变形监测经典数据处理方法

　　摘要：由于GPS定位技术具有测站间无须通视、观测不受气候条件限制，可同时测定点的三维坐标，自动化程度高等特点，GPS技术逐渐成为变形监测中的一种重要手段。本文主要介绍了GPS观测数据的预处理，侧后处理以及相关变形监测数据的动态处理方法。
　　关键词：GPS，变形监测，数据处理方法
　　1引言
　　所谓变形监测，就是利用测量与专用仪器和方法对变形体的变形现象进行监视观测的工作。其任务是首先在变形区域内布设若干变形监测点(或者叫观测点)，然后定期对其进行观测，采集监测点的各期变形信息，对观测数据进行处理，计算出监测点的变形量及其变化速率，进行变形分析，找出规律，并作出预测，对其变形引起的破坏提出防范措施[1]。在GPS监测系统中，数据处理的主要工作是观测资料的解算，如GPS差分求解、GPS监测网平差等，以提供高精度、高可靠性的相对位置信息。而数据分析的重点则包括变形基准的确定，正确区分变形与误差，提取变形特征，并解释其变形成因。本文主要分析了变形监测经典数据处理方法。
　　2GPS观测数据的预处理
　　GPS观测数据的预处理的目的是：对数据进行平滑滤波检验，剔除粗差；统一数据文件格式并将各类数据文件加工成相互兼容的标准化文件(如GPS卫星轨道方程的标准化，卫星时钟钟差标准化，观测值文件标准化等)，找出整周跳变点并修复观测值；对观测值进行各种模型改正。GPS观测数据的预处理是GPS变形观测的基础，没有切实可行的观测数据处理技术，再好的布网形式、再好的平差处理方案与变形分析模型，也发挥不了有效作用，也就失去了变形监测的意义[2]。
　　此对于GPS变形监测而言，选取什么样的观测量十分重要。载波相位差分处理是获取高精度GPS定位结果的关键技术之一，通过差分处理可以削弱部分相关误差的影响。但GPS定位中整周模糊度的求解、周跳的探测与剔除、减小残余系统误差的影响仍然是GPS数据处理中的关键，也是影响GPS定位精度与速度的关键问题。
　　整周模糊度的正确求解是获得高精度GPS定位结果的关键。对于静态定位通过延长观测时间使卫星的几何图形发生足够大的变化，求解整周模糊度。整周模糊度一旦确定，相位观测值就等价于毫米级的伪距观测，可以获得测站每历元厘米级精度的坐标。对最小二乘解的实数模糊度直接取整是最简单的途径，但当实数解的精度较低时，取整不一定可靠。周跳的探测与修复是载波相位定位中的另一重要课题。周跳是载波相位观测值中特有的问题，也是提高定位精度的一个限制因素。研究表明，未被检测出的周跳主要被整周模糊度及接收机位置参数的改J下数所吸收，从而导致参数估计的有偏。因此周跳的探测与修复是GPS数据处理中重要问题之一，也是GPS数据处理中不可或缺的一部分，其能力如何是判断一个GPS数据处理软件好坏的标准之一。长期以来GPS学者提出了一些周跳的探测与修复的算法并且也发挥了重要作用。
　　3GPS观测数据的测后处理
　　GPS观测数据的测后处理，一般均借助相应的后处理软件自动地完成，其内容主要包括基线预处理及GPS网的平差。
　　(1)基线处理。基线处理是对已标准化的数据文件进行处理，解算出基线。
　　(2)GPS网平差。GPS网由基线组成，数据处理的成果是基线向量及相应的方差协方差。其网的平差包括基线向量的无约束平差、约束平差和与地面网的联合平差三部分。1)GPS基线向量网无约束平差。GPS地面网一般由若干三角形或多边形组成，其中存在一定量的多余基线，环路中存在闭合差。GPS网无约束平差的目的在于处理闭合不符值，检查网本身的内部符合精度以及基线向量之间有无明显系统误差和粗差。2)GPS基线向量网的约束平差。该平差又称为非自由网平差。平差时以国家大地坐标系或地方坐标系的某些点的坐标、边长和方位角为约束条件，顾及GPS网与地面网之间的转换参数进行平差计算。3)GPS网与地面网联合平差。该平差方法是在GPS网中，除了GPS基线向量观测值和约束数据以外，还有地面常规测量值如边长、方向和高差等，将这些数据与GPS数据一起进行平差。
　　非自由网平差和联合平差一般在国家或地方坐标系中进行，平差完成后网点的坐标已属于国家坐标系或地方坐标系。而无约束平差是在WGS-84基准下进行的。平差可以以三维模式进行，也可以二维模式进行，当进行二维平差时，应首先将三维GPS向量坐标及协方差阵转换至二维平差计算面。
　　GPS高精度变形监测网的基线解算和平差计算，目前一般是采用瑞士BERNESE大学研制开发的BERNESE软件或美国麻省理工学院研制开发的GAMIT／GLOBK软件口4J和IGS精密星历。BERNESE和GAMIT／GLOBK软件均为科研用途的高精度GPS数据处理软件，其数据处理分为两个主要方面：一是对GPS原始数据进行处理后获得同步观测网的基线解；二是对各同步观测网的解进行整体平差和分析，获得GPS网的整体解。数据处理的重点都在于对同步网的基线处理，而在网的平差分析方面，特别是多个子网的系统误差分析、粗差分析及随机误差处理方面，目前还没有很理想的方法。国内目前较有影响的GPS平差软件有：原武汉测绘科技大学研制的GPSADJ系列平差处理软件和同济大学的TGPPS静态定位后处理软件。这两种软件主要用于完成经过商用GPS基线处理软件处理以后的三维和二维GPS网的平差。
　　4GPS变形监测数据的动态处理
　　在变形监测中，由于GPS、测地机器人等新技术不断应用，资料积累越来越多，数据量越来越大，如何及时有效地从大量的变形监测信息中提取关键性的数据，对变形进行分析与解释，尤其是对建筑物的变形进行预测，使人们能及时地针对变形建筑物变形状态进行有效处理，对滑坡等灾害及时做好有关方面的防范和预防，从而极大地减少因建筑物变形或滑坡等地质灾害造成的损失就变得至关重要。
　　(1)估计与平差的关系
　　估计也称为平差，是从受到噪声干扰的量测值中，对无法量测的状态和参数做出最优的估计，估计一般是由观测值和状态向量之间的物理关系做出的，这种物理关系一般是通过建立它们之间的数学模型表示，同时，观测值和状态向量都是随机变量，因此它们还具有随机模型。数学模型和随机模型是进行估计的基础，若在估计中选择不同的准则求模型中参数的估值，就产生了不同的估计方法。传统的测量平差方法是以最小二乘原理和极大似然估计原理为原理的，而现代出现的滤波和配置平差法是以最小方差和极大验后原理为基础的。
　　(2)卡尔曼滤波
　　在许多问题中，被估计的状态，一方面是随机向量，另一方面还随时间不断变化，这就是动态的概念，一个动态系统的变化必须遵循该系统自身的客观规律，而且不同时刻的状态量测也是相互联系的，根据经典物理学可知，当未受外部干扰时，一个系统未来的状态可以根据当前状态从已知的运动方程中确定出来。但是，事实上总是存在着一些外部干扰。
　　(3)卡尔曼滤波与最小二乘的关系
　　经典的最小二乘估计是残差的平方和达到最小的意义下的估计，它是线性无偏的估计，但不是一般意义的最小方差估计，只有考虑最优加权的最小二乘估计才是线性最小方差估计，这种考虑最优加权的最d'-乘估计也称为马尔科夫估计，如果在最小二乘估计中加入线性方差估计所需要的全部动态信息和统计信息，最小二乘估计就可以和卡尔曼滤波达到完全一致的结果；如果关于估计量没有任何验前的统计知识时，线性最小方差估计也就退化为马尔科夫估计。
　　目前，卡尔曼滤波己成为一种描述动态系统常用的方法。在GPS变形监测中正发挥着重要的作用。
　　
　　
　　参考文献：
　　[1]王正旭,独知行,单瑞.GPS技术在高层建筑变形监测中的应用研究[J].城市勘测,2009,03.
　　[2]李涛,周宗泽,顾凤鸣.GPS单基线变形监测精度分析[J].地理空间信息,2009,05.