基于奇异谱分析的GNSS-IR路面积雪深度反演算法研究

1. 项目背景与意义

1.1 项目背景

1.1.1 冬季公路交通安全威胁

• 冬季公路交通事故频发，主要原因之一是积雪导致轮胎与路面的摩擦系数骤减。
• 快速准确地掌握路面积雪深度对预防和减少交通事故至关重要。

1.1.2 传统雪深监测方法的局限性

• 传统方法如人工测量、激光扫描仪等，耗费大量人力物力，难以满足经济性和时效性的需求。
• 卫星遥感方法虽然能够实现连续监测，但在精度和时效性上存在不足。

1.2 项目意义

1.2.1 GNSS-IR技术的优势

• GNSS-IR技术具有全自动、全天候的特点，能够对接收机周围半径数米到数十米的范围进行连续的雪深监测。
• 与传统方法相比，GNSS-IR技术能够快速而有效地监测路面雪深变化，弥补传统雪深监测方法的不足。

1.2.2 提高反演精度的需求

• 现有GNSS-IR雪深反演技术面临一些挑战，如多频段信号利用不足、干涉特征提取精度不高。
• 提高GNSS-IR雪深反演的精度和时效性，对于路面积雪监测具有重要意义。

2. 研究内容与方法

2.1 研究内容

2.1.1 经典GNSS-IR雪深反演算法的理论学习与实现

• 学习GNSS-IR技术的相关理论，深入了解反射高等环境参数与SNR时序、特别是时序中干涉振荡之间的物理关系。
• 安装已有的开源GNSS-IR反演代码，厘清算法逻辑，通过复现经典论文的方式来加深对GNSS-IR雪深反演算法的理解。

2.1.2 多频段SNR时序共模干涉特征的分离与提取

• 学习经典的噪声抑制和信号提取算法，如经验模态分解EMD、变分模态分解VMD、（多通道）奇异谱分析M-SSA等。
• 使用上述算法处理公开的GNSS-IR雪深观测数据，通过对多频段SNR时序中的共模干涉特征进行分离与提取，并研究共模干涉特征的时空变化规律。

2.1.3 多系统多频段GNSS-IR雪深反演算法优化

• 使用经上述算法提取的共模干涉特征进行雪深反演，通过与现场实测值、气象再分析数据等进行交叉验证，分析多通道奇异谱分析M-SSA算法在GNSS-IR雪深反演中的有效性。
• 基于M-SSA算法优化传统GNSS-IR雪深反演算法，通过充分利用多系统多频段GNSS-IR技术提供的数据冗余，进一步提高GNSS-IR雪深反演的精度和时效性。

2.2 研究方法

2.2.1 数据收集与预处理

• 收集包括美国GPS、中国BDS、欧盟GAL和俄罗斯GLO在内的多系统多频段GNSS观测数据。
• 对SNR时序进行分系统、分频段的统计，并根据星历文件等计算卫星每个时刻的位置、高度角和方位角等参数。

2.2.2 干涉特征提取

• 使用多通道奇异谱分析M-SSA算法对同一弧段不同频率SNR时序中的“时空共模”干涉特征进行提取。
• 对比分析不同算法提取得到的干涉特征对由于反射高引起的周期性振荡进行重构。

2.2.3 雪深反演与结果验证

• 根据公式（14）确定的振荡频率与反射高之间的物理关系，对原始SNR时序、以及由不同算法重构的干涉振荡时序进行频谱分析，得到积雪深度的反演结果。
• 收集GNSS测站附近的雪深测量数据，包括人工测量值、自动气象站观测值等，对GNSS-IR雪深反演结果进行外符合精度的评估。

3. 创新点与项目特色

3.1 创新点

3.1.1 引入多通道奇异谱分析M-SSA算法

• 多通道奇异谱分析M-SSA算法能够有效分离和提取多频段SNR时序中的共模干涉特征。
• 通过利用积雪表面反射高度与不同频率SNR时序中共模干涉振荡之间的物理关系，进一步提高GNSS-IR雪深反演的精度。

3.1.2 优化多系统多频段GNSS-IR雪深反演算法

• 深入研究不同系统不同频率的SNR观测数据对反演结果的影响，优化现有GNSS-IR雪深反演算法。
• 根据不同系统不同频段的反演精度赋予其不同的融合权重，得到更加精确、可靠的GNSS-IR雪深反演算法。

3.2 项目特色

3.2.1 技术特色

• 利用GNSS-IR技术实现全自动、全天候的雪深监测，提高监测的安全性和连续性。
• 引入多通道奇异谱分析M-SSA等先进算法，实现对多频段SNR时序中干涉特征的高精度提取。

3.2.2 应用特色

• 优化后的GNSS-IR雪深反演算法能够更好地服务于路面积雪监测，提高监测的精度和时效性。
• 相关理论和算法能为其他GNSS-IR地表遥感研究提供借鉴与参考，具有广泛的应用价值。

4. 技术路线与研究进度安排

4.1 技术路线

4.1.1 数据收集与预处理

• 收集多系统多频段GNSS观测数据，进行分系统、分频段的统计和预处理。

4.1.2 干涉特征提取

• 使用多通道奇异谱分析M-SSA算法提取多频段SNR时序中的共模干涉特征。
• 对比分析不同算法的优缺点，确认M-SSA算法在提取“时空”共模干涉特征方面的有效性。

4.1.3 雪深反演与结果验证

• 根据反射高与振荡频率的物理关系，对SNR时序进行频谱分析，得到积雪深度的反演结果。
• 收集实测数据，对反演结果进行外符合精度的评估，分析不同算法对雪深反演精度的提升效果。

4.2 研究进度安排

4.2.1 前期准备（2024年05月至2024年08月）

• 文献的阅读与整理，了解研究现状。
• 数据的收集与汇总，包括GNSS观测数据、积雪人工测量数据、自动气象站数据等。

4.2.2 GNSS-IR算法复现（2024年09月至2024年12月）

• 经典算法研究，安装开源GNSS-IR代码，厘清算法逻辑。
• 经典论文复现，加强对算法的理解，了解经典算法存在的缺陷及思考相应的改进措施。

4.2.3 干涉特征提取（2025年01月至2025年07月）

• M-SSA算法研究，学习信号提取算法原理，并进行代码实现。
• 干涉特征提取，使用M-SSA等算法对SNR时序中的干涉特征进行提取。

4.2.4 GNSS-IR算法优化（2025年08月至2026年01月）

• 雪深反演结果，使用原始SNR时序和经M-SSA等算法重构的干涉振荡时序进行积雪深度的反演。
• 经典算法优化，根据不同系统不同频段的雪深反演精度数据，设计相应的融合反演策略。

4.2.5 项目结题（2026年02月至2026年04月）

• 项目整理与结题，项目成果整理与结题报告撰写。

5. 已有基础与条件分析

5.1 已有基础

5.1.1 研究积累与成绩

• 项目组成员具有扎实的知识储备与较强的学习能力，合作参加过多个科研项目。
• 指导老师对GNSS-IR技术、多通道奇异谱分析M-SSA算法等方向有深入研究。

5.1.2 数据与技术可行性

• 国内外相关机构在不同地理位置上建立了多个用于雪深反演研究的GNSS测站。
• 开源GNSS-IR反演代码和指导老师提供的原始代码，满足项目需求。

5.2 条件分析

5.2.1 数据可行性

• 国内外学术界使用公开数据发表了多篇论文，验证了数据的连续性、多样性和可靠性。
• 项目组成员具备丰富的项目经验和一定的科研基础，能够有效利用数据。

5.2.2 实验条件

• 计划借用学院或测量公司的GNSS接收机进行实地实验，以更全面地了解数据的采集和处理等关键过程。
• 通过调节仪器三脚架的高度来模拟反射高的变化，通过人为控制相关环境参数的变化，详细评估本项目提出的优化算法的有效性。