几种不同CORS站点形变监测数据提取方法比对分析

邹洋，易鸿杰（宜昌市测绘大队，湖北宜昌 443000）

几种不同CORS站点形变监测数据提取方法比对分析

邹洋∗，易鸿杰
（宜昌市测绘大队，湖北宜昌 443000）

目前，国内外有诸多地方建立的CORS系统，受周围环境及人为因素影响，CORS站网参考点会产生微弱形变，进而影响CORS系统的稳定性，故需对站点坐标进行形变监测。本文针对某CORS站点利用GAMITL/GLOBK软件计算得到站点坐标的原始时间序列，并采用Kalman、BP这两种方法进行滤波对比分析，结果表明两种种方法都有效地剔除了一定量的噪声，使站点NEU三个方向上的坐标趋势更加显现，尤其是在选定合适的状态噪声矩阵后kalman方法要优于BP方法，这对于提取站点的形变数据起到了一定的有效作用。

CORS站点；形变监测；卡尔曼滤波；BP神经网络；时间序列

1 引 言

连续运行参考站（Continuously Operating Reference Stations，CORS）系统，也称连续运行卫星定位服务系统，是利用GPS卫星导航定位、计算机、数据通信和互联网络（LAN/WAN）等技术，在一个城市、一个地区或一个国家，根据需求按一定距离建立常年连续运行地面GPS基准站的系统。近年来，随着CORS系统在我国各省市的建立［1］，有些站点建立时间较早，对于CORS系统基准站的坐标形变监测分析也显得尤为重要，一旦建筑物发生位移或变形，势必影响整个CORS系统参考框架的稳定性［2］。目前对CORS站点的稳定性分析方法［3］中常用的有BP神经网络［4］、卡尔曼滤波［6］等方法，本文分别利用两种方法对站点形变进行分析，通过对比，比较两种方法的优势和不足。

2 卡尔曼滤波

卡尔曼滤波模型状态方程和观测方程分别为:

式中:Xk+1和Lk+1分别为tk+1时刻的状态向量和观测向量，Φk+1为tk时刻至tk+1时刻的状态转移矩阵，Bk+1为观测矩阵，Γk+1为动态噪声矩阵，Ωk和△k+1分别为动态噪声和观测噪声。卡尔曼滤波模型的随机模型为:

由式（1）和式（2）可推出卡尔曼滤波方程为:

3 BP神经网络

误差逆传播算法的神经网络（Back-Propagation Neural Network，BPNN）的网络结构一般由输入层、隐含层和输出层组成［4］，如图1所示，其主要计算步骤:

∗ 收稿日期:2015—12—14

作者简介:邹洋（1988—），男，助理工程师，主要从事城市测量工作。

（1）初始化网络权值W和阈值θ，取小的一个随机数W∈［-1，1］且θ∈［-1，1］

（2）取一学习样本作为输入向量（Xk，Dk），其中k∈｛1，2，…N｝，N为学习样本数。

（3）计算隐含层节点i的输出向量OIi:

（4）计算输出层节点j的输出向量yj:

（5）计算输出层节点j的误差:

根据平方误差函数:

E小于误差上限值，直接计算式（6），否则计算式（5）。

（6）计算调整权值:

（7）判断学习样本是否满足目标输出，满足则停止学习。

4 实例分析

对某地3个CORS站点2008年～2013年的数据进行分析，并与中国境内与周边的IGS跟踪站进行同步解算。

首先采用GAMIT/GLOBK软件对这6年的数据进行解算，获取原始的时间序列，GAMIT/GLOBK软件设置，如表1所示。

GAMIT/GLOBCK软件设置 表1

通过GLOBK软件进行平差后得到全球框架瞬时历元下的坐标序列［3，7］，由于三维坐标不便于分析站点在平面和高程方向上的形变，故转换为在各自时间序列中间历元坐标的站星坐标系下NEU值，各站点的总变化量，如表2所示。由于篇幅限制只对一个站点的原始时间序列进行图形显示分析，如图2所示。

3个站点在全球坐标框架下NEU三个方向上的总位移量/m 表2

图2　 CORS1站点原始时间序列

由图2，虽然可以看到各个坐标分量的形变趋势，但是包含着大量的噪声。

4.1 BP神经网络分析

利用MATLAB软件对原始数据进行BP神经网络分析，其中3个系数分别取5，5，2。结果如图3所示。

图3　CORS1站点BP时间序列

由图上可以看到，BP方法有效去除了噪声，但是在高程方向有点失真。

4.2 Kalman滤波法分析

利用MATLAB软件对原始数据进行卡尔曼滤波法分析，其中状态转移噪声矩阵值分别取1 mm ×1 mm与 0.5 mm×0.5 mm，滤波后的效果图，如图4、图5所示。

图4　CORS1站点Kalman时间序列（1 mm）

图5　CORS1站点Kalman时间序列（0.5 mm）

由图4和图5，可以看到卡尔曼滤波法能够有效剔出噪声，并且效果要比BP法更加有效。

另外卡尔曼滤波中状态噪声的取值不同也会影响滤波效果，可以明显地看到采用 0.5 mm×0.5 mm的要优于 1 mm×1 mm的。本次试验中 0.5 mm×0.5 mm是根据一年的变化量除365天，分析出大概的一天变化量，并取两倍左右设为转移噪声，在不同的形变分析中，改值根据实际情况而设定。

5 结 论

通过对数据的分析，得到以下几个结论:

由于地面沉降、板块运动、潮汐等原因对建站较早的CORS站点产生了一定的形变，故需要对其采用一定的方法进行时间序列分析提取有效的变形量。

采用卡尔曼滤波方法能比BP神经网络方法更有效地剔除噪声，便于提取真实变形量。

在进行卡尔曼滤波法的过程中，不同状态转移噪声会产生不同的滤波效果，该噪声值需要根据实际情况来设定。

［1］刘经南，刘晖，邹蓉等.建立全国CORS更新国家地心动态参考框架的几点思考［J］.武汉大学学报·信息科学版，2009，34（11）：1261～1265.

［2］李江卫，刘经南，肖建华等.CORS系统稳定性监测数据处理与分析研究［J］.武汉大学学报·信息科学版，2010，35（7）：825～829.

［3］张旭东，蔡元波，韩红超.基于GAMIT数据解算的CORS站稳定性监测研究［J］.地理空间信息，2011，9（2）：38～42.

［4］赵刚，张思慧，张恒璟等.基于RBF及滤波神经网络对参考站高程时间序列分析［J］.大地测量与地球动力学，2013（5）.

［5］吴继忠.GPS观测数据的小波阈值法消噪［J］.大地测量与地球动力学，2009，29（4）：79～82.

［6］黄士红，朱延华.基于卡尔曼滤波理论预测SISE的算法研究［J］.科技信息，2011（9）.

［7］丁晓光，韩晓飞，苏利娜等.陕西省GNSS连续观测系统建设与应用［J］.防震减灾学报，2013，29（4）：6～10.

Application Research on of Deformation Monitoring of CORS Sites by Kalman and BP

Zou yang，Yi Hongjie
（Yichang Surveying and Mapping Team，Yichang 443000，China）

At present，there are plenty of places at home and abroad to establish a system of CORS，some sites time early，must to deformation monitoring of site coordinates，based on a certain CORS site using GAMITL/GLOBK software to calculate the coordinates of the original time series，and USES the Kalman filtering，BP both methods to contrast analysis，the results show that both methods are effectively eliminated a certain amount of noise，the coordinates of three directions in NEU site trend more apparent，especially in the selected appropriate state noise matrix after Kalman method is superior to the BP method，for the deformation data extraction site has played a certain role effectively.

CORS site；deformation monitoring；Kalman filter；BP；time series

1672-8262（2016）02-119-03中图分类号：P228

B