劉乾坤，隋立芬，陳泉余，王凌軒

(信息工程大學地理空間信息學院，河南 鄭州 450001)

?

基于Allan方差的BDS隨機誤差分析

劉乾坤，隋立芬，陳泉余，王凌軒

(信息工程大學地理空間信息學院，河南 鄭州 450001)

交疊式Allan方差；殘差分析；BDS數據；隨機模型；時間序列

北斗衛(wèi)星導航定位系統(tǒng)(BDS)自2012年正式運行以來，已經在交通運輸、災害監(jiān)測及電力調度等方面發(fā)揮著重要作用[1-2]。目前大部分的精密定位算法都是基于觀測噪聲為高斯白噪聲的前提條件下進行參數解算。但是大量研究表明，GPS觀測噪聲并不服從這一假設，實際觀測數據中還含有大量有色噪聲和未模型化的誤差，這將嚴重影響GNSS定位精度與收斂速度[3-5]。

目前關于GPS噪聲特性分析已經有許多相關性的研究，如極大似然估計[6-8]、Allan方差[4,9-11]等。由Allan提出的Allan方差法是一種時域分析方法，現已廣泛應用于INS與GNSS數據處理[12-14]。文獻[4]分析得出了GPS非差觀測值的隨機模型特性，其噪聲組成為WM+GM，并得出了具體噪聲參數的數值。BDS系統(tǒng)由于其獨特的星座屬性，區(qū)別于GPS的頻譜分布，不同的接收機硬件屬性，使其噪聲特性較GPS有一定的區(qū)別。本文利用交疊式Allan方差，采用iGMAS高頻數據，通過大量試驗對比分析了BDS與GPS觀測噪聲成分，得出了具體的噪聲參數，分析了可能產生的原因。

一、Allan方差基本原理

Allan方差反映了噪聲在時域上的不穩(wěn)定性，它不僅能夠分析數據的噪聲成分，而且還可以求解出相應的噪聲參數，其中的交疊式Allan方差在相同的置信水平下比普通Allan方差分析方法具有更大的置信區(qū)間，是對Allan方差的一種改進[15]。假定數據序列有M個數據點，采樣率為τ，交疊式Allan方差計算過程如下：

1) 構造數組。根據交疊式分組規(guī)律，將樣本空間{y1,y2,…,yM}依次按照每m個數據分成一組，得到數組[14]。

2) 求平均值。根據式(1)計算每一組序列的平均值Yi(T)，其中T=mτ，得到隨機變量Yi(T)的序列

(1)

3) 計算方差。計算相應的交疊式Allan方差，計算公式如下

(2)

4) 改變T值。通過改變m值，使T不斷變化，重復步驟1)—3)，得到不同T對應的方差值。

Allan在實際運用中利用一組有限的數據來分析

數據的時間序列關系，其精度隨著m的增加而減小，IEEE標準給出的Allan方差的計算誤差公式為[15]

(3)

二、相位殘差序列分析

在GNSS精密單點定位中，一般默認為觀測值噪聲滿足高斯白噪聲特性，然而實際操作中由于觀測對象、手段、儀器設備、環(huán)境等的影響，存在各種有色噪聲，如果不考慮這些非白色噪聲部分，將會影響狀態(tài)參數的估計。本文選取了iGMAS中8個測站2015年中年積日為71d的1Hz的高頻數據，截止高度角為10°，采用PPP模式進行單站單天解算，輸出GPS與BDS衛(wèi)星相位驗后殘差數據，數據預處理標記并剔除殘差序列中的粗差，選取其中XIA1站GPS與BDS各5顆衛(wèi)星為代表，其相位殘差序列及Allan方差噪聲特性分析如圖1、圖2所示。

XIA1站部分衛(wèi)星相位驗后殘差如圖1所示。由文獻[2—3]可知，不同的數據長度對WN、FN、RW影響較小，不影響其特征分析，且GPS的GM時間相關性約為53s，序列長度在18 000以上時可以滿足本文的數據要求。

GPS驗后殘差序列變化平穩(wěn)，沒有表現出明顯的趨勢項。BDS衛(wèi)星IGSO(C06、C08)與GEO(C01、C05)衛(wèi)星相位殘差與GPS衛(wèi)星相當，MEO(C12)衛(wèi)星的殘差較大，且與高度角變化的趨勢項相同。

以XIA1站部分GPS與BDS衛(wèi)星相位殘差序列為例，其Allan方差對數如圖2、表2所示。對比相應的Allan方差特征(見表1)，從圖中可以看出GPS與BDS衛(wèi)星相位殘差噪聲類型相一致，都為白噪聲與一階馬爾可夫過程的疊加，但是具體特征點差異較大。

圖1　XIA1站GPS與BDS部分衛(wèi)星相位殘差序列

圖2　GPS與BDS部分衛(wèi)星相位殘差的Allan方差

PRNWNGMTC/sσGM/mmC012.4867.721.65C021.9356.611.31C031.5080.420.91C043.0880.421.28C052.6956.611.30C061.4667.721.89C071.4456.611.82C082.0467.721.69C091.5656.611.51C101.8367.722.19C111.6567.721.93C121.4980.421.62C13———C141.5647.621.70

三、BDS與GPS噪聲特性分析

對所有測站觀測到的所有GPS與BDS衛(wèi)星的相位殘差的Allan方差進行統(tǒng)計分析，其中，對白噪聲參數以測站分類，對一階馬爾可夫過程按照衛(wèi)星號進行分類，統(tǒng)計結果如圖3、圖4所示，其中BYNS測站由于北斗衛(wèi)星觀測數少于4顆無法定位，故只有GPS數據。

圖3　各測站GPS與BDS的WN參數

從圖中可以看出，白噪聲參數與各測站相關性高，這說明白噪聲的產生與測站接收機和觀測環(huán)境有很大關系；一階馬爾可夫過程與衛(wèi)星相關性大，這說明誤差產生原因與衛(wèi)星端有關，具體原因尚不明確，有可能是受未被參數準確估計的對流層殘余、電離層二階項及衛(wèi)星鐘漂等的影響。

同一測站，GPS與BDS的白噪聲沒有明顯的聯系，不同測站接收機與觀測環(huán)境對GPS與BDS的影響有較大區(qū)別，這直接反映在不同測站的GPS與BDS白噪聲的大小關系上，且同一系統(tǒng)不同測站間差異較大，如CHU1與ZHON站GPS的白噪聲差異達到3mm左右。橫向對比多個測站可以發(fā)現，BDS白噪聲的變化波動小于GPS的變化波動，全部集中在2.5～4.2mm之間，GPS分散在0.5～5.5mm間。相比于GPS，BDS各衛(wèi)星的GM過程的相關時間TS明顯要大，Qc較小，且各個衛(wèi)星之間差異較小，這可能與北斗衛(wèi)星運動的角速度慢有關[5]。

圖4　GPS與BDS衛(wèi)星的GM參數

圖5　各測站GPS與BDS的WN參數統(tǒng)計

圖6　各測站GPS與BDS的GM參數統(tǒng)計

系統(tǒng)WNNVarGMTsVarQcVarGPS2.330.5055.5110.104.431.36BDS2.500.5371.078.552.382.36

綜合上述信息可以得出，相位觀測值噪聲為白噪聲與一階高斯馬爾科夫過程噪聲的疊加，不是簡單的白噪聲，參數估計需要重新考慮觀測值的隨機模型。

四、結　論

正確的隨機模型是一切平差的基礎，同時也可以為BDS隨機模型提供近似的先驗值，提高解算精度，加快收斂速度。本文采用iGMAS實測數據，利用交疊式Allan方差法經過大量試驗對比分析了GPS與BDS相位噪聲差異。結果表明：

1)BDS與GPS觀測數據噪聲成分一樣，都為WN+GM的組合；觀測數據噪聲為高斯白噪聲的假設明顯是不準確的。

2)BDS與GPS白噪聲值較為接近，分別為2.33，2.50mm，且方差也基本相同；不同測站間BDS白噪聲變化波動小與GPS。

3)BDS與GPS的GM過程噪聲參數相差較大，BDS的相關時間為77.07s，明顯大于GPS55.51s的

致謝：感謝全球連續(xù)監(jiān)測評估系統(tǒng)(iGMAS)信息工程大學分析中心對于本文工作的幫助和支持。

[1]中國衛(wèi)星導航系統(tǒng)管理辦公室. 北斗衛(wèi)星導航系統(tǒng)發(fā)展報告 2.2[M]. 北京：[s.n.]，2013.

[2]楊元喜. 北斗衛(wèi)星導航系統(tǒng)的進展、貢獻與挑戰(zhàn)[J]. 測繪學報, 2010, 39(1):1-6.

[3]Rankin J. An Error Model for Sensor Simulation GPS and Differential GPS[C]∥Position Location and Navigation Symposium, 1994, IEEE.[S.l.]：IEEE, 1994:260-266.

[4]張小紅,朱鋒,薛學銘,等. 利用Allan方差分析GPS非差隨機模型特性[J]. 測繪學報, 2015,44(2):119-127.

[5]宋超, 精密單點定位快速收斂技術與方法研究[D]. 鄭州：信息工程大學, 2015.

[6]黃立人. GPS基準站坐標分量時間序列的噪聲特性分析[J]. 大地測量與地球動力學, 2006, 26(2):31-33.

[7]李昭, 姜衛(wèi)平, 劉鴻飛,等. 中國區(qū)域IGS基準站坐標時間序列噪聲模型建立與分析[J]. 測繪學報, 2012, 41(4):496-503.

[8]廖華, 徐銳, 陳維鋒,等. 汶川地震前后四川區(qū)域GPS時序特征演變及統(tǒng)計分析[J]. 地球物理學報, 2013, 56(4): 1237-1245.

[9]NIU X, CHEN Q, ZHANG Q, et al. Using Allan Variance to Analyze the Error Characteristics of GNSS Positioning[J]. GPS Solutions, 2014, 18(2):231-242.

[10]FRENDERICHS T. Analysis of Geodetic Time Series Using Allan Variances [D]. Stuttgart: University of Stuttgart, 2010.

[11]薛學銘. Allan方差分析測量數據噪聲特性的性能研究[J]. 大地測量與地球動力學, 2014,34(6):131-134.

[12]ALLAN D W. Statistics of Atomic Frequency Standards[J]. IEEE Proceedings, 1996, 54(2):221-230.

[13]RILEY W J, RILEY W J. Handbook of Frequency Stability Analysis[J]. NIST SP-1065, 2007, 1065:1-123.

[14]李曉瑩, 胡敏, 張鵬,等. 交疊式Allan方差在微機械陀螺隨機誤差辨識中的應用[J]. 西北工業(yè)大學學報, 2007, 25(2):225-229.

[15]IEEE 1139. Definitions of Physical Quantities for Fundamental, Frequency and Time Metrology-Random Instabilities[S]. [S.I.]: IEEE Standard Board, 2008.

StochasticErrorsAnalysisofBDSBasedonAllanVariance

LIUQiankun，SUILifen，CHENQuanyu，WANGLingxuan

2015-08-10

國家自然科學基金(41274016；41174006；40974010)

劉乾坤(1991—)，男，碩士生，主要從事GNSS數據處理理論與方法研究。E-mail：lqk@whu.edu.cn

P228

B

0494-0911(2016)05-0018-04

引文格式： 劉乾坤，隋立芬，陳泉余，等. 基于Allan方差的BDS隨機誤差分析[J].測繪通報，2016(5)：18-21.DOI:10.13474/j.cnki.11-2246.2016.0146.