浅谈大地测量数据融合模式及其分析

浅谈大地测量数据融合模式及其分析

涂琨 陈政

61175部队 江苏南京 210049

摘要：随着社会经济的发展以及科学技术的进步，现代测绘技术得到了极大的发展，各种先进的测量技术和设备逐渐应用在测量工作中。其中大地测量数据融合模式为大地测量工作。测绘工作提供了便利。通过数据融合分析，可以快速、有效的获得测量结果，指导各项活动的开展。因此本文通过简述大地测量技术的函数模型和随机模型，分析大地测量基准统一，通过实例研究大地测量数据融合模式的实施。旨在为大地测量技术的发展应用提供借鉴和参考。

关键词：大地测量；数据融合；分析

前言

大地测量工作的开展则需要根据待测区域的地形条件以及时间段等，选择科学合理的测量方法和技术。而采用不同的测量技术又需要不同的测量方案，测得结果会存在一定的偏差。比如测量方案和测量坐标的不同会影响测量数据的统一性，只有将不同测量结果中的数据进行融合，才能够得到相对准确的测量数据结果，最大限度的减少数据误差。大地测量数据融合模式即是将多种数据分析方式进行综合，从而保障大地测量数据结果的准确性，提高测量工作效率。

1 大地测量处理技术

1.1 函数模型

大地测量数据分析的主要技术方法之一即是建立函数模型，在大地测量数据融合模式中，函数模型是最为关键的组成部分。通过建立综合平差模型对采集到的测量数据进行整理分析，再经过平差处理，则可获得相对准确的数据结果。而通常在大地测量工作中主要采用的是附不等式约束最小二乘平差模型，在近年来随着测量理论的不断丰富以及测量实践经验的总结，对大地测量数据中产生的误差可以采用非线性模型进行分析，进一步提高大地测量结果数据的准确性^[1]。

1.2 随机模型

在大地测量工作中除了应用函数模型以外，为了保障数据分析模型能够相对较好的进行方差分量估计，则可以建立随机模型。其主要目的更好的协调几何观测以及物理观测之间的权重，充分发挥计算作用。同时能够协调全球卫星定位系统的子网，以便于保障大地测量结果数据的合理性和准确性。

2 大地测量基准统一

在开展大地测量数据融合模式之前，必须要规范大地测量基准的统一。在此基础上才能够实现多种类的测量技术数据在同一模型中进行分析，尽可能的降低测量误差。我国的大地测量基准自建国以后发生了多次变化，从建国初期的背景坐标系，发展到80年代的西安坐标系，再到21世纪初期的中国大地坐标系，虽然有较大的进步，但实际上仍未实现全面的基准统一，给大地测量数据融合模式的应用和发展带来了较大的影响。在最近几年，我国大地测量领域学者提出了三维坐标转换法，并适用于大旋转角。其是以方向余弦作为参数，可以应用在任何旋转角的空间之间坐标系中。同时由于三维坐标转换一般情况下注重对小旋转角的转换，这是因为小旋转角相对而言更便于线性化。而大旋转角的测量则需要改进祖业方法，将其转变为小旋转角进行转换。三维坐标转换法的提出将空间直角坐标转换问题，从大旋转角的非线性化参数独立转变为了准线性^[2]。同时进一步简化了参数形式和解算公式。提高了转换效率，基于模拟解算和实际解算分析，能够提高解算精度和收敛速度，更便于程序编制和灵活使用。在大地测量数据融合模式中，其可以采用静态滤波模型实现坐标的转换，利用4个公共点来计算参数相似坐标转换的参数初值，在利用任意两点能够准确的计算出尺度因子参数初值，最后可获得旋转参数以及平移参数的初值，再进行逐次平差。

3 大地测量数据融合模型病态分析

3.1 参数选择因素

在开展大地测量数据融合模式时，通常需要建立一个平差模型，并且在平差之前如不能了解和掌握所有的参数规律，则就会造成过度参数化的现象。导致的结果就会是参数之间出现一定程度的复共线性，致使模型出现病态。比如在对边网进行测量时，需要利用多台测距仪进行边长测量。而且在数据处理中为保障不同仪器存在的系统误差，通过采用附加参数的方式，而会导致过度参数化^[3]。

3.2 信息观测因素

在大地测量数据融合模式中，由于统计分析过程中出现采样不足或者是观测量不够，就会导致模型病态。在统计分析时，受到某些条件的限制和制约，子样采样仅为局部结果，这是设计矩阵会出现比较严重的复共线性，即是采样不足而导致的模型病态。另外在测量中，信息观测数据不够也会出现模型病态的情况，即是在后方交会的观测模式中，开展GPS定位时，需要两个历元的双差观测值进行LS估计，用时进行模糊度结算。不过在实践中经常会出现历元间隔较短，就会造成LS估计结果出现较大的偏差，无法正确的固定整周迷糊度，其主要原因是因为LS估计矩阵具有相对严重的病态性。

3.3 计算方法因素

导致大地测量数据融合模型病态的主要原因是由于计算方法选择不合理，如果在计算的过程中舍入误差较大，而且增长较为迅速，就会造成计算解与真解的误差较大，出现计算结果不稳定的局面；而有效的控制计算过程舍入误差增长的速度，则能够保障计算方法的稳定性，从而可以最大限度的保障精度准确性。

4 大地测量数据融合模式分析

以某地壳网络下的一个具有三期全球卫星定位系统观测数据的子网，开展大地测量数据模型分析。从中可以发现一旦观测信息不存在系统误差时，则在观测信息融合和各类观测单独平差结果融合的基础上，差异相对较小，如本次观测测量中坐标最大差异仅为2.9mm，均方差差异为0.75mm。并且因为在第1及第2期的观测数据中，单独平差的的单位权存在的误差和参数平均精度都有差异，在进过方差分量估计和调整之后，随机模型的分析结果准确度得到有效的改善。而如果随机误差比较小时，观测信息融合要比平差结果融合的精度更高，这是因为各类观测信息在单独平差后，就会消除掉观测值之间存在的不符值，致使平差结果融合所获得的参数误差相对较小。

另一方面，一旦观测信息存在系统误差时，则基于观测信息融合、平差结果融合的差异性较大。最大差异达到了81.9mm，差异均方差为29.9mm。这说明在观测信息数据融合基础上的内符合精度比在平差结果融合基础上更加优化、准确。出现这种现象的主要原因是大地测量观测模型中新增了系统参数，从而促使函数模型得到了一定的改善，进而增加了大地测量数据融合的科学性和可靠性。不过基于平差结果的数据融合模式即使在很大程度上顾及了系统误差所产生的影响，在随机模型中应用方差分量估计方法进行调整，可实际上因为误差被转移或者掩盖，反而导致大地测量数据融合结果的准确率不高，所以观测信息融合与平差结果融合会造成结果数据存在较大的差异。因此在大地侧量数据融合模式中需要收集原始观测信息，并采用观测信息的融合即可，不需要融合平差结果。在信息融合的过程中还需要进一步改进函数模型和随机模型，最大限度的保障大地测量数据融合的可靠性。

结束语

综上所述，大地测量数据融合模式的发展促使测量工作数据的误差较小，所以在数据融合分析技术中，需要加强对函数模型和随机模型的认识，采用三维坐标转换法，实现大地测量基准的统一，为数据融合分析奠定基础。在实际的大地测量数据融合过程中只需要融合观测信息，不采用平差结果的融合，并在改进函数模型和随机模型的基础上，实现大地测量数据融合的合理性和科学性，保障相关测量工作有序、高效开展。

参考文献：

[1]常亮.大地测量与GPS数据处理实践教学探讨[J].科技视界,2019(05):183-184.

[2]赵林.大地测量数据融合模式及其分析[J].中国高新区,2018(07):19.

[3]米文锋.大地测量数据融合模式及其分析[J].科技经济导刊,2017(23):20.