GNSS靜態數據批量預處理方法研究及實現

張凌源 黎鵬 楊柳

摘要：GNSS靜態數據預處理是GNSS靜態測量數據處理的重要一環，現階段的GNSS靜態數據預處理方法以人工干預為主，自動化程度較低，數據處理的效率和準確率均有待提高。為解決上述問題，提出了一套GNSS靜態數據自動化預處理方法，并基于Python語言開發靜態數據預處理軟件，完成了GNSS靜態數據檢查、RENIX數據歸類、RENIX數據改正、靜態數據質量報表輸出等功能。長江水利委員會大江大河水文監測系統建設工程實踐表明：使用該軟件后，大幅提高了靜態數據預處理效率，明顯降低了內業人員的勞動強度，且有效保證了成果質量。

關鍵詞：數據預處理;GNSS靜態測量;自動化;批量處理;TEQC;TBC

中圖法分類號：P128.1文獻標志碼：ADOI：10.15974/j.cnki.slsdkb.2021.05.013

文章編號：1006 - 0081（2021）05 - 0054 - 04

1 GNSS靜態數據處理概述

在現代控制測量中，GNSS靜態測量方法相對于傳統測量方法具有高精度、全天候、無需通視等顯著優勢，因而被廣泛應用，已成為現代化測量過程中不可或缺的技術手段[1]。

在大型GNSS靜態測量項目中，因觀測時段繁多、數據體量巨大，導致人工預處理勞動強度大，處理效率和準確率有待提高。研究GNSS靜態數據自動化預處理方法很有必要，借助自行開發靜態數據預處理軟件，對GNSS靜態數據檢查、RENIX數據歸類、RENIX數據改正、靜態數據質量報表輸出等預處理流程，實現自動化，提高數據處理效率，保證成果質量。

完整的GNSS靜態測量數據處理流程如圖1所示。從圖1可以看出，每個階段的GNSS靜態觀測數據是按觀測時段處理完成的。主要是因為按時段整理的GNSS靜態觀測數據具有更強的通用性和普適性，方便應用于不同軟件的交互處理。

為簡化表述，下文中的GNSS靜態數據默認為已經按時段分類整理的GNSS靜態原始數據。

2 靜態數據預處理流程

靜態數據預處理步驟如下：

（1）利用靜態數據預處理軟件，根據觀測階段的測站信息對GNSS靜態數據進行合理性檢查，生成檢測報告，根據報告完善GNSS靜態數據。

（2）根據上一步的GNSS靜態數據，利用程序對RENIX數據按時段整理歸類，并將測站信息和RENIX數據融合。

（3）執行程序的靜態數據質量報表輸出功能，生成數據質量報表，剔除質量較差的數據。

靜態數據預處理流程如圖2所示。

3 GNSS靜態數據預處理軟件功能

3.1 靜態數據檢查

在大型項目中，GNSS靜態觀測數據可能多達數萬個，在外業觀測階段的按時段歸類整理過程中極有可能出現紕漏。因此，需要對人工初步整理的靜態觀測數據進行檢查，來彌補和糾正可能出現的紕漏，保證GNSS靜態數據的完整性和準確性。GNSS靜態數據檢查之前需要準備測站信息表和統一轉化的RENIX數據。針對人工歸類的不足，程序會從以下3個方面進行檢查。

（1）測站信息表的合理性檢查。同時段的點名、觀測者、桿高等信息不可能或只有極小概率重復。

（2）GNSS靜態數據的同步性檢查。根據觀測時間判斷歸類是否正確。

（3）測站信息表與GNSS靜態數據的一致性檢查。根據二者的相互匹配結果判斷歸類的正確性。

在執行GNSS靜態數據檢查之后，根據檢查報告，逐一完善GNSS靜態數據，直至檢查通過。

3.2 RENIX數據歸類

利用TBC可以實現靜態觀測數據文件到RENIX數據文件的批量轉換，可以一次性轉換數千個文件。雖然轉換方便，但也存在弊端。TBC轉換的RENIX數據文件會輸出到同一個指定路徑，這將導致RENIX數據文件失去按時段歸類的特性;而采用分觀測時段逐步轉換又非常繁瑣，大型項目可能有數千個時段，人工操作耗時耗力。

鑒于上述原因，GNSS靜態數據預處理程序提供“RENIX數據歸類”的功能，將TBC批量轉換的RENIX格式文件參照上一步的GNSS靜態數據自動進行歸類，通過這一步操作，可成功完成靜態數據到RENIX數據的轉換。轉換后的RENIX數據保留了按時段歸類的特性。數據轉換前后的文件組織結構如圖3～4所示。

3.3 RENIX數據改正

在GNSS靜態數據處理流程中，在基線解算之前，點名、桿高等測站信息必須融合到靜態數據中。現階段的處理方式以人工干預為主，存在勞動強度大、效率較低、準確率無法保證等問題。針對這些突出問題，GNSS靜態數據預處理程序提供了“RENIX數據改正”功能，可根據測站信息自動改正RENIX數據文件，大幅度提高了靜態數據預處理效率。

3.4 輸出數據質量報表

3.4.1 TEQC軟件介紹

TEQC是Unavco Faclity研制的公開免費軟件，建立在DOS操作命令基礎上，可以處理GNSS靜態觀測數據。它利用偽距觀測值和載波相位觀測值的線性組合來進行GNSS數據中的誤差估計，在快速評定GNSS數據質量方面且簡單易用、高效可靠的優點，能提供電離層延遲誤差、電離層延遲變化率、信噪比、數據有效率、MP1、MP2等反映觀測數據質量的指標參數[2]。

3.4.2 信息提取

GNSS原始觀測數據包含儀器類型、儀器編號、空間信息、靜態觀測的開始時間、結束時間等基本信息。將原始觀測數據轉化為RENIX格式數據之后，對這些基本信息進行提取，結合外業階段的測站信息，可以合成一個完整的測站信息表。但是僅包含這些基本信息，對后續的基線處理和網平差幫助有限，因此，前期處理時，需要對原始數據的觀測質量輸出一個統計報表。

利用TEQC公開免費、DOS操作的特性，可以編寫腳本，將TEQC集成，在提取測站基礎信息的基礎上，再融合觀測數據質量參數，批量輸出靜態數據質量報表，形成階段性成果，無論是作為項目成果提交，還是服務于后續的數據處理，都有重要意義。

4 工程實例

參照之前的處理流程與軟件功能介紹，選擇長江中游某E級基礎控制網測量項目進行檢驗，該項目共包含46個時段，348個原始觀測文件，2 060個RENIX數據文件，外業觀測時間跨度為18 d，屬于中型靜態觀測項目。

在外業觀測階段已準備好按時段歸類的靜態觀測數據、測站信息表、RENIX數據。執行“靜態數據檢查”功能，檢查過程耗時13.16 s，得到檢查結果如圖5所示。

根據提示信息對上面的數據進行核對完善，再執行“RENIX數據分類”功能，對2 060個RENIX數據文件按觀測時段進行歸類，該過程耗時71.00 s，如果是人工手動分類，耗時預估約為2 h，效率提升約100倍，分類完成之后再執行“RENIX數據改正”功能，對RENXI數據中的348個O文件進行改正，該過程耗時44.60 s，如果是人工手動逐文件改正，預估時間為2 h，效率提升約160倍，而且程序能保證數據改正準確率為100%，數據改正示例如圖6～7所示。

通過文件改正前后對比可以看出，最關鍵的測站點名、天線高等測站信息已經成功改正。

最后再執行“質量報告輸出功能”，示例如表1所示。

5 結論與建議

通過以上論述和樣本數據分析，可得出如下結論。

（1）本文提出的GNSS靜態數據批量預處理可以實現GNSS靜態數據的批量自動化處理，能夠有效減小靜態測量內外業工作強度，大幅提高數據處理效率。

（2）GNSS靜態數據批量預處理流程可以通過關鍵信息提取功能，批量輸出測站信息綜合報表，為后續靜態數據處理提供有力的支撐。

對后續GNSS靜態數據批量預處理流程提出如下建議。

（1）加深對TEQC軟件的挖掘，利用TEQC對RENIX文件進行批量的切割和合并，進一步提高靜態數據預處理的質量。

（2）轉換RENIX數據文件的功能也可以考慮兼容到預處理軟件中，形成一套完整的、獨立的數據預處理流程。

參考文獻：

[1] 袁霆.? GPS靜態測量在控制測量中的應用分析[J].? 中國設備工程， 2018（12）：82-83.

[2] 李強.? TEQC在GNSS短時間靜態定位數據預處理中的應用研究[J]. 華北國土資源， 2015（4）：108-110.

（編輯：唐湘茜）

Abstract：GNSS static data preprocessing plays an important role in GNSS static measurement data processing. The current GNSS static data preprocessing method is mainly through manual intervention，which is low in automation degree ，and the efficiency and accuracy of data processing need to be improved. In order to solve the above problems， an automatic preprocessing method for GNSS static data is proposed and static data preprocessing software based on the Python platform is developed， which can realize the functions of GNSS static data inspection， RENIX data classification， RENIX data correction， static data quality report output etc. The practice of Changjiang Water Resources Committee hydrological monitoring system for large rivers has shown that with the help of this program， the efficiency of static data preprocessing has been greatly improved， the labor intensity of the staff is significantly reduced， and the quality of the results is guaranteed .

Key words： data preprocessing; GNSS static measurement; automation; batch processing; TEQC; TBC