集成GNSS和加速度计的实时变形监测系统研制.pdf

DOI：10.12265/j.gnss.2023012集成 GNSS 和加速度计的实时变形监测系统研制王培源1,2，涂锐1,2,3，韩军强1,3，左航1,2，陶琳琳1,2，方婧1,2(1.中国科学院国家授时中心,西安 710600；2.中国科学院大学,北京 100049；3.中国科学院精密导航定位与定时技术重点实验室,西安 710600)摘要：本文设计了一种基于 STM32 单片机的全球卫星导航系统(GNSS)和加速度计的数据采集设备，其可以实现实时变形监测应用.以 STM32F103ZET6 为主控芯片，利用 GNSS 板卡和加速度计采集数据，通过 4G 模块将数据传输到服务器，从服务器读取数据并用 Kalman 滤波算法对 GNSS 数据和加速度数据进行融合处理，从而达到实时变形监测的目的，并通过静态实验进行了验证.实验结果表明：加速度计的基线漂移可以被自动校正，融合后 X、Y、Z 三个方向位移标准差(STD)均优于 1.114cm，速度 STD 均优于 0.072cm/s，校正基线漂移后加速度 STD 均优于 0.485cm/s2.关键词：精密单点定位(PPP)；加速度计；基线漂移；Kalman 滤波；数据融合中图分类号：P228.4文献标志码：A文章编号：1008-9268（2023）03-0120-070引言全球卫星导航系统(GNSS)和加速度计(也称为强震仪)是获取高精度地表形变(位移、速度、加速度)的两种有效手段，对于自然灾害的监测和预警具有重要意义1-3.加速度计是进行变形监测的常用方法之一，其体积小、采样率高、反应灵敏，通过对加速度积分可以得到速度和位移信息.但是，加速度计会受到基线漂移误差的影响，这些误差是仪器的倾斜旋转或环境变化引起4-5.带有基线漂移的加速度值经过积分后得到的速度和位移会明显偏离真实的速度和位移6.不少学者研究了加速度计基线漂移校正方法7-9，这些方法通常需要外部信息作为参考或延长观测时间估计基线漂移，且恢复的位移结果仍然存在一定的偏移，很难应用于实时高精度变形监测.对于 GNSS 技术，实时精密单点定位(PPP)技术因定位精度高、单站作业、灵活方便，在收敛后可以达到厘米级甚至毫米级的精度等特点，非常适合进行变形监测.但是，相对于加速度计，GNSS 技术由于采样率的限制导致噪声水平比较高4，只能获得高精度的低频位移信息，不能得到高频的速度和加速度信息，因此很难探测到微弱的地表形变.GNSS 和加速度计各有优势和局限性，它们的结合可以优势互补，对此已经有不少学者对二者的融合开展了研究.目前对 GNSS 和加速度计数据融合主要有两种方法.一种是松组合，Emore 等10提出了一种从 GPS和加速度数据中获得最佳位移的方法，解决了加速度记录中的阶跃函数偏移.Smyth 等11提出一种多速率 Kalman 滤波算法，从加速度和 GPS 位移测量中估计速度和位移.Bock 等12将其应用于 2010MW7.2ElMayor-Cucapah 地震的宽带位移估计，但是基线漂移不能被滤波器的动态噪声完全吸收，因此恢复的结果可能会有较大的偏移.Tu 等13使用实时动态(RTK)技术获取 GNSS 位移与加速度数据并进行融合，估计校正了加速度计的基线漂移，同时也降低了 GNSS 噪声，从而获得高精度的形变信息.Shu 等14提出基于历元间差分测速得到 GPS 位移，并通过 Kalman 滤波算法对 GPS 位移和加速度数据进行融合.另一种是紧组合，Geng 等15-16将 GPS 原始观测值与加速度计数据融合，在两个历元之间用加速度数据对位移进行约束.Tu 等17-19提出了 GNSS 和加速度计紧组合的方法，将加速度计的基线漂移作为未知参数引入，并通过随机游走过程进行估计，结果表明，加速度计基线漂移可以被自动校正，在实时获取形变位移的同时还提高了 PPP 的收敛性和精度.以上研究中，GNSS 数据和加速度数据都是利用收稿日期：2023-02-07资助项目：国家自然科学基金(42274019)通信作者：涂锐E-mail：turui-第 48卷第3期全球定位系统Vol.48，No.32023年6月GNSS World of ChinaJune，2023两台仪器分别记录，这样就会存在时标及变形量不一致性的问题.针对这个问题，美国天宝公司设计了SG160-0920，武汉大学和中国地震局合作研制了一体化 GNSS 强震仪 SMAG200021，都将 GNSS 接收机和强震仪集成在一台设备上，Xin 等22对两台仪器的性能进行了比较.本文设计了一种将 GNSS 接收机和加速度计集成一体的变形监测数据采集设备.基于集成设备采集的数据，采用 Kalman 滤波算法对GNSS 数据和加速度计数据进行融合处理并通过实验验证了该系统可以实时得到高精度宽频带的位移、速度和加速度信息，实现了变形的实时监测应用.1数据采集设备设计方案 1.1 数据采集设备硬件设计数据采集设备由单片机、GNSS 板卡、加速度计、4G 模块、电源模块构成.系统组成如图 1 所示.STM32F103ZET6电源模块GNSS板卡加速度计测量天线4G模块服务器USARTSPIUSART图 1 数据采集设备结构框图单片机使用意法半导体公司的 STM32F103ZET6作为主控芯片，STM32 单片机拥有多个 USART、SPI、IIC 接口，可以实现对外部传感器的数据采集.该芯片还拥有 8 个定时器，其中高级定时器和通用定时器可以产生多路脉宽调制(PWM)输出，用于控制加速度计数据的采样率.GNSS 板卡使用和芯星通科技有限公司的全系统 GNSS 高精度板卡 UB4B0，可以输出 NMEA、Unicore、RTCM 等多种数据格式的消息，本文设置输出 RTCM3 格式数据.加速度计使用 MuRata 的三轴加速度计 SCA3300，有1.56g的量程可供选择，SPI 数字接口.4G 模块使用塔石物联网提供的 TAS-E18H，支持标准的 AT 指令；支持自定义心跳包、注册包等功能；支持 MQTT/TCP/UDP/HTTP 等多种协议；并且内置软件看门狗，支持断线重连技术.1.2 数据采集设备程序设计数据采集设备主要功能是将采集到的数据通过4G 模块发送至服务器.程序设计主要包括 GNSS 数据和加速度数据的接收，GNSS 数据的解码，加速度数据编码，数据发送等几个模块.开机上电之后，先对串口、GNSS 板卡、加速度计进行初始化，如果接收到 GNSS 数据，解码出 GNSS 的 MSM 电文中的时间；然后向加速度计发出命令得到加速度计数据，再将加速度数据编码为 RTCM3 格式，编码时把 GNSS对应的时间加一秒编进加速度数据中；最后通过4G 模块将编码后的加速度计数据和 GNSS 数据发送至服务器.程序设计流程如图 2 所示.开始初始化是否得到GNSS数据解码GNSS的MSM电文NY得到加速度数据加速度数据编码输出编码后的GNSS数据和加速度数据结束图 2 数据采集设备程序设计流程图 1.3 RTCM3 数据的解码与编码完整的 RTCM3 格式数据由帧头、保留字、消息长度、可变长度消息内容和 24 位 CRC 校验码组成，帧结构如表 1 所示.表 1 RTCM3 格式数据帧结构名称长度内容帧头8bit11010011保留字6bit默认为000000消息长度10bit以byte为单位的消息长度可变长度消息内容01023byte具体消息内容CRC校验码24bit由前面数据生成的唯一校验码解码的流程如图 3 所示，接收到 RTCM3 数据之后先判断帧头是否为“11010011”，如果是提取消息长度 n，判断消息缓冲区的字节数是否大于等于第3期王培源，等：集成 GNSS 和加速度计的实时变形监测系统研制121“n+3”，如果是说明字节数足够，可以进行 CRC 校验，否则说明消息不完整应舍去.将计算得到的 CRC 校验值与从电文中读到的 CRC 校验值进行比较，若相同进入解码阶段，若不同则说明消息有误应舍去.编码是解码的逆过程.开始读取RTCM3数据找到帧头提取消息长度 nCRC校验通过解析出MSM电文中的时间结束NYYN字节数n+3接收消息YN图 3 RTCM3 格式数据解码流程图 1.4 单片机与服务器的数据传输4G模块通过AT指令的配置可以直接将单片机串口发送的数据透传给服务器.4G模块通过TCP透传连接服务器需要的 AT 指令及其功能如表 2 所示.表 2 4G 模块连接服务器需要的 AT 指令及其功能AT指令说明+离开透传模式进入AT指令配置AT+WORKMODE=0设置仅数据透传模式AT+DTUMODE=1,1设置为TCP透传AT+DSCADDR=1，“TCP”，“IP”，端口号连接服务器AT+UARTCFG=115200,1,0,0设置串口参数AT&W保存当前配置AT+CFUN=1,1模块重启注：指令“AT+DSCADDR=1，TCP，IP，端口号”中的IP和端口号为实际所连服务器的IP和端口号.2数据融合处理方法 2.1 松组合系统设计xkdkvkuk本文采用 Kalman 滤波算法对 GNSS 数据和加速度数据进行融合.Kalman 滤波的状态向量为测站的三维位移、速度及加速度计的基线漂移，即xk=(dTvTuT)Tk.(1)观测方程为：yk=Hkxk+k,k N(0,R),Hk=(I033033),R=r/tdI.(2)状态方程为：xk=Axk1+Bak+k,k N(0,Q),A=ItaIt2a/2I033ItaI033033I,B=t2a/2ItaI033,Q=t3aqa/3It2aqa/2I033t2aqa/2ItaqaI033033033taquI.(3)kykakHkIABtdtakkRQrqaqu式中：下标为历元；和分别为 GNSS 位移和加速度的测量值；为设计矩阵；为 33 单位阵；为状态转移矩阵；为加速度的输入矩阵；和分别为GNSS 数据和加速度数据的采样间隔；和分别为位移噪声和系统噪声，且均服从正态分布；和分别为位移噪声和系统噪声的协方差阵；、分别为 GNSS 测量噪声方差、加速度方差、加速度计的基线漂移方差.结合观测方程和状态方程，使用 Kalman 滤波估计未知参数，包含预测(时间更新)和滤波(量测更新)两个部分.状态一步预测方程：xk=A xk1+Bak.(4)一步预测后的状态协方差阵：Pk=APk1AT+Q.(5)Kalman 滤波增益：K=PkHT(HPkHT+R)1.(6)状态估计：x+k=xk+K(ykH xk).(7)量测更新后的状态协方差矩阵：P+k=(IKH)Pk.(8)式中，上标“”和“+”分别表示时间更新和量测更新之后的值.122全 球 定 位 系 统第48卷通常情况下，GNSS 数据的采样率远低于加速度计的采样率.当 GNSS 位移和加速度的采样率不同时，双速 Kalman 滤波可以使位移和速度达到最优估计11.因此，只有加速度数据时只进行时间更新，有 GNSS 位移数据时进行时间更新和量测更新，在两次量测更新之间的 Kalman 滤波结果主要依靠加速度数据.2.2 实现过程GNSS 与加速度计松组合首先应把 GNSS 观测值、状态空间表示(SSR)信息和加速度值进行时间匹配，若时间一致，利用 PPP 解算得到测站位移.再将GNSS 和加速度计数据进行融合，得到融合后的位移、速度、基线漂移，用于实时变形监测.数据处理过程如图 4 所示.GNSS观测值加速度观测值时间匹配测站位移Kalman滤波融合后的位移、速度、基线漂移PPP加速度SSR信息图 4 GNSS 与加速度计松组合数据处理过程3实验分析 3.1 实验简介本次实验在中国科学院国家授时中心临潼园区综合楼楼顶完成，楼顶视野开阔无遮挡物，观测条件较好.其中，多系统 GNSS 的采样率为 1Hz，加速度计的采样率为 50Hz.为方便进行数据分析，本实验采用实时保存的原始数据及 SSR 信息进行仿实时处理.实验装置如图 5 所示.图 5 实验装置 3.2 实验结果与分析将仪器安装好后，取 PPP 定位结果收敛之后的30min 数据进行分析.图 6(a)显示了原始加速度值(蓝色)，加速度计的基线漂移(红色).由于仪器安装、环境变化及重力加速度的原因，原始加速度具有较大的初始基线偏移，三个方向的初始基线漂移分别约为 0.1286m/s2、0.1471m/s2、9.7602m/s2.同时，这些基线漂移随着地面运动和环境变化而改变.原始加速度与加速度计的基线漂移作差即可得到校正后的加速度.图 6(b)表示校正基线漂移后的加速度值.可以看出，当没有运动时，加速度值近似为零值.静止状态下原始加速度及校正基线漂移之后加速度的平均值和标准差(STD)如表 3 所示.00.10.20.300.10.20.39.69.79.89.9X方向加速度/(ms2)原始加速度基线漂移00.61.21.810300.61.21.810300.61.21.810300.61.21.810300.61.21.810300.61.21.81030.0500.05Y方向加速度/(ms2)0.0500.05时间/sZ方向加速度/(ms2)时间/s0.0500.05(a)表示原始加速度值(蓝色)，加速度计的基线漂移(红色)(b)校正基线漂移后的加速度值图 6 不同方向原始速度及基线漂移加速度结果第3期王培源，等：集成 GNSS 和加速度计的实时变形监测系统研制123表 3 静止状态下原始加速度及校正基线漂移之后加速度的平均值和 STD统计量X方向Y方向Z方向原始加速度/(cms2)平均值12.8120 14.7064 976.0765STD0.47770.33810.4844去除基线漂移后的加速度/(cms2)平均值0.0001 0.00010.0001STD0.48070.33760.4843GNSS 求解的三个方向的位移和速度如图 7 所示.GNSS 与加速度数据融合之后求解的三个方向的位移和速度如图 8 所示.表 4 表示数据融合前后速度的平均值和 STD.可见，GNSS 求解速度变化范围非常大，相比之下，融合了加速度数据之后的速度拥有更高的信噪比(SNR).三个方向融合之后的位移变化范围均在 4.5cm 以内，STD 分别为 0.4823cm、1.1133cm、0.3083cm.0.0200.02X方向位移/m0.10.10X方向速度/(ms1)0.0400.04Y方向位移/m0.0500.05Y方向速度/(ms1)时间/s(a)位移(b)速度时间/s0.0100.01Z方向位移/m0.100.1Z方向速度/(ms1)00.61.21.810300.61.21.810300.61.21.810300.61.21.810300.61.21.810300.61.21.8103图 7 GNSS 求解的三个方向的位移和速度0.0200.025050.040.0200.020.045050.0100.01505103103103X方向位移/mX方向速度/(ms1)Y方向位移/mY方向速度/(ms1)Z方向位移/mZ方向速度/(ms1)00.61.21.810300.61.21.810300.61.21.810300.61.21.810300.61.21.810300.61.21.8103图 8 GNSS 与加速度数据融合后求解的三个方向的位移和速度124全 球 定 位 系 统第48卷表 4 数据融合前后速度的平均值和 STD统计量X方向Y方向Z方向融合前的速度/(cms1)平均值0.37860.0719 0.3344STD1.36830.7933 1.5534融合后的速度/(cms1)平均值0.00030.0022 0.0001STD0.07040.0515 0.07114结束语本研究设计了一种基于 STM32 单片机的 GNSS数据和加速度计数据采集设备，并研发了 GNSS 数据和加速度数据融合处理系统.在该监测系统中，使用PPP 技术得到高精度 GNSS 位移，采用加速度计获取原始加速度，用 Kalman 滤波算法对 GNSS 位移和加速度数据进行融合，得到融合后的位移、速度和加速度计的基线漂移.搭载了实验环境进行了实验验证，其结果表明，加速度计的基线漂移可以被自动校正，融合后 X、Y、Z 三个方向的位移 STD 均优于 1.114cm，速度 STD均优于 0.072cm/s，校正基线漂移后加速度 STD 均优于 0.485cm/s2.本文的研究为实时高精度宽频带变形监测应用提供了技术支撑.参考文献WEBERE,CONVERTITOV,IANNACCONEG,etal.Anadvancedseismicnetworkinthesouthernapennines(Italy)for seismicity investigations and experimentation withearthquake early warningJ.Seismological research letters,2007,78(6):622-634.DOI:10.1785/gssrl.78.6.6221ZOLLO A,LANNACCONE G,LANCIERI M,et al.Earthquake early warning system in southern Italy:methodologies and performance evaluationJ.Geophysicalresearch letters,2009,36(5):L00B07.DOI:10.1029/2008gl0366892CROWELLBW,BOCKY,SQUIBBMB.Demonstrationof earthquake early warning using total displacementwaveforms from real-time GPS networksJ.Seismologicalresearch letters,2009,80(5):772-782.DOI:10.1785/gssrl.80.5.7723GENRICHJF,BOCKY.Instantaneousgeodeticpositioningwith10-50HzGPSmeasurements:noisecharacteristicsandimplicationsformonitoringnetworksJ.Journalofgeophysical research,2006,111(B3):B03403.DOI:10.1029/2005jb0036174LARSON K M,BILICH A,AXELRAD P.Improving the5precision of high-rate GPSJ.Journal of geophysicalresearch,2007,112(B5):B05422.DOI:10.1029/2006jb004367IWANWD,MOSERMA,PENGCY.Someobservationson strong-motion earthquake measurement using a digitalaccelerographJ.Bulletin of the seismological society ofAmerica,1985,75(5):1225-1246.DOI:10.1007/bf014497586BOOREDM.Effectofbaselinecorrectionsondisplacementsandresponsespectraforseveralrecordingsofthe1999Chi-Chi,Taiwan,earthquakeJ.Bulletin of the seismologicalsocietyofAmerica,2001,91(5):1199-1211.DOI:10.1785/01200007037WU Y M,WU C F.Approximate recovery of coseismicdeformationfromTaiwanstrong-motionrecordsJ.Journalofseismology,2007,11(2):159-170.DOI:10.1007/s10950-006-9043-x8WANGR,SCHURRB,MILKEREITC,etal.Animprovedautomaticschemeforempiricalbaselinecorrectionofdigitalstrong-motion recordsJ.Bulletin of the seismologicalsocietyofAmerica,2011,101(5):2029-2044.DOI:10.1785/01201100399EMORE G L,HAASE J S,CHOI K,et al.Recoveringseismic displacements through combined use of 1-Hz GPSand strong-motion accelerometersJ.Bulletin of theseismological society of America,2007,97(2):357-378.DOI:10.1785/012006015310SMYTHA,WUM.Multi-rateKalmanfilteringforthedatafusionofdisplacementandaccelerationresponsemeasurementsindynamicsystemmonitoringJ.Mechanicalsystemsandsignalprocessing,2007,21(2):706-723.DOI:10.1016/j.ymssp.2006.03.00511BOCKY,MELGARD,CROWELLBW.Real-timestrong-motion broadband displacements from collocated GPS andaccelerometersJ.Bulletin of the seismological aociety ofAmerica,2011,101(6):2904-2925.DOI:10.1785/012011000712TUR,LIUJH,LUCX,etal.CooperatingtheBDS,GPS,GLONASS and strong-motion observations for real-timedeformationmonitoringJ.Geophysicaljournalinternational,2017,209(3):1408-1417.DOI:10.1093/gji/ggx09913SHU Y M,FANG R X,GENG J H,et al.Broadbandvelocities and displacements from integrated GPS andaccelerometerdataforhigh-rateseismogeodesyJ.Geophysicalresearchletters,2018,45(17):8939-8948.DOI:10.1029/2018gl07942514GENG J H,BOCK Y,MELGAR D,et al.A newseismogeodeticapproachappliedtoGPSandaccelerometer15第3期王培源，等：集成 GNSS 和加速度计的实时变形监测系统研制125observationsofthe2012brawleyseismicswarm:implicationsforearthquakeearlywarningJ.Geochemistry,geophysics,geosystems,2013,14(7):2124-2142.DOI:10.1002/ggge.20139GENG J H,MELGAR D,BOCK Y,et al.Recoveringcoseismicpointgroundtiltsfromcollocatedhigh-rateGPSand accelerometersJ.Geophysical research letters,2013,40(19):5095-5100.DOI:10.1002/grl.5100116TUR,GEMR,WANGRJ,etal.Anewalgorithmfortightintegration of real-time GPS and strong-motion records,demonstrated on simulated,experimental,and real seismicdataJ.Journalofseismology,2014,18(1):151-161.DOI:10.1007/s10950-013-9408-x17TUR,CHENKJ.Tightlyintegratedprocessingofhigh-rateGPSandaccelerometerobservationsbyreal-timeestimationof transient baseline shiftsJ.The journal of navigation,2014,67(5):869-880.DOI:10.1017/S037346331400015018TU R,LIU J,ZHANG R,et al.Real-time kinematicpositioning algorithm with GNSS and high-frequencyaccelerometerobservationsforbroadbandsignalsJ.Measurementscienceandtechnology,2019,31(3):035007.19DOI:10.1088/1361-6501/ab5d87PASSMORE P R,JACKSON M,ZIMAKOV L G,et al.Integratedseismogeodeticsystsemwithhigh-resolution,real-time GNSS and accelerometer observation for earthquakeearlywarningapplicationC/AmericanGeophysicalUnion,FallMeeting,2014.20曾燃,耿江辉,辛绍铭,等.SMAG2000:一体化GNSS强震仪及其地震监测性能分析J.武汉大学学报(信息科学版):2023,48(3):443-452.21XIN S M,GENG J H,ZENG R,et al.In-situ real-timeseismogeodesybyintegratingmulti-GNSSandaccelerometersJ.Measurement,2021,179(5).DOI:10.1016/j.measurement.2021.10945322作者简介王培源(1997)，女，硕士，研究方向为 GNSS/加速度计融合定位.涂锐(1985)，男，博士，研究员，研究方向为GNSS 精密定位，测速，时间传递，灾害监测等.韩军强(1989)，男，博士，研究方向为 GNSS电离层建模理论研究及高精度定位应用.Development of a real-time deformation monitoring systemwith integrated GNSS and accelerometerWANGPeiyuan1,2，TURui1,2,3，HANJunqiang1,3，ZUOHang1,2，TAOLinlin1,2，FANGJing1,2(1.National Time Service Center,Chinese Academy of Sciences,Xian710600,China;2.University ofChinese Academy of Sciences,Beijing 100049,China;3.Key Laboratory of Precision Navigationand Timing Technology,Chinese Academy of Sciences,Xian710600,China)Abstract：This paper designs an STM32 microcontroller based Global Navigation Satellite System(GNSS)and accelerometer data acquisition device that enables real-time deformation monitoringapplications.The STM32F103ZET6 is used as the main control chip,and also the GNSS board andaccelerometerareusedtoacquiredata,andthedataaretransmittedtotheserverthroughthe4Gmodule.ThedataarereadfromtheserverandtheKalmanfilteralgorithmisusedtofuseGNSSdatawithaccelerometerdatasothatreal-timedeformationmonitoringcanbeachievedandverifiedbystaticexperiments.Theresultsshowthatthebaselinedriftoftheaccelerometercanbeautomaticallycorrectedandthestandarddeviationofdisplacement(STD)isbetterthan1.114cminallthreedirectionsafterfusion;theSTDofvelocityisbetterthan0.072cm/s;andtheSTDofaccelerationisbetterthan0.485cm/s2aftercorrectionofbaselinedrift.Keywords：precisepointpositioning(PPP);accelerometer;baselinedrift;Kalmanfilter;datafusion126全 球 定 位 系 统第48卷