利用BP-ANN和地基单站GPS数据反演大气折射率剖面.docx

1、Vol.24No.6Dec.2008第24卷第6期2008年12月文章编号：1005-6122（2008）06-0039-04利用BP-ANN和地基单站GPS数据反演大气折射率剖面林乐科微赵振维2张业荣I王红光之王波2（1.南京邮电大学通信与信息工程学院，南京210003；2.中国电波传播研究所，青岛266107）摘要：分析表明地基单站GPS接收机低仰角信号的斜路径延迟是适合进行大气折射率剖面反演的基础为此建立了五层BP-ANN（后向传播人工神经网络）用于大气折射率剖面的反演。利用青岛地区10年的历史探空数据进行网络训练和仿真反演，仿宾反演结果与探空剖面有很好的-致性。关键词：斜路径延迟，大气

2、折射率剖面，后向传播网络,全球定位系统RetrievingAtmosphericRefractivityProfilesBasedonSingularGround-BasedGPSReceiverandBP-ANNNetworkLINLe-ke'2,ZHAOZhen-weF,ZHANGYe-rong',WANGHong-guang2,WANGBo2(1.CollegeofCommunicationandInformalionEngineering,NanjingUniversityofPostsandTelecommunicalions,Nanjing210003,China；

3、2.ChinaResearchInstituteofRadioWavePropagation,Qingdao266107,China)Abstract:Theslant-pathdelaydataofsingularground-basedGPSreceiveratthelowsatelliteelevationanglesincludemostofinformationofatmosphericrefractivityprofiles.Afive-layerBPneuralnetworksarefoundedforretrievingatmosphericrefractivityprofil

4、ing.ThenetworksaretrainedusingradiosondedatainQingdaofortenyears.90percentofthesedataarefortraining,whiletheotherdataarefortesting.Tlieslant-pathdelayisobtainedbyray-tracingtechniqueinsimulation.Thesimulatedretrievingresultshavegoodagreementwithradiosondedata.Keywords:Slant-pathdelay,Atmosphericrefr

5、activityprofile,BPneuralnetwork,GPS»收稿日期：2008-02-19引言由于对流层大气的折射效应，使无线电测控、定位、导航、探测等系统出现测量误差，而大气折射率剖面是修正测鼠误差的基础数据，传统的探测方式是利用探空气球取得的气象参数通过转换获得，但是探空气球探测一次剖面需要30分钟左右,不能满足实时应用的需求。而基于地面气象数据的经验模式如Hopfield模式、分段模式、指数模式等，所预报剖面与实际剖面有较大误差，难以满足精度要求越来越高的应用需求，因此有必要发展大气折射率剖而的实时感知能力。由于地基GPS接收机在定位过程中所获得的斜路径延迟包含一定

6、的折射率剖面信息，因此其有可能成为感知大气折射率剖面的有效于段。根据青岛地区19861995年10年的历史探空数据，利用射线描迹法仿真得到了低仰角的斜路径延迟,利用以上延迟与剖面数据对所建立的五级BP神经网络进行训练，结果与实际剖面有较好的一致性。最后给出了神经网络在地基GPS大气折射率反演中的实际应用方法。1斜路径延迟分析与计算利用青岛地区19861995年的晴空大气特性层探空数据，进行斜路径延迟的分析与计算。在数据处理时,将含有相对湿度大于85%的特性层数据以及最大高度小于12km的特性层数据舍弃。通过剖面气象参数获得折射率剖面后，采用射线描迹法获得斜路径延迟：STD=S-50(1)其中S

7、和5。分别为视在距离和直实距离：S=j*)曲(2)梅e一&50=y/r+rj-2rir2cofi0(3)8=A。j",T(4)ry/n2(r)r2-4$其中r,、/"2分别为地面站和中性大气层顶与地心的距离/()为距地心处的折射率，实际探空数据到达不了中性大气层顶，在这里由Hopfield模型补齐(中性大气层顶高度也由Hopfield模型计算)，0为地心张角，&为常数：Ao=rn(r)sinof(5)a为视在天顶角(视在仰角的余角)o仰角越低，穿越大气层的路径越长，折射效应越显著，显然，低仰角的斜路径延迟更适合进行折射率剖面反演。采用STD与宜线距离延迟之差

8、来衡量剖面包含的信息量：S=STD-/冲$(6)(，2-n)其中ZTD为天顶延迟。当仰角较大时,AS比较小,可能会淹没在各种测量噪声与误差之中，当仰角较低时,AS增大，才仃可能进行反演。例如，对青岛地区8月份探空数据的分析发现,仰角为5。时的AS约为4m，而仰角为20。时的A5只有0.12m左右，相差超过30倍。由(D(5)式可知，计算STD时采用的是视在天顶角但是GPS接收机一般采用的是全向天线,因此a无法得到，如果由GPS精密星历(假定可以得到)获得卫星的准确位置，则真实天顶角是可以知道的，因此在已知折射率剖面的情况下，需要由真实天顶角获取视在天顶角的方法。已知可以由视在天顶角计算真实天顶

9、角：r2sin0=arcsin=arcsin(7)并旦越接近实际视在天顶角，计算得到的真实天顶角越接近实际值，显然满足0.618法的搜索条件,因此这里采用0.618法搜索得到视在天顶角。实际GPS信号处理过程中一般采用映射函数的方法由天顶延迟得到斜路径延退:STD=ZHD-mh+ZWD-mw(8)式中ZHD和分别为天顶静力延迟和湿延迟,mh和哑分别为静力映射函数和湿映射函数。初步的比较表明，青岛地区Herring映射函数和Niell映射函数优fSaastamoinen斜路径延退模型。图1给出了1。月份仰角20。时采用Herring映射函数计算的斜路径延迟误差与AS的比较，可以看到映射函数的误差

10、远小于AS,因此由映射函数得到的斜路径延退仍包含一定的折射率剖面信息。2BP网络反演方法由(1)(5)式可知，反演问题实质是求解积分方程，由于该积分方程比较复杂，目前还不能求出其精确的解析解，只能根据实际问题通过数值计算的方法来尽可能准确地逼近真实解。神经网络算法在解决非线性近似方面有着巨大的优势，并且已经成功地应用于微波辐射汁大气参数剖面反演，其中BP(后向传播)神经网络是应用最为广泛的一种神经网络算法。本文借鉴微波辐射计的神经网络反演方法，将BP神经网络应用于GPS大气折射率剖面的反演。利用BP神经网络拟合斜路径延迟、地面温湿压参数与大气折射率剖面之间的非线性关系。网络以地面的压强、温度、

11、水汽密度以及斜路径延退为输入参数，而网络输出的是待反演大气折射率垂直剖面。网络采用五层全连接的BP神经网络结构(图2),其输入矢址的长度为个变量，输出矢量为M个反演值。各层神经元均采用对数正切型S函数：心"=由(9)由于该函数输出范围在01之间，为了使输出技可能落在一个较大的范围，对输入参数进行归一化处理,同样参加训练的输出剖面也要进行归一化处理,而实际反演时则需要:将归-化的结果还原。f=S（WP+b）（10）其中/为神经元的输出值，W为神经元的输入权重矩阵，户为神经元的输入位,b为神经元的偏差。网络的权重和偏差是在训练过程中由误差反向传播算法确定的。在神经网络的训练过程中，如果过

12、分追求训练样本集内误差最小，就会丧失推广能力，出现过拟合现象，这是因为训练误差太小而使模型陷入过多反应训练样本的细节特征，而未能学到真正的规律;另一方面，也不能使模型输出与训练样本有太大误差，以免造成拟合不足。为此,选取约90%的样本作为训练样本，进行网络训练;约10%的样本作为检验和测试样本，进行网络性能评估，不参与训练过程。每训练若干次后计算测试样本的误差是否减小，若测试样本的误差开始增大，保存之前的网络,停止训练。然后人为计算网络性能,凭经验确定网络是否达到训练目的。网络训练流程如图3所示。图3网络训练流程图3反演结果比较与分析根据以上的BP网络反演方法，利用青岛地区19861995年1

13、0年的晴天探空数据进行仿真反演。取1、8月数据分别代表冬、夏两季，取10月数据作为春秋季剖面的代表。在大气折射率分层方面，由于大气下层折射率大，包含的折射率信息较多，因此主要反演从地面到10km高度的大气层，并对大气在垂直方向进行不均匀分层，从地面到1km高度每隔100m-层，从1km到10km每隔250m一层，则总共有46层。输入参数为地面气象参数和低仰角的斜路径延迟。由于视在仰角未知，因此这里采用的是卫星商度角，取卫星高度角为2。20。,间隔2。由第1节的方法获得视在仰角，进一步得到斜路径延迟。分别取不同的蛆合分析神经网络的反演结果。采用基于地面气象参数的Hopfield模型和分段模型进行

14、比较。分段模型的参数由实际探空数据拟合得到。采用折射率的均方根误差作为评判标准。图4为10月份神经网络与气象模型的误差比较，神经网络采用的P星高度角为4。、8。、12。°可以看出，神经网络的反演结果显著优于气象模型，尤其低层改善显著。图5和图6分别为1月份和8月份图4神经网络反演与气象模型对比（】0月）均方根溟差/N图5神经网络反演与气象模型对比（1月）表1为采用不同卫星高度角组合时神经网络的反演误差比较（利用10月份数据），可以看到虽然高度角较低时误差改善不大，有时低高度角反演结果还不如高高度角，但是这里我们没有考虑测量误差,实际上在卫星高度角较高时，测鼠误差可能会超过AS,导致不

15、能进行准确的反演。表1不同卫星高度角组合的神经网络反演比较卫星高度角/(°)均方根误差/N4、8、】24.5312、16、204.4724.6984.46204.58220,间隔24.37此外，第1节还提到了目前斜路径延迟一般是由映射函数由天顶延迟得到的，为此，我们利用Herring映射函数计算f8月份卫星高度角10。时的斜延迟，并据此进行神经网络反演，如图7所示，结果表明其反演精度与利用仿真斜延迟计算的结果一致,都要好于基于地面气象参数的经验模式。12000图7映射函数计算的斜延迟的BP网络反演(8月)4讨论与结论利用BP神经网络反映了GPS斜路径延迟及地面气象参数与大气折射率剖面

16、的1E线性关系，并由育岛地区的历史探空数据进行了仿真验证，比较表明,BP网络反演方法比基于地面气象参数的经验模型有更好的精度。在实际应用中考虑大气折射率剖面随时间变化不是很剧烈，可以采用一段时间(例如5min或lOmin)内反演结果的平均作为平均剖面。为了应用方便，可以考虑建立多个神经网络，每个神经网络采用一个星高度角的斜路径延迟和地面气象参数作为输入，根据一段时间内得到的卫星斜路径延迟数据，选取不同的网络进行反演，取其平均值作为平均剖面。此外，尽管由映射函数得到的斜路径延迟用于反演效果不差，但是与真实值仍有一定误差，特别在低仰角时，因此有必要发展直接获取斜路径延迟的GPS信号处理方法。另一方

17、面，由于神经网络的训练需要历史数据,因此本文的方法只适用于有历史探空数据的地区,此外,本文方法是利用历史数据进行仿真验证的，还有待于实驶数据进行验证。参考文献(1HopfieldHS.Two-quartictroposphericrefractivityproGleforcorrectingsatellitedataJ.JournalofGeophysicalResearch,1969,74(18)：4487-44992谢益溪J,拉菲涅特JP蒙，等.电波传播超短波微波毫米波M.北京:电子工业出版社,19903LowryAR,RockenC,SokolovskiySV,etal.Verticalprofilingofatmosphericrefractivityfromground-basedGPSJ.RadioSci,2002,37(3)：13.113.10(4)KleijerF.TropospheremodelingandfilteringforpreciseGPSlevelingM.Delft,theNetherlands:NCC,20045)陈宝林.最优化理论与算法M.北京:清华大学出版社,19896)王波.地基微波辐射计大气环境遥感研究D.青岛：中国海洋大学,2