城市環境下非視距信號探測改正方法

王 翀，姬生月，王振杰

(中國石油大學(華東) 地球科學與技術學院，山東 青島 266580)

0 引言

全球定位系統(global positioning system，GPS)在20世紀90年代正式投入運行之后，擴展了導航定位、工程測量等領域的測量手段，在陸地、海洋、太空等不同環境中得到了廣泛應用[1-4]。隨著GPS的現代化和北斗衛星導航系統(BeiDou navigation satellite system，BDS)的快速建設，全球導航衛星系統(global navigation satellite system，GNSS)定位服務的需求量在日常生活中逐漸增加；因此保障定位精度和定位連續性成為重要研究內容。然而，在城市、峽谷等復雜觀測環境中，衛星信號遮擋嚴重，可見衛星數少、衛星星座結構不理想、多路徑效應明顯，導致定位精度和連續性下降[5-7]。其中非視距(none line of sight，NLOS)信號誤差對定位精度的影響最為嚴重，定位偏差可達數十米[8-10]，使得傳統定位方法無法滿足行人和車輛在城市環境下導航定位的精度要求，限制了GNSS的應用與發展。

城市環境定位中，在已知接收機周圍建筑物分布、建筑物幾何結構等觀測環境信息的前提下，通過對接收機接收到的衛星信號進行傳播路徑的模擬，可以對衛星信號進行區分，從而判別視距信號與非視距信號，進而對非視距信號誤差進行處理[10-12]。近年來，有學者結合3D建筑物模型進行了城市遮擋環境下的定位方法研究，文獻[10]建立了Urban Trench模型，利用衛星高度角、方位角信息與建筑物模型對非視距信號進行探測，并對非視距信號進行改正，提高定位精度的同時保證了遮擋環境下足夠數量的衛星觀測值。

基于上述分析，本文將詳細研究Urban Trench方法[10]，在重新構造衛星信號遮擋模型的基礎上，提出一種改進的Static Trench方法對非視距信號進行探測與改正。基于自主編寫的GNSS數據處理程序解算遮擋環境下實測數據，驗證非視距信號探測與改正方法的有效性，并對改正前后的定位精度和定位連續性進行比較分析。

1 非視距信號探測與改正模型

1.1 衛星信號遮擋分析

圖2 非視距信號傳播路徑

城市環境中街道兩側建筑物數量多、密度大，信號遮擋與反射現象頻繁，非視距信號增多，導致偽距觀測值異常，定位精度出現較大偏差[13-14]。假設街道沿直線延伸，兩側建筑物互相平行，衛星信號傳播原理如圖1所示。待通信2點間視線受阻(虛線細線所示)，信號經建筑物反射進入接收機(實線細線所示)，產生非視距信號，傳播路徑如圖2所示。其中：Astr為街道方位角；HL和HR分別為街道左側和右側的建筑物高度；W為街道寬度；WL和WR分別為接收機到左側建筑物和右側建筑物的距離。利用已有信息可構造如下變量：β為衛星方位角與街道方位角差值，用于區分衛星所處街道左側或右側；eL和eR分別為左側和右側建筑物遮擋下的衛星截止高度角。

1.2 非視距信號探測與改正

遮擋環境下，由于非視距信號的存在，直接對觀測數據進行計算會出現較大定位偏差；需要對進入接收機的衛星信號進行處理，對非視距信號進行探測與改正，以保證定位精度。根據非視距信號的產生原因，利用街道兩側建筑物遮擋截止高度角與衛星高度角的關系可對非視距信號進行探測。Urban Trench方法中，街道兩側水平方向180°范圍均被定義為建筑物遮擋區域，當衛星高度角低于建筑物遮擋截止高度角，即判斷衛星信號為非視距信號。為提高非視距信號正確探測幾率，本文結合建筑物實際遮擋情況構造方位角遮擋閾值，對Urban Trench方法進行優化，得到改進的Static Trench方法，如圖3所示。其中，aL和aR分別為街道左側和右側建筑物對接收機的水平遮擋角度。由圖3可見，沿街道方向有一塊非視距信號自由區，該區域內無信號遮擋與信號反射。

圖3 方位角遮擋閾值

非視距信號經反射進入接收機，假設衛星信號在建筑物表面發生鏡面反射，結合衛星的方位角和高度角，可以確定信號的反射次數和額外傳播距離，理論上信號反射次數不超過3次[10]，本文只對信號1次反射情況進行探測與改正，結合圖2，得到Static Trench方法改進方位角遮擋閾值后的截止高度角和信號額外傳播距離等參數，如表1、表2所示。其中：aL1、aL2和aR1、aR2分別為與街道方位角作差后，左右兩側建筑物的遮擋起止閾值；Δρ為偽距額外傳播距離，即非視距信號誤差；e為衛星高度角。考慮方位角約束，在衛星高度角小于信號遮擋截止高度角，且大于一次反射高度角的情況下，衛星信號經建筑物一次反射進入接收機，產生非視距信號誤差。由圖2可知，對偽距觀測值，非視距信號相比直射信號存在一段額外傳播路徑，將信號額外傳播距離從非視距信號原始偽距觀測值中剔除，即可實現非視距信號的改正，得到正確的偽距觀測值。結合建筑物參數信息進行非視距信號探測與剔除過程中，無需得到建筑物絕對位置先驗信息，建立接收機與建筑物之間的相對位置模型即可。

表1 Static Trench方法遮擋參數統計

表2 Static Trench方法一次反射參數統計

2 實驗與結果分析

2.1 實驗概況

本文數據源自青島中國石油大學(華東)校園遮擋環境實測數據，選取平行建筑物間街道作為實驗地點，實驗環境如圖4所示，數據采集采用Trimble R10接收機。街道方位角及建筑物高度等參數如表3所示。數據處理分別利用原始偽距觀測值、剔除非視距信號的偽距觀測值、Urban Trench方法及Static Trench方法改正非視距信號誤差后的偽距觀測值進行偽距單點、差分定位解算。

圖4 實驗環境

街道寬度參數建筑物高度參數WL/mWR/mHL/mHR/m街道方位角/(°)15.716.822.222.152.8

為驗證誤差改正模型的有效性，消除定位中濾波方法在歷元間的影響，本文采用原始最小二乘方法進行數據解算。在多系統融合定位情況下，基于多模時空統一理論，將不同衛星系統的時間和空間系統進行統一[15-16]。

2.2 非視距信號剔除方法定位結果統計

非視距信號正確探測后可直接剔除或進行改正。為比較非視距信號改正方法與剔除方法的定位精度和定位連續性，驗證非視距信號改正方法的優勢，本文首先對剔除非視距信號的原始觀測值進行計算，得到觀測時段內2個實驗點非視距信號剔除前后的衛星信息及定位統計結果，如表4、表5所示。非視距信號剔除后，可用衛星數下降，有解歷元明顯減少。從2個實驗點平面坐標均方根(root mean square，RMS)值可以看出，非視距信號剔除后，定位精度顯著提升。采用單點定位方法，2個實驗點平面RMS值較誤差剔除前分別提高20.1 %和37.4 %；為削弱大氣誤差(電離層誤差、對流層誤差)和鐘差[17]，突出非視距信號誤差對定位精度的影響，本文又采用差分定位方法對實驗數據進行處理，2個實驗點平面RMS值分別達到4.04和5.08 m，較誤差剔除前分別提高72.7 %和65.5 %。

非視距信號剔除后，定位精度有明顯提升；但城市、峽谷等復雜環境中可見衛星數較少，非視距信號的剔除使得衛星信號數量進一步減少，部分歷元無法求解定位結果，導致定位連續性下降。

表4 非視距信號剔除定位結果統計(1 391個點)

表5 非視距信號剔除定位結果統計(2 017個點)

2.3 非視距信號改正方法定位結果統計

由于城市環境的特殊性，為保證衛星信號數量、提高定位連續性，本文對非視距信號進行改正并保留改正后的非視距信號參與計算。Urban Trench方法對信號額外傳播距離進行模擬，從而改正非視距信號誤差，進而得到正確的偽距觀測值。水平方向上，建筑物對接收機的遮擋采用經驗閾值；Static Trench方法優化建筑物遮擋模型，得到更準確的方位角遮擋閾值，從而提高非視距信號正確探測與改正的幾率。本實驗中Urban Trench 方法和Static Trench方法的實測方位角遮擋閾值如表6所示。觀測時段內2個實驗點在建筑物遮擋下的衛星星空圖如圖5、圖6所示，在衛星處于遮擋方位角范圍內，且高度角小于信號遮擋截止高度角的情況下，衛星信號即可判斷為非視距信號。

表6 Urban Trench/ Static Trench方法方位角遮擋閾值 (°)

分別采用Urban Trench方法和Static Trench方法，計算得到觀測時段內2個實驗點非視距信號改正前后的衛星信息及定位統計結果，如表7、表8所示。不同于直接剔除非視距信號，2種方法觀測時段內可用衛星數量均沒有明顯減少，有解歷元均大于95 %。從差分定位平面RMS值統計結果可以看出：采用Urban Trench方法，2個實驗點平面RMS值分別達到10.74和12.38 m，較誤差改正前分別提高27.7 %和16.1 %；采用Static Trench方法，2個實驗點平面RMS值分別達到7.59和10.06 m，較誤差改正前分別提高48.8 %和31.8 %。

圖5 衛星星空圖及建筑物遮擋(1 391個點)

圖6 衛星星空圖及建筑物遮擋(2 017個點)

表7 非視距信號改正定位結果統計(1 391個點)

利用2種方法對非視距信號誤差改正后，定位精度均有所提升，Static Trench方法對定位精度的提升更為明顯，證明了方法的有效性。結合2.2節實驗統計可見：非視距信號誤差改正后的定位精度略低于誤差剔除后的定位精度；但采用誤差改正方法避免了可用衛星數量顯著減少，能夠保證定位的連續性。

表8 非視距信號改正定位結果統計(2 017個點)

3 結束語

城市遮擋環境下定位誤差增大，定位精度明顯降低。為實現非視距信號的正確探測與改正，本文在優化Urban Trench方法衛星信號遮擋模型的基礎上提出了Static Trench方法，同時采用差分算法突出了非視距信號誤差對定位精度的影響。結合建筑物遮擋模型和遮擋環境下的實測數據，對非視距信號探測與改正方法的有效性進行了驗證，并對改正前后的定位精度和定位連續性進行了比較分析，結論如下：

1)剔除非視距信號進行定位精度較高，但提高定位精度的同時可用衛星數變少，導致定位連續性下降；

2)Urban Trench方法及Static Trench方法均能夠提高遮擋環境下的定位精度、改善定位效果。較原始定位方法，定位精度分別提高約28 % 和49 %，并且可用衛星數量無明顯降低，保證了定位連續性；

3)Static Trench方法優化了建筑物遮擋模型，構造了更準確的衛星信號判別閾值。實驗結果表明，較Urban Trench方法，Static Trench方法定位精度有明顯提高，改善了定位精度與定位連續性不可兼得的情況；

4)采用差分算法更好地削弱了大氣誤差(電離層誤差、對流層誤差)、衛星鐘差等誤差項，突出了非視距信號誤差對定位精度的影響，效果優于單點定位中采用誤差估計模型對誤差項的估計。

利用非視距信號探測與改正模型能有效提高遮擋環境下定位精度、保證定位連續性。為進一步提高遮擋環境下動態測量的定位精度，下一步工作將針對動態測量中非視距信號的探測與改正模型展開研究。

[1] 李征航，黃勁松.GPS測量與數據處理[M].武漢：武漢大學出版社，2005.

[2] MUELLERSCHOEN R J.NASA’s global DGPS for high-precision users[J].GPS World，2001，12(1)：14.

[3] LANDAU H，CHEN X，KLOSE S，et al.Trimble’s RTK and DGPS solutions in comparison with precise point positioning[M].Berlin：Springer Berlin Heidelberg，2009：709-718.

[4] BETAILLE D，PEYRET F，IFSTTAR，et al.Applying standard digital map data in map-aided，lane-level GNSS location[J].Journal of Navigation，2015，68(5)：827-847.

[5] HSU L T，CHEN F，KAMIJO S.Evaluation of multi-GNSSs and GPS with 3D map methods for pedestrian positioning in an urban canyon environment[J].Ieice Transactions on Fundamentals of Electronics Communications & Computer Sciences，2015(1)：284-293.

[6] GU Y，HSU L T，SHUNSUKE K.Passive sensor integration for vehicle self-localization in urban traffic environment[J].Sensors，2015，15(12)：30199-220.

[7] 唐衛明，徐坤，金蕾，等.北斗/GPS組合偽距單點定位性能測試和分析[J].武漢大學學報(信息科學版)，2015，40(4)：529-533.

[8] PEYRAUD S，BéTAILLE D，RENAULT S，et al.About non-line-of-sight satellite detection and exclusion in a 3D map-aided localization algorithm[J].Sensors，2013，13(1)：829.

[9] PEYRET F，BETAILLE D，CAROLINA P，et al.GNSS autonomous localization：NLOS satellite detection based on 3-D maps[J].IEEE Robotics & Automation Magazine，2014，21(1)：57-63.

[10] BETAILLE D，PEYRET F，ORTIZ M，et al.A new modeling based on urban trenches to improve GNSS positioning quality of service in cities[J].IEEE Intelligent Transportation Systems Magazine，2013，5(3)：59-70.

[11] MIURA S，HISAKA S，KAMIJO S.GPS positioning with multipath detection and rectification using 3D maps[J].Seisan Kenkyu，2014，66：109-115.

[12] HSU L T，GU Y，KAMIJO S.3D building model-based pedestrian positioning method using GPS/GLONASS/QZSS and its reliability calculation[J].GPS Solutions，2016，20(3)：413-428.

[13] WANG L，GROVES P D，ZIEBART M K.GNSS shadow matching：improving urban positioning accuracy using a 3D city model with optimized visibility scoring scheme[J].Navigation - Journal of the Institute of Navigation，2013，60(3)：195-207.

[14] GU Y，HSU L T，KAMIJO S.Passive sensor integration for vehicle self-localization in urban traffic environment[J].Sensors，2015，15(12)：30199-30220.

[15] 高星偉，過靜珺，程鵬飛，等.基于時空系統統一的北斗與GPS融合定位[J].測繪學報，2012，41(5)：743-748.

[16] 李鶴峰，黨亞民，秘金鐘，等.BDS與GPS、GLONASS多模融合導航定位時空統一[J].大地測量與地球動力學，2013，33(4)：73-78.

[17] 黨亞民，秘金鐘，成英燕.全球導航衛星系統原理與應用[M].北京：測繪出版社，2007.