手机GNSS数据质量提取的变分模态分解法.docx

随着智能手机的普及和全球导航卫星系统（GNSS）技术的快速发展，手机GNSS定位服务已经广泛应用在我们的日常生活中。然而，GNSS数据质量的高低直接影响定位的精确性与可靠性。准确提取观测噪声，对于构建随机模型和进行数据质量分析至关重要。在此背景下，本文提出了一种利用变分模态分解法（VMD）提取手机GNSS数据观测噪声的方法，并通过实验验证了其有效性。 传统上，提取观测噪声主要采用的方法包括三阶差分法和历元间差分法。但是，这些方法往往受到卫星相关性和历元间相关性的影响，导致噪声提取不够准确。为了解决这一问题，本研究提出了一种基于变分模态分解（VMD）的新方法。VMD是一种先进的信号处理技术，其核心思想是将一个复杂的信号分解成一系列具有特定频率成分的模态函数。在手机GNSS数据质量分析中，VMD能够有效地分离并提取观测噪声，尤其是在双差分观测值中提取出低频成分。 实验选取了小米8手机的GNSS数据进行测试。研究结果表明，不同卫星导航系统（GPS、北斗、伽利略和GLONASS）的伪距观测噪声水平存在差异。其中，GPS、北斗和伽利略系统的伪距观测噪声水平相当，而GLONASS系统的伪距噪声水平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水平大致相同，且与Android操作系统版本无关。 在探索随机模型方面，本研究着重探讨了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。结果表明，载噪比随机模型能够更准确地反映数据质量。进一步的定位试验显示，采用载噪比模型，在伪距单点定位中的性能提高了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，高程定位精度可以收敛到1.2米以内。 VMD方法之所以在提取手机GNSS数据观测噪声时表现优秀，是因为它能够将数据中的各种信号成分按照频率范围进行有效分离，从而使得噪声成分得以清晰地识别和提取。这一方法相较于传统噪声提取方法，具有更强的抗干扰能力和更高的提取精度，显著改善了噪声估计的准确性。 本研究的贡献不仅在于提出了一种新的噪声提取方法，更重要的是，通过实验验证了该方法能够有效提升手机GNSS定位的精度与可靠性。这对于移动设备定位服务的发展具有重要的实际意义。在移动设备的日常定位服务中，通过提高定位精度和可靠性，可以为用户提供更加精准和便捷的定位体验。例如，在户外导航、位置共享、紧急救援等场景中，准确的定位信息可以为用户提供更好的帮助。 未来的研究可以进一步探索VMD方法在不同种类的GNSS数据和不同设备上的适用性，以及对VMD算法进行优化，使其在噪声提取过程中更加高效。同时，也应不断优化载噪比随机模型，以适应更多复杂的定位环境和条件，为手机GNSS定位技术的进一步发展奠定坚实的基础。