深圳北斗CORS稳定性可视化分析方法

薛世强，杨志敏，胡文健，王昊

(1.南京工业大学测绘科学与技术学院，江苏 南京 211800； 2.武汉市测绘研究院，湖北 武汉 430022)

1 引 言

全球卫星导航系统(Global Navigation Satellite System，GNSS)的发展为区域GNSS网提供了充足可靠的数据源[1～3]，凭借其全天候、全自动、实时连续观测的特点[4]，逐渐应用于各个省份、城市并作为省市测绘基准点维持了当地的坐标框架，提升了城市测量工作的效率[5，6]。

对北斗CORS站观测数据进行质量检测是稳定性分析的前提，Anubis是由捷克共和国大地观测台PECNY开发的对所有卫星导航系统所有频点进行数据质量检测的开源软件，支持所有卫星导航系统。王利党对Anubis进行了深入的分析介绍，并基于shell脚本对多模GNSS的数据实现了一键式操作，实现了对其进行数据质量检测以及后续进行的可视化分析[7]。刘智强等则通过实际应用，证明了Anubis的优点，包括非常简单的操作性，以及具有丰富的内容等[8]。

针对区域CORS系统的稳定性分析，Dillinger W等率先对美国全范围内350个CORS参考站1994年～2002年的数据进行联合分析，通过全局解分析了北美板块内部稳定性[9]。Gülal等利用土耳其西南部20个CORS站788天的数据生成时间序列，量化表达了CORS站的运动变化[10]。国内李江卫等以武汉CORS系统为例，设计了一套CORS系统稳定性分析方案并进行了验证[11]。在此基础上，武曙光等针对深圳CORS站引入皮尔逊相关性系数分析IGS站与CORS站的位移相关性，进而评估CORS站的稳定性[12]。深圳全境地势东南高，西北低，受板块运动影响，CORS站会产生一定位移变化。为进一步分析深圳北斗CORS站稳定性，本文以SZBDCORS的11个基准站为例，选取2017年3月～2020年8月的观测数据进行质量检测及基线解算处理，通过线性近似方法提取时间序列中的趋势项和周期项。结果表明，SZBDCORS站点的水平方向和垂直方向分量重复性值都优于 3 mm，可作为深圳市测绘基准系统的主要基础设施，为深圳市提供稳定的测绘基准服务。

2 北斗信号结构

2.1 信号观测值及其线性组合

GNSS观测值模型分为伪距与载波两类，由于伪距信号精度受限，难以满足基站稳定性分析要求，故采用载波相位观测值，其观测值方程如下所示。

(1)

式中，tr为卫星信号的接收时刻，nij(tr)表示相位观测值的模糊度参数，fsj为信号转播过程中的平均频率，pij(tr)为信号发射时刻卫星天线相位中心到信号接收时刻接收机天线相位中心之间的几何距离，△项分别表示对流层折射、电离层折射、接收机钟差、卫星钟差、SA频率抖动影响，f0为相位观测值的标称频率，c表示光速，εij(tr)表示观测噪声。

通过将观测量进行线性组合，构成仅含有波长和低噪声等信息的新观测方程，可简化数据处理模型，提升数据利用率及精度[13]。组合方式有单差、双差和三差共三种方式，其中双差组合通过在卫星与接收机之间两次求差，可消除卫星钟差和接收机钟差，削弱卫星轨道误差和大气延迟误差，并保持了双差整周模糊度的整数特性，故采用双差组合来构建观测方程进行基线解算[14]。

2.2 北斗数据误差来源分析

GNSS定位误差主要包含GNSS卫星、卫星信号的传播过程、和地面接收设备、地球潮汐、负荷潮及相对论效应等，具体如表1所示。

GNSS测量误差分类及对距离测量的影响 表1

除以上误差外，还有非构造因素会对定位精度产生较大影响。由于包含模型的改正残差、周围环境及地表引起的负载等，非构造因素误差至今都还未得到较为精确的改正。

3 CORS数据质量分析

通过分析GNSS观测数据质量可提升GNSS网平差精度，实验选用SZBDCORS站点共两年的观测数据进行质量分析，剔除观测时段不足0.75天(18h)的数据，利用ANUBIS进一步剔除低质量数据，流程如图1所示。

图1 ANUBIS数据处理实验流程

3.1 GNSS数据质量评估指标

GNSS数据分析常用指标有数据完整性、多路径效应(MP1、MP2)、信噪比、周跳比(o/slps)。MP1与MP2表示Ll或L2载波上的C/A码或P码多路径观测误差；周跳比表示观测值与周跳的比值；信噪比表示GPS接收机接收到的信号强度与噪声强度的比值；其中数据完整性大于80%，多路径效应MP1、MP2小于 0.5 m，周跳比小于5便认为数据质量良好，可进行后续处理。

使用2.3版本ANUBIS对2017年3月～2020年8月进行质量分析，以SZBDCORS站点中新建基岩站XICH为例，选取5天观测数据进行可视化分析，如表2所示。

XICH测站数据质量处理结果 表2

由上表可知，XICH站5天的数据完好性均值96.24%，多路径影响指标均小于 0.3 m，周跳比均值4.34，信噪比均大于 30 dBHz，均达到IGS站标准。

3.2 数据质量可视化分析

为进一步分析数据质量优劣程度，借助ANUBIS可视化工具，从卫星号、天体轨迹、卫星仰角、信号通道等对观测数据进行全方位的监控，以XICH站年积日316日为例，绘制如图2所示。

图2 XICH站单系统方位偏差统计

由图2可知，GPS和GALLIEO的点相对集中在零点附近，说明偏差较小。而GLONASS和BDS的点相对分散，尤其是GLONASS的点分布不均匀，表明偏差较大且与性能不稳定有关。

图3(a)是一个单系统信号多路径统计图，日本的QZSS系统RMS值最大，GALLIEO系统RMS最小，BDS与GPS的RMS相近，表明QZSS数据质量较差。图3(b)为每颗卫星的信噪比图，除GPSS2W外其余信号均在 40 dBHz以上，说明XICH站接收的信号较强，数据质量相对稳定。

图3 XICH站单系统信号统计图

4 区域CORS网解算模型

4.1 研究区域及数据来源

实验选取2017年3月至2020年8月深圳市地区11个可以同时接收BDS、GPS、GALILEO、GLONASS数据的基准站：BAOA站、BINH站、DONC站、KENZ站、SONG站、PINH站、SZDP站、SZJY站、SZLG站、SZNS站、SZSY站，站点分布如图4所示。

图4 SZBDCORS站分布

4.2 基线解算方案

实验采用GAMIT/GLOBK10.74软件对SZBDCORS站点观测数据进行基线解算。通过引入我国境内的9个IGS站进行联合解算与ITRF2014参考框架建立联系，具体解算策略如表3所示。

GAMIT数据基线解算策略 表3

4.3 区域网平差分析

进行网平差之前对SZBDCORS站点进行中长基线解算得到单天均方根误差(Normalized Root-Mean-Square Value，NRMS)，统计结果如图5所示：

图5 单天解NRMS值统计结果

由图5可知，NRMS值随着时间变化相对平稳，在0.18～0.20之间轻微波动，最小值为0.15，最大值为0.21，均值为0.18，数据质量属于优秀水平[15，16]，可进行后续的网平差处理。联合我国境内9个带有速度场信息的IGS站进行网平差，统一采用IGS处理结果作为框架基准，统计坐标重复性如图6～图8所示。

图6 SZBDCORS站E方向重复性分析

图7 SZBDCORS站N方向重复性分析

图8 SZBDCORS站U方向重复性分析

结果表明，SZBDCORS站点的水平方向和垂直方向分量重复性值都优于 3 mm，在E、N、U方向上的重复性均值为 0.95 mm、0.79 mm、0.57 mm。

5 站点稳定性分析

通过线性近似的方法提取GNSS时间序列的趋势项和周期项，对比原始时间序列模型获取SZBDCORS站在N、E、U方向上的偏差，以SZDP站、SZJY站及SZLG站为例绘制趋势图。

由图9可知，SZDP站有稳定的趋势项，而SZJY与SZLG均在2018年12月发生较大偏移，其原因在于2018年12月受台风影响导致基站天线罩丢失，站点坐标发生突变，但整体趋势仍较为稳定。

图9 U方向趋势项拟合图

6 结 语

本文以SZBDCORS为例，利用ANUBIS对2017年3月至2020年8月SZBDCORS数据进行可视化分析，从数据完整性、多路径效应、信噪比、周跳比等分析，11个基准站都具有良好的卫星信号。通过GAMIT基线解算进行网平差，各站点水平方向和垂直方向的重复性都优于 3 mm，进一步提取SZBDCORS站在N、E、U方向上的趋势项、周期项，发现SZJY和SZLG受台风影响导致基准站天线罩丢失，其坐标产生跳变后趋于稳定，下一步将深入研究天线罩对基准站定位影响。