一种基于多系统GNSS反射信号的积雪深度提取方法与流程

一种基于多系统gnss反射信号的积雪深度提取方法
技术领域
1.本发明涉及gnss遥感技术领域，尤其涉及一种基于多系统gnss反射信号的积雪深度提取方法。


背景技术：

2.积雪深度作为重要的环境参数，在气候变化、水资源利用、灾害预测方面都发挥着重要作用。但传统雪深的监测手段在时间和空间上都较为受限。全球导航定位系统(global navigation and positioning system，gnss)反射测量技术仅基于测地型gnss接收机，通过分析反射信号的信噪比频率变化实现反射面高度的计算，从而获取雪深，具有低成本、全天候、连续的优势。gnss反射测量中使用的信噪比数据，是特别容易受到噪声影响的，不同频率的噪声都会体现在信噪比数据中。另外，通过低阶多项式分离的反射信号中通常含有来自测站周围其他反射面的反射信号。以上两点对频谱分析时正确识别雪深造成了极大影响。现有技术中有利用小波分解改进的方法计算雪深，在频谱分析前使用小波分解对反射信号进行分解和重构，筛选出来自雪面的反射信号，以克服噪声影响，并在gps系统的信号中进行了实验验证，取得一定效果。但仍有以下两个缺陷有待改进：
3.1.小波基函数的选取对信号分解效果影响较大，其选取通常需要进行多次分解实验进行效果对比，另外在分解时需要进行一些参数的设置，整个过程不能自动化完成；
4.2.噪声在不同信号中的表现不同，当有gps、glonass、galileo和bds多个系统信号时，难以使用一种固定小波基自适应的完成分解与重建，所以目前看到的实验结果都是只在gps信号上进行。


技术实现要素：

5.本发明所要解决的技术问题是：利用低阶多项式去除信噪比中的直射信号部分,获取反射信号分量；利用奇异谱分解将gnss系统各卫星原始反射信号自适应分解为数个不同频率的奇异谱分量，依据雪深的经验范围，选取相应频率的奇异谱分量重组成为新的反射信号，从而削弱噪声和测站周围其他反射体对雪面反射高度计算的影响，保证gnss反射信号积雪深度提取精度和可靠性。
6.本发明所采用的技术方案是：一种基于多系统gnss反射信号的积雪深度提取方法包括以下步骤：
7.s1、从地基gnss系统接收机观测数据中提取gps、glonass、galileo、bds系统的观测值和导航文件，计算各时刻对应卫星高度角，截取各卫星的低高度角信噪比数据；
8.接收机观测数据可以是gps、glonass、galileo和bds系统中单一系统或两种及以上系统任意方式组合；
9.s2、使用低阶多项式拟合信噪比中的直射信号部分并去除，获得各卫星原始反射信号，所述反射信号数学公式表示为：
[0010][0011]
其中，a为信号振幅，为反射信号相位，h为反射面高度，e为卫星高度角；
[0012]
s3、利用奇异谱分解(singular spectral decomposition，ssd)将s2中提取的原始反射信号自适应分解为多个不同频率的奇异谱分量；具体地，输入所述各卫星原始反射信号，输出分解完成的奇异谱分量及分量对应的频率范围；
[0013]
s4、确定雪面反射信号的频率范围，作为奇异谱分量的筛选的目标频率；包括如下步骤：
[0014]
s41、确定反射面高度变化范围：参考历年气象资料确定雪深最大值，与实测测站高度求差，计算得反射面高度最小值h
min
；实测测站高为反射面高度最大值h
max
，由此确定反射面高度变化范围；
[0015]
s42、根据所述s41中反射面高度变化范围转换计算各系统雪面反射信号的频率范围，计算公式为：
[0016][0017]
其中，f
max
和f
min
为频率最大值和最小值，λ为信号载波波长；
[0018]
s5、将s4中计算的雪面反射信号频率范围作为目标频率对s3中各奇异谱分量进行筛选，保留频率范围与目标频率有重叠的奇异谱分量，相加重组，获得来自雪面反射信号，去除噪声和来自周围其他反射体的反射信号；
[0019]
s6、对s5中获得的所述雪面反射信号进行lsp(lomb-scargle periodogram)频谱分析，获取主频，并计算反射面高度；
[0020]
s7、实测测站高与所述反射面高度求差，获得雪深的计算结果；将多颗卫星的雪深计算结果取平均值，获得雪深的最终计算值。
[0021]
本发明的有益效果是：
[0022]
1、利用非参数化的奇异谱分解将原始反射信号自适应的分解为多个奇异谱分量，通过确定雪面反射信号的频率范围，建立奇异谱分量的选取准则，重构出雪面反射信号，确保从反射信号中正确提取雪深。
[0023]
2、本发明方法在gps、glonass、galileo和bds系统的反射信号中具有普遍适用性，能够削弱噪声和测站周围其他反射体对雪面反射信号提取的影响，提升gnss反射信号提取积雪深度的精度和可靠性。
附图说明
[0024]
图1是本发明的基于多系统gnss反射信号的积雪深度提取方法流程图；
[0025]
图2是本发明的反射信号奇异谱分解结果图；
[0026]
图3是本发明的原始反射信号与奇异谱分解重建的反射信号对比图；
[0027]
图4是本发明的原始反射信号与重建后的反射信号频谱分析结果对比图；
[0028]
图5是本发明gps、glonass、galileo和bds系统反射信号雪深提取结果图。
具体实施方式
[0029]
下面结合附图和实施例对本发明作进一步说明，此图为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。
[0030]
本实施例选用某板块监测计划中sg27测站(71.323
°
n,156.610
°
w)2019年冬季降雪时期85天的gnss观测数据，截取5
°–
25
°
卫星高度角信噪比数据，测站高度为3.9m。以当地气象站实测雪深值为真值，将传统的gnss反射信号积雪深度提取方法与本方法结果进行对比。
[0031]
如图1所示，一种基于多系统gnss反射信号的积雪深度提取方法包括以下步骤：
[0032]
s1、本实施例中从地基gnss接收机观测数据中提取gps prn8卫星数据观测值和导航文件，计算各时刻prn8卫星高度角，截取5
°–
25
°
卫星高度角信噪比数据；
[0033]
s2、使用二阶多项式去除信噪比中的直射信号部分，获得原始反射信号；
[0034]
s3、利用奇异谱分解(singular spectral decomposition，ssd)将prn8卫星的某条原始反射信号自适应分解为7不同频率的奇异谱分量，输出7个分解完成的奇异谱分量及分量对应的频率范围；
[0035]
如图2为本实施例对prn8卫星反射信号奇异谱分解，原始反射信号被分解为7个不同频率的奇异谱分量，并按照从高频到低频依次排序；由于奇异谱分解自适应性，会根据卫星信号表现出的特性自动设置分解层数和每一层对应的频率范围。
[0036]
s4、确定雪面反射信号的频率范围，作为奇异谱分量的筛选的目标频率；具体地：
[0037]
s41、确定反射面高度变化范围：参考历年气象资料确定雪深最大值为1.5m，与实测测站高度3.9m求差，计算得反射面高度最小值h
min
为2.4m；实测测站高为反射面高度最大值h
max
为3.9m；
[0038]
s42、根据所述s41中反射面高度变化范围转换计算各系统雪面反射信号的频率范围，计算公式为：
[0039][0040]
其中，f
max
和f
min
为频率最大值和最小值，λ为信号载波波长；
[0041]
s5、选择频率在步骤s4所得频率范围内的奇异谱分量相加重组，获得来自雪面的反射信号；
[0042]
图3为prn8卫星原始反射信号与奇异谱分解重建后的反射信号对比图；可以看出重建后反射信号与原始反射信号走势基本一致，但细节信息已经发生变化
[0043]
s6、对雪面反射信号进行lsp频谱分析获取主频并计算反射面高度；图4为prn8卫星原始反射信号与重建的雪面反射信号lsp分析结果对比图，原始信号直接进行lsp分析时，左图中的原始反射信号因为含有噪声，出现了两个峰值点，出现了双峰值现象，会造成主要频率的识别错误；右图中采用本发明重建的反射信号lsp分析结果，只有一个突出的主峰，信号仅有雪面的反射信号，所以只有一个主要频率；可以正确识别主频，图中横坐标已由频率转化为反射面高度；
[0044]
s7、实测测站高与反射面高度求差获得雪深的计算结果，将多颗卫星的雪深计算结果取平均值，获得雪深的日平均值。图5为根据360小时的30颗gps、22颗glonass、21颗galileo和29颗bds卫星的反射信号提取的雪深日平均值；可以看出，采用本发明方法提取
的雪深与当地气象站实测雪深更为吻合，在四个系统中应用效果良好。
[0045]
以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。