基于北斗RTK测量技术的放样数据采集传输方法与流程

本发明涉及数据滤波，具体涉及一种基于北斗rtk测量技术的放样数据采集传输方法。

背景技术：

1、北斗rtk实时动态定位是一种利用北斗卫星导航系统进行高精度定位的技术，其利用差分修正技术能够实现厘米级的定位精度，在测量、制图、工程建设等领域具有广泛应用。在实际测量中，需要通过手持移动站获取北斗rtk测量的不同放样点的位置数据，为了使得位置数据更接近真实值，减少噪声干扰，可使用现有的卡尔曼滤波器进行滤波处理。

2、但在采集放样位置数据的过程中，可能遇到异常天气，例如降雨和雷暴等天气会影响对流层中的湿度，从而导致北斗rtk测量的精度较低。由于采集的不同放样点的位置数据准确度都会下降，通过历史放样点的位置数据得到的预测值出现偏差，最终导致卡尔曼滤波器的滤波效果下降，使得在异常天气中获取的放样点位置数据的准确性较低。

技术实现思路

1、为了解决上述在异常天气中使用卡尔曼滤波器对放样点的位置数据的滤波效果较差的技术问题，本发明的目的在于提供一种基于北斗rtk测量技术的放样数据采集传输方法，所采用的技术方案具体如下：

2、获取不同放样点的湿度数据序列和北斗rtk测量的位置测量序列；根据所述位置测量序列通过卡尔曼滤波器获得不同放样点的位置预测值；

3、根据所述位置测量序列中当前放样点与历史放样点的位置数据的差异特征、当前放样点的位置数据与位置预测值的差异特征获得测量异常程度；根据所述测量异常程度确定当前放样点是否为异常点；

4、若所述当前放样点为异常点时，根据所述湿度数据序列中历史放样点的湿度变化特征获得第一湿度影响度；根据放样点的位置数据和位置预测值的差异特征获得预测差异特征值和差异序列；根据历史放样点对应的湿度数据序列和差异序列的变化趋势的差异特征获得第二湿度影响度；根据第一湿度影响度和第二湿度影响度获得当前放样点的湿度影响值；根据所述湿度影响值对卡尔曼滤波器的矩阵参数进行调整，获得初始矩阵参数；

5、根据当前放样点和相邻历史放样点的预测差异特征值的差异特征、湿度差异特征对所述初始矩阵参数进行优化，获得自适应卡尔曼滤波器；根据自适应卡尔曼滤波器对当前放样点的位置数据进行滤波，将滤波后的位置数据进行传输。

6、进一步地，所述根据所述位置测量序列中当前放样点与历史放样点的位置数据的差异特征、当前放样点的位置数据与位置预测值的差异特征获得测量异常程度的步骤包括：

7、根据所述位置测量序列计算所述当前放样点与任意历史放样点的三个轴向的位置数据的差值绝对值的和值，获得位置差异特征值；计算所述当前放样点与任意历史放样点的采集位次的差值的倒数，获得距离权重；计算所述位置差异特征值与所述距离权重的乘积的平均值，获得当前放样点与对应的历史放样点的加权平均测量差异值；计算当前放样点三个轴向的位置数据和位置预测值的差值绝对值的和值，获得预测偏差值；计算所述加权平均测量差异值和所述预测偏差值的和值，获得当前放样点的测量异常程度。

8、进一步地，所述根据所述测量异常程度确定当前放样点是否为异常点的步骤包括：

9、当所述测量异常程度超过预设异常阈值时，所述当前放样点为异常点。

10、进一步地，所述根据所述湿度数据序列中历史放样点的湿度变化特征获得第一湿度影响度的步骤包括：

11、在所述当前放样点和对应的历史放样点的放样点范围中，根据所述湿度数据序列计算任意放样点与前一历史放样点的湿度差值的和值并归一化，获得当前放样点的第一湿度影响度。

12、进一步地，所述根据放样点的位置数据和位置预测值的差异特征获得预测差异特征值和差异序列的步骤包括：

13、计算放样点的位置数据与对应的位置预测值的差值，获得放样点的预测差异特征值；按照历史放样点的顺序将对应的预测差异特征值进行排序，获得历史放样点的差异序列。

14、进一步地，所述根据历史放样点对应的湿度数据序列和差异序列的变化趋势的差异特征获得第二湿度影响度的步骤包括：

15、计算历史放样点对应的湿度数据序列和三个轴向的差异序列的皮尔逊相关系数的平均值并归一化，获得所述当前放样点的第二湿度影响度。

16、进一步地，所述根据第一湿度影响度和第二湿度影响度获得当前放样点的湿度影响值的步骤包括：

17、计算所述第一湿度影响度和所述第二湿度影响度的平均值，获得所述当前放样点的湿度影响值。

18、进一步地，所述根据所述湿度影响值对卡尔曼滤波器的矩阵参数进行调整，获得初始矩阵参数的步骤包括：

19、计算所述湿度影响值与预设系数的乘积，获得调整因子；计算所述调整因子与常数1的和值，获得调整系数；计算所述调整系数与所述矩阵参数的乘积，获得当前放样点的初始矩阵参数。

20、进一步地，所述根据当前放样点和相邻历史放样点的预测差异特征值的差异特征、湿度差异特征对所述初始矩阵参数进行优化，获得自适应卡尔曼滤波器的步骤包括：

21、计算所述当前放样点与前一历史放样点的三个轴向的预测差异特征值的差值的和值并归一化，获得预测差异程度；计算所述当前放样点与前一历史放样点的湿度差值并归一化，获得湿度差异特征值；计算所述预测差异程度和所述湿度差异特征值的平均值，获得优化因子；计算所述优化因子与常数1的和值，获得优化系数；计算所述优化系数与所述初始矩阵参数的乘积，获得所述当前放样点的最终矩阵参数；将所述最终矩阵参数替换卡尔曼滤波器中原始的矩阵参数，获得所述自适应卡尔曼滤波器。

22、本发明具有如下有益效果：

23、在本发明中，获取放样点的位置预测值能够用于分析放样点测量的位置数据和位置预测值的差异特征，从而确定放样点的异常程度和卡尔曼滤波器的调节程度；获取测量异常程度能够确定当前放样点是否为异常点，进而确定是否需要对滤波过程进行调节。获取第一湿度影响度能够反映当前放样点成为异常点的原因；获取差异特征值和差异序列能够用于进一步分析当前放样点成为异常点的原因；获取第二湿度影响度能够根据湿度变化特征与差异序列的变化关联特征反映当前放样点成为异常点的原因。进而根据第一湿度影响度和第二湿度影响度获得湿度影响值能够确定滤波过程中矩阵参数的调整程度；获取初始矩阵参数能够初步提高卡尔曼滤波器在异常天气下测量放样点的位置数据的准确性；获取自适应卡尔曼滤波器能够进一步提高放样点测量的位置数据的滤波准确度，使得滤波结果更接近放样点位置的实际值，最终提高了放样点位置测量的准确性。

技术特征：

1.一种基于北斗rtk测量技术的放样数据采集传输方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的一种基于北斗rtk测量技术的放样数据采集传输方法，其特征在于，所述根据所述位置测量序列中当前放样点与历史放样点的位置数据的差异特征、当前放样点的位置数据与位置预测值的差异特征获得测量异常程度的步骤包括：

3.根据权利要求1所述的一种基于北斗rtk测量技术的放样数据采集传输方法，其特征在于，所述根据所述测量异常程度确定当前放样点是否为异常点的步骤包括：

4.根据权利要求1所述的一种基于北斗rtk测量技术的放样数据采集传输方法，其特征在于，所述根据所述湿度数据序列中历史放样点的湿度变化特征获得第一湿度影响度的步骤包括：

5.根据权利要求1所述的一种基于北斗rtk测量技术的放样数据采集传输方法，其特征在于，所述根据放样点的位置数据和位置预测值的差异特征获得预测差异特征值和差异序列的步骤包括：

6.根据权利要求1所述的一种基于北斗rtk测量技术的放样数据采集传输方法，其特征在于，所述根据历史放样点对应的湿度数据序列和差异序列的变化趋势的差异特征获得第二湿度影响度的步骤包括：

7.根据权利要求1所述的一种基于北斗rtk测量技术的放样数据采集传输方法，其特征在于，所述根据第一湿度影响度和第二湿度影响度获得当前放样点的湿度影响值的步骤包括：

8.根据权利要求1所述的一种基于北斗rtk测量技术的放样数据采集传输方法，其特征在于，所述根据所述湿度影响值对卡尔曼滤波器的矩阵参数进行调整，获得初始矩阵参数的步骤包括：

9.根据权利要求1所述的一种基于北斗rtk测量技术的放样数据采集传输方法，其特征在于，所述根据当前放样点和相邻历史放样点的预测差异特征值的差异特征、湿度差异特征对所述初始矩阵参数进行优化，获得自适应卡尔曼滤波器的步骤包括：

技术总结
本发明涉及数据滤波技术领域，具体涉及一种基于北斗RTK测量技术的放样数据采集传输方法；根据放样点的位置数据、放样点的位置数据与位置预测值的差异特征确定当前放样点是否为异常点，若为异常点时，根据放样点的位置数据和位置预测值获得预测差异特征值和差异序列；根据历史放样点的湿度变化特征、历史放样点的湿度数据序列和差异序列的变化趋势获得湿度影响值；根据湿度影响值对矩阵参数进行调整获得初始矩阵参数。本发明根据当前放样点和相邻历史放样点的预测差异特征值、湿度差异特征对初始矩阵参数进行优化，获得自适应卡尔曼滤波器并进行滤波，将滤波后的位置数据进行传输，提高了放样点位置测量的准确性。

技术研发人员：马新文,姜留涛,宁琳,左智刚,王安东,段锋,朱建锋,周建林,董卓,任英桥,徐欢
受保护的技术使用者：中铁二十局集团第六工程有限公司
技术研发日：
技术公布日：2024/12/5