1.本发明涉及基于小波分析的定位测量数据粗差剔除系统及方法，属于gnssrtk测量数据处理技术领域。
背景技术：2.全球卫星导航系统(globalnavigationsatellitesystems，gnss)精密动态实时相对定位，简称gnssrtk(realtimekinematic)，通过对接收机间和星间做差消除卫星轨道误差、大气传播延迟误差以及卫星和接收机钟差等误差源，再利用高精度的载波相位观测量，可以实现厘米级甚至毫米级精度的定位。同时，gnssrtk定位技术融合了gps、glonass、bds和galileo四种卫星导航系统，大大提高了可见卫星的数量，得到更好的卫星分布，极大地提高了rtk的定位精度。
3.rtk定位技术的关键在于求解相位整周模糊度。准确快速地解算出整周模糊度必须具备两个前提条件：首先要准确地解算出模糊度浮点解，主要是采用最小二乘估计；其次采用较好的模糊度搜索策略进行模糊度固定。lambda法(leastsquareambiguitydecorrelationadjustment，最小二乘模糊度降相关平差法)是目前被认为搜索速度较快、较可靠，理论上相对严密的模糊度解算算法。lambda法首先通过最小二乘法或kalman滤波法得到模糊度的浮点解，然后根据浮点解建立搜索空间。lambda方法对模糊度的浮点解进行降相关处理，建立整数模糊度搜索空间，然后根据一定判断标准，在建立起来的搜索空间中搜索出整数模糊度。
4.在实际工程应用中，rtk会受卫星状况限制、天空环境影响、数据链路传输干扰和限制、作业距离大、精度和稳定性等问题影响。在快速定位情况下，当观测时间较短时，双差方程组的病态性严重，模糊度浮点解的精度较差，无法正确搜索和固定整周模糊度；随着观测时间的增加，站星几何结构发生了变化，方程组的病态性得到改善，才能得到较高精度的模糊度浮点解。所以，gnssrtk的测量数据会出现异于实际数据的粗大误差数据，需要剔除这些粗大误差数据以满足实际工程需要。
5.小波分析具有带通滤波的功能，能对原始信号进行有效分频，实现在不同尺度上将粗差和噪声分开。小波分析还具有多分辨率的特点，可以很好地获得信号的局部化特性，聚焦信号更多的细节部分，对局部信号中突变信号的检测非常有效。因此，在数据统计规律不明确的情况下，小波分析能够对含粗差数据序列进行粗差检测和剔除。在进行gnssrtk测量数据粗差剔除时，可将观测值视为一组信号，粗差则是这组信号中的突变点，利用小波分析来剔除这些突变点。gnssrtk测量数据属于非平稳信号，且精度较高。所以，gnssrtk测量数据经过小波变换后，高层的高频信号信噪比较高，直接使用小波分析阈值去噪，会影响原始信号的有效高频信号。
技术实现要素：6.本发明的目的在于克服现有技术中的不足，提供基于小波分析的定位测量数据粗
差剔除系统及方法，可以有效准确剔除gnssrtk测量数据粗差的同时，还能够保留测量数据的有效高频信息。
7.为达到上述目的，本发明是采用下述技术方案实现的：
8.第一方面，本发明提供了基于小波分析的定位测量数据粗差剔除方法，包括：
9.获取gnssrtk测量数据；
10.通过小波基函数和分解层数对gnssrtk测量数据进行小波变换，得到高频信息和低频信息；
11.基于高频信息确定进行小波阈值处理的高频系数层，在确定的高频系数层使用基于3σ准则的算法进行粗差剔除；
12.将分解后的低频信息和处理后的高频信息进行小波逆变换重组，得到剔除粗差的数据；
13.采用硬阈值法去除剔除粗差后高度方向观测数据中的噪声成分。
14.进一步的，gnssrtk测量数据为：
[0015][0016]
式中，f(t)为gnssrtk测量数据，s(t)为真实测量数据，n(t)为噪声，t为粗差点，
[0017]
通过小波基函数和分解层数对gnssrtk测量数据进行小波变换，得到高频信息和低频信息，包括将gnssrtk测量数据多分辨表示为：
[0018]
f(t)＝f
j-1
(t)+d
j-1
(t)＝f
j-2
(t)+d
j-2
(t)+d
j-1
(t)＝
…
＝fm(t)+dm(t)+d
m+1
(t)+
…
+d
j-1
(t)
[0019]
其中：
[0020][0021][0022]fm
(t)表示fj(t)的低频成分，而dm(t)、d
m+1
(t)
…dj-1
(t)表示fj(t)的不同分辨率下的高频成分，是尺度系数，是小波系数，是信号多分辨分析l尺度下的尺度函数，dj(t)是信号多分辨分析l尺度下的展开系数，vj是多分辨分析的子空间，wj是多分辨分析的小波子空间。
[0023]
进一步的，基于高频信息确定进行小波阈值处理的高频系数层，包括：
[0024]
取不同分解层数和高频系数层数，进行小波阈值去噪，计算除去粗差后信号与原始信号的信噪比snr和均方误差rmse，选择信噪比最大，均方误差最小的分解层数和高频系数层数组合，其中：
[0025]
计算信噪比snr的公式为：
[0026]
[0027]
计算均方误差rmse的公式为：
[0028][0029]
其中，f(i)表示原始信号，表示重新组合的信号，n则表示信号长度。
[0030]
进一步的，在确定的高频系数层使用基于3σ准则的算法进行粗差剔除，包括：
[0031]
计算小波系数均方值：
[0032][0033]
式中，σ表示小波系数均方值，di表示某一小波分解层中第i个小波系数，n则表示信号长度；
[0034]
将小波变换系数中大于3σ的系数置为0，其他保持不变，此时，3σ就是每一个分解尺度上小波系数的阈值；
[0035]
重新计算高频系数的均方值，判断小波系数中是否存在大于3σ的值；
[0036]
响应于小波系数中存在大于3σ的值，则重新计算小波系数均方值，将小波变换系数中大于3σ的系数置为0后，再重新计算高频系数的均方值并判断小波系数中是否仍存在大于3σ的值；
[0037]
响应于小波系数中不存在大于3σ的值，完成粗差剔除。
[0038]
进一步的，将分解后的低频信息和处理后的高频信息进行小波逆变换重组，得到剔除粗差的数据，包括：
[0039]
将分解后的低频信息和处理后的高频信息进行小波逆变换重组所得到三个方向剔除粗差的数据，通过双尺度方程对应的滤波器系数{hn,n∈z}，{gn,n∈z}，使用第j-1层系数重构第j层小波系数和尺度系数，递归应用使用小波重构算法得到小波变换恢复信号，第j层尺度系数计算公式为：
[0040][0041]
其中，为第j层尺度系数，为第j-1层尺度系数，为第j-1层小波系数。
[0042]
进一步的，小波变换的第j层系数通过滤波器系数通过滤波器系数获得第j-1层系数的分解式，计算如下式所示：
[0043]
[0044]
式中，为j尺度下的尺度函数，ψ
j,n
为j尺度下的小波函数。
[0045]
进一步的，采用硬阈值法去除剔除粗差后高度方向观测数据中的噪声成分，包括：
[0046]
采用硬阈值法去除高度方向观测数据中的噪声成分，选取小波基函数，通过试探性的方法确定最优分解层数，采用经验公式计算得到每个尺度系数的阈值，在小波变换每一层进行小波阈值处理，经验公式为：
[0047]
σj＝median(d
j,k
)/0.6745
[0048]
其中，λj为小波去噪的阈值，median为计算中位数函数，d
j,k
第j层高频系数层的小波系数；
[0049]
通过小波阈值去噪法估计每个尺度新的小波系数，对每个尺度新的小波系数使用小波逆变换进行重构，得到去噪后的高度方向的测量数据，每个尺度新的小波系数为：
[0050][0051]
其中，为每个尺度新的小波系数，sign为符号函数，w
j,k
为每个尺度的旧的小波系数。
[0052]
第二方面，本发明提供了基于小波分析的定位测量数据粗差剔除系统，包括：
[0053]
数据获取模块：用于获取gnssrtk测量数据；
[0054]
小波变换模块：用于通过小波基函数和分解层数对gnssrtk测量数据进行小波变换，得到高频信息和低频信息；
[0055]
粗差剔除模块：用于基于高频信息确定进行小波阈值处理的高频系数层，在确定的高频系数层使用基于3σ准则的算法进行粗差剔除；
[0056]
重组模块：用于将分解后的低频信息和处理后的高频信息进行小波逆变换重组，得到剔除粗差的数据；
[0057]
噪声去除模块：用于采用硬阈值法去除剔除粗差后高度方向观测数据中的噪声成分。
[0058]
与现有技术相比，本发明所达到的有益效果：
[0059]
本发明将小波分析技术应用于gnssrtk测量数据处理，使用基于3σ准则的算法确定粗差剔除的小波去噪阈值，对gnssrtk三个方向的数据进行粗差处理，可以准确地剔除gnssrtk观测数据的粗大误差，在有效准确剔除gnssrtk测量数据粗差的同时，还能够保留测量数据的有效高频信息，满足工程对高精度定位的要求，使定位的数据的能够满足实际工程应用。
附图说明
[0060]
图1是本发明实施例一提供的基于小波分析的定位测量数据粗差剔除粗差剔除方法的流程图；
[0061]
图2是本发明实施例一提供的不同小波分解原始信号与各层分解信号图；
[0062]
图3是本发明实施例一提供的基于3σ准则的算法确定阈值进行粗差剔除的流程图；
[0063]
图4是本发明实施例一提供的经度方向使用三种方法剔除粗差后的信号与对应原始信号的差值对比图；
[0064]
图5是本发明实施例一提供的纬度方向使用三种方法剔除粗差后的信号与对应原始信号的差值对比图；
[0065]
图6是本发明实施例一提供的高度方向剔除粗差后的信号与对应原始信号的差值图；
[0066]
图7是本发明实施例一提供的高度方向小波降噪效果图。
具体实施方式
[0067]
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
[0068]
实施例一：
[0069]
基于小波分析的定位测量数据粗差剔除粗差剔除的方法，请参阅图1，包括以下步骤，
[0070]
一、选取小波基函数和分解层数对gnssrtk测量数据进行小波变换，得到高频信息和低频信息。其中：
[0071]
选取合适的小波基函数，适合于检测奇异信号的小波函数可以考虑以下4个条件：ψ(t)有紧支集；ψ(t)连续可微；ψ(t)有阶消失矩；ψ(t)具有对称性。实践过程中常选用正则性和紧支性较好的，能够满足信号刻画的光滑性、稳定性及较好的局部性。dbn小波满足以上的要求，其特点是随着n值的增加，消失矩阶数越大，消失矩越高光滑性就越好，频域局部能力就越强，但不具有对称性。symn小波是对dbn小波基函数的一种改进，具有更好的对称性，在一定程度上能够减少对信号进行分析和重构时的相位失真，保证剔除粗差后的数据不会丢失有效的高频信息；
[0072]
选取小波基函数对gnssrtk测量数据进行小波变换，得到小波变换的高频信息和低频信息。gnssrtk测量数据用函数描述为：
[0073][0074][0075]
式中，f(t)为gnssrtk测量数据，s(t)为真实测量数据；n(t)为噪声；式中，f(t)为gnssrtk测量数据，s(t)为真实测量数据；n(t)为噪声；否则对于任意f(t)都存在如下式所示的多分辨表示：
[0076]
f(t)＝f
j-1
(t)+d
j-1
(t)＝f
j-2
(t)+d
j-2
(t)+d
j-1
(t)＝
…
＝fm(t)+dm(t)+d
m+1
(t)+
…
+d
j-1
(t)
[0077]
其中：
[0078]
[0079][0080]
式中，fm(t)表示fj(t)的低频成分，而dm(t)、d
m+1
(t)
…dj-1
(t)表示fj(t)的不同分辨率下的高频成分，是尺度系数，是小波系数，是多分辨分析l尺度下的尺度函数，dj(t)是信号的l尺度展开系数，vj是多分辨分析的子空间，wj是多分辨分析的小波子空间。
[0081]
小波变换的第j层系数通过滤波器系数获得第j-1层系数的分解式，计算如下式所示：
[0082][0083]
式中，为第j层尺度函数，ψ
j,n
为第j层小波函数，令令则c
j-1
和d
j-1
可以分别看成cj的低频信号和细节信号，即低频系数和高频系数。递归应用小波分解算法，则可以得到信号cj的低频信号cm以及在不同分辨率下的细节信号dm，d
m+1
，d
j-1
，cm，dm，d
m+1
，
…dj-1
为cj的小波变换。
[0084]
二、基于高频信息确定进行小波阈值处理的高频系数层，在确定的高频系数层使用基于3σ准则的算法进行粗差剔除。其中：
[0085]
输入一段时间rtk流动站经度，纬度和高度三个方向含粗差的测量数据；
[0086]
选取小波基函数：使用sym8对经度方向的数据进行5层分解，结果见图2。经过对比发现，粗差在sym4、sym6、sym7、sym8的小波分解的高频系数层第1、2、3层都有清晰的体现，且sym8最清晰，对粗差的识别最好；
[0087]
确定分解层数和高频系数层：取不同分解层数和高频系数层数，进行小波阈值去噪，计算除去粗差后信号与原始信号的信噪比snr和均方误差rmse，选择信噪比最大，均方误差最小的分解层数和高频系数层数组合。
[0088]
计算信噪比snr的公式为：
[0089][0090]
计算均方误差rmse的公式为：
[0091][0092]
其中，f(i)表示原始信号，表示重新组合的信号，n则表示信号长度。
[0093]
本实施例取分解层数为4、5、6、7，每一分解层数，取不同高频系数层数进行粗差剔
除，得到剔除粗差后信号与原始信号的信噪比和均方误差结果见表1。根据表1可以得出，不同分解层数，相同高频系数层数开始剔除粗差后的信号与原始信号的信噪比和均方误差相同。综合比较信噪比和均方误差，分解层数为4和高频系数层数为3剔除粗差的效果最好。使用信噪比和均方误差确定分解层数和高频系数层数，保证在有效准确剔除gnssrtk测量数据粗差的同时，还能够保留测量数据的有效高频信息。
[0094][0095][0096]
表1剔除粗差后信号与原始信号的信噪比、均方误差、平滑度以及归一化
[0097]
选取sym8小波基函数，分解层数为4，对三个方向的数据进行小波分解，在高频系数第3、2、1层使用基于3σ准则的算法确定阈值进行小波阈值处理。
[0098]
基于3σ准则确定阈值算法在高频系数层进行小波阈值处理，包括：
[0099]
步骤1)计算小波系数均方值：
[0100][0101]
式中，σ表示小波系数均方值，di表示某一小波分解层中第i个小波系数，n则表示信号长度。
[0102]
步骤2)将小波变换系数中大于3σ的系数置为0，其他保持不变，此时，3σ就是每一个分解尺度上小波系数的阈值。
[0103]
步骤3)返回步骤1)重新计算高频系数的均方值，如果小波系数中仍有大于3σ的值存在，则循环执行步骤1)和步骤2)，直至该层的所有小波系数都小于3σ。
[0104]
三、将分解后的低频信息和处理后的高频信息进行小波逆变换重组，得到剔除粗差的数据。其中：
[0105]
本实施例将分解后的低频信息和处理后的高频信息进行小波逆变换重组，得到三个方向剔除粗差的数据，通过双尺度方程对应的滤波器系数{hn,n∈z}，{gn,n∈z}，使用第j-1层系数重构第j层尺度系数递归应用使用小波重构算法得到小波变换恢复信号，计算公式为：
[0106][0107]
其中，为第j层尺度系数，为第j-1层尺度系数，为第j-1层小波系数。
[0108]
四、采用硬阈值法去除剔除粗差后高度方向观测数据中的噪声成分。其中：
[0109]
采用硬阈值法去除高度方向观测数据中的噪声成分，选取sym6小波基函数，通过试探性的方法确定最优分解层数为3，采用下面的经验公式计算得到每个尺度系数的阈值，在小波变换每一层进行小波阈值处理。
[0110]
σj＝median(d
j,k
)/0.6745
[0111]
其中，λj为小波去噪的阈值，median为计算中位数函数，d
j,k
第j层高频系数层的小波系数。
[0112]
通过阈值法去噪估计每个尺度新的小波系数如下式，对使用小波逆变换进行重构，得到去噪后的高度方向的测量数据。
[0113]
[0114]
其中，为每个尺度新的小波系数，sign为符号函数，w
j,k
为每个尺度的旧的小波系数。
[0115]
实施例二：
[0116]
基于小波分析的定位测量数据粗差剔除系统，可实现实施例一所述的基于小波分析的定位测量数据粗差剔除方法，包括：
[0117]
获取定位数据模块：用于实时解析出gnssrtk流动站的经度、纬度和高度；
[0118]
小波分解信号模块：用于将一段时间的定位数据进行小波分解，得到该定位数据的高频信号和低频信号；
[0119]
剔除粗差模块：用于使用基于3σ准则的粗差剔除算法对高频系数进行处理，；
[0120]
小波信号重构模块：用于将小波分解的低频系数和处理过的高频系数进行小波信号重构，得到剔除粗差的定位数据。
[0121]
高度方向滤波模块：用于使用小波阈值去噪法对高度方向进行降噪滤波。
[0122]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0123]
本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0124]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0125]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0126]
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
技术特征：1.基于小波分析的定位测量数据粗差剔除方法，其特征是，包括：获取gnssrtk测量数据；通过小波基函数和分解层数对gnssrtk测量数据进行小波变换，得到高频信息和低频信息；基于高频信息确定进行小波阈值处理的高频系数层，在确定的高频系数层使用基于3σ准则的算法进行粗差剔除；将分解后的低频信息和处理后的高频信息进行小波逆变换重组，得到剔除粗差的数据；采用硬阈值法去除剔除粗差后高度方向观测数据中的噪声成分。2.根据权利要求1所述的基于小波分析的定位测量数据粗差剔除方法，其特征是，假设gnssrtk测量数据为：式中，f(t)为gnssrtk测量数据，s(t)为真实测量数据，n(t)为噪声，t为粗差点，a≠0；通过小波基函数和分解层数对gnssrtk测量数据进行小波变换，得到高频信息和低频信息，包括将gnssrtk测量数据多分辨表示为：f(t)＝f
j-1
(t)+d
j-1
(t)＝f
j-2
(t)+d
j-2
(t)+d
j-1
(t)＝...＝f
m
(t)+d
m
(t)+d
m+1
(t)+...+d
j-1
(t)其中：其中：f
m
(t)表示f
j
(t)的低频成分，而d
m
(t)、d
m+1
(t)...d
j-1
(t)表示f
j
(t)的不同分辨率下的高频成分，是尺度系数，是小波系数，是信号多分辨分析l尺度下的尺度函数，d
j
(t)是信号多分辨分析l尺度下的展开系数，v
j
是多分辨分析的子空间，w
j
是多分辨分析的小波子空间。3.根据权利要求1所述的基于小波分析的定位测量数据粗差剔除方法，其特征是，基于高频信息确定进行小波阈值处理的高频系数层，包括：取不同分解层数和高频系数层数，进行小波阈值去噪，计算除去粗差后信号与原始信号的信噪比snr和均方误差rmse，选择信噪比最大，均方误差最小的分解层数和高频系数层数组合，其中：计算信噪比snr的公式为：计算均方误差rmse的公式为：
其中，f(i)表示原始信号，表示重新组合的信号，n则表示信号长度。4.根据权利要求1所述的基于小波分析的定位测量数据粗差剔除方法，其特征是，在确定的高频系数层使用基于3σ准则的算法进行粗差剔除，包括：计算小波系数均方值：式中，σ表示小波系数均方值，d
i
表示某一小波分解层中第i个小波系数，n则表示信号长度；将小波变换系数中大于3σ的系数置为0，其他保持不变，此时，3σ就是每一个分解尺度上小波系数的阈值；重新计算高频系数的均方值，判断小波系数中是否存在大于3σ的值；响应于小波系数中存在大于3σ的值，则重新计算小波系数均方值，将小波变换系数中大于3σ的系数置为0后，再重新计算高频系数的均方值并判断小波系数中是否仍存在大于3σ的值；响应于小波系数中不存在大于3σ的值，完成粗差剔除。5.根据权利要求1所述的基于小波分析的定位测量数据粗差剔除方法，其特征是，将分解后的低频信息和处理后的高频信息进行小波逆变换重组，得到剔除粗差的数据，包括：将分解后的低频信息和处理后的高频信息进行小波逆变换重组所得到三个方向剔除粗差的数据，通过双尺度方程对应的滤波器系数{h
n
，n∈z}，{g
n
，n∈z}，使用第j-1层系数重构第j层尺度系数，递归应用使用小波重构算法得到小波变换恢复信号，第j层尺度系数计算公式为：其中，为第j层的尺度系数，为第j-1层尺度系数，为第j-1层的小波系数。6.根据权利要求5所述的基于小波分析的定位测量数据粗差剔除方法，其特征是，小波变换的第j层系数通过滤波器系数通过滤波器系数获得第j-1层系数的分解式，计算如下式所示：式中，为小波函数，ψ
j，n
为尺度函数。
7.根据权利要求1所述的基于小波分析的定位测量数据粗差剔除方法，其特征是，采用硬阈值法去除剔除粗差后高度方向观测数据中的噪声成分，包括：采用硬阈值法去除高度方向观测数据中的噪声成分，选取小波基函数，通过试探性的方法确定最优分解层数，采用经验公式计算得到每个尺度系数的阈值，在小波变换每一层进行小波阈值处理，经验公式为：σ
j
＝median(d
j，k
)/0.6745其中，λ
j
为小波去噪的阈值，median为计算中位数函数，d
j，k
第j层高频系数层的小波系数。通过小波阈值去噪法估计每个尺度新的小波系数，对每个尺度新的小波系数使用小波逆变换进行重构，得到去噪后的高度方向的测量数据，每个尺度新的小波系数为：其中，为每个尺度新的小波系数，sign为符号函数，w
j，k
为每个尺度的旧的小波系数。8.基于小波分析的定位测量数据粗差剔除系统，其特征是，包括：数据获取模块：用于获取gnssrtk测量数据；小波变换模块：用于通过小波基函数和分解层数对gnssrtk测量数据进行小波变换，得到高频信息和低频信息；粗差剔除模块：用于基于高频信息确定进行小波阈值处理的高频系数层，在确定的高频系数层使用基于3σ准则的算法进行粗差剔除；重组模块：用于将分解后的低频信息和处理后的高频信息进行小波逆变换重组，得到剔除粗差的数据；噪声去除模块：用于采用硬阈值法去除剔除粗差后高度方向观测数据中的噪声成分。9.基于小波分析的定位测量数据粗差剔除装置，其特征是，包括处理器及存储介质；所述存储介质用于存储指令；所述处理器用于根据所述指令进行操作以执行根据权利要求1～7任一项所述方法的步骤。10.计算机可读存储介质，其上存储有计算机程序，其特征是，该程序被处理器执行时实现权利要求1～7任一项所述方法的步骤。
技术总结本发明公开了GNSSRTK测量数据处理技术领域的基于小波分析的定位测量数据粗差剔除系统及方法，包括：获取GNSSRTK测量数据；通过小波基函数和分解层数对GNSSRTK测量数据进行小波变换，得到高频信息和低频信息；基于高频信息确定进行小波阈值处理的高频系数层，在确定的高频系数层使用基于3σ准则的算法进行粗差剔除；将分解后的低频信息和处理后的高频信息进行小波逆变换重组，得到剔除粗差的数据；采用硬阈值法去除剔除粗差后高度方向观测数据中的噪声成分。本发明可以有效准确剔除GNSSRTK测量数据粗差的同时，还能够保留测量数据的有效高频信息。数据的有效高频信息。数据的有效高频信息。
技术研发人员：丁俊峰 陈轩 王昊 周健 吴德勇 戴挈军 鞠保兴 陶双柱 张龙 高锋 俞海燕 郎伊紫禾 赵翔飞
受保护的技术使用者：国网江苏省电力有限公司超高压分公司
技术研发日：2022.02.11
技术公布日：2022/7/5
