本發(fā)明涉及一種衛(wèi)星定位數(shù)據(jù)處理，特別是涉及一種基于粒子群算法的衛(wèi)星導(dǎo)航定位基準(zhǔn)站網(wǎng)(continuous?operational?reference?station,cors)綜合質(zhì)量評(píng)定方法。

背景技術(shù)：

1、衛(wèi)星導(dǎo)航定位基準(zhǔn)站網(wǎng)是全球?qū)Ш叫l(wèi)星系統(tǒng)(global?navigation?satellitesystem，gnss)定位技術(shù)和網(wǎng)絡(luò)通信技術(shù)以及現(xiàn)代大地測(cè)量等多源技術(shù)融合的產(chǎn)物，是現(xiàn)代測(cè)繪空間數(shù)據(jù)基礎(chǔ)設(shè)施最為重要的組成部分，既可對(duì)區(qū)域乃至全球地殼運(yùn)動(dòng)變化、氣象狀態(tài)變化的瞬態(tài)和長(zhǎng)期變化進(jìn)行監(jiān)測(cè)，又可提供各種高精度空間定位服務(wù)和多元化信息服務(wù)。無論是國(guó)際地球自轉(zhuǎn)和框架服務(wù)(igs)，還是很多國(guó)家或地區(qū)，都在建立全球和區(qū)域坐標(biāo)參考框架。然而，隨著各省市以及企業(yè)單位越來越多的cors站網(wǎng)的建立，各行各業(yè)的發(fā)展已經(jīng)與其緊密相連，特別是各城市推進(jìn)“數(shù)字城市”現(xiàn)代化的建設(shè)，比如自然資源、地質(zhì)災(zāi)害、智慧農(nóng)業(yè)、災(zāi)害實(shí)時(shí)預(yù)測(cè)、協(xié)同導(dǎo)航、精準(zhǔn)農(nóng)業(yè)及交通信息現(xiàn)代化管理等，越來越離不開cors網(wǎng)的信息服務(wù)。因此，作為賦能各行業(yè)應(yīng)用的cors系統(tǒng)，其穩(wěn)定運(yùn)行是信息服務(wù)的基礎(chǔ)，因而，評(píng)估其數(shù)據(jù)質(zhì)量及穩(wěn)定性是一項(xiàng)關(guān)鍵的技術(shù)。

2、粒子群算法(particle?swarm?optimization,pso)受鳥類捕食行為的啟發(fā)并對(duì)這種行為進(jìn)行模仿，將優(yōu)化問題的搜索空間類比于鳥類的飛行空間，將每只鳥抽象為一個(gè)粒子，粒子無質(zhì)量、無體積，用以表征問題的一個(gè)可行解，優(yōu)化問題所要搜索到的最優(yōu)解則等同于鳥類尋找的食物源，進(jìn)而利用群體智能建立一個(gè)簡(jiǎn)化的模型。pso算法為每個(gè)粒子制定了與鳥類運(yùn)動(dòng)類似的簡(jiǎn)單行為規(guī)則，使整個(gè)粒子群的運(yùn)動(dòng)表現(xiàn)出與鳥類捕食相似的特性，從而可以求解復(fù)雜的優(yōu)化問題。同其他進(jìn)化算法一樣，也是基于“種群”和“進(jìn)化”的概念，通過個(gè)體間的協(xié)作與競(jìng)爭(zhēng)，實(shí)現(xiàn)復(fù)雜空間最優(yōu)解的搜索。同時(shí)，它又不像其他進(jìn)化算法那樣對(duì)個(gè)體進(jìn)行交叉、變異、選擇等進(jìn)化算子操作，由于參數(shù)少而且容易實(shí)現(xiàn)，對(duì)非線性、多峰問題均具有較強(qiáng)的全局搜索能力，在科學(xué)研究與工程實(shí)踐中得到了廣泛關(guān)注。日前，該算法已廣泛應(yīng)用于函數(shù)優(yōu)化、神經(jīng)網(wǎng)絡(luò)訓(xùn)練、模式分類、模糊控制等領(lǐng)域。

3、目前，對(duì)于cors站網(wǎng)的質(zhì)量評(píng)定一般采用采集的gnss觀測(cè)數(shù)據(jù)進(jìn)行多路徑、數(shù)據(jù)剔除率等質(zhì)量分析，并結(jié)合靜態(tài)網(wǎng)解算后的靜態(tài)結(jié)果或網(wǎng)平差結(jié)果進(jìn)行質(zhì)量分析。由于這些方法局限于數(shù)據(jù)質(zhì)量評(píng)估或cors站網(wǎng)平差之后的最弱點(diǎn)點(diǎn)位相對(duì)精度的局部層面，并沒有一種整網(wǎng)乃至區(qū)域的一個(gè)動(dòng)態(tài)全局的質(zhì)量評(píng)定結(jié)果，缺乏對(duì)其多系統(tǒng)、多層次、多維度的評(píng)定方法。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明旨在至少解決現(xiàn)有技術(shù)中存在的技術(shù)問題，特別創(chuàng)新地提出了一種基于粒子群算法的cors站網(wǎng)綜合質(zhì)量評(píng)定方法。

2、為了實(shí)現(xiàn)本發(fā)明的上述目的，本發(fā)明提供了通過以下技術(shù)步驟進(jìn)行實(shí)現(xiàn)：

3、a、獲取cors網(wǎng)城市坐標(biāo)并構(gòu)成無向圖g。

4、b、初始化迭代參數(shù)iter，群體規(guī)模n，慣性權(quán)重ω，個(gè)體學(xué)習(xí)權(quán)重c1，社會(huì)學(xué)習(xí)權(quán)重c2。

5、c、取帶正權(quán)的無向圖g中任意一點(diǎn)為起點(diǎn)s，初始化一批初始解x(x＜xmax)、初始化粒子速度v(v＜vmax)，作為當(dāng)前種群(當(dāng)前解集)。

6、其中，x和xmax分別表示粒子的位置及設(shè)定的邊界位置；

7、v和vmax分別表示粒子的運(yùn)動(dòng)速度和設(shè)定的邊界速度，也就是粒子最大的運(yùn)動(dòng)速度；

8、d、計(jì)算每個(gè)粒子的適應(yīng)度值fit[i]。

9、e、對(duì)每個(gè)粒子，用它的適應(yīng)度值fit[i]和個(gè)體極值pbest[i]比較。如果fit[i]<pbest[i]，則用fit[i]替換掉pbest[i]，執(zhí)行下一步，如果fit[i]≥pbest[i]，則執(zhí)行下一步。

10、f、對(duì)每個(gè)粒子，用它的適應(yīng)度值fit[i]和全局極值gbest[i]比較。如果fit[i]<gbest[i]，則用fit[i]替換gbest[i]，執(zhí)行下一步，如果fit[i]≥gbest[i]，則執(zhí)行下一步。

11、g、迭代更新粒子的速度vi和位置xi。

12、h、進(jìn)行邊界條件處理，位置或速度超過設(shè)定值時(shí)，采用邊界條件處理策略將粒子的位置限制在可行搜索空間內(nèi)，這樣能避免種群的膨張與發(fā)散，也能避免粒子大范圍地盲目搜索，從而提高了搜索效率。具體的方法有很多種，如下式所示，通過設(shè)置最大位置限制xmax和最大速度限制vmax，當(dāng)超過最大位置限制或最大速度限制時(shí)，在范圍內(nèi)隨機(jī)產(chǎn)生一個(gè)數(shù)值代替，或者將其設(shè)置為最大值，即邊界吸收。

13、i、基于壓縮因子的方法來控制系統(tǒng)行為的最終收斂，該方法可以有效壓縮搜索的空間，并得到高質(zhì)量的解，具體公式如下：

14、

15、其中，

16、式中：λ為當(dāng)前迭代計(jì)算的壓縮因子；

17、為個(gè)體學(xué)習(xí)和社會(huì)學(xué)習(xí)權(quán)重之和；

18、c1表示個(gè)體學(xué)習(xí)權(quán)重；

19、c2表示社會(huì)學(xué)習(xí)權(quán)重；

20、j、判斷算法終止條件是否滿足，若是，則結(jié)束算法并輸出優(yōu)化結(jié)果；否則返回步驟a。

21、k、基于搜尋到的全局最優(yōu)線路計(jì)算整個(gè)cors網(wǎng)角度閉合差和各方向坐標(biāo)增量值，并同往期進(jìn)行差值分析。

22、

23、式中：(xi,yi)表示最短路徑中的第i個(gè)基準(zhǔn)站的位置坐標(biāo)；

24、(xi-1,yi-1)表示最短路徑中的第i-1個(gè)基準(zhǔn)站的位置坐標(biāo)；

25、fa為無向圖g中搜尋到的最優(yōu)路徑方位角閉合差；fδx、fδy為無向圖g中搜尋到的最優(yōu)路徑平面x、y方向閉合差；

26、αb、αi分別為起始方位和遞推方位；

27、n為無向圖g向量的維度；

28、s為無向圖g搜尋到的最優(yōu)路徑的路徑總和；

29、l、基于步驟k計(jì)算的進(jìn)行綜合評(píng)價(jià)，判定當(dāng)前整網(wǎng)的精度。

30、綜上所述，由于采用了上述技術(shù)方案，本發(fā)明基于粒子群算法的cors站網(wǎng)綜合質(zhì)量評(píng)定方法，實(shí)現(xiàn)從一種整網(wǎng)乃至區(qū)域的一個(gè)動(dòng)態(tài)全局的質(zhì)量評(píng)定。粒子群算法利用自然界生物機(jī)制的智能仿生優(yōu)化算法，不依賴于優(yōu)化問題本身的嚴(yán)格數(shù)學(xué)性質(zhì)，通過相互協(xié)作來更好的適應(yīng)環(huán)境，表現(xiàn)出與環(huán)境交互的能力，具有自組織性、進(jìn)化性和記憶功能。結(jié)合cors網(wǎng)平差的結(jié)果以及基準(zhǔn)站網(wǎng)實(shí)時(shí)采集的觀測(cè)數(shù)據(jù)，實(shí)現(xiàn)從底層數(shù)據(jù)層、站網(wǎng)拓?fù)鋵用?、物理綜合層面以及往期長(zhǎng)時(shí)間序列等層面對(duì)cors網(wǎng)進(jìn)行多層次質(zhì)量評(píng)定。為測(cè)繪基準(zhǔn)框架的質(zhì)量穩(wěn)定性提供一個(gè)合理的評(píng)價(jià)方法。

31、本發(fā)明的附加方面和優(yōu)點(diǎn)將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本發(fā)明的實(shí)踐了解到。

技術(shù)特征：

1.一種基于粒子群算法的cors站網(wǎng)綜合質(zhì)量評(píng)定方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的基于粒子群算法的cors站網(wǎng)綜合質(zhì)量評(píng)定方法，其特征在于，在步驟i中包括：

3.根據(jù)權(quán)利要求1所述的基于粒子群算法的cors站網(wǎng)綜合質(zhì)量評(píng)定方法，其特征在于，還包括步驟k，基于搜尋到的全局最優(yōu)線路計(jì)算整個(gè)cors網(wǎng)角度閉合差和各方向坐標(biāo)增量值，并同往期進(jìn)行差值分析。

4.根據(jù)權(quán)利要求1所述的基于粒子群算法的cors站網(wǎng)綜合質(zhì)量評(píng)定方法，其特征在于，在步驟k中包括：

5.根據(jù)權(quán)利要求1所述的基于粒子群算法的cors站網(wǎng)綜合質(zhì)量評(píng)定方法，其特征在于，還包括步驟l，基于步驟k計(jì)算的進(jìn)行綜合評(píng)價(jià)，判定當(dāng)前整網(wǎng)的精度。

6.根據(jù)權(quán)利要求1所述的基于粒子群算法的cors站網(wǎng)綜合質(zhì)量評(píng)定方法，其特征在于，在步驟l中包括：

技術(shù)總結(jié)
本發(fā)明提出了一種基于粒子群算法的CORS站網(wǎng)綜合質(zhì)量評(píng)定方法，包括以下步驟：A、獲取CORS網(wǎng)城市坐標(biāo)并構(gòu)成無向圖G；B、初始化；C、取帶正權(quán)的無向圖G中任意一點(diǎn)為起點(diǎn)S，初始化一批初始解x、初始化粒子速度v，作為當(dāng)前種群；D、計(jì)算每個(gè)粒子的適應(yīng)度值fit[i]；E、如果fit[i]<Pbest[i]，則用fit[i]替換掉Pbest[i]；F、如果fit[i]<gbest[i]，則用fit[i]替換gbest[i]；G、迭代更新粒子的速度v<subgt;i</subgt;和位置x<subgt;i</subgt;；H、進(jìn)行邊界條件處理；I、基于壓縮因子的方法來控制系統(tǒng)行為的最終收斂；J、判斷算法終止條件是否滿足，若是，則結(jié)束算法并輸出優(yōu)化結(jié)果；否則返回步驟A。本發(fā)明基于粒子群算法的CORS站網(wǎng)綜合質(zhì)量評(píng)定方法，實(shí)現(xiàn)從一種整網(wǎng)乃至區(qū)域的一個(gè)動(dòng)態(tài)全局的質(zhì)量評(píng)定。

技術(shù)研發(fā)人員：馬萬軍,劉美琳,鮑立尚,王立陽(yáng),陳戰(zhàn)武,李振宇,王世亮,趙亮,鄭三君,馬建民,張正亮,王海峰
受保護(hù)的技術(shù)使用者：甘肅省測(cè)繪工程院
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/23