GNSS静态数据批量预处理方法研究及实现

张凌源 黎鹏 杨柳

摘要：GNSS静态数据预处理是GNSS静态测量数据处理的重要一环，现阶段的GNSS静态数据预处理方法以人工干预为主，自动化程度较低，数据处理的效率和准确率均有待提高。为解决上述问题，提出了一套GNSS静态数据自动化预处理方法，并基于Python语言开发静态数据预处理软件，完成了GNSS静态数据检查、RENIX数据归类、RENIX数据改正、静态数据质量报表输出等功能。长江水利委员会大江大河水文监测系统建设工程实践表明：使用该软件后，大幅提高了静态数据预处理效率，明显降低了内业人员的劳动强度，且有效保证了成果质量。

关键词：数据预处理;GNSS静态测量;自动化;批量处理;TEQC;TBC

中图法分类号：P128.1文献标志码：ADOI：10.15974/j.cnki.slsdkb.2021.05.013

文章编号：1006 - 0081（2021）05 - 0054 - 04

1 GNSS静态数据处理概述

在现代控制测量中，GNSS静态测量方法相对于传统测量方法具有高精度、全天候、无需通视等显著优势，因而被广泛应用，已成为现代化测量过程中不可或缺的技术手段[1]。

在大型GNSS静态测量项目中，因观测时段繁多、数据体量巨大，导致人工预处理劳动强度大，处理效率和准确率有待提高。研究GNSS静态数据自动化预处理方法很有必要，借助自行开发静态数据预处理软件，对GNSS静态数据检查、RENIX数据归类、RENIX数据改正、静态数据质量报表输出等预处理流程，实现自动化，提高数据处理效率，保证成果质量。

完整的GNSS静态测量数据处理流程如图1所示。从图1可以看出，每个阶段的GNSS静态观测数据是按观测时段处理完成的。主要是因为按时段整理的GNSS静态观测数据具有更强的通用性和普适性，方便应用于不同软件的交互处理。

为简化表述，下文中的GNSS静态数据默认为已经按时段分类整理的GNSS静态原始数据。

2 静态数据预处理流程

静态数据预处理步骤如下：

（1）利用静态数据预处理软件，根据观测阶段的测站信息对GNSS静态数据进行合理性检查，生成检测报告，根据报告完善GNSS静态数据。

（2）根据上一步的GNSS静态数据，利用程序对RENIX数据按时段整理归类，并将测站信息和RENIX数据融合。

（3）执行程序的静态数据质量报表输出功能，生成数据质量报表，剔除质量较差的数据。

静态数据预处理流程如图2所示。

3 GNSS静态数据预处理软件功能

3.1 静态数据检查

在大型项目中，GNSS静态观测数据可能多达数万个，在外业观测阶段的按时段归类整理过程中极有可能出现纰漏。因此，需要对人工初步整理的静态观测数据进行检查，来弥补和纠正可能出现的纰漏，保证GNSS静态数据的完整性和准确性。GNSS静态数据检查之前需要准备测站信息表和统一转化的RENIX数据。针对人工归类的不足，程序会从以下3个方面进行检查。

（1）测站信息表的合理性检查。同时段的点名、观测者、杆高等信息不可能或只有极小概率重复。

（2）GNSS静态数据的同步性检查。根据观测时间判断归类是否正确。

（3）测站信息表与GNSS静态数据的一致性检查。根据二者的相互匹配结果判断归类的正确性。

在执行GNSS静态数据检查之后，根据检查报告，逐一完善GNSS静态数据，直至检查通过。

3.2 RENIX数据归类

利用TBC可以实现静态观测数据文件到RENIX数据文件的批量转换，可以一次性转换数千个文件。虽然转换方便，但也存在弊端。TBC转换的RENIX数据文件会输出到同一个指定路径，这将导致RENIX数据文件失去按时段归类的特性;而采用分观测时段逐步转换又非常繁琐，大型项目可能有数千个时段，人工操作耗时耗力。

鉴于上述原因，GNSS静态数据预处理程序提供“RENIX数据归类”的功能，将TBC批量轉换的RENIX格式文件参照上一步的GNSS静态数据自动进行归类，通过这一步操作，可成功完成静态数据到RENIX数据的转换。转换后的RENIX数据保留了按时段归类的特性。数据转换前后的文件组织结构如图3～4所示。

3.3 RENIX数据改正

在GNSS静态数据处理流程中，在基线解算之前，点名、杆高等测站信息必须融合到静态数据中。现阶段的处理方式以人工干预为主，存在劳动强度大、效率较低、准确率无法保证等问题。针对这些突出问题，GNSS静态数据预处理程序提供了“RENIX数据改正”功能，可根据测站信息自动改正RENIX数据文件，大幅度提高了静态数据预处理效率。

3.4 输出数据质量报表

3.4.1 TEQC软件介绍

TEQC是Unavco Faclity研制的公开免费软件，建立在DOS操作命令基础上，可以处理GNSS静态观测数据。它利用伪距观测值和载波相位观测值的线性组合来进行GNSS数据中的误差估计，在快速评定GNSS数据质量方面且简单易用、高效可靠的优点，能提供电离层延迟误差、电离层延迟变化率、信噪比、数据有效率、MP1、MP2等反映观测数据质量的指标参数[2]。

3.4.2 信息提取

GNSS原始观测数据包含仪器类型、仪器编号、空间信息、静态观测的开始时间、结束时间等基本信息。将原始观测数据转化为RENIX格式数据之后，对这些基本信息进行提取，结合外业阶段的测站信息，可以合成一个完整的测站信息表。但是仅包含这些基本信息，对后续的基线处理和网平差帮助有限，因此，前期处理时，需要对原始数据的观测质量输出一个统计报表。

利用TEQC公开免费、DOS操作的特性，可以编写脚本，将TEQC集成，在提取测站基础信息的基础上，再融合观测数据质量参数，批量输出静态数据质量报表，形成阶段性成果，无论是作为项目成果提交，还是服务于后续的数据处理，都有重要意义。

4 工程实例

参照之前的处理流程与软件功能介绍，选择长江中游某E级基础控制网测量项目进行检验，该项目共包含46个时段，348个原始观测文件，2 060个RENIX数据文件，外业观测时间跨度为18 d，属于中型静态观测项目。

在外业观测阶段已准备好按时段归类的静态观测数据、测站信息表、RENIX数据。执行“静态数据检查”功能，检查过程耗时13.16 s，得到检查结果如图5所示。

根据提示信息对上面的数据进行核对完善，再执行“RENIX数据分类”功能，对2 060个RENIX数据文件按观测时段进行归类，该过程耗时71.00 s，如果是人工手动分类，耗时预估约为2 h，效率提升约100倍，分类完成之后再执行“RENIX数据改正”功能，对RENXI数据中的348个O文件进行改正，该过程耗时44.60 s，如果是人工手动逐文件改正，预估时间为2 h，效率提升约160倍，而且程序能保证数据改正准确率为100%，数据改正示例如图6～7所示。

通过文件改正前后对比可以看出，最关键的测站点名、天线高等测站信息已经成功改正。

最后再执行“质量报告输出功能”，示例如表1所示。

5 结论与建议

通过以上论述和样本数据分析，可得出如下结论。

（1）本文提出的GNSS静态数据批量预处理可以实现GNSS静态数据的批量自动化处理，能够有效减小静态测量内外业工作强度，大幅提高数据处理效率。

（2）GNSS静态数据批量预处理流程可以通過关键信息提取功能，批量输出测站信息综合报表，为后续静态数据处理提供有力的支撑。

对后续GNSS静态数据批量预处理流程提出如下建议。

（1）加深对TEQC软件的挖掘，利用TEQC对RENIX文件进行批量的切割和合并，进一步提高静态数据预处理的质量。

（2）转换RENIX数据文件的功能也可以考虑兼容到预处理软件中，形成一套完整的、独立的数据预处理流程。

参考文献：

[1] 袁霆.  GPS静态测量在控制测量中的应用分析[J].  中国设备工程， 2018（12）：82-83.

[2] 李强.  TEQC在GNSS短时间静态定位数据预处理中的应用研究[J]. 华北国土资源， 2015（4）：108-110.

（编辑：唐湘茜）

Abstract：GNSS static data preprocessing plays an important role in GNSS static measurement data processing. The current GNSS static data preprocessing method is mainly through manual intervention，which is low in automation degree ，and the efficiency and accuracy of data processing need to be improved. In order to solve the above problems， an automatic preprocessing method for GNSS static data is proposed and static data preprocessing software based on the Python platform is developed， which can realize the functions of GNSS static data inspection， RENIX data classification， RENIX data correction， static data quality report output etc. The practice of Changjiang Water Resources Committee hydrological monitoring system for large rivers has shown that with the help of this program， the efficiency of static data preprocessing has been greatly improved， the labor intensity of the staff is significantly reduced， and the quality of the results is guaranteed .

Key words： data preprocessing; GNSS static measurement; automation; batch processing; TEQC; TBC