具体实施方式

为使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步的详细说明。此处所描述的具体实施例仅用于解释本发明，并不用于限定发明。

实施例1

如图1所示，本实施例提供了一种基于GNSS的滑坡监测系统，包括：

GNSS接收机，用于采集GNSS信号并对采集的原始GNSS信号数据进行打包后实时发送到云端服务器；需要说明的是本实施例采用现有技术GNSS接收机，如图1列出一种GNSS接收机的硬件系统结构示意图，该GNSS接收机包括天线、低噪声放大器、射频前端、信号通道、控制部分；天线负责接收信号；为了获得较高的信噪比，使用低噪声放大器；射频前端包括下变频器、本地振荡器、放大器、AD转换器和基准振荡器，天线接收到的信号的射频分量通过前置放大器后在GNSS接收机中继续传输，在这一部分，通过信号修正为后续处理做好准备，包括将信号下变频至中频、滤波、采样、以及将信号转换为数字信号，这一部分即为射频前端。接收机射频前端接收的信号是GNSS接收机可见的所有卫星信号的混合信号，并且每个信号均是由数据码、伪码、以及载波这些分量组成的，信号通道这部分就是为了识别每个独立的信号并将他们分离。控制部分完成对接收机的控制和数据的发送工作，控制部分包括存储器、CPU，可以由太阳能电池板和电池组成的供电模块；通过插入SIM卡通过4G信号将数据传送到云端的数据发送模块；

网络传输模块，用于GNSS接收机通过网络连接到云端服务器；

云端服务器，用于对原始GNSS信号数据进行解算，得到GNSS接收机实时的位置坐标。

实施例2

本实施例提供了一种基于GNSS的滑坡监测方法，包括以下步骤：

S1、GNSS接收机采集GNSS信号并对采集的原始GNSS信号数据进行打包后通过网络传输模块实时发送到云端服务器；

S2、对原始GNSS信号数据进行读取，包括导航文件、观测文件、气象文件，对读取到的信息进行提取，获得解算所需要的参数；

S3、对数据进行预处理：

S31、检查观测文件的数据完整性；

S32、探测载波相位测量值是否存在周跳，如果是则返回S1，否则进行S33；

S33、探测载波相位测量值是否存在粗差。

探测载波相位测量值是否存在周跳方法为：

载波相位观测值包含整数周部分和不足一周的部分。整周部分则是由接收机内部的计数器通过跟踪卫星信号不断累积记录。当接收机设备出现故障或卫星被遮挡时会造成计数器缺少这一段时间的累积值，这一现象称为周跳。当出现周跳时，整个累积值无法直接使用，高精度定位就会受到影响。

目前GNSS各系统卫星基本都有三个频率的观测值，通过三个频率观测值之间的线性组合可用于探测周跳，其方程如下：

式中l、m、n是组合系数；L_lmn为三频组合后的伪距；δN_lmn是三频组合历元间求差的模糊度；σ_lmn是三频组合后模糊度方差；λ为信号波长；为相位值，σ为原始载波相位观测噪声，一般取0.002m，计算组合后的前后历元三频模糊度及其方差，根据|δN_lmn|＞l·σ_lmn判断是否发生周跳，如果满足则证明该历元发生了周跳。

S33、探测载波相位测量值是否存在粗差；

S4、根据预处理获得的参数对卫星位置进行解算，并根据卫星的位置对卫星进行选取，以获取最佳的精度因子；如图3所示，卫星选取过程为：

S41、首先对于观测文件中单历元内探测到的所有卫星在导航文件中进行搜索，选取选取高度角最高、次高、最低的卫星作为前三颗卫星；

S42、以高度角最低的卫星的方位角作为基础，在其基础上加上或减去90°作为判断的依据；

S43、计算余下全部卫星的方位角与90°依据之间的差值β_j，j为卫星号；

S44、选择β_j中最小值对应的卫星j作为第4颗卫星；

S45、在高度角最低卫星的方位角上依次增加180°、270°，重复步骤S43和S44的依次选出其余卫星；

S5、在选定了卫星后，构成观测方程，先与基准站的观测方程差分构成单差方程，再与上一时刻的单差方程进行差分构成双差方程：

式中：为相位双差；f为信号频率，c为光速；Δρ^pq _ij为伪距双差；ΔN^pq _ij为整周模糊度双差，V_ion为电离层误差；V_trop为对流层误差，从该式中看到消除了钟差，但其中仍包含电离层误差、对流层误差和整周模糊度。

S6、对双差观测方程进行误差修正，然后对其线性化处理，再通过最小二乘法求解获得位置参数：

电离层误差使用Klobuchar模型进行修正：

其中I_r ^s为电离层延迟，单位为m，式中各参数计算公式如下所示：

ψ＝0.0137/(El+0.11)-0.022

t＝4.32×10⁴λ_i+t

F＝1.0+16.0×(0.53-El)³

El是卫星仰角；为载波相位观测值；Az为卫星的方位角；导航数据包括以下广播电离层参p_ion＝(α₀，α₁，α₂，α₃，β₀，β₁，β₂，β₃)^T数，由此可以计算出电离层延迟。

对流层误差使用Hopfield模型进行修正：

式中，

h_d＝40136+148.72(T-273.16)；h_w＝11000；温度均采用绝对温度，以K为单位；T_s、P_s、e_s分别为分别为气象站点上空的大气绝对温度、气压和水汽压；hs为气象站点的海拨高度(m)，气压P和水汽压e均以mbar为单位；E为卫星高度角以度为单位。

整周模糊度的确定分为以下两个步骤：

Ⅰ、模糊度浮点解的确定：

设某历元观测到k颗卫星，将其线性化后得到：

其中i为历元号，Ai为位置参数X的系数矩阵，B为模糊度系数矩阵，X为位置参数改正数组成的向量，X＝(Δx,Δy,Δz)；N为k维整周模糊度向量，L_i为观测向量值，Δ_i为k维误差向量；观测值的权阵为P(在此我们取权阵为量测误差的方差阵)。

Ⅱ、模糊度整数解搜索：

设连续n个历元观测k颗卫星，则线性化后总的观测方程为：

其中A为位置参数X的系数矩阵；B为模糊度系数矩阵；X为位置参数改正数组成的向量；X＝(Δx,Δy,Δz)；N为整周模糊度向量；L为观测向量；Δ为误差向量；

简写为：GY＝L+Δ；

根据最小二乘原理可以求出位置参数：

其中：P为观测值的权值；根据待估参数分为两部分，一部分为待估参数记为X，另一部分为整周模糊度参数记为N，对应地它们的参数阵分别记为A，B，通过线性化后的双差观测方程为：

Y＝AX+BN+ε；

其中Y为双差载波相位观测值向量；N为双差整周模糊度向量；X为未知基线分量；A，B为模糊度和基线分量的参数矩阵，ε为误差向量；对于上式求解即为：

min||Y-AX-BN||²,N∈Z,X∈R；

由于N为整数，所以先不考虑N为整数这个限制，先求出N的浮点解N’和其协方差矩阵Q,求解：(N'-N)Q^-1(N'-N)＝min，其解N就是模糊度的整数最小二乘估计；对其构造一个理想的搜索空间：

(N'-N)^TQ^-1(N'-N)＜χ²；

它是一个以N’为中心的多元椭球体，其形状由Q决定，大小由χ²决定；

对N进行整数变换，得到：

(N'-N)^TQ^-1(N'-N)＝(z'-z)^TQ^-1(z'-z)；

如此，模糊度搜索空间的挤压把椭球体变为近似球体，体积不变；模糊度之间的相关性减少，且比原始的模糊度更精确了；

S7、对位置参数进行卡尔曼滤波后在界面上实时显示，并将数据进行存储。

本发明在云端服务器中提供了一套软件解算流程，通过改进整周模糊度的确定方法和快速最佳卫星选取，减少了计算量，提高了系统的实时性，使其能够及时对滑坡灾害的放生进行预警。

本发明的技术方案不限于上述具体实施例的限制，凡是根据本发明的技术方案做出的技术变形，均落入本发明的保护范围之内。