GNSS地球自转改正及卫星码偏差改正学习笔记

news2026/5/21 8:20:47
一、地球自转改正此改正的本质是解决“信号传播期间坐标系发生了旋转”所引入的几何偏差。1. 物理本质与来源核心问题Sagnac效应GNSS信号以光速从卫星传播到接收机需要一定时间约65-85ms。在这段时间内由于地球的自转卫星在惯性空间例如ECI地心惯性坐标系中发射信号时的位置与接收机在惯性空间中接收到信号时的位置两者之间的几何关系相对于我们用于计算的地固坐标系例如ECEF地心地固坐标系已经发生了变化。形象比喻如同你在一个旋转的圆盘中心向边缘投球。当你投出时目标是圆盘上的A点但在球飞行期间圆盘已经转动球实际会落在A点后的B点。地球自转改正就是要补偿这个“投掷目标”的偏差。2. 数学模型与公式改正主要应用于卫星位置或信号传播矢量上。常用公式对伪距观测值在ECEF坐标系中计算得到的卫星位置(X_s, Y_s, Z_s)需要考虑地球自转修正。更常见的做法是修正信号传播矢量其中Ω_e是地球自转角速度通常取7.2921151467 × 10^{-5} rad/s。τ是信号从卫星到接收机的传播时间近似为伪距除以光速。(X_s, Y_s, Z_s)是信号发射时刻卫星在ECEF系中的坐标。(ΔX, ΔY, ΔZ)就是需要加到原始卫星坐标上的改正量。物理意义这个公式实际上是对卫星位置在信号传播时间内由于地球自转造成的位移的一阶近似补偿。3. 对定位的影响量级该项改正对测距的影响可达几十米如果不改正直接导致定位结果产生几十米的系统性误差。特点与卫星方向强相关对赤道上空的东西方向卫星影响最大对极区上空的卫星影响较小。在差分定位中的作用在短基线 10kmRTK中由于站间星历和几何关系高度相似此项误差在站间差分星间差分中被大幅削弱。但在长基线或精密单点定位中必须严格改正。4. 在AGNSS服务器中的体现在开发AGNSS服务器时无论是生成辅助星历还是处理差分改正数底层的时间基准和坐标框架必须统一且经过此项改正。服务器下发的星历/快速星历其参考框架通常是ECEF如WGS-84用户端在使用这些数据进行位置解算时必须在观测模型中加入地球自转改正才能保证计算的一致性。5.地球自转改正公式推导笔记二、卫星码偏差改正此改正的本质是处理“卫星发射的测距码信号其硬件路径延迟不一致”所引入的系统性偏差。1. 物理本质与来源核心部件卫星上的频综器、滤波器、放大器等硬件设备。产生原因频间偏差同一颗卫星信号从生成到通过不同频率的通道如L1 C/A码、L2P码、L5码发射出去所经过的硬件路径不同导致不同频率信号之间存在固定的时间延迟差。这是最常见的偏差。码类型偏差即使在同一个频率上不同的测距码如GPS L1上的C/A码和P(Y)码也可能因生成电路和调制路径不同而产生延迟差。关键特性这种偏差对同一颗卫星、同一频率/码型是相对稳定的短期内变化很小可以视为常数进行标定和改正。2. 数学模型与影响观测方程中的体现原始的伪距观测方程为P ρ c*(dt_r - dt_s) I T ... e其中dt_s是卫星钟差。实际上我们通过导航电文获得的卫星钟差dt_s通常是基于某个参考信号如GPS的L1 P(Y)码或L1C/A码估计和播发的。记这个参考信号的硬件延迟为B_s_ref。那么对于其他信号i如L2P码其观测方程应写为P_i ρ c*(dt_r - dt_s) c*(DCB_s_i) I_i T ... e_i其中DCB_s_i B_s_i - B_s_ref即为该信号相对于参考信号的差分码偏差。对定位的影响单频接收机如果使用与卫星钟差参考信号一致的码进行定位如GPS C/A码单点定位DCB已被吸收到播发的卫星钟差中通常无需额外改正。双频/多频接收机未模型化时DCB会直接污染伪距观测值影响定位精度尤其是影响电离层延迟估计和钟差估计。在电离层建模中至关重要利用双频伪距无几何组合提取电离层延迟时DCB会完整地保留在结果中。因此任何高精度的全球或区域电离层模型如IGS发布的GIM都必须事先精确扣除卫星和接收机的DCB。精密单点定位PPP中使用的精密卫星钟差产品其参考基准通常是离子无关的线性组合如PC组合。在使用这类产品和原始双频观测数据时必须配套使用相应的DCB产品进行改正否则会引入系统性偏差。3. 产品与处理流程产品来源IGS及其分析中心如CODE, ESA会定期发布精确的DCB产品通常为.BSX文件或纳入星历头文件提供所有在轨卫星各信号间的月度DCB值。处理流程数据选择精密定位用户从IGS等机构获取精密卫星钟差产品和精密星历产品。产品一致性检查确认钟差产品的参考基准如PC组合。应用改正根据所用观测值的频率和码型从DCB产品中查找对应的值对原始伪距观测值进行改正P_corrected P_raw - c * DCB。解算使用改正后的观测值进行定位解算。总结与关联特性地球自转改正卫星码偏差改正物理根源坐标系旋转几何效应卫星硬件路径延迟不一致物理效应影响量级几十米几何距离几纳秒 ~ 几十纳秒对应米级相关性与卫星方位、传播时间相关与卫星、频率、信号类型相关在差分中削弱短基线差分中大幅削弱不能被差分削弱属于卫星端固有偏差AGNSS中的角色保障坐标框架与时间系统一致性保障观测值精度与产品兼容性GPS、BDS、Galileo在星历文件中提供的是开普勒轨道参数和必要的轨道摄动改正项参数。而GLONASS系统以及SBAS系统在星历文件中提供的是卫星运动状态向量即速度、加速度及在天球坐标系下的卫星的三维坐标X,Y,Z。IODE是星历的一个特殊标识可以标识这个星历是星历的哪一包。在PPP里面会用IODE和IODC用来告诉用户我现在播发的改正数是用的哪一包的广播星历的。在计算方程时需要对地球自转改正主要原因是在卫星数据处理过程中卫星坐标一般使用地心地固坐标系ECEF是随地球旋转的卫星信号发送时刻和接收机接收到信号时刻两个时刻的ECEF是不一样的固坐标系随着地球自转而旋转变化所以会对卫星位置产生影响。需要将卫星信号发送时刻的ECEF修正到接收机收到信号解方程时刻的ECEF下。具体参考学习文档。在计算方程时需要对卫星码偏差修正伪距是卫星天线相位中心到接收机天线相位中心的距离。但是卫星信号从产生到从卫星天线相位中心发出来是有一段时间延迟的这个延迟也就是我们说是的码偏差在广播星历里面叫做TGD在PPP里面叫做DCB。不同频段共有的偏差会被卫星钟吸收掉可以以某个频点为基准来进行其他频点的码偏差修正。单频用户需要修正卫星码偏差双频用户可以使用无电离层组合通常情况可以不需要修正卫星码偏差。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2544517.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…