阅读说明：本技术 用于gnss数据处理的自适应对流层延迟改正方法及系统 (Adaptive troposphere delay correction method and system for GNSS data processing ) 是由 刘小丁 周建营 陈国恒 张惠军 朱紫阳 董斌斌 张文峰 华水胜 于 2020-05-29 设计创作，主要内容包括：本发明公开了一种用于GNSS数据处理的自适应对流层延迟改正方法及系统,所述方法包括获取工程区域测站的同步观测数据,判断是否进行对流层延迟估计；若否,将同步观测数据作为第一数据处理结果；若是,则重复执行对流层延迟改正模型运算、参数估计、对流层映射函数改正及指标分析处理,对比后取较优结果的步骤,直至筛选出对流层延迟估计的最优结果作为第二数据处理结果；最后将第一数据处理结果与第二数据处理结果进行最优解分析,得到对流层延迟数据处理的最优结果。本发明提供的用于GNSS数据处理的自适应对流层延迟改正方法,采用不同对流层延迟改正模型、对流层映射函数及参数估计,通过自适应筛选获得数据处理的最优解,提高了处理结果的精度。(The invention discloses a self-adaptive troposphere delay correction method and a self-adaptive troposphere delay correction system for GNSS data processing, wherein the method comprises the steps of obtaining synchronous observation data of a survey station in an engineering area and judging whether troposphere delay estimation is carried out or not; if not, taking the synchronous observation data as a first data processing result; if so, repeatedly executing the tropospheric delay correction model operation, parameter estimation, tropospheric mapping function correction and index analysis processing, and comparing and then taking a better result until the optimal result of the tropospheric delay estimation is screened out as a second data processing result; and finally, performing optimal solution analysis on the first data processing result and the second data processing result to obtain an optimal result of tropospheric delay data processing. The adaptive troposphere delay correction method for GNSS data processing provided by the invention adopts different troposphere delay correction models, troposphere mapping functions and parameter estimation, obtains the optimal solution of data processing through adaptive screening, and improves the precision of processing results.)

用于GNSS数据处理的自适应对流层延迟改正方法及系统

技术领域

本发明涉及卫星导航定位技术领域，尤其涉及一种用于GNSS数据处理的自适应对流层延迟改正方法及系统。

背景技术

对流层延迟作为全球卫星导航系统定位的主要误差源之一，目前常规的对流层延迟改正方法有模型改正法、参数估计法和外部修正法。模型改正法通过先构建模型，再利用相应的映射函数将其投影至信号传播路径方向上进行改正；但在面对水汽分布不均匀的情况下，在天顶方向及低高度角方向对模型的选择有较大影响，尤其在水汽输送交换频繁的沿海地区，采用不同的模型选择会导致数据处理结果存在差异。参数估计法以对流层延迟天顶延迟作为未知参数进行数据处理，但参数值的设置和试算筛选的计算过程繁琐、耗时长。外部修正法通过仪器设备测定并计算获得GNSS网各测站的天顶延迟改正量，该方法虽能有效提高数据处理精度，但对仪器设备和观测条件要求很高，导致外业测量成本高，在实际工程应用可行性低。

现有技术中，在研究对流层延迟时往往从某一项影响因素进行研究，且只采用上述某一种方法进行误差修正。而实际上，由于不同区域的GNSS网均存在许多不同因素的差异，简单得直接引用任意一种对流层延迟改正策略均具有一定的局限性和不可复制性。同时，测量人员常在数据处理过程中因人工干预进行反复的试算，往往难以保证数据的最优解；或因某一个细节处理不当，进而影响数据处理结果的精度。

发明内容

本发明的目的在于提供一种用于GNSS数据处理的自适应对流层延迟改正方法及系统，综合考虑是否加入对流层延迟估计，或加入对流层延迟估计时，针对不同情况采用不同对流层延迟改正经验模型、对流层映射函数及对流层延迟参数估计的选择，进行各项精度指标的分析，通过自适应筛选获得数据处理的最优解，提高了处理结果的精度。

为了克服上述现有技术中的缺陷，本发明实施例提供了一种用于GNSS数据处理的自适应对流层延迟改正方法，包括：

获取工程区域测站的同步观测数据，根据所述同步观测数据判断是否进行对流层延迟估计；

若否，则将所述同步观测数据作为第一数据处理结果；

若是，则重复执行以下步骤，直至筛选出对流层延迟估计的最优结果，以作为第二数据处理结果：

将进行流层延迟估计后的结果输入至对流层延迟改正模型进行运算；所述模型包括霍普菲尔德模型、萨斯塔莫宁模型和勃兰克模型；

通过分段线性法和最小二乘法对所述运算后的结果进行参数估计；

将进行参数估计后的结果输入至对流层映射函数进行改正；所述对流层映射函数包括于GMF、NMF与VMF1函数；

对进行改正后的结果依次进行标准化均方差值、基线重复性及各基线分量精度处理，筛选出标准化均方差值小于0.3的结果，对比所述数据的基线重复性和各基线分量精度，取较优结果；

根据工程区域测站间的距离、高差、气候条件和观测环境因素，将第一数据处理结果与第二数据处理结果进行最优解分析，得到对流层延迟数据处理的最优结果。

优选地，所述霍普菲尔德模型公式为：

式中，ΔS、ΔS_d、ΔS_w均以m为单位，d和w分别为对流层干汽部分和湿气部分，气压P和水气压e均以毫巴(mbar)为单位，气温T以度为单位，均采用绝对温度，高度角E以度为单位；

所述萨斯塔莫宁模型公式为：

式中，ΔS以m为单位，高度角E以度为单位，气压P和水气压e均以毫巴(mbar)为单位，其中为测站的纬度；h_s为测站高程(以km为单位)；B是h_s的列表函数；δR是E和h_s的列表函数；P_S、T_S、e_s为测站上的气象元素；经数值拟合后上述公式可表示为：

所述勃兰克模型公式为：

式中，高度角E以度为单位，R_s为测站到地心的距离，l₀和b(E)为路径改正参数，d_h和d_w分别为天顶干、湿延迟。

优选地，所述通过分段线性法和最小二乘法对所述运算后的结果进行参数估计，具体为：

采用分段线性法进行参数估计，以对流层天顶延迟作为未知参数，用步长为KΔ_t的离散随机过程表示对流层延迟随时间的变化关系如下所示：

并假定在历元I到I+K之间，测站天顶方向的对流层折射随时间线性变化关系如下所示：

选择K使待解的测站天顶方向的对流层折射参数ρ(I)、ρ(I+K)个数少，再使用最小二乘的方法估计参数；

根据所述对流层延迟随时间的变化关系和对流层折射随时间线性变化关系，按照N小时的时间间隔估计参数，其中，N为大于0的正整数。

优选地，将进行参数估计后的结果输入至对流层映射函数进行改正；所述对流层映射函数包括于GMF、NMF与VMF1函数，包括：

根据所述对流层延迟STD与测站的对流层天顶延迟ZTD的关系，选择对流层映射函数，所述关系符合公式：STD＝m×ZTD，其中，m为映射函数；

所述NMF包括干分量投影函数m_d和湿分量投影函数m_w；所述干分量投影函数m_d的表达式为：

式中，E为高度角；a_ht＝2.53×10^-5；b_ht＝5.49×10^-3；c_ht＝1.14×10^-3；H为正高，其中系数a_d、b_d、c_d在测站纬度15°－75°之间时，可用下式内插后求得：

式中，p表示要内插的系数a_d、b_d、c_d；t为年积日；t₀＝28为参考时刻的年积日；

其中a_d、b_d、c_d等系数在测站纬度小于15°时的计算公式为：

a_d、b_d、c_d等系数在测站纬度大于75°时的计算公式为：

所述湿分量的投影函数m_w的表达式为：

式中，系数a_w、b_w、c_w在测站纬度15°－75°之间时，用下式内插后求得：

其中，在测站纬度小于15°时，取15°时的值p_avg；在测站纬度大于75°时，取75°时的值p_avg。

优选地，所述VMF1的干、湿分量投影函数与所述NMF的干、湿分量投影函数的区别在于a_d、b_d、c_d和a_w、b_w、c_w的取值不同；所述VMF1的a_d和a_w系数由实测气象资料生成的格网图提供：经差为2.5°、纬差为2°、时间间隔为6h；b_d为常数，取0.0029；c_d则用下式计算：

式中，b_w和c_w取常数，其中b_w＝0.00146，c_w＝0.04391，c₀、c₁₁、c₁₀为常数；

所述GMF的干、湿分量投影函数与所述VMF1的干、湿分量投影函数的区别在于，系数a_d和a_w表示为年积日DAY、测站的经纬度和高程H的函数，所述系数a_d和a_w的计算方式相同，其表达式为：

式中，a₀为平均值、A为振幅；均通过球谐函数表达式展开至9阶计算得到：

优选地，所述标准化均方差值的公式为：

式中，N为测站个数；Y_i为第i日的基线边长；Y为单天解基线边长的加权平均值；

为单位权中误差；

所述基线重复性的公式为：

式中，n为同一基线的总观测时段数；C_i为一个时段的基线某一分量或边长；

为该时段i相应于C_i分量的方差；为各时段C_m的加权平均值。

优选地，所述同步观测数据包括起算点或省市连续运行参考站数据。

本发明实施例还提供一种用于GNSS数据处理的自适应对流层延迟改正的系统，包括：

数据判断单元，用于获取工程区域测站的同步观测数据，根据所述同步观测数据判断是否进行对流层延迟估计；若否，则将所述同步观测数据作为第一数据处理结果；若是，则重复执行循环处理单元所执行的步骤，直至筛选出对流层延迟估计的最优结果，以作为第二数据处理结果；

循环处理单元，用于将进行流层延迟估计后的结果输入至对流层延迟改正模型进行运算；所述模型包括霍普菲尔德模型、萨斯塔莫宁模型和勃兰克模型；通过分段线性法和最小二乘法对所述运算后的结果进行参数估计；将进行参数估计后的结果输入至对流层映射函数进行改正；所述对流层映射函数包括于GMF、NMF与VMF1函数；对进行改正后的结果依次进行标准化均方差值、基线重复性及各基线分量精度处理，筛选出标准化均方差值小于0.3的结果，对比所述数据的基线重复性和各基线分量精度，取较优结果；

最优结果获取单元，用于根据工程区域测站间的距离、高差、气候条件和观测环境因素，将第一数据处理结果与第二数据处理结果进行最优解分析，得到对流层延迟数据处理的最优结果。

本发明实施例还提供一种计算机终端设备，包括：

一个或多个处理器；

存储器，与所述处理器耦接，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述实施例所述的用于GNSS数据处理的自适应对流层延迟改正方法。

本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述实施例所述的用于GNSS数据处理的自适应对流层延迟改正方法。

相对于现有技术，本发明至少具备如下有益效果：

(1)本发明综合了多种模型改正和参数估计方法，采用迭代循环的自适应数据处理筛选，分析得出最优的基线数据处理结果，不局限于某一特定区域，且适用于任何地区(尤其是对流层活动频繁的沿海区域)、任何气候特征和观测环境的高精度GNSS网的数据处理。

(2)本发明解决了测量工作者复杂的GNSS数据处理过程，能简单高效的完成GNSS网的对流层延迟改正数据处理工作，提升了GNSS数据处理自动化解算的能力，解决了实际工程应用中数据处理流程复杂繁琐的技术难题。

附图说明

图1是本发明某一实施例提供的用于GNSS数据处理的自适应对流层延迟改正方法的流程示意图；

图2是本发明某一实施例提供的试验区中长基线GNSS网联测示意图；

图3是本发明某一实施例提供的试验区短基线GNSS网联测示意图；

图4是本发明某一实施例提供的试验区中长基线GNSS网数据处理N方向基线精度统计图；

图5是本发明某一实施例提供的试验区中长基线GNSS网数据处理E方向基线精度统计图；

图6是本发明某一实施例提供的试验区中长基线GNSS网数据处理U方向基线精度统计图；

图7是本发明某一实施例提供的试验区短基线GNSS网数据处理N方向基线精度统计图；

图8是本发明某一实施例提供的试验区短基线GNSS网数据处理E方向基线精度统计图；

图9是本发明某一实施例提供的试验区短基线GNSS网数据处理U方向基线精度统计图；

图10是本发明某一实施例提供的用于GNSS数据处理的自适应对流层延迟改正系统的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，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作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。

应当理解，文中所使用的步骤编号仅是为了方便描述，不对作为对步骤执行先后顺序的限定。

应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

请参阅图1，本发明某一实施例提供了一种用于GNSS数据处理的自适应对流层延迟改正方法，包括：

S1、获取工程区域测站的同步观测数据，根据所述同步观测数据判断是否进行对流层延迟估计；

若否，则将所述同步观测数据作为第一数据处理结果；

若是，则重复执行步骤S2－S5，直至筛选出对流层延迟估计的最优结果，以作为第二数据处理结果。

可以理解的是，地球对流层位于大气的最低层，集中了约75％的大气质量和90％以上的水汽质量，其下界与地面相接，上界高度随地理纬度和季节而变化。对流层延迟作为全球卫星导航系统定位的主要误差源之一，通常会直接采用模型改正法、参数估计法、外部修正法等中的某一种方法进行对流层延迟估计，但是通常不进行对流层是否需要估计的判断，因此可能会在数据处理上浪费一些不必要的时间。

在本步骤中，首先获取工程区域测站的同步观测数据，然后根据所述同步观测数据判断是否进行对流层延迟估计；如果不需要估计，那么对同步观测数据不用进行任何处理，直接将其作为第一数据处理结果用于后面步骤S6中的最优解分析；如果需要估计，就依次执行步骤S2－S5，在步骤S5中，根据基线重复性和各基线分量精度这两个指标，会得到中间的较优结果，然后再根据这一结果，重复执行步骤S2－S5，直至筛选出对流层延迟估计的最优结果，以作为第二数据处理结果，用于步骤S6的最优解分析。

另外，需要说明的是，同步观测是指使用N台(N≥2)GPS接收机，同时在相同的时间段内连续跟踪接收相同的卫星组的信号；本步骤中选取的数据主要有：需要用到的起算点或省市连续运行参考站数据。

S2、将进行流层延迟估计后的结果输入至对流层延迟改正模型进行运算；所述模型包括霍普菲尔德模型、萨斯塔莫宁模型和勃兰克模型；

本步骤中，这三种模型其对天顶方向的对流层延迟改正能很好的相符，其中萨斯塔莫宁模型(Saastamoinen)与霍普菲尔德模型(Hopfield)模型的改正效果更好；需要说明的是，霍普菲尔德模型(Hopfield)是一种人工神经元网络模型，它包括离散和连续两种模型。同时离散霍普菲尔德模型是一种离散时间网络，它由n个神经元构成。

S3、通过分段线性法和最小二乘法对所述运算后的结果进行参数估计；

需要说明的是，把非线性特性曲线分成若干个区段，在每个区段中用直线段近似地代替特性曲线，这种处理方式称为分段线性化。在分段线性化处理后，所研究的非线性系统在每一个区段上被近似等效为线性系统，就可采用线性系统的理论和方法来进行分析。将各个区段的分析结果，如过渡过程曲线或相轨迹，按时间的顺序加以衔接，就是所研究非线性系统按分段线性化法分析得到的结果。分段线性化法的分析精度和计算复杂性取决于系统非线性程度的高低。对于具有折线形状的非线性特性，如继电型非线性和死区非线性，分段线性化法不会引入分析误差，且计算上也不会增加复杂性；对于非线性程度较低的系统，分段线性化法具有比较好的分析结果。对于非线性程度高的系统，原则上分段线性化法仍可适用，但计算复杂性增加，而分析准确度则取决于线性化的区段数的多少。

最小二乘法(又称最小平方法)是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。最小二乘法还可用于曲线拟合。其他一些优化问题也可通过最小化能量或最大化熵用最小二乘法来表达。

S4、将进行参数估计后的结果输入至对流层映射函数进行改正；所述对流层映射函数包括于GMF、NMF与VMF1函数；

GMF(全球映射函数)，其形式与NMF(尼尔映射函数)相似。其模型是建立在VMF1(维也纳映射函数)模型的基础上，借鉴NMF的建模思想，将年积日、经度、纬度、高程作为输入参数，将模型各个系数建立经验格网列表文件，按照与年积日有关的内插函数进行内插获得相应的模型系数值，GMF的系数通过将VMF1的参数扩展为一个全球的球谐面格网数据，其系数的确定只需要测站的位置与年积日。

S5、对进行改正后的结果依次进行标准化均方差值、基线重复性及各基线分量精度处理，筛选出标准化均方差值小于0.3的结果，对比所述数据的基线重复性和各基线分量精度，取较优结果；

本步骤中，对上一步通过对流层映射函数进行改正的结果进行标准化均方差值、基线重复性及各基线分量精度处理，首先筛选出标准化均方差值小于0.3的数据，然后再综合基线重复性以及各基线分量精度这两个指标，选出较好的结果，然后再重复执行步骤S2－S5，直至筛选出对流层延迟估计的最优结果，以作为第二数据处理结果。

S6、根据工程区域测站间的距离、高差、气候条件和观测环境因素，将第一数据处理结果与第二数据处理结果进行最优解分析，得到对流层延迟数据处理的最优结果。

本发明实施例中，所述霍普菲尔德模型公式为：

式中，ΔS、ΔS_d、ΔS_w均以m为单位，d和w分别为对流层干汽部分和湿气部分，气压P和水气压e均以毫巴(mbar)为单位，气温T以度为单位，均采用绝对温度，高度角E以度为单位；

所述萨斯塔莫宁模型公式为：

式中，ΔS以m为单位，高度角E以度为单位，气压P和水气压e均以毫巴(mbar)为单位，其中为测站的纬度；h_s为测站高程(以km为单位)；B是h_s的列表函数；δR是E和h_s的列表函数；P_S、T_S、e_s为测站上的气象元素；经数值拟合后上述公式可表示为：

所述勃兰克模型公式为：

式中，高度角E以度为单位，R_s为测站到地心的距离，l₀和b(E)为路径改正参数，d_h和d_w分别为天顶干、湿延迟。

本发明实施例中，所述通过分段线性法和最小二乘法对所述运算后的结果进行参数估计，具体为：

采用分段线性法进行参数估计，以对流层天顶延迟作为未知参数，用步长为KΔ_t的离散随机过程表示对流层延迟随时间的变化关系如下所示：

并假定在历元I到I+K之间，测站天顶方向的对流层折射随时间线性变化关系如下所示：

选择K使待解的测站天顶方向的对流层折射参数ρ(I)、ρ(I+K)个数少，再使用最小二乘的方法估计参数；

根据所述对流层延迟随时间的变化关系和对流层折射随时间线性变化关系，按照N小时的时间间隔估计参数，其中，N为大于0的正整数。

本发明实施例中，将进行参数估计后的结果输入至对流层映射函数进行改正；所述对流层映射函数包括于GMF、NMF与VMF1函数，包括：

根据所述对流层延迟STD与测站的对流层天顶延迟ZTD的关系，选择对流层映射函数，所述关系符合公式：STD＝m×ZTD，其中，m为映射函数；

所述NMF包括干分量投影函数m_d和湿分量投影函数m_w；所述干分量投影函数m_d的表达式为：

式中，E为高度角；a_ht＝2.53×10^-5；b_ht＝5.49×10^-3；c_ht＝1.14×10^-3；H为正高，其中系数a_d、b_d、c_d在测站纬度15°－75°之间时，可用下式内插后求得：

式中，p表示要内插的系数a_d、b_d、c_d；t为年积日；t₀＝28为参考时刻的年积日；

其中a_d、b_d、c_d等系数在测站纬度小于15°时的计算公式为：

a_d、b_d、c_d等系数在测站纬度大于75°时的计算公式为：

所述湿分量的投影函数m_w的表达式为：

式中，系数a_w、b_w、c_w在测站纬度15°－75°之间时，用下式内插后求得：

其中，在测站纬度小于15°时，取15°时的值p_avg；在测站纬度大于75°时，取75°时的值p_avg。

本发明实施例中，所述VMF1的干、湿分量投影函数与所述NMF的干、湿分量投影函数的区别在于a_d、b_d、c_d和a_w、b_w、c_w的取值不同；所述VMF1的a_d和a_w系数由实测气象资料生成的格网图提供：经差为2.5°、纬差为2°、时间间隔为6h；b_d为常数，取0.0029；c_d则用下式计算：

式中，b_w和c_w取常数，其中b_w＝0.00146，c_w＝0.04391，c₀、c₁₁、c₁₀为常数；

所述GMF的干、湿分量投影函数与所述VMF1的干、湿分量投影函数的区别在于，系数a_d和a_w表示为年积日DAY、测站的经纬度

和高程H的函数，所述系数a_d和a_w的计算方式相同，其表达式为：

式中，a₀为平均值；A为振幅。均通过球谐函数表达式展开至9阶计算得到：

本发明实施例中，所述标准化均方差值的公式为：

式中，N为测站个数；Y_i为第i日的基线边长；Y为单天解基线边长的加权平均值；

为单位权中误差；

所述基线重复性的公式为：

式中，n为同一基线的总观测时段数；C_i为一个时段的基线某一分量或边长；为该时段i相应于C_i分量的方差；为各时段C_m的加权平均值。

本发明实施例提供的一种用于GNSS数据处理的自适应对流层延迟改正方法及系统，综合考虑是否加入对流层延迟估计，或加入对流层延迟估计时，针对不同情况采用不同对流层延迟改正经验模型、对流层映射函数及对流层延迟参数估计的选择，进行各项精度指标的分析，通过自适应筛选获得数据处理的最优解，提高了处理结果的精度。

请参阅图2－9，本发明某一实施例还提供基于中长基线GNSS框架网数据处理和基于短基线GNSS框架网数据处理方法和处理结果，具体步骤如下：

(1)通过外业数据采集项目工程区域的测站同步观测数据，收集省市连续运行参考站数据。当对流层延迟不估计时不进行相关模型改正，直接进入最优解分析的步骤。当对流层延迟估计时，输入卫星高度角，进入下一步。

(2)选择对流层延迟改正模型(Hopfield、Saastamoinen、Black等)进行天顶方向的改正，采用分段线性法进行对流层天顶延迟参数估计，依次随时间的变化取1、2、3、4……小时估计一个参数。

(3)根据对流层延迟STD与测站的对流层天顶延迟ZTD的关系：选择对流层映射函数(GMF、NMF、VMF1、……)进行投影方向上的对流层延迟改正。

(4)将各步骤数据处理结果分别以标准化均方差值(Normalized Root MeanSquare，NRMS)、基线重复性、各基线分量精度等指标综合评估和筛选。通过各项指标分析比较，首先需要符合最低合格要求，即NRMS小于0.3，再对比基线重复性和各基线分量精度，取较优结果，剔除较差结果项，然后重新返回执行进行迭代循环处理，直至筛选出最优的对流层延迟估计数据处理结果。

(5)根据测站间距离、高差、气候条件和观测环境等因素，分别以中长基线GNSS框架网和短基线GNSS基本网作为试验区域，应用自适应对流层延迟改正方法进行数据处理。试验区域GNSS网位于华南沿海低纬度区域，属亚热带海洋性季风气候，常年高温湿润多雨，且夏季台风及热带气旋较多，地貌特征以河谷冲击平原和少数丘陵为主，中长基线GNSS框架网测站间点位间距平均约33千米(如图2)。短基线GNSS基本网测站间点位间距为11千米(如图3)，观测数据的采集时间在9月－10月，天气状况多为晴天或多云。

(6)经过数据处理，剔除NRMS值大于0.3的不合格数据处理结果后，获得了数据处理最优解，其中，表1为中长基线GNSS框架网基线重复性统计，表2为短基线GNSS基本网基线统计。表3为中长基线GNSS框架网基线精度统计，表4为短基线GNSS基本网基线精度统计：

表1

表2

表3

表4

由表1和表2可以看出，在中长基线GNSS框架网数据处理时，采用常规对流层延迟改正方法和自适应对流层延迟改正方法的基线重复性均良好，差异性不大。在短基线GNSS基本网数据处理时，两种方法的基线重复性均良好，而采用自适应对流层延迟改正方法的基线重复性略优于常规对流层延迟改正方法。

由表3可以看出，在中长基线GNSS框架网数据处理时，采用自适应对流层延迟改正方法，在N、E、U方向上均优于常规对流层延迟改正方法。其中N、E、U方向最大值分别为4.5mm、5.0mm、20.9mm，精度分别提高了6.25％、7.41％、9.91％，最小值分别为2.2mm、2.5mm、9.8mm，精度分别提高了15.38％、16.67％、24.03％，平均值分别为3.2mm、3.6mm、14.2mm，精度分别提高了14.96％、14.40％、21.42％。通过图4－图6可以看出，各基线序列在N、E、U方向上采用自适应对流层延迟改正方法后的基线精度整体得到了提高。

由表4可以看出，在短基线GNSS基本网数据处理时，分别采用常规对流层延迟改正方法和自适应对流层延迟改正方法，在N、E方向上的基线精度最大值、最小值和平均值差异变化不大，而差异变化主要体现在U方向上，其中采用常规对流层延迟改正方法最大值为14.4mm，最小值为5.5mm，平均值为7.7mm；采用自适应对流层延迟改正方法最大值为6.3mm，精度提高了66.31％，最小值为1.8mm，精度提高了65.38％，平均值2.9mm，精度提高了66.00％。通过图7－图9可以看出，各基线序列在N、E方向上差异变化不大，在U方向上采用自适应对流层延迟改正方法后的基线精度整体得到了提高。

本实施例的有益效果是应用于华南沿海复杂地理环境下的城市大地基准基准建设，相较于采用常规的对流层延迟改正方法，采用自适应对流层延迟改正方法获得了高精度的GNSS基线数据处理结果，中长基线GNSS框架网在N、E、U方向上的基线平均精度分别提高了14.96％、14.40％、21.42％，短基线GNSS基本网在U方向上的基线平均精度提高了66.00％，且在基线重复性精度更高。同时解决了对流层延迟改正方法上人工干预反复试算的复杂过程，通过自适应对流层延迟改正方法的数据处理迭代循环和最优解的分析筛选，提高了GNSS的数据处理效率，为建立高精度的GNSS三维大地基准提供重要的数据处理保障。

请参阅图10，本发明某一实施例还提供一种用于GNSS数据处理的自适应对流层延迟改正的系统，包括：

数据判断单元，用于获取工程区域测站的同步观测数据，根据所述同步观测数据判断是否进行对流层延迟估计；若否，则将所述同步观测数据作为第一数据处理结果；若是，则重复执行循环处理单元所执行的步骤，直至筛选出对流层延迟估计的最优结果，以作为第二数据处理结果；

循环处理单元，用于将进行流层延迟估计后的结果输入至对流层延迟改正模型进行运算；所述模型包括霍普菲尔德模型、萨斯塔莫宁模型和勃兰克模型；通过分段线性法和最小二乘法对所述运算后的结果进行参数估计；将进行参数估计后的结果输入至对流层映射函数进行改正；所述对流层映射函数包括于GMF、NMF与VMF1函数；对进行改正后的结果依次进行标准化均方差值、基线重复性及各基线分量精度处理，筛选出标准化均方差值小于0.3的结果，对比所述数据的基线重复性和各基线分量精度，取较优结果；

最优结果获取单元，用于根据工程区域测站间的距离、高差、气候条件和观测环境因素，将第一数据处理结果与第二数据处理结果进行最优解分析，得到对流层延迟数据处理的最优结果。

本发明某一实施例还提供一种计算机终端设备，包括：

一个或多个处理器；

存储器，与所述处理器耦接，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述任一实施例所述的用于GNSS数据处理的自适应对流层延迟改正方法。

本实施例中，处理器用于控制该计算机终端设备的整体操作，以完成上述的全自动用电量预测方法的全部或部分步骤。存储器用于存储各种类型的数据以支持在该计算机终端设备的操作，这些数据例如可以包括用于在该计算机终端设备上操作的任何应用程序或方法的指令，以及应用程序相关的数据。该存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random AccessMemory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable ProgrammableRead－Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable ProgrammableRead－Only Memory，简称EPROM)，可编程只读存储器(Programmable Read－Only Memory，简称PROM)，只读存储器(Read－Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。

计算机终端设备可以被一个或多个应用专用集成电路(ApplicationSpecific1ntegrated Circuit，简称AS1C)、数字信号处理器(Digital SignalProcessor，简称DSP)、数字信号处理设备(Digital Signal Processing Device，简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable GateArray，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的用于GNSS数据处理的自适应对流层延迟改正方法，并达到如上述方法一致的技术效果。

本发明某一实施例还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一实施例所述的用于GNSS数据处理的自适应对流层延迟改正方法。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。