朋子涵，高成發(fā)，劉永勝，張瑞成，尚 睿

東南大學(xué)交通學(xué)院，江蘇 南京 211189

全球?qū)Ш叫l(wèi)星系統(tǒng)(Global Navigation Satellite System,GNSS)是獲取位置信息最重要的手段之一，廣泛應(yīng)用于定位和導(dǎo)航中[1-2]。目前，手機、平板電腦和共享單車等設(shè)備大量采用了低成本GNSS芯片。當(dāng)觀測環(huán)境較好時，低成本GNSS芯片可獲得2～3 m的定位精度，當(dāng)觀測環(huán)境較差時，由于多路徑影響，精度僅能達到10 m左右[3]。文獻[4—5]利用手機GNSS天線獲得的觀測數(shù)據(jù)進行定位試驗，結(jié)果表明可以獲得厘米級定位精度。該結(jié)果說明利用手機GNSS觀測數(shù)據(jù)進行高精度定位有較高的可行性。

2016年5月，谷歌 I/O會議上宣布用戶可以在Android Nougat系統(tǒng)中獲得原始的手機GNSS觀測數(shù)據(jù)。文獻[6]首先利用Samsung Galaxy S7手機進行原始數(shù)據(jù)分析和定位試驗，證明采用手機載波數(shù)據(jù)可以獲得分米級定位精度。文獻[7]利用VADASE(variometric approach for displacements analysis stand-alone engine)方法對華為P10手機數(shù)據(jù)進行定位試驗，得到了分米級的定位精度。文獻[8]利用Nexus 9平板數(shù)據(jù)進行相對定位試驗，最終得到了厘米級的定位精度。文獻[9—10]將RTK算法應(yīng)用于手機定位，數(shù)據(jù)試驗結(jié)果表明其平面和高程定位結(jié)果分別優(yōu)于0.7和3 m。文獻[11]改進了精密單點定位模型，實現(xiàn)了亞米級定位精度。文獻[12—13]利用精密單點定位模型針對不同型號手機進行了試驗，也得到了類似的結(jié)果?？紤]手機GNSS數(shù)據(jù)性質(zhì)，文獻[14]分別采用三階差分濾波和三閾值濾波定位模型進行手機單點定位試驗，對Nexus 9手機的測試表明其可以得到亞米級定位結(jié)果。文獻[15—17]研究了動態(tài)情況下的定位，同樣可以得到較為理想的結(jié)果。

手機GNSS芯片數(shù)據(jù)質(zhì)量相對于測地型接收機差距明顯，文獻[18—20]對其進行了分析。文獻[21]指出，由于多路徑效應(yīng)影響，手機GNSS數(shù)據(jù)載噪比相對測量型接收機減小了11 dB，僅相當(dāng)于接收機信號功率的8%。文獻[22]對多種手機進行測試，得到了類似的研究結(jié)果。此外，文獻[23]的研究結(jié)果表明，載噪比和偽距噪聲相關(guān)，載噪比越大偽距噪聲越小。對手機載波數(shù)據(jù)質(zhì)量研究結(jié)果表明，載波數(shù)據(jù)質(zhì)量受到占空比(duty cycling)影響，當(dāng)觀測存在占空比時，載波數(shù)據(jù)質(zhì)量明顯變差[22，24]。在偽距殘差計算方面，各研究均采用站間單差方法，而對于載波觀測值殘差計算，目前計算方法包括兩種。第1種方法是三階差分法[3，22]，首先計算載波雙差(double-difference,DD)觀測值，再通過三階差分的方法計算衛(wèi)星的觀測殘差。第2種方法是歷元間差分法，即首先計算雙差載波觀測值，再進行歷元間差分[16]。但是，以上兩種方法結(jié)果中均受到時間相關(guān)性和衛(wèi)星相關(guān)性影響，不能準(zhǔn)確代表單顆衛(wèi)星在單歷元的載波噪聲。

文獻[25]利用變分模態(tài)分解對GNSS數(shù)據(jù)進行分解融合試驗，證明了結(jié)合變分模態(tài)分解(variational mode decomposition,VMD)在GNSS信號處理方面的有效性。本文采用變分模態(tài)分解的方法對手機GNSS觀測噪聲進行提?。菏紫扔嬎闶謾C雙差觀測值，利用變分模態(tài)分解對雙差觀測值進行分解；然后將提取的低頻成分回代，計算各衛(wèi)星的站間單差觀測值；最后計算各衛(wèi)星的偽距和載波觀測殘差。利用小米8手機觀測數(shù)據(jù)進行試驗并分析各系統(tǒng)觀測值質(zhì)量，最后進行定位試驗。

1 變分模態(tài)分解原理與計算步驟

1.1 變分模態(tài)分解計算原理

變分模態(tài)分解是一種自適應(yīng)、非遞歸的信號處理方法[26]?；谀B(tài)分解理論，信號由不同的模態(tài)組合而成，分解的目的就是得到組成信號的本征模函數(shù)(intrinsic mode function,IMF)。從一個簡單的信號分解問題出發(fā)，假設(shè)信號f是由原始信號f0和零均值高斯噪聲n組成

f0(t)=f(t)+n(t)

(1)

離散情況下，由于待估的原始信號和噪聲結(jié)果總量大于信號觀測量，因此無法同時求解。上述問題屬于病態(tài)性問題，可以利用吉洪諾夫正則化方法對其進行計算，方程式為

(2)

式中，α表示正則化參數(shù)。利用傅里葉變換將式(2)轉(zhuǎn)換至復(fù)數(shù)域，并展開為泛函進行極值求解，具體過程如下

(3)

(4)

(5)

從以上公式可以看出，f相當(dāng)于從f0部分過濾了高頻部分，公式計算結(jié)果相當(dāng)于低通濾波。

1.2 計算步驟

變分模態(tài)分解的目標(biāo)是將信號f分解為指定數(shù)量K的模態(tài)分量uk，每個模態(tài)的稀疏程度取決于其在頻率域內(nèi)的帶寬，即數(shù)據(jù)主要集中于中心頻率ωk。為了實現(xiàn)分解目標(biāo)，整個分解過程應(yīng)在如下框架內(nèi)進行[26]：

(1) 對于每個子態(tài)uk，其邊際譜由希爾伯特變換計算得到。

(2) 每個子態(tài)的頻譜均可以用調(diào)諧的方式轉(zhuǎn)換至中心頻率附近。

(3) 子態(tài)的帶寬可以通過高斯平滑進行估計。

類似于式(2)，分解方法可以通過以下的正則化公式表示

(6)

L({uk},{ωk},λ)=

(7)

采用交替方向乘子法對上述拉格朗日函數(shù)進行迭代求解。迭代過程可以得到指定數(shù)量的中心頻率以及頻譜集中于中心頻率的IMF。子態(tài)在迭代過程的結(jié)果可表示為

(8)

利用Parseval/Plancherel傅里葉變換將式(8)轉(zhuǎn)換至頻率域，計算結(jié)果為

(9)

(10)

2 基于VMD的手機GNSS信息提取方法

對于接收機r和衛(wèi)星s，頻率i上的偽距和載波觀測方程如式(11)所示[22]

(11)

為減小衛(wèi)星軌道誤差和大氣誤差的影響，采用短基線方法進行殘差計算。但是需要說明的是，由于手機多路徑效應(yīng)對其觀測值質(zhì)量影響較大，站間差分時不能直接舍去多路徑誤差項。站間差分觀測形式為

(12)

對式(12)進行計算時，若同時估計接收機端誤差和衛(wèi)星端誤差，法方程列秩虧，需要選取基準(zhǔn)對式(12)進行分解。選取參考衛(wèi)星R觀測值作為基準(zhǔn)，其他衛(wèi)星觀測值可表示為以下形式

(13)

(14)

直接通過最小二乘法擬合式(14)中的未知參數(shù)即可獲得各衛(wèi)星偽距和載波觀測值計算殘差。但是，由于式(14)中未知參數(shù)個數(shù)較多，擬合結(jié)果會吸收觀測值中的高頻噪聲部分。因此其計算殘差不能準(zhǔn)確代表偽距和載波觀測噪聲，具體表現(xiàn)為上述方法計算所得的觀測值噪聲小于觀測值實際噪聲。

(15)

將其代入式(13)，并顧及測站坐標(biāo)已知，即式中的單差幾何距離可以消除。聯(lián)合參考衛(wèi)星單差觀測值，有

(16)

綜上所述，結(jié)合VMD的手機數(shù)據(jù)質(zhì)量提取步驟如下：

(1) 將手機與接收機近距離同步觀測，組成短基線觀測數(shù)據(jù)。

(2) 對觀測數(shù)據(jù)進行預(yù)處理，逐歷元選擇參考衛(wèi)星，并計算雙差觀測值。

(3) 對雙差觀測值進行VMD分解，回代分解結(jié)果中的低頻部分，計算各衛(wèi)星的站間單差觀測值。

(4) 根據(jù)歷元內(nèi)各衛(wèi)星的站間單差觀測值計算數(shù)據(jù)殘差，統(tǒng)計觀測精度。

3 VMD分解效果檢驗

為驗證VMD對信號的分解效果，首先利用模擬信號對VMD分解進行檢驗。借鑒文獻[25]的分解檢驗方法，分別采用含噪聲、不含噪聲和非連續(xù)信號3種情況對VMD進行檢驗。

3.1 不含噪聲的模擬信號

模擬信號由3個子信號組成，頻率分別為0.01、20和480 Hz。分別代表低頻分量、中頻分量和高頻分量，用來判斷VMD對模擬信號的分解效果。各子信號的計算公式為

(17)

原始信號圖像和經(jīng)過VMD分解后的結(jié)果如圖1所示。其中，圖1(a)為原始信號，圖1(b)為VMD分解后的IMF，圖1(c)為各IMF對應(yīng)的頻譜。從分解結(jié)果中可以看出，在模擬信號比較“干凈”的情況下，VMD可以十分準(zhǔn)確地對原始信號進行分解。

圖1 無噪聲模擬信號的分解結(jié)果 Fig.1 Decomposition result of analog signal without noise

3.2 包含噪聲的模擬信號

在原始信號中加入白噪聲，噪聲幅值為0.1，信號計算公式為

S=S1+S2+S3+0.1×rand

(18)

原始信號和分解結(jié)果如圖2所示。從圖2中可以看出，雖然各IMF的幅值在一定程度上會受到噪聲的干擾，但是VMD總體上來看還是能夠準(zhǔn)確地提取各頻率的子信號。

圖2 含有噪聲模擬信號的分解結(jié)果Fig.2 Decomposition result of analog signal with white noise

3.3 包含間斷信號和噪聲的模擬信號

將子信號S1替換為間斷信號，信號計算見式(19)

(19)

原始信號和VMD分解結(jié)果如圖3所示。從結(jié)果中可以看出，VMD分解結(jié)果基本不受到中斷信號的影響。

圖3 間斷模擬信號分解結(jié)果Fig.3 Decomposition result of discontinuous signal

通過3種模擬信號對VMD分解的檢驗可知，VMD能夠較好地適應(yīng)各種情況下的信號分解且能夠得到較為準(zhǔn)確的分解結(jié)果。結(jié)合上文分析可知，手機GNSS雙差觀測值中不僅包含觀測噪聲，而且很有可能還包含其他已知或者未知的未建模誤差影響?？紤]到未建模誤差的低頻性質(zhì)，采用VMD對其進行提取具有可行性。

4 手機GNSS觀測值質(zhì)量分析

4.1 數(shù)據(jù)來源

本次試驗對小米8手機觀測數(shù)據(jù)進行分析。采用兩部小米8手機進行同步數(shù)據(jù)觀測，手機操作系統(tǒng)分別為Android 8和Android 9。數(shù)據(jù)采樣率為1 s，觀測截止高度角為10°。小米8手機支持GPS和Galileo系統(tǒng)雙頻數(shù)據(jù)，BDS和GLONASS系統(tǒng)單頻數(shù)據(jù)?？紤]到數(shù)據(jù)連續(xù)性，本文僅分析四系統(tǒng)單頻數(shù)據(jù)。觀測時間為2019年DOY 163，每次觀測開始時間為UTC時間12:00，觀測持續(xù)時間為3500 s。采用中海達接收機與手機組成短基線數(shù)據(jù)，手機和接收機相對位置如圖4所示，手機具體信息見表1。

圖4 接收機和手機相對位置Fig.4 Relative position of receiver and smartphone

表1 手機信息

4.2 雙差觀測值分解結(jié)果

在各觀測系統(tǒng)分別選擇高度角最大的衛(wèi)星作為參考衛(wèi)星，將其他觀測衛(wèi)星與參考衛(wèi)星進行雙差。采用VMD對雙差觀測值進行分解， 分解結(jié)果如圖5所示。圖5(a)表示接收機和手機間的雙差偽距結(jié)果，圖5(b)表示對雙差偽距進行VMD分解后的低頻成分，圖5(c)表示雙差偽距減去低頻成分以后的計算殘差。為了便于分析，本文分別在各系統(tǒng)選擇觀測時間最長的衛(wèi)星用于展示。

圖5 偽距雙差觀測值分解結(jié)果Fig.5 Decomposition results of pseudorange DD observation

需要說明的是，試驗過程中將雙差偽距觀測值分別分解為兩個和3個模態(tài)，分解結(jié)果表明，當(dāng)分解為兩個模態(tài)時，第一模態(tài)為明顯的低頻成分，第二模態(tài)表現(xiàn)為噪聲；當(dāng)分解為3個模態(tài)時，第二模態(tài)和第三模態(tài)均表現(xiàn)為噪聲，說明結(jié)果有過分解的情況。綜上所述，本文將偽距雙差觀測值分解為兩個模態(tài)，且僅有第一模態(tài)為有效的低頻部分。

分析上述偽距雙差觀測值分解結(jié)果?？梢钥闯?，四系統(tǒng)分解結(jié)果的主要成分雖然總體上表現(xiàn)出平穩(wěn)性，但是存在低頻變化，根據(jù)上面對于雙差觀測值的分析，該部分波動理論上應(yīng)該是雙差多路徑誤差導(dǎo)致。從分解后的雙差殘差可以看出，BDS系統(tǒng)雙差觀測值噪聲最小，GPS系統(tǒng)與Galileo系統(tǒng)雙差噪聲相似，GLONASS系統(tǒng)雙差噪聲最大。

對分解結(jié)果的主要成分進行傅里葉變換，各衛(wèi)星中心頻率結(jié)果見表2。從計算結(jié)果可以看出，分解結(jié)果的低頻成分頻率均小于0.025 Hz。此外，同一個系統(tǒng)衛(wèi)星的變化頻率比較統(tǒng)一，BDS系統(tǒng)和Galileo系統(tǒng)數(shù)據(jù)頻率小于GPS系統(tǒng)和GLONASS系統(tǒng)觀測數(shù)據(jù)，結(jié)果均小于0.01 Hz。該計算結(jié)果說明對于手機多路徑效應(yīng)，其誤差變化與衛(wèi)星系統(tǒng)相關(guān)。

表2 各衛(wèi)星偽距主成分頻率

圖6為載波雙差觀測值分解結(jié)果。由圖6可知，載波雙差觀測值在時域中不穩(wěn)定，忽略周跳的影響，雙差載波觀測值在連續(xù)時間上總體上表現(xiàn)出線性變化的趨勢。該情況可能是由于手機觀測值中的占空比設(shè)置導(dǎo)致[22]。對于GPS系統(tǒng)數(shù)據(jù)和GLONASS數(shù)據(jù)，雙差載波數(shù)據(jù)隨時間變化趨勢比較穩(wěn)定，而對于BDS數(shù)據(jù)和Galileo數(shù)據(jù)，載波雙差觀測值在連續(xù)時間內(nèi)表現(xiàn)為不規(guī)則變化，說明雙差載波觀測值中除了占空比影響外，還存在其他未建模誤差。對4個系統(tǒng)載波雙差觀測值分解結(jié)果進行傅里葉變換，各衛(wèi)星分解后第一個成分的頻率見表3。由表3可知，各系統(tǒng)分解結(jié)果均明顯表現(xiàn)出低頻變化，這是因為由于占空比的影響，雙差觀測值總體上就呈現(xiàn)低頻變化趨勢。系統(tǒng)內(nèi)各衛(wèi)星頻率一致，說明手機觀測打開占空比選項后，系統(tǒng)內(nèi)衛(wèi)星會受到同步影響。

圖6 載波相位雙差觀測值分解結(jié)果Fig.6 Decomposition result of carrier DD observation

表3 各衛(wèi)星載波主成分頻率

4.3 各系統(tǒng)觀測值精度分析

對各雙差觀測值分解后，利用上文所述方法將雙差觀測值低頻成分回代，反算單差觀測值后計算各衛(wèi)星偽距觀測值和載波觀測值精度。為研究手機觀測值精度與衛(wèi)星信噪比或衛(wèi)星高度角之間的關(guān)系，本文采用文獻[27]中的方法對衛(wèi)星觀測值精度進行統(tǒng)計。統(tǒng)計自變量分別為載噪比和高度角，統(tǒng)計區(qū)間設(shè)為0.5。

圖7是以載噪比作為自變量對小米8手機GNSS觀測值精度的統(tǒng)計結(jié)果，圖7(a)表示MIA8站觀測值精度統(tǒng)計結(jié)果，圖7(b)表示MIA9站觀測值精度統(tǒng)計結(jié)果。由于MIA8站Galileo衛(wèi)星觀測值完整性較差，且觀測值數(shù)據(jù)太少，因此實際計算時舍去了該站Galileo系統(tǒng)衛(wèi)星觀測值。

圖7 手機GNSS觀測值精度(載噪比噪比)Fig.7 GNSS observation accuracy of smartphone (carrier-to-noise ratio)

分析偽距觀測值精度，從總體上看，兩種手機操作系統(tǒng)下各衛(wèi)星的偽距觀測值總體上呈現(xiàn)指數(shù)型變化規(guī)律。對于同一操作系統(tǒng)，可以發(fā)現(xiàn)GPS、BDS和Galileo三系統(tǒng)觀測值精度相似，GLONASS系統(tǒng)觀測值精度明顯較差，其觀測值精度僅相當(dāng)于其他三系統(tǒng)的1/2。比較兩種操作系統(tǒng)下的觀測精度，可以發(fā)現(xiàn)各系統(tǒng)觀測值精度相差較小。分析載波觀測值精度，4個衛(wèi)星系統(tǒng)觀測值精度相差很小。載波觀測值精度為毫米級，結(jié)合文獻[22]對手機本身精度的分析，可以發(fā)現(xiàn)該計算結(jié)果優(yōu)于雙差觀測值三階差分獲得的精度結(jié)果，但是該結(jié)果與Android API的噪聲計算結(jié)果擬合程度較高。

根據(jù)上述分析結(jié)果可知，從載噪比角度進行統(tǒng)計，各系統(tǒng)衛(wèi)星偽距和載波觀測值精度均呈指數(shù)變化趨勢。對于偽距觀測值，GPS、BDS和Galileo三系統(tǒng)觀測值精度相似，GLONASS系統(tǒng)觀測值精度明顯弱于其他衛(wèi)星系統(tǒng)。對于載波觀測值，四系統(tǒng)觀測值精度沒有顯著差異。此外，兩種手機操作系統(tǒng)觀測值精度相當(dāng)，說明手機GNSS觀測值精度與手機自身操作系統(tǒng)無關(guān)。

圖8為以高度角為自變量的手機GNSS觀測值精度統(tǒng)計結(jié)果。對于偽距觀測值，手機觀測精度在以高度角為自變量時表現(xiàn)出較弱的相關(guān)性。對于載波觀測值，各系統(tǒng)觀測精度在高度角域變化不明顯?？傮w上，可以認(rèn)為手機GNSS觀測精度與衛(wèi)星高度角相關(guān)性較差，因此，定位計算時不適合采用高度角隨機模型進行定權(quán)。

圖8 手機GNSS觀測值精度(高度角)Fig.8 GNSS observation accuracy of smartphone (elevation)

4.4 定位結(jié)果分析

分別對MIA8和MIA9兩站進行偽距單點定位、精密單點定位。定位時采用載噪比隨機模型。結(jié)合上文分析獲得的手機各系統(tǒng)觀測值精度進行載噪比隨機模型擬合，擬合結(jié)果與模型形式見圖9。需要說明的是，結(jié)合上文分析，進行隨機模型擬合時僅采用GPS、BDS和Galileo系統(tǒng)觀測值進行擬合。實際計算時，GPS、BDS、GLONASS和Galileo四系統(tǒng)偽距觀測值權(quán)重設(shè)為1∶1∶4∶1，載波觀測值四系統(tǒng)等權(quán)。定位計算時電離層采用Klobuchar 8參數(shù)模型進行計算，對流層誤差利用Hopfild模型估計(PPP定位時估計天頂對流層誤差)。

圖9 載噪比隨機模型擬合結(jié)果Fig.9 Fitting result of carrier-to-noise ratio stochastic model

圖10表示MIA8站和MIA9站的偽距單點定位結(jié)果。紅色為采用高度角隨機模型的計算結(jié)果，黃色表示采用載噪比隨機模型后的定位結(jié)果。橢圓和直線表示95%置信區(qū)間對應(yīng)的范圍。從圖10中定位結(jié)果可以直觀地看出，采用載噪比隨機模型后，95%置信區(qū)間對應(yīng)的區(qū)間明顯縮小。統(tǒng)計兩個手機定位結(jié)果的中誤差。MIA8站的N、E、U 3方向定位中誤差分別由0.861、1.004、2.467 m減為0.574、0.735、1.832 m，提升幅度分別為33.36%、26.75%、25.71%。MIA9站的N、E、U 3方向定位中誤差分別由1.011、1.578、3.167 m減為0.709、1.024、1.793 m，提升幅度分別為29.92%、35.11%、43.36%。

圖10 偽距單點定位結(jié)果Fig.10 Results of pseudorange single point positioning

為判斷信噪比模型的實際應(yīng)用效果，利用不同時間的觀測數(shù)據(jù)進行偽距單點定位試驗。對比數(shù)據(jù)的觀測日期分別為2019年DOY 170、DOY 267、DOY 322，采樣率均為1 s。3天定位結(jié)果提升幅度見表4。從結(jié)果中可以看出，當(dāng)時間相差較短時(2019年DOY 267)，采用本文所述方法后偽距單點定位結(jié)果仍有明顯提升，MIA9站手機各方向提升幅度均在25%以上。當(dāng)時間跨度較長時，本文所述的計算結(jié)果提升幅度相對不明顯，甚至?xí)芯冉档偷那闆r。該結(jié)果說明，手機定位時所采用的隨機模型不能固定，應(yīng)當(dāng)根據(jù)時間和外界溫度信息進行綜合考慮。此外，2019年DOY 322，MIA9站手機的定位結(jié)果提升幅度十分明顯，這里可能是因為用于對比的高度角隨機模型不適用于該組數(shù)據(jù)。

表4 不同數(shù)據(jù)定位結(jié)果與提升效果

圖11表示采用載噪比隨機模型后的精密定位結(jié)果。由圖11中可以看出，采用擬合的載噪比隨機模型后兩測站平面結(jié)果都能收斂。其中MIA8站N、E方向收斂至-0.47、0.50 m，MIA9站N、E方向收斂至-0.35、0.59 m。MIA8站U方向最終收斂至-1.03 m，MIA9站U方向呈現(xiàn)一定的游走趨勢，這里不進行統(tǒng)計。PPP定位結(jié)果表明，采用擬合的載噪比隨機模型能夠?qū)崿F(xiàn)手機精密單點定位收斂，且平面定位精度在1 m以內(nèi)。

圖11 精密單點定位結(jié)果Fig.11 Results of precise point positioning

5 結(jié) 論

目前主要采用三階差分或者歷元間差分的方式提取GNSS數(shù)據(jù)噪聲，這些方法計算的結(jié)果受到衛(wèi)星相關(guān)性和數(shù)據(jù)時間相關(guān)性的影響。本文提出采用VMD提取手機GNSS觀測噪聲的方法：首先，計算手機與接收機數(shù)據(jù)的雙差觀測值，利用VMD提取雙差觀測值主成分；然后，利用提取的成分對各衛(wèi)星站間單差觀測值進行反算，以消除衛(wèi)星間的相關(guān)性；最后，計算手機GNSS的各衛(wèi)星觀測噪聲。

為檢驗VMD分解效果，分別利用不含噪聲、含有噪聲和含有間斷信號的3種模擬信號對其進行了檢驗。檢驗結(jié)果表明，VMD在各情況下均有良好的分解效果，說明利用VMD對混合信號進行分解具有可行性。利用VMD對手機與接收機的雙差觀測值進行分解。偽距雙差觀測值的分解結(jié)果表明雙差觀測值中存在明顯的低頻成分，且各成分與系統(tǒng)相關(guān)。對載波雙差觀測值的分解結(jié)果表明，其低頻成分呈現(xiàn)不規(guī)則變化，說明手機載波觀測值不僅僅受到占空比影響，可能還存在其他的未建模誤差。

利用VMD分解的方法計算小米8手機的GNSS觀測值噪聲并進行分析。對于偽距觀測噪聲，GPS、BDS和Galileo三系統(tǒng)的結(jié)果一致，GLONASS系統(tǒng)偽距觀測噪聲約為其他系統(tǒng)的兩倍。對于載波觀測噪聲，4個衛(wèi)星系統(tǒng)的計算結(jié)果比較一致。此外，分析結(jié)果表明手機操作系統(tǒng)對手機GNSS觀測值質(zhì)量不影響。

分別采用載噪比和高度角為自變量統(tǒng)計手機GNSS觀測精度，結(jié)果表明手機GNSS觀測值質(zhì)量與載噪比相關(guān)性較強。因此，手機GNSS定位計算時更適合采用載噪比隨機模型。利用各系統(tǒng)觀測精度進行隨機模型擬合，并利用擬合的隨機模型進行定位試驗。偽距單點定位結(jié)果表明，相對于高度角模型，采用載噪比隨機模型后定位精度明顯提高。其中MIA8站3方向的定位內(nèi)符合精度分別由0.861、1.004、2.467 m減為0.574、0.735、1.832 m，提升幅度分別為33.36%、26.75%、25.71%。MIA9站定位內(nèi)符合精度分別由1.011、1.578、3.167 m減為0.709、1.024、1.793 m，提升幅度分別為29.92%、35.11%、43.36%。PPP定位精度表明，采用載噪比隨機模型后，兩測站平面定位精度均能收斂至0.6 m以內(nèi)。

對不同時間觀測數(shù)據(jù)的定位試驗表明，手機GNSS隨機模型不能恒定，考慮到手機芯片受溫度的影響比較明顯，因此在后面的研究過程中，可能需要對不同季節(jié)手機GNSS觀測值質(zhì)量進行深入分析。此外，由于數(shù)據(jù)連續(xù)性影響，本文僅分析了四系統(tǒng)單頻數(shù)據(jù)，未來也會對手機GNSS雙頻數(shù)據(jù)進行分析。