CSV

    表  2  模型转换参数最佳估计值

    Table  2.   Estimated Values of Transformation Parameters

    分析中心 Δxp/mas Δyp/mas a/arcs m/10-6
    co2 -0.012 7 0.009 1 -0.053 1 0.020 3
    em2 -0.018 8 -0.001 1 -0.009 8 -0.008 0
    es2 0.009 9 0.000 5 -0.012 8 -0.005 7
    gt2 -0.004 4 -0.011 4 0.011 8 0.038 2
    jp2 -0.019 4 -0.001 6 -0.025 8 0.043 2
    mi2 -0.018 6 -0.021 2 -0.021 8 0.035 1
    ul2 0.063 9 0.025 6 0.111 6 -0.123 0
    下载: 导出CSV
  • [1] Gross R S, Eubanks T M, Steppe J A, et al. A Kalman Filter-Based Approach to Combining Independent Earth Orientation Series[J]. Journal of Geodesy, 1998, 72(4): 215-235 doi:  10.1007/s001900050162
    [2] Vondrák J, Cepek A. Combined Smoothing Method and Its Use in Combining Earth Orientation Parameters Measured by Space Techniques[J]. Astronomy & Astrophysics Supplement, 2000, 147(2): 347-359
    [3] Altamimi Z, Sillard P, Bouche C. ITRF2000: A New Release of the International Terrestrial Reference Frame for Earth Science Applications[J]. Journal of Geophysical Research, 2002, 107(B10): 1-19
    [4] Altamimi Z, Boucher C. Multi-technique Combination of Time Series of Station Positions and Earth Orientation Parameters[OL]. https://www.iers.org/SharedDocs/Publikationen/EN/IERS/Publica-tions/tn/TechnNote30/tn30_102.pdf, 2003 https: //www.researchgate.net/publication/252537810_Multi-technique_combination_of_time_series_of_station_positions_and_Earth_orientation_parameters
    [5] Gross R. Combinations of Earth Orientation Measurements: SPACE2003, COMB2003, and POLE2003[J]. Journal of Geodesy, 2004, 73(12): 627-637
    [6] Ray J, Kouba J, Altamimi Z. Is There Utility in Rigorous Combinations of VLBI and GPS Earth Orientation Parameters[J]. Journal of Geodesy, 2005, 79: 505-511 doi:  10.1007/s00190-005-0007-7
    [7] Bahr H, Altamimi Z. Heck B. Variance Component Estimation for Combination of Terrestrial Reference Frames[R]. Karlsruhe: Karlsruhe Universitätsve-rlag, 2007
    [8] Altamimi Z, Collilieux X, Legrand J, et al. ITRF2005: A New Release of the International Terrestrial Reference Frame Based on Time Series of Station Positions and Earth Orientation Parameters[J]. Journal of Geophysical Research, 2007, 112: B09401, doi:  10.1029/2007JB004949
    [9] 杨元喜, 曾安敏.大地测量数据融合模式及其分析[J].武汉大学学报·信息科学版, 2008, 33(5):500-503 http://d.old.wanfangdata.com.cn/Periodical/whchkjdxxb200808001

    Yang Yuanxi, Zeng Anmin. Fusion Modes of Various Geodetic Observations and Their Analysis[J]. Geomatics and Information Science of Wuhan University, 2008, 33(5):500-503 http://d.old.wanfangdata.com.cn/Periodical/whchkjdxxb200808001
    [10] Fernandez L I, Gambis D, Arias E F. Combination Procedure for Length-of-Day Time Series According to the Noise Frequency Behavior[J]. Journal of Geodesy, 2001, 75: 276-282 doi:  10.1007/s001900100178
    [11] Thaller D. Inter-technique Combination Based on Homogeneous Normal Equation Systems Including Station Coordinates, Earth Orientation and Troposphere Parameters[OL]. http://doi.org/10.23689/ fidgeo-501, 2007
    [12] Nilsson T, Karbon M, Schuh H. A Kalman Filter for Combining High Frequency Earth Rotation Parameters from VLBI and GNSS[C]. 21st Meeting of the European VLBI Group for Geodesy and Astrometry (EVGA), Espoo, Finland, 2013
    [13] Bizouard C, Gambis D. The Combined Solution C04 for Earth Orientation Parameters Consistent with International Terrestrial Reference Frame 2005[M]//Geodetic Reference Frames. Berlin, Heidelberg: Springer, 2009: 265-270
    [14] 姚宜斌, 刘经南, 陶本藻, 等.基于SINEX文件的ERP参数估计[J].武汉大学学报·信息科学版, 2005, 30(8): 739-742 http://d.old.wanfangdata.com.cn/Periodical/whchkjdxxb200508020

    Yao Yibin, Liu Jingnan, Tao Benzao, et al. ERP Parameters Estimation Based on SINEX File[J]. Geomatics and Information Science of Wuhan University, 2005, 30(8): 739-742 http://d.old.wanfangdata.com.cn/Periodical/whchkjdxxb200508020
    [15] Yao Yibin, Yue Shunqiang, Chen Peng. A New LS+AR Model with Additional Error Correction for Polar Motion Forecast[J]. Science China: Earth Sciences, 2013, 56(5): 818-828 doi:  10.1007/s11430-012-4572-3
    [16] 魏娜.利用GPS数据建立地球参考框架及反演地表质量重新分布[D].武汉: 武汉大学, 2011

    Wei Na. Terrestrial Reference Frame and Surface Mass Redistribution from GPS Data[D]. Wuhan: Wuhan University, 2011
    [17] 隋立芬, 宋力杰.误差理论与测量平差理论基础[M].北京:测绘出版社, 2004

    Sui Lifen, Song Lijie. Theory of Error and Theoretical Basis of Measurement Adjustment[M]. Beijing:Surveying and Mapping Publishing House, 2004
    [18] Kotsakis C. Generized Inner Constraints for Geodetic Network Densification Problem[J]. Journal of Geodesy, 2013, 87(7): 661-673 doi:  10.1007/s00190-013-0637-0
    [19] Rebischung P, Altamimi Z, Ray J, et al. The IGS Contribution to ITRF2014[J]. Journal of Geodesy, 2016, 90(7): 611-630 doi:  10.1007/s00190-016-0897-6
    [20] Ferland R, Piraszewski M. The IGS-Combined Station Coordinates, Earth Rotation Parameters and Apparent Geocenter[J]. Journal of Geodesy, 2009, 83(3-4): 385-392 doi:  10.1007/s00190-008-0295-9
    [21] 王解先.七参数转换中参数之间的相关性[J].大地测量与地球动力学, 2007, 27(2):43-46 http://d.old.wanfangdata.com.cn/Periodical/dkxbydz200702008

    Wang Jiexian. Correlations Among Parameters in Seven-paramter Transformation Model[J]. Journal of Geodesy and Geodynamics, 2007, 27(2):43-46 http://d.old.wanfangdata.com.cn/Periodical/dkxbydz200702008
    [22] 陈国, 魏娜, 赵齐乐, 等.多分析中心站坐标产品的综合方法研究[J].武汉大学学报·信息科学版, 2019, 44(9): 1 289-1 295 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=whchkjdxxb201909004

    Chen Guo, Wei Na, Zhao Qile, et al. Research on the Combination of Station Coordinate Products Derived from Multiple Analysis Centers[J]. Geomatics and Information Science of Wuhan University, 2019, 44(9): 1 289-1 295 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=whchkjdxxb201909004
  • [1] 李维炼, 朱军, 张昀昊, 付林, 胡亚, 尹灵芝, 戴义.  空间语义约束的泥石流灾害VR场景融合建模及交互方法 . 武汉大学学报 ● 信息科学版, 2020, 45(7): 1073-1081. doi: 10.13203/j.whugis20180329
    [2] 祝飞, 范佳, 黄玉春, 刘洋洋.  融合多种棋盘格约束的面阵相机和线激光外参标定 . 武汉大学学报 ● 信息科学版, 2019, 44(10): 1524-1529, 1537. doi: 10.13203/j.whugis20180022
    [3] 樊亚新, 朱欣焰, 呙维, 佘冰.  边界约束最大p区域问题及其启发式算法 . 武汉大学学报 ● 信息科学版, 2019, 44(6): 859-865. doi: 10.13203/j.whugis20170253
    [4] 谢雪梅, 宋迎春, 肖兆兵.  附不等式约束平差模型的一种快速搜索算法 . 武汉大学学报 ● 信息科学版, 2018, 43(9): 1349-1354. doi: 10.13203/j.whugis20160435
    [5] 王磊, 张鲜妮, 池深深, 查剑锋.  融合InSAR和GA的开采沉陷预计参数反演模型研究 . 武汉大学学报 ● 信息科学版, 2018, 43(11): 1635-1641. doi: 10.13203/j.whugis20170088
    [6] 唐炉亮, 杨雪, 靳晨, 刘章, 李清泉.  基于约束高斯混合模型的车道信息获取 . 武汉大学学报 ● 信息科学版, 2017, 42(3): 341-347. doi: 10.13203/j.whugis20140965
    [7] 刘春燕, 王坚.  基于几何聚类指纹库的约束KNN室内定位模型 . 武汉大学学报 ● 信息科学版, 2014, 39(11): 1287-1292.
    [8] 王成, 王解先, 段兵兵.  附有国际参考电离层约束的全球电离层模型 . 武汉大学学报 ● 信息科学版, 2014, 39(11): 1340-1346.
    [9] 刘殿锋, 刘艳芳.  一种知识约束下的多目标土壤空间抽样优化模型 . 武汉大学学报 ● 信息科学版, 2014, 39(11): 1282-1286.
    [10] 李昌领, 张虹, 朱良峰.  含内孔多面体的约束Delaunay四面体剖分算法 . 武汉大学学报 ● 信息科学版, 2014, 39(3): 346-352. doi: 10.13203/j.whugis20120702
    [11] 杨元喜, 曾安敏, 景一帆.  函数模型和随机模型双约束的GNSS数据融合及其性质 . 武汉大学学报 ● 信息科学版, 2014, 39(2): 127-131. doi: 10.13203/j.whugis20130378
    [12] 魏二虎, 畅柳, 姜本海.  利用VLBI观测对ERP参数和月地距变化相关性的研究 . 武汉大学学报 ● 信息科学版, 2013, 38(1): 36-39,94.
    [13] 谢建, 朱建军.  等式约束病态模型的正则化解及其统计性质 . 武汉大学学报 ● 信息科学版, 2013, 38(12): 1440-1444.
    [14] 朱庆, 李海峰, 杨晓霞.  遥感信息聚焦服务的多层次语义约束模型 . 武汉大学学报 ● 信息科学版, 2009, 34(12): 1454-1457.
    [15] 黄先锋, 程晓光, 张帆, 龚健雅.  基于边长比约束的离散点准确边界追踪算法 . 武汉大学学报 ● 信息科学版, 2009, 34(6): 688-691.
    [16] 宋迎春, 朱建军, 罗德仁, 曾联斌.  附非负约束平差模型的最小二乘估计 . 武汉大学学报 ● 信息科学版, 2008, 33(9): 907-909.
    [17] 宋迎春, 朱建军, 陈正阳, 曾联斌.  部分参数有非负约束平差模型的一种新算法 . 武汉大学学报 ● 信息科学版, 2007, 32(10): 883-887.
    [18] 陈金平, 焦文海, 马骏, 宋小勇.  基于星间测距/轨道定向参数约束的导航卫星自主定轨研究 . 武汉大学学报 ● 信息科学版, 2005, 30(5): 439-443.
    [19] 姚宜斌, 刘经南, 陶本藻, 施闯.  基于SINEX文件的ERP参数估计 . 武汉大学学报 ● 信息科学版, 2005, 30(8): 739-743.
    [20] 高贤君, 冉树浩, 张广斌, 杨元维.  基于多特征融合与对象边界联合约束网络的建筑物提取 . 武汉大学学报 ● 信息科学版, 0, 0(0): -. doi: 10.13203/j.whugis20210520
  • 加载中
图(4) / 表(2)
计量
  • 文章访问数:  787
  • HTML全文浏览量:  88
  • PDF下载量:  95
  • 被引次数: 0
出版历程
  • 收稿日期:  2018-09-24
  • 刊出日期:  2019-12-05

一种附加边界约束和内约束的多中心ERP融合模型

doi: 10.13203/j.whugis20180155
    基金项目:

    国家自然科学基金 41474015

    国家自然科学基金 41874016

    国家自然科学基金 41604013

    国家重点研发计划 2016YFB0501701

    作者简介:

    曾安敏, 博士, 副研究员, 主要从事大地测量理论与地球参考框架研究。zeng_anmin@163.com

  • 中图分类号: P227

摘要: 不同技术、不同分析中心得到的地球自转参数(Earth rotation parameters,ERP)往往是不同的,为提供统一的ERP供用户使用,常需对ERP进行融合处理。提出了一种基于多分析中心ERP结果的附加边界约束和内约束融合模型,即先通过参数变换把各分析中心结果转换到相同时刻,考虑到相邻观测时段边界点处ERP应当一致这一特点,施加边界约束,然后对各分析中心的长期解施加转换参数内约束,最后得到多分析中心ERP的融合解。采用从2005—2011年共6 a的7个全球卫星导航系统(Global Navigation Satellite System,GNSS)分析中心的结果进行融合处理,并与IERS C04(International Earth Rotation and Reference Systems ServiceCombined 04)结果进行比较。结果表明,所提出的融合方法计算结果的精度有明显改善。

English Abstract

曾安敏, 张琦, 孙中苗. 一种附加边界约束和内约束的多中心ERP融合模型[J]. 武汉大学学报 ● 信息科学版, 2019, 44(12): 1771-1777. doi: 10.13203/j.whugis20180155
引用本文: 曾安敏, 张琦, 孙中苗. 一种附加边界约束和内约束的多中心ERP融合模型[J]. 武汉大学学报 ● 信息科学版, 2019, 44(12): 1771-1777. doi: 10.13203/j.whugis20180155
ZENG Anmin, ZHANG Qi, SUN Zhongmiao. A Fusion Model for ERP Considering Boundary Constraints and Inner Constraints[J]. Geomatics and Information Science of Wuhan University, 2019, 44(12): 1771-1777. doi: 10.13203/j.whugis20180155
Citation: ZENG Anmin, ZHANG Qi, SUN Zhongmiao. A Fusion Model for ERP Considering Boundary Constraints and Inner Constraints[J]. Geomatics and Information Science of Wuhan University, 2019, 44(12): 1771-1777. doi: 10.13203/j.whugis20180155
  • 甚长基线干涉测量(very long baseline interferometry,VLBI)、全球卫星导航系统(Global Navigation Satellite System,GNSS)和卫星激光测距(satellite laser ranging,SLR)是确定地球自转参数(Earth rotation parameters, ERP)的主要技术。ERP是一个随时间变化的物理量,不同处理方法、软件可得到的ERP往往有较大差异,这种ERP的差异给用户使用带来不便。因此,需要对不同技术、不同分析中心得到的ERP进行融合处理,以得到唯一的ERP解。

    1994年,Blewitt等提出了一种数据交换格式(solution independent exchange format, SINEX)。基于SINEX格式的ERP融合模型主要有两类,一类是约化其他参数仅单独融合ERP参数[1-2],另一类则将ERP与测站坐标等其他参数统一进行融合[3-8],不同融合模型解的性质略有差异[9]。1998年,喷气推进实验室提出一种ERP融合的卡尔曼(Kalman)滤波方法,把ERP变化看成一种随机过程,利用Kalman滤波融合不同时期的ERP得到统一解[1]。为消除高频噪声,Vondrák等[2]提出一种平滑组合方法。Fernandez等[10]提出一种顾及频率噪声的天尺度ERP序列的融合方法。为确保ERP与地球参考框架的一致性,2003年起学者们基于多空间大地测量技术进行测站坐标和ERP时间序列的组合研究[3-7],这一研究直接促成新的国际地球参考框架ITRF2005[8](International Terestrial Reference Frame 2005)的建立。2007年,有学者提出了基于法方程的测站坐标、ERP、对流层参数的融合方法[11]。目前,ERP官方产品IERS C04(International Earth Rotation and Reference Systems Service Combined 04)是基于多技术ERP的融合结果[1, 10, 12]。IERS C04以不同技术结果EOP(Earth orientation parameters)序列作为输入,采用三角帽法确定各技术相对权因子,通过滑动平均、高频滤波、插值等过程,综合求得EOP序列解[13]。我国学者也开展了ERP融合研究,基于多分析中心结果组合了全球定位系统(Global Positioning System, GPS)站坐标和ERP[14-17]

    本文从批处理角度,提出了一种多分析中心ERP结果的附加边界约束和转换参数内约束融合模型,其基本思路是:通过参数变换模型把各分析中心的结果转换到相同时刻,对相邻观测时段边界点处的ERP施加边界约束,对各分析中心的长期解增加的转换参数施加内约束,分两步得到ERP的融合解。

    • 设某一大地测量观测技术第i个观测时段数据(其观测开始时刻为t1i,技术时刻为t2i,中心时刻为t12i)所建立的误差方程为:

      $$ {\mathit{\boldsymbol{V}}^i} = \left( {\begin{array}{*{20}{c}} {\mathit{\boldsymbol{A}}_1^i}&{\mathit{\boldsymbol{A}}_2^i}&{\mathit{\boldsymbol{A}}_3^i} \end{array}} \right)\left( {\begin{array}{*{20}{c}} {\hat x_{12}^i}\\ {\hat x_{12}^i}\\ {\hat y} \end{array}} \right) - {\mathit{\boldsymbol{L}}^\mathit{i}} $$ (1)

      式中,Vi为误差向量;Li为该观测时段观测向量;$ \hat x_{12}^i$、$\widehat {\dot x}_{12}^i $为该观测时段t12i时刻的ERP及其速率;$ {\hat y}$为其他待估参数;$A_1^i $、$A_2^i $、$A_3^i $则为其相应的设计矩阵。

      约化掉其他待估参数${\hat y} $,则该观测时段i仅保留$ \hat x_{12}^i$、$\widehat {\dot x}_{12}^i$的法方程为:

      $$ {{\mathit{\boldsymbol{\tilde N}}}_i}\left( {\begin{array}{*{20}{c}} {\hat x_{12}^i}\\ {\widehat {\dot x}_{12}^i} \end{array}} \right) = {{\mathit{\boldsymbol{\tilde U}}}^i} $$ (2)

      式中,${{\mathit{\boldsymbol{\tilde N}}}_i} = \left( {\begin{array}{*{20}{l}} {\tilde N_{11}^i}&{\tilde N_{12}^i}\\ {\tilde N_{21}^i}&{\tilde N_{22}^i} \end{array}} \right);{{\mathit{\boldsymbol{\tilde U}}}^i} = \left( {\begin{array}{*{20}{l}} {\tilde U_1^i}\\ {\tilde U_2^i} \end{array}} \right)$。

      时刻t12ix12i、$ \widehat {\dot x}_{12}^i$可以表示为该时段i的边界值x1ix2i的形式,即:

      $$ \left( {\begin{array}{*{20}{l}} {x_{12}^i}\\ {\dot x_{12}^i} \end{array}} \right) = {\mathit{\boldsymbol{C}}_i}\left( {\begin{array}{*{20}{l}} {x_1^i}\\ {x_2^i} \end{array}} \right) $$ (3)

      式中,$ {\mathit{\boldsymbol{C}}_i} = \left( {\begin{array}{*{20}{c}} {\frac{{t_2^i - t_{12}^i}}{{t_2^i - t_1^i}}}&{\frac{{t_{12}^i - t_2^i}}{{t_2^i - t_1^i}}}\\ {\frac{{ - 1}}{{t_2^i - t_1^i}}}&{\frac{1}{{t_2^i - t_1^i}}} \end{array}} \right)$。

      把式(3)代入式(1),经参数变换,式(2)可转换为在新参数$ \hat X_i^{}$下的法方程,即:

      $$ \mathit{\boldsymbol{C}}_i^{\rm{T}}{{\mathit{\boldsymbol{\tilde N}}}_i}{\mathit{\boldsymbol{C}}_i}{{\mathit{\boldsymbol{\hat X}}}_i} = \mathit{\boldsymbol{C}}_i^{\rm{T}}{{\mathit{\boldsymbol{\tilde U}}}_i} $$ (4)

      式中,$ \mathit{\boldsymbol{\hat X}}_i^{} = \left( {\begin{array}{*{20}{l}} {\hat x_1^i}\\ {\hat x_2^i} \end{array}} \right)$。

      观测时段i以新参数Xi为估值的法方程可由式(4)改写:

      $$ \left( {\begin{array}{*{20}{c}} {N_{11}^i}&{N_{12}^i}\\ {N_{21}^i}&{N_{22}^i} \end{array}} \right)\left( {\begin{array}{*{20}{c}} {\hat x_1^i}\\ {\hat x_2^i} \end{array}} \right) = \left( {\begin{array}{*{20}{c}} {U_1^i}\\ {U_2^i} \end{array}} \right) $$ (5)

      式中,${\mathit{\boldsymbol{N}}_i} = \left( {\begin{array}{*{20}{l}} {N_{11}^i}&{N_{12}^i}\\ {N_{21}^i}&{N_{22}^i} \end{array}} \right) = \mathit{\boldsymbol{C}}_i^{\rm{T}}{{\mathit{\boldsymbol{\tilde N}}}_i}{\mathit{\boldsymbol{C}}_i};{\mathit{\boldsymbol{U}}_i} = \left( {\begin{array}{*{20}{c}} {U_1^i}\\ {U_2^i} \end{array}} \right) = \mathit{\boldsymbol{C}}_i^{\rm{T}}{{\mathit{\boldsymbol{\tilde U}}}_i}$。

      多个观测时段的法方程可进行叠加,则连续m个观测时段的总法方程为:

      $$ \begin{array}{*{20}{l}} {\underbrace {\left( {\begin{array}{*{20}{c}} {N_{11}^1}&{N_{12}^1}&0&0&0&0&0\\ {N_{21}^1}&{N_{22}^1}&0&0&0&0&0\\ 0&0&{N_{11}^2}&{N_{12}^2}&0&0&0\\ 0&0&{N_{21}^2}&{N_{22}^2}&0&0&0\\ \vdots & \vdots & \vdots & \vdots & \vdots & \vdots & \vdots \\ 0&0&0&0&0&{N_{11}^m}&{N_{12}^m}\\ 0&0&0&0&0&{N_{21}^m}&{N_{22}^m} \end{array}} \right)}_\mathit{\boldsymbol{N}} \cdot \underbrace {\left( {\begin{array}{*{20}{c}} {\hat x_1^1}\\ {\hat x_2^1}\\ {\hat x_1^2}\\ {\hat x_2^2}\\ \vdots \\ {\hat x_1^m}\\ {\hat x_2^m} \end{array}} \right)}_{\mathit{\boldsymbol{\hat X}}} = }\\ {\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\underbrace {\left( {\begin{array}{*{20}{c}} {U_1^1}\\ {U_2^1}\\ {U_1^2}\\ {U_2^2}\\ \vdots \\ {U_1^m}\\ {U_2^m} \end{array}} \right)}_\mathit{\boldsymbol{U}}} \end{array} $$ (6)

      在进行多时段ERP融合时,相邻时段ii+1的相同边界点处的ERP值应当一样,即有$ \hat x_2^i = \hat x_1^{i + 1}$,则边界约束条件[12]为:

      $$ \begin{array}{l} \underbrace {\left( {\begin{array}{*{20}{c}} 0&1&{ - 1}&0&0& \cdots &0&0&0\\ 0&0&0&1&{ - 1}& \cdots &0&0&0\\ 0&0&0&0&0& \cdots &0&0&0\\ 0&0&0&0&0& \cdots &1&{ - 1}&0 \end{array}} \right)}_\mathit{\boldsymbol{B}}\underbrace {\left( {\begin{array}{*{20}{c}} {\hat x_1^1}\\ {\hat x_2^1}\\ {\hat x_1^2}\\ {\hat x_2^2}\\ \vdots \\ {\hat x_1^m}\\ {\hat x_2^m} \end{array}} \right)}_{\mathit{\boldsymbol{\hat X}}} = \\ \;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\underbrace {\left( {\begin{array}{*{20}{c}} 0\\ 0\\ \vdots \\ 0 \end{array}} \right)}_\mathit{\boldsymbol{W}} \end{array} $$ (7)

      联合法方程式(6)和约束条件式(7),可采用附加约束条件的参数平差进行求解,其解为:

      $$ \mathit{\boldsymbol{\hat X}} = {\mathit{\boldsymbol{N}}^{ - 1}}\left( {\mathit{\boldsymbol{B}}_{}^{\rm{T}}\mathit{\boldsymbol{K}} - \mathit{\boldsymbol{U}}} \right) $$ (8)

      式中,$ \mathit{\boldsymbol{K}} = (\mathit{\boldsymbol{BN}}_{}^{ - 1}\mathit{\boldsymbol{B}}_{}^{\rm{T}})_{}^{ - 1}\left( {\mathit{\boldsymbol{W}} - \mathit{\boldsymbol{BN}}_{}^{ - 1}\mathit{\boldsymbol{U}}} \right)$。

      联合法方程式(6)和约束条件式(7),约化掉相同参数,其解为:

      $$ \left( {\begin{array}{*{20}{c}} {\hat x_1^1}\\ {\hat x_2^1}\\ {\hat x_2^2}\\ {\hat x_2^3}\\ \vdots \\ {\hat x_2^m} \end{array}} \right) = {\left( {\begin{array}{*{20}{c}} {N_{11}^1}&{N_{12}^1}&0&0&0&0\\ {N_{21}^1}&{N_{22}^1 + N_{11}^2}&{N_{12}^2}&0&0&0\\ 0&{N_{21}^2}&{N_{22}^2 + N_{11}^3}&{N_{12}^3}& \vdots & \vdots \\ \vdots & \vdots & \vdots & \vdots &{N_{12}^{m - 1}}&0\\ 0&0&0&{N_{21}^{m - 1}}&{N_{22}^{m - 1} + N_{11}^m}&{N_{12}^m}\\ 0&0&0&0&{N_{21}^m}&{N_{22}^m} \end{array}} \right)^{ - 1}}\left( {\begin{array}{*{20}{c}} {U_1^1}\\ {U_2^1 + U_1^2}\\ {U_2^2 + U_1^3}\\ \vdots \\ {U_2^{m - 2} + U_1^{m - 1}}\\ {U_2^{m - 1} + U_1^m}\\ {U_2^m} \end{array}} \right) $$ (9)

      通过式(8)、式(9)可得到一个长期解。理论上,附加约束条件式(7)后,式(8)与式(9)的解一致[16]

    • 通过式(8)或式(9)得到的长期解的精度应当均匀,但结果仍有差异。可认为不同技术、不同分析中心的ERP间的差异主要来源于参考系统间的定义差,不同系统下的ERP可相互转换,其转换模型为:

      $$ {\left( {\begin{array}{*{20}{l}} {x_p^i}\\ {y_p^i} \end{array}} \right)_A} = \left( {\begin{array}{*{20}{l}} {{\rm{\Delta }}x}\\ {{\rm{\Delta }}y} \end{array}} \right) + \left( {1 + m} \right)\left( {\begin{array}{*{20}{c}} 1&{ - \alpha }\\ \alpha &1 \end{array}} \right){\left( {\begin{array}{*{20}{l}} {x_p^i}\\ {y_p^i} \end{array}} \right)_C} $$ (10)

      式中,${x_{A, i}} = {\left( {\begin{array}{*{20}{l}} {x_p^i}\\ {y_p^i} \end{array}} \right)_A} $为转换前的ERP;$ {x_{C, i}} = {\left( {\begin{array}{*{20}{l}} {x_p^i}\\ {y_p^i} \end{array}} \right)_C}$为转换后的ERP;Δx、Δyma为转换参数。

      由于ERP参数不可避免存在误差,则式(10)可改写为:

      $$ {x_{A, i}} = {x_{C, i}} + E_i^{} \cdot \theta + \varepsilon $$ (11)

      式中,$ E_i^{} = \left( {\begin{array}{*{20}{c}} 1&0&{y_p^{}}&{x_p^{}}\\ 0&1&{ - x_p^{}}&{y_p^{}} \end{array}} \right)$;ε为误差;$\theta = {\left( {\begin{array}{*{20}{c}} {{\rm{\Delta }}x_p^{}}&{{\rm{\Delta }}y_p^{}}&\alpha &m \end{array}} \right)^{\rm{T}}} $。

      ERP序列的转换方程为:

      $$ {X_A} = {X_C} + E_A^{} \cdot \theta + \mathit{\varepsilon } $$ (12)

      通过式(8)或式(9)可知,不同分析中心(或不同技术)结果都可得到一个长期解XAi,则r个分析中心的长期解可建立r个观测方程,即:

      $$ \left\{ {\begin{array}{*{20}{c}} {{X_{A1}} = {X_C} + {E_{A1}} \cdot {\theta _1} + {\varepsilon _1}}\\ {{X_{A2}} = {X_C} + {E_{A2}} \cdot {\theta _2} + {\varepsilon _2}}\\ \vdots \\ {{X_{Ar}} = {X_C} + {E_{Ar}} \cdot {\theta _r} + {\varepsilon _r}} \end{array}} \right. $$ (13)

      显然,式(13)是秩亏的。要得到唯一解Xc,必须施加一定基准,施加的基准不同,则得到的结果不同。为了保留ERP的固有物理参数信息(原点、长度与旋转)而不引入任何的外部物理信息,使用极移参数的内在约束条件[18],可对转换参数θi构造如下约束:

      $$ \sum\limits_{i = 1}^r {{\theta _i}} = 0 $$ (14)
    • 采用GNSS 7个分析中心(co2、em2、es2、gt2、jp2、mi2、ul2)的第二次精密处理结果为例,时间跨度从2005—2011年共6 a,精密处理结果文件格式为SINEX格式。由于IERS C04结果是目前公认的最好结果,本文将其作为参考值来分析比较本文计算结果。

      图 1图 2给出了7个分析中心结果与IERS C04结果的比较。可以看出,各个分析中心估计的ERP结果与IERS C04发布的相应历元ERP结果有一定差异,其中co2、em2、es2、gt2、jp2、mi2分析中心估计的结果从整体上看差别不大,但ul2与其他分析中心的结果间存在明显差异,在极移XY方向其最大值分别为1.23 mas、1.25 mas,最小值分别为-0.97 mas、-1.08 mas,而其他分析中心的结果最小值和最大值均在0.3 mas以内。这种差异产生可能主要是由于不同分析中心采用了不同的数据处理软件、不同的数据处理策略造成的。

      图  1  不同分析中心极移与IERS C04结果的差值(极移X分量)

      Figure 1.  Polar X Difference Between IERS C04 and Results from Different Analysis Centers

      图  2  不同分析中心极移与IERS C04结果的差值(极移Y分量)

      Figure 2.  Polar Y Difference Between IERS C04 and Results from Different Analysis Centers

      为了验证本文提出方法的效果,按如下方案进行计算:

      方案一:各分析中心的结果按其精度进行加权平均;

      方案二:采用本文所述的边界约束和转换参数内约束的融合模型进行处理。

      本文中也给出IGS(International GNSS Service)融合结果情况。如图 3给出了上述数据的融合结果与IERS C04结果的极移X方向的差异,图 4给出了上述数据的融合结果与IERS C04结果的极移Y分量的差异。表 1给出了上述两种方案以及IGS融合结果的统计情况。表 1XPO表示极移X分量,YPO表示极移Y分量。方案二在获得多分析中心融合解的同时,得到了不同分析中心结果与融合解的系统转换参数。表 2给出了7个分析中心结果相对于融合解的转换参数的最佳估计值。

      图  3  不同方案结果与IERS C04结果的差值(极移X分量)

      Figure 3.  Polar X Differences Between IERS C04 and Results from Different Schemes

      图  4  不同方案结果与IERS C04结果的差值(极移Y分量)

      Figure 4.  Polar Y Differences Between IERS C04 and Results from Different Schemes

      表 1  不同方案融合结果精度统计/mas

      Table 1.  Accuracy Comparison for Various Schemes/mas

      方案 参数 最大值 最小值 均值 标准差
      IGS XPO 0.176 5 -0.189 3 0.000 6 0.054 8
      YPO 0.152 2 -0.207 3 -0.001 5 0.051 3
      XPO 0.231 4 -0.238 0 0.000 9 0.057 6
      YPO 0.260 9 -0.225 6 0.001 1 0.071 1
      XPO 0.196 9 -0.161 6 -0.000 9 0.052 6
      YPO 0.171 5 -0.194 0 -0.001 1 0.050 7

      表 2  模型转换参数最佳估计值

      Table 2.  Estimated Values of Transformation Parameters

      分析中心 Δxp/mas Δyp/mas a/arcs m/10-6
      co2 -0.012 7 0.009 1 -0.053 1 0.020 3
      em2 -0.018 8 -0.001 1 -0.009 8 -0.008 0
      es2 0.009 9 0.000 5 -0.012 8 -0.005 7
      gt2 -0.004 4 -0.011 4 0.011 8 0.038 2
      jp2 -0.019 4 -0.001 6 -0.025 8 0.043 2
      mi2 -0.018 6 -0.021 2 -0.021 8 0.035 1
      ul2 0.063 9 0.025 6 0.111 6 -0.123 0

      对上述结果进行分析可知:

      1)从表 1图 3图 4可以看出,将多分析中心结果施加边界约束和内约束的融合模型计算的极移参数(方案二)与IERS C04结果进行比较,方案二极移参数的标准差在XY方向分别为0.052 6 mas、0.050 7 mas,其平均偏差分别为-0.000 9 mas、0.001 1 mas,其最大值分别为0.155 9 mas、0.193 5 mas。而多分析中心结果加权平均计算的极移参数(方案一)的标准差,在XY方向分别为0.057 6 mas、0.071 1 mas,其平均偏差分别为0.000 9 mas、0.001 1 mas,其最大值分别为0.231 4 mas、0.260 9 mas。

      2)从表 1中最大值、平均偏差、标准差看,方案二的极移参数精度都较方案一有明显提高。极移X方向标准差从0.057 6 mas提高到0.052 6 mas,提高了8.6%,而极移Y方向的标准差从0.071 1 mas提高到0.050 7 mas,提高了28.6%。这主要是因为方案二改进了融合函数模型,对各分析中心的长期解在融合时增加了系统参数,并且对该系统参数采用内约束方式,并没有受到外部基准的干扰;而方案一仅对各分析中心的长期解结果加权平均,权的大小依据各分析中心的长期解的内部精度确定,但各中心解的协方差阵通常并未采用同一方差因子。

      3)从表 1图 3图 4也可看出,边界约束和转换参数内约束的融合模型(方案二)确定极移参数精度较IGS的极移参数精度略有提高。极移参数X方向标准差从0.054 8 mas提高到0.052 6 mas,Y方向的标准差从0.051 3 mas提高到0.050 7 mas,但提高不明显。IGS组合结果以9个分析中心的结果为输入,融合模型采用的是与站坐标一起进行组合的相对严密的融合模型[19],在函数模型中考虑了七参数转换参数,采用最小二乘加权平均得到了综合解[20]

      4)从表 2可以看出,ul2分析中心结果较其他分析中心结果存在较大的系统偏差。ul2分析中心结果相对于综合解在极移X方向存在0.063 9 mas的平移,在极移Y方向存在0.025 6 mas的平移,0.111 6 arcs的旋转和-0.123 0×10-6的尺度差异,而其他分析中心结果的系统偏差较小,较ul2分析中心结果小一个数量级。这种差异的产生可能是由于该分析中心采用了不同的数据处理软件和不同的数据处理策略,也可能是由于数据中采用了不同物理参数。尺度参数是由数据处理中采用的物理参数和相对论改正模型来确定的,而尺度参数和平移参数具有较强的相关性[21]

    • ERP是联系天球参考框架与地球参考框架[22]的最重要参数,但不同技术分析中心确定的ERP往往不同,为方便用户使用、确保计算参数的可靠,常对不同分析中心结果进行综合[12]。本文提出了一种基于多分析中心ERP结果的分布融合模型,第一步通过参数变换把各分析中心结果转换到相同时刻得到单中心结果的长期解,第二步对各中心结果的长期解增加系统参数,对系统参数施加内约束得到融合解。利用6 a的7个GNSS分析中心结果进行融合得到了0.05 mas极移精度,验证了该方法的有效性。我国对ERP的独立自主确定具有迫切的应用需求,本文提出的融合模型为提高国内ERP的融合提供了一种新的思路,是学习国际ERP融合模型的结果,但如何建立可靠高精度的ERP融合模型仍需要进一步深入研究。

参考文献 (22)

目录

    /

    返回文章
    返回