摘要中提到的研究主要关注如何更准确地从手机全球导航卫星系统(Global Navigation Satellite System, GNSS)数据中提取观测噪声,以进行数据质量分析和构建随机模型。传统的观测噪声提取方法,如三阶差分法和历元间差分法,容易受到卫星相关性和历元间相关性的影响。为了解决这个问题,研究者提出了基于变分模态分解(Variational Mode Decomposition, VMD)的新方法。
变分模态分解是一种信号处理技术,能够将复杂信号分解为一系列简明的模态函数,每个模态对应特定频率成分。在手机GNSS数据质量分析的背景下,VMD被用来有效地分离和提取观测噪声,尤其是在双差分观测值中提取低频成分。通过逆运算得到每个卫星的单差分观测值,进一步计算出每个卫星的观测噪声。
实验使用小米8手机的GNSS数据进行,结果显示,GPS、北斗(BDS)和伽利略(Galileo)系统的伪距观测噪声水平相当,而GLONASS系统的伪距噪声则大约是其他系统的两倍。此外,所有四个系统的载波相位观测噪声大致相同,并且观测噪声与Android操作系统版本无关。
论文还探讨了两种随机模型——高度角随机模型和载噪比随机模型在手机GNSS定位中的适用性。研究发现,载噪比随机模型相比高度角随机模型更能准确反映手机GNSS的数据质量。应用载噪比模型进行定位试验,结果表明,在伪距单点定位中,性能提高了25%以上。在精密单点定位(PPP)中,平面位置精度可以收敛到0.6米以内,而高程定位精度可以收敛到1.2米以内。
本文提出了一种利用VMD进行手机GNSS数据质量提取的新方法,有效改善了噪声估计的准确性,并且验证了载噪比随机模型在手机GNSS定位中的优越性。这种方法对于提高手机GNSS定位的精度和可靠性具有重要意义,尤其在移动设备定位服务中,可以提供更好的定位体验。