GPS-RTK土地测量技术优化与测量方案创新设计研究

2024-05-07贾娜

粘接 2024年3期

贾娜

摘要：传统的土地测量方法往往受到地理环境、复杂地形和测量精度等问题的限制，因此需要引进更加先进和高效的测量技术。为了提高土地测量能力，引入土地测量工作中的GPS-RTK测量技术，通过多方技术改进以提高土地测量工作的效率和精准度。采用GPS-RTK技术，通过基准站、移动站和全球定位系统（GPS）卫星之间收发信号，可以在移动站实时计算出三者之间的距离，提高土地测量工作的便捷性。在信号处理方面，采用了联邦卡尔曼滤波算法，提高了土地测量工作的信号传播效率。试验结果表明，设计的土地测量工作方案的测绘性能有显著提高。

关键词：GPRS通讯网络；土地测量；联邦卡尔曼滤波算法； GPS-RTK技术；信号处理

中图分类号：TP391；P221

文献标志码：A文章编号：1001-5922（2024）03-0165-04

Optimization of GPS-RTK land surveying technology and innovative design of surveying schemes

JIA Na

（Shaanxi Land Construction of Hotel Management Group Co.，Ltd.，Xian 710075，China）

Abstract：Traditional land surveying methods are often limited by geographical environment，complex terrain，and measurement accuracy，so more advanced and efficient surveying technologies need to be introduced.In order to improve the ability of land surveying，the GPS-RTK surveying technology in land surveying work was introduced，and the efficiency and accuracy of land surveying work were improved through multi technical improvement.Using GPS-RTK technology，the distance between reference station，mobile station and GPS satellite could be calculated in real time by sending and receiving signals between the mobile station，and the convenience of land survey could be improved.In the aspect of signal processing，the federal Kalman filter algorithm was used to improve the signal propagation efficiency of land survey.The experimental results indicated that the surveying and mapping performance of the land survey work plan designed in this study had been significantly improved.

Key words：GPRS communication network;land surveying;federated kalman filtering algorithm;GPS-RTK technology;signal processing

土地測量作为土地资源管理的基础，对于土地规划、土地交易、土地权属认定以及基础设施建设等领域具有不可替代的作用［1］。传统的土地测量方法往往受到地理环境、复杂地形和测量精度等问题的限制，因此需要引进更加先进和高效的测量技术。

如设计了基于激光雷达测绘的土地实时测量方法，通过激光脉冲测距方法获得土地的距离数据［2］。采用基于Mask R-CNN的遥感土地图像提取技术来进行土地测量，通过上述算法对遥感图像进行去雾、分割和轮廓获取等操作，可以完成高精度和低误差的土地测量工作［3］。但难以应对实际测量过程中各种仪器、信号或天气对测量图像造成的误差，导致最终实际土地测量精度反而不高［4］。

针对上述问题，通过多方技术改进以提高土地测量工作的效率和精准度。

1 GPS-RTK技术优化

GPS-RTK技术可以在土地测量工作中进行实时测算，并能够得到高精度的测量结果［5］，具体GPS-RTK技术原理图如图1所示。

由图1可知，GPS-RTK技术在土地测量工作中主要由3部分组成，即基准站、移动站和以全球定位系统（GPS）卫星为核心的通讯系统。GPS-RTK技术采用了基于载波相位差分的实时动态定位技术，在土地测量工作中，GPS-RTK技术在现场实时计算出移动站的三维坐标以及定位的精度和误差范围，可以有效地提高土地测量工作的效率。

在实际工作中，基准站周围需没有大面积的水域和高度角小于15°的障碍物，避免对定位造成干扰。GPS-RTK技术是GPS测量技术的新突破，在土地测量工作中用途广泛，可以通过延长观测时间来保证土地测量定位数据的可靠性。

2 基于GPS-RTK的土地测量方案创新设计

研究利用GPS-RTK技术设计了土地测量方案［6］。具体的土地测量方案如图2所示。

由图2可知，设计的土地测量方案主要应用了通用无线分组业务（GPRS）通讯网络、联邦卡尔曼滤波算法以及GPS-RTK测量技术。

GPS-RTK测量技术主要由移动终端和基准站组成，移动终端即测量人员手持测亩仪，基准站则选用一个已知坐标的开阔地点作为信号收发的主要平台。联邦卡尔曼滤波算法则负责对上面粗略的定位数据进行滤波工作［7］。通用分组无线服务业务（GPRS）通讯网络由基站、数据处理中心、数据传输系统、定位导航数据系统、用户移动应用系统等数个部分组成，各基站与监控分析中心间通过数据传输系统连接成一体，形成专用的GPRS通讯网络，可以保证土地测量过程中传输信号的快速、便捷和稳定性。

3 基于GSM无线网络的GPRS通信

方案中各部件的通信采用基于GMS无线网络的GPRS通讯方式。在设计的土地测量方案中，用户使用移动终端充当GPS-RTK技术的移动站，可以达到快速、便捷的无线信号传输，满足土地测量灵活的要求，具体GPRS通信方式如图3所示。

由图3可知，GPRS通讯网络由多个功能部分组成，通过使用现成的GSM无线通信网络进行通讯，省去了搭建网络的费用。

GPRS通讯网络的起始端往往是由MCU微控制器和通信串口组成，MCU微控制器通过RS232串口向GPRS网络发送AT指令，在得到GPRS网络的反馈信息后，完成对GPRS网络的调试和初始化设置。

当MCU微控制器完成拨号操作，基站子系统作为GPRS网络的中继，通过无线信道连接网络汇总其他的基站子系统。在基站子系统内部，由BTS基站收信台、XCDR变码器、BSC基站控制器和无线维护中心构成。无线维护中心负责对其他设备进行配置管理和故障管理等操作。BTS基站收信臺将信号发送到XCDR变码器，并通过压缩编码完成业务数据的静态交换，最后将数据传到BSC基站控制器，完成对基站的控制和其他信道的动态连接。

PCU分组控制单元主要完成不同功能和接口之间转换，通过对数据进行分组，完成对数据传输过程中的错误检测和自动重发功能，并将数据传输到MSC移动控制中心。MSC移动控制中心直接通过GMSC移动网关、PSTN公共电话交换网、ISDC综合业务数字网和PDN公共数据网等固定网络的接口功能，将不同网络用户之间通过固定网互相连接起来，组成GPRS通讯网络的主体［8］。

4 联邦卡尔曼滤波算法

设计的基于GPS-RTK测量技术的土地测量方案采用联邦卡尔曼滤波算法作为基本的状态估计方法，通过应用全局估计量与不同步观测量的共同时间更新，达到整个土地测量过程中同步观测信息的效果，具体联邦卡尔曼滤波算法流程图如图4所示。

假设土地测量过程中采用1个基准站和2个移动站，设2个移动站的状态估计为X^1和X^2，则移动站的全局最优状态为式（1）［9］。

X^g=W1X^1+W2X^2

（1）

式中：X^g为全局最优状态；W1和W2为2个移动站对应的加权矩阵的最小方差。

由于全局最优估计为局部估计的线性组合［10］，则可以得出全局最优估计的式（2）。

X^g=X^1+W2（X^2－X^1）

（2）

由式（2）可知，全局最优表示也可由估计方差进行计算，则根据X^g的值，可以计算出移动站的条件最小方差为P^g，具体公式见式（3）。

P^g=（I－W2）P^11（I－W2）T+

2（I－W2）P^12WT2

+W2P^22WT2

（3）

式中：P^11和P^22均为移动站协方差矩阵中的计算因子；由于各移动站局部估计互不相关，则可以得出P^12和P^21的具体关系，见式（4）。

P^12=P^21=EX－X^1X－X^2T

（4）

由式（4）可知，通常移动站之间是估计值相关的，通过采用P^12和P^12之间方差上界，对提取最优估计的滤波过程进行改造，使得其在局部估计上不相关，从而实现卡尔曼滤波的目的［11-12］。当二者局部估计不相关，即X^1和X^2不相关，可以得到最终滤波后的全局最优估计和最小方差估计，分别为式（5）和式（6）。

X^g=（P－111+P－122）（P－111X^1+P－122X^2）

（5）

X^g=（P－111+P－122）（P－111X^1+P－122X^2）

（6）

由式（5）和式（6）可知，通过联邦卡尔曼滤波后，可以计算出1个基准站和2个移动站模型下的全局最优估计X^g和最小方差估计P^g。将计算公式推广到N个移动站的情况，则在线性离散系统中，1个基准站和N个移动站所得到的公式如式（7）和式（8）所示。

X^g=P^g∑Ni=1P^－1iiX^i

（7）

P^g=（∑Ni=1P^－1ii）－1

（8）

由式（7）和式（8）可知，可以求出广域测量系统中滤波后的全局最优估计和最小方差估计。在土地测量工作中的联邦卡尔曼滤波算法，提高了信号传播过程中的精准性；而无重置的移动站可以通过不同子滤波器之间的独立，提高土地测量方案测量过程中的容错性。

5 实验结果和分析

试验采用CPU主频为3.4 GHz，内存为16 GB，操作系统为Windows 10，仿真环境为Simulink，虚拟机为Vmware。实验中分别对土地进行多次建模，实现土地的3D可视化。

试验中，首先勘定本研究设计方案在工作时的GPS信号强弱和稳定性［13-14］。采用的GPS-RTK技术基于实时动态差分的原理，已知GPS信号由3部分组成，即载波、伪随机码（C/A码）和数据码，载波是GPS信号的基础，C/A码和数据码均调制在载波上发送，C/A码负责实现码分多址和测距［15］，由3种GPS信号，可以列出GPS导航的GPS信号模型，如式（9）所示。

式中：C为GPS信号的功率；R为取实部操作；ck为C/A码序列；g（t）为C/A码波形；τ为信号传播过程中的时间延迟；f0为变频后的载波频率；θ为载波相位；n（t）为高斯白噪声。

在得到GPS信号模型后，在仿真环境中启动GPS信号仿真器，分别输入5种常用的GPS码片波形，并加入相同的带通滤波器，将带宽设置为24 MHz，保证不同C/A码波形下的信号具有相同的信号带宽。设置载噪比由25 dB上升到50 dB，探究最小码跟踪误差的GPS码片波形［16］，具体误差大小结果如图5所示。

由图5可知，本研究在土地测量过程中选择最小码跟踪误差较小的LOC码片波形，该波形在GPS-RTK技术中，可以面对复杂地形和大量干扰的土地测量工作。确定了GPS的码片波形，在土地测量仿真系统中分置15块光滑的土地，测得速度后，再分别设置15组土地复杂度逐步上升的土地，并记录测量不同复杂度土地时的土地测量准度，具体记录数据如表1所示。

现将本方案、文献［2］设计的激光雷达土地测绘方案以及文献［3］设计的Mask R-CNN遥感土地测量方案进行对比实验。分别在土地复杂度为5%的平原、土地复杂度为30%的丘陵以及土地复杂度为60%的山地地形中，设置3个方案的对照实验，确保3个方案土地复杂度相同的情况下，逐步扩大土地测量大小，记录3个方案完成土地测量的时间，具体测量对比图如图6所示。

由图6可知，所设计的方案在土地测量时间上，在任意复杂度的土地上均小于其他2个方案，表明所设计的土地测量方案工作效率高于其他2个方案。在土地测量工作中，还可以有效地面对不同复杂度的土地和不同环境因素的干扰，高效地由GPS信号定位土地的详细数据。

6 结语

研究采用GPS-RTK测量技术，可以高效地完成土地测量的工作。在通讯方面采用GPRS通讯网络，通过多基站子系统逐步收集GPS信号，保证GPS信号在传输过程中不失真，且能完成高效的信号输送。在数据处理方面采用联邦卡尔曼滤波算法，保证GPS信号免受环境、测量器材的测量误差的干扰，所设计的土地测量方案在测量速度、测量精度和信号稳定性方面均较其他方案有着较大提高。研究也存在在大规模的土地测量工作中难以成系统地运用等不足之处，在未来的工作中应注重设计土地测量工作的协同系统。

【参考文献】

［1］韩志明，李春生.国家治理的清晰化及其政治逻辑——以土地信息管理为中心的分析［J］.经济社会体制比较，2021，217（5）：99-109.

［2］胡少雄，李洁茹，梁彦庆.基于激光雷达测绘的土地利用變动实时监测方法［J］.激光杂志，2020，41（5）：86-90.

［3］黎江，许明慧，张羽.基于Mask R-CNN的遥感影像土地分割与轮廓提取［J］.南京信息工程大学学报（自然科学版），2021，13（1）：116-123.

［4］杨军，于茜子.结合空洞卷积的FuseNet变体网络高分辨率遥感影像语义分割［J］.武汉大学学报：信息科学版，2022，47（7）：10-12.

［5］黄毓，顾呈剑，周就猫，等.内置RTK无人机航拍技术在土地整治项目测绘与辅助规划设计中的应用［J］.湖南科技大学学报（自然科学版），2022，37（3）：87-94

［6］吴肖伶，张记会，龚星衡，等.一种基于边缘计算的RTK定位方法［J］.四川大学学报（自然科学版），2021，58（1）：50-56.

［7］秦梦，祁新洲，宋玉茹，等.基于混频误差修正模型的土地价格预测［J］.统计与决策，2022，38（3）：178-183.

［8］王佳，吴任博，周小光等.基于云边结合技术的电网智能视频云架构设计与测试［J］.粘接，2023，50（10）：193-196.

［9］陈凯，孙希延，纪元法，等.基于载波相位差分的形变监测高精度定位算法［J］.计算机应用，2019，39（4）：1234-1239.

［10］胡少雄，李洁茹，梁彦庆.基于激光雷达测绘的土地利用变动实时监测方法［J］.激光杂志，2020，41（5）：5-19.

［11］黄毓，顾呈剑，周就猫，等.内置RTK无人机航拍技术在土地整治项目测绘与辅助规划设计中的应用［J］.湖南科技大学学报：自然科学版，2022，37（3）：8-18.