近些年来我国在高层建筑及桥梁等大型基础设施项目上的建设如火如荼，极大便利了人们出行，提高了国家经济发展水平。伴随着全球导航卫星系统（GNSS）的发展和完善，使用GNSS来监测大型建筑物的形变信息对于灾害的识别和防治显得愈发重要，同时小波变换作为提高数据精度的一种方法，目前已广泛应用于建筑物变形监测之中。本文通过GNSS变形监测试验对获取的高频多系统GNSS监测数据进行了相关分析，通过对监测数据进行前期质量评价来分析各卫星系统的性能，对数据解算得到的原始时间序列进行分析来探究数据解算精度，后期结合小波变换去噪，对去噪效果及去噪后的时间序列进行评价，最终提取桥梁真实形变信息并对其进行竖向位移分析。具体研究内容及成果如下：

（1）GNSS观测数据的质量情况关系到数据解算的精度。本文首先使用GNSS高频接收机对高层建筑进行变形监测，对高频变形观测数据从数据可用性、信噪比、多路径效应等几方面分别进行了分析，分析结果表明数据可用性均达到了99%以上。从多个角度分析了卫星的信噪比和多路径效应，其中信噪比均高于40 dB/Hz，表明整体数据质量较好。卫星可见性情况则说明接收机接收到的BDS卫星数量高于其他卫星系统，此外还从卫星天空图和相位残差图的角度对观测数据进行了质量分析。

（2）GNSS数据精度的影响因素是多方面的，本文选择四种卫星系统及三种不同的采样率作为自变量进行分析。首先通过不同采样率的数据精度对比，选择了精度较高的50 Hz数据进行数据解算并得到原始时间序列。为对比四种卫星系统的数据精度情况，对GPS系统、BDS系统、BDS+GPS组合系统以及GPS+BDS+GAL+GLO组合系统等四种卫星组合方式进行数据分析。分析结果表明四种组合方式整体精度相差不大，误差均在mm级别，x方向BDS卫星观测精度优于其他三种方式，y方向GPS精度较好，h方向则是GPS+BDS组合精度较好。

（3）使用db4小波作为基函数进行了GNSS数据噪声分析。通过噪声特性分析发现在小波分解后，卫星钟差、电离层延迟、对流层延迟和卫星星历等误差主要存在于第三层高频信息之中，而接收机钟差则存在于第二层与第三层高频信息之中。根据噪声特性使用小波变换有效削弱了观测数据中的多路径误差以及存在于高频信息中的噪声影响。去噪后的数据坐标精度提高了12.8%左右，均方根误差降低了12.5%左右，各去噪评价指标结果也符合标准要求，说明小波变换去噪效果较好，适用于桥梁变形监测分析。

（4）为了得到桥梁的动态成分与似静态成分，对原始时间序列进行8个尺度的小波分解与重构，其中似静态成分表现为桥梁缓慢变形，动态成分表现为桥梁高频自振，结合动静态成分分析与观测当天现场车流量情况，车辆荷载较大的时段均表现出0.3 mm左右的竖向位移，与重构细节信号较为吻合，说明了小波去噪方法对于本试验的适用性和有效性。

In recent years, the construction of high-rise buildings and Bridges and other large-scale infrastructure projects in our country is in full swing, which greatly facilitates people's travel and improves the national economic development level. With the development and improvement of global Navigation satellite System (GNSS), the use of GNSS to monitor deformation information of large buildings is becoming more and more important for disaster identification and maintenance. Meanwhile, wavelet transform, as a method to improve data accuracy, has been widely used in building deformation monitoring.This paper conducts correlation analysis on the GNSS deformation monitoring data obtained from high-frequency multi-system GNSS deformation monitoring experiments, analyzes the performance of each satellite system through the quality evaluation of monitoring data in the early stage, analyzes the original time series obtained from data resolution to explore the accuracy of data resolution, and combines wavelet transform to de-noising in the later stage. The effect of de-noising and the time series after de-noising are evaluated. Finally, the real deformation information of the bridge is extracted and the vertical displacement analysis is carried out. The specific research contents and results are as follows:

The quality of GNSS observation data is related to the accuracy of data resolution. In this paper, GNSS high-frequency receiver is used to monitor the deformation of high-rise buildings, and the observation data of high-frequency deformation are analyzed from the aspects of data availability, signal-to-noise ratio, multipath effect, etc. The analysis results show that the data availability reaches more than 99%. The SNR and multipath effect of satellite are analyzed from multiple angles. The SNR is higher than 40 dB/Hz, indicating that the overall data quality is good. Satellite visibility indicates that the number of BDS satellites received by the receiver is higher than that of other satellite systems, and quality analysis of the observed data is also carried out in terms of satellite sky maps and phase residual maps.

There are many factors affecting the accuracy of GNSS data. In this paper, four satellite systems and three different sampling rates are selected as independent variables for analysis. Firstly, by comparing the data accuracy of different sampling rates, 50 Hz data with higher accuracy is selected for data resolution and the original time series is obtained. In order to compare the data accuracy of four satellite systems, data analysis was conducted on four satellite combinations: GPS system, BDS system, BDS+GPS combined system, and GPS+BDS+GAL+GLO combined system. The analysis results show that there is little difference in the overall accuracy of the four combinations, and the errors are all in the mm level.The observation accuracy of the BDS satellite in the x direction is superior to the other three methods, with better GPS accuracy in the y direction and better GPS+BDS combination accuracy in the h direction.

The db4 wavelet was used as the basis function to analyze GNSS data noise. Through noise analysis, it is found that after wavelet decomposition, satellite clock error, ionospheric delay, tropospheric delay and satellite ephemeris mainly exist in the third layer of high frequency information, while receiver clock error exists in the second and third layer of high frequency information. According to the noise characteristics, the wavelet transform can effectively reduce the multipath error in the observed data and the influence of noise in the high-frequency information. After denoising, the data coordinate accuracy has increased by 12.8%, and the root mean square error has decreased by 12.5%. The results of each denoising evaluation index also meet the standard requirements, indicating that the wavelet transform denoising effect is good, and it is suitable for the analysis of bridge Deformation monitoring.

The original time series is decomposed and reconstructed on 8 scales to obtain the dynamic and quasi-static components of the bridge. The quasi static component showed slow deformation of the bridge, while the dynamic component showed high-frequency natural vibration of the bridge. Combined with dynamic and static component analysis and observation of the on-site traffic flow on the day, the time periods with high vehicle loads showed vertical displacement of about 0.3 mm, which is in good agreement with the reconstructed detailed signal, This demonstrates the applicability and effectiveness of wavelet denoising methods for this experiment.

[1] Im S B, Hurlebaus S, Kang Y J. Summary review of GPS technology for structural health monitoring[J]. Journal of Structural Engineering, 2013, 139(10): 1563-1664.

[2] Yi T H, Li H N, Gu M. Recent research and applications of GPS based technology for bridge health monitoring[J]. Science China Technological Sciences, 2010, 53: 2597-2610.

[3] 余加勇,邵旭东,晏班夫,等. 基于全球导航卫星系统的桥梁健康监测方法研究进展[J]. 中国公路学报, 2016, 29(04): 30-41.

[4] 任晓东,张柯柯,李星星,等. BeiDou、Galileo、GLONASS、GPS多系统融合精密单点[J]. 测绘学报, 2015, 44(12): 1307-1313, 1339.

[5] 胡明贤. GPS/BDS/GLONASS多系统网络RTK算法实现及定位性能分析[D]. 武汉大学, 2017.

[6] 朱锋. GNSS/SINS/视觉多传感器融合的精密定位定姿方法与关键技术[D]. 武汉大学, 2019.

[7] 戴吾蛟,伍锡锈,罗飞雪. 高楼振动监测中的GPS与加速度计集成方法研究[J]. 振动与冲击, 2011, 30(07): 223-226, 249.

[8] 吴丹. GNSS观测数据预处理及质量评估[D]. 长安大学, 2015.

[9] Nickitopoulou A, Protopsalti K, Stiros S. Monitoring dynamic andquasi-static deformations of large flexible engineering structures with GPS: Accuracy, limitations and promises[J]. Engineering Structures, 2006, 28(10): 1471-1482.

[10] Jinsang H, Hongsik Y, Sun K P. et al. Optimal methods of RTK-GPS/accelerometer integration to monitor the displacement of structure[J]. Sensors, 2012, 12(1): 1014-1034.

[11] Hofmann W B, Lichtenegger H, Wasle E. GNSS-Global NavigationSatellite Systems:GPS,GLONASS,Galileo,and more[J]. Springer Wien New York, 2007.

[12] 赵亚蓓,时建新,苏衍坤. 基于北斗定位的智慧校园系统设计[J]. 电子技术, 2022, 51(03): 55-57.

[13] Robert G W, Dodson H A, Shkenazi V. Twist and deflection:Monitoring motionof Humber Bridge[J], 1999, 10;24-34.

[14] Kashima S, Yanaka Y, Suzuki S. et al. Monitoring the Akashi KaikyoBridge:Fiest Experiences[J]. Structural Engineering International, 2001, 11(2): 120-123.

[15] Robert G W, Meng X, Dodson A H. Integrating a global positioning systemand accelerometers to monitor the deflection of bridges[J]. Journal of SurveyingEngineering, 2004, 130(2): 65-72.

[16] Larocca A P. Using High-Rate GPS Data to Monitor the Dynamic Behaviorof a Cable-Stayed Bridge[D]. Long Beach,CA:Proceedings of the 17thInternational Technical Meeting of the Satellite Division of The Instituteof Navigation(ION GNSS 2004), 2004.

[17] Raziq N, Collier P. GPS deflection of the West Gatebridge[J]. In:Proceedings 3rd IAG/12th FIG Symposium, 2005: 35-45.

[18] 过静珺,戴连君,卢云川. 虎门大桥GPS(RTK)实时位移监测方法研究[J]. 测绘通报, 2000, (12): 4-5, 12.

[19] 李爱群,缪长青,李兆霞,等. 润扬长江大桥结构健康监测系统研究[J]. 东南大学学报(自然科学版), 2003, (05): 544-548.

[20] 黄声享,刘星,杨永波,等. 利用GPS测定大型桥梁动态特性的试验及结果[J]. 武汉大学学报(信息科学版), 2004, (03): 198-200.

[21] 姚连璧,姚平,王人鹏,等. 南浦大桥形变GPS动态监测试验及结果分析[J]. 同济大学学报(自然科学版), 2008, 36(12): 1633-1636, 1664.

[22] 伊晓东,张传刚. 基于动态GPS技术的大连北大桥结构健康测试_伊晓东[J]. 测试技术学报, 2008, (05): 392-396.

[23] 余加勇,邵旭东,孟晓林,等. 联合GNSS和加速度计的桥梁结构动态监测试验[J]. 中国公路学报, 2014, 27(02): 62-69.

[24] 韩厚增,王坚,孟晓林. GPS与加速度计融合桥梁变形信息提取模型研究[J]. 中国矿业大学学报, 2015, 44(03): 549-556.

[25] 和永军,缪应锋,刘华. 北斗和GPS系统在病害影响下桥梁健康监测中的应用_和永军[J]. 云南大学学报(自然科学版), 2017, 39(S1): 52-57.

[26] 王亚荣,黄声享,匡翠林. 融合GNSS和加速度计监测数据的超高建筑动态特性分析_王亚荣[J]. 测绘通报, 2019, (08): 14-19.

[27] 王守越. GNSS动静态组合测量技术在桥梁变形监测中的应用研究_王守越[D]. 西南交通大学, 2019.

[28] 曾庆化,刘建业,胡倩倩,等. 北斗系统及GNSS多星座组合导航性能研究[J]. 全球定位系统, 2011, 36(01): 53-57.

[29] 赵昂,杨元喜,许扬胤,等. GNSS单系统及多系统组合完好性分析[J]. 武汉大学学报(信息科学版), 2020, 45(01): 72-80.

[30] 鄂明曦. 基于多系统GNSS的桥梁变形监测[J]. 矿山测量, 2020, 48(03): 37-40.

[31] 朱庆旭. 基于高频GNSS的桥梁变形监测研究_朱庆旭[D]. 西南交通大学, 2020.

[32] 罗麒杰. 北斗-3动态定位在超高层建筑摆动监测的应用[D], 2020.

[33] 柴海山,陈克杰,魏国光,等. 北斗三号与超高频GNSS同震形变监测：以2021年青海玛多Mw 7.4地震为例[J]. 武汉大学学报(信息科学版), 2022, 47(06): 946-954.

[34] 张宝成,欧吉坤,袁运斌. 精选基准消秩亏的GNSS参考网数据处理方法[J]. 测绘学报, 2014, 43(09): 895-901.

[35] 郭靖. 姿态、光压和函数模型对导航卫星精密定轨影响的研究[D]. 武汉大学, 2014.

[36] 范龙. 基于格理论的GNSS模糊度估计方法研究[D]. 解放军信息工程大学, 2013.

[37] 宋力杰,欧阳桂崇. 超大规模大地网分区平差快速解算方法[J]. 测绘学报, 2003, (03): 204-207.

[38] 陈华. 基于原始观测值的GNSS统一快速精密数据处理方法[D]. 武汉大学, 2015.

[39] 胡亚东. 葫芦岛市高精度GPS控制网建立与数据处理[D]. 辽宁工程技术大学, 2015.

[40] 周巍. 北斗卫星导航系统精密定位理论方法研究与实现[D]. 解放军信息工程大学, 2013.

[41] 聂桂根,王院. TEQC软件对GPS数据质量的评定及软件界面的开发[J]. 全球定位系统, 2003, (04): 32-38.

[42] 余文坤,戴吾蛟,杨哲. 基于TEQC的GNSS数据质量分析及预处理软件的设计与实现[J]. 大地测量与地球动力学, 2010, 30(05): 81-85.

[43] 张涛,秘金钟,谷守周. Anubis的GNSS数据质量检核可视化表达与分析[J]. 测绘科学, 2017, 42(12): 163-170, 177.

[44] 陈秀德,贾小林,朱永兴,等. 一种多GNSS的数据质量检测工具——Anubis[J]. 测绘地理信息, 2018, 43(03): 24-27.

[45] 丁志鹏,贺凯飞,邱立杰,等. 基于Anubis的北斗观测数据质量分析[J]. 大地测量与地球动力学, 2022, 42(02): 143-147.

[46] 戴吾蛟,丁晓利,朱建军,等. 基于经验模式分解的滤波去噪法及其在GPS多路径效应中的应用[J]. 测绘学报, 2006, (04): 321-327.

[47] 王涛. 基于小波分析的GPS变形监测数据去噪方法研究[D]. 昆明理工大学, 2014.

[48] 李保金,李艳艳. 高频GNSS信号去噪的小波和多方向主成分分析[J]. 全球定位系统, 2021, 46(04): 33-39.

[49] 王海波,叶如珊,杜武. 一种基于EMD和小波阈值的桥梁振动信号混合去噪方法[J]. 公路, 2021, 66(12): 110-116.

[50] 王穗辉. 变形数据处理、分析及预测方法若干问题研究[D]. 同济大学, 2007.

[51] 岳建平,方露,黎昵. 变形监测理论与技术研究进展[J]. 测绘通报, 2007, (07): 1-4.

[52] 李征航,黄劲松. GPS测量与数据处理[M]. 武汉: 武汉大学出版社, 2016: 143-145.

[53] 高爽. BDS/GNSS多参考站多模多频高精度定位技术研究[D]. 哈尔滨工程大学, 2020.

[54] 李宏男,伊廷华,王国新. GPS在结构健康监测中的研究与应用进展[J]. 自然灾害学报, 2004, (06): 122-130.

[55] 薛志宏. GNSS动态变形测量关键技术研究[D]. 解放军信息工程大学, 2012.

[56] 李建勋,刘明娴,苑泽鹏. 基于RTK技术的低成本、高精度单频接收机性能分析[J]. 内江科技, 2020, 41(03): 16-17.

[57] 叶长青,范存国. GPS跨河水准测量技术探讨[J]. 科技信息, 2012, (03): 92-93.

[58] 杨鸿毅. GNSS双天线定姿研究及软件实现[D]. 中国矿业大学, 2019.

[59] 刘瑶. 应用于低轨导航增强卫星系统的实时高精度定位算法研究[D]. 南京航空航天大学, 2018.

[60] 李国伟,郭金运,原永东,等. GPS测站多路径效应建模研究[J]. 测绘科学, 2013, 38(03): 7-9, 21.

[61] 马驰. RTK数据处理及接收机测量数据质量影响研究[D]. 国防科学技术大学, 2014.

[62] 成伟. GPS精密定位误差及其相位多路径误差分析研究[D]. 长安大学, 2003.

[63] Kamatham Y, Sarma A D, Kumar A.et al. Spectral Analysis and Mitigationof GPS Multipath Error Using Digital Filtering for Static Applications[J]. Iete Journal of Research, 2013, 59(2): 156-166.

[64] 郭华. 基于GPS技术的运动机械方位测量[D]. 同济大学, 2006.

[65] 关昊. GPS载波相位周跳探测与修复方法的研究[D]. 辽宁工程技术大学, 2011.

[66] 廖阳. GNSS多系统卫星定位数据质量分析[J]. 测绘与空间地理信息, 2022, 45(02): 100-102.

[67] 桑文刚,卢凯,宁一鹏,等. 基于Anubis多模多频GNSS数据质量检核性能验证与分析[J]. 导航定位与授时, 2022, 9(04): 115-122.

[68] 张鹏飞. 复杂环境下多系统GNSS数据质量分析[D]. 山东科技大学, 2018.

[69] 叶险峰. 基于GNSS信噪比数据的测站环境误差处理方法及其应用研究[D]. 中国地质大学, 2016.

[70] 乔燕,孙传智,缪长青. 基于GPS的大跨悬索桥动态特性监测及分析[J]. 测绘通报, 2012, (03): 1-4.

[71] 曲国庆,党亚民,章传银,等. 小波包消噪方法分析及改进[J]. 大地测量与地球动力学, 2008, (04): 102-106, 110.

[72] 魏天福. 浅谈GPS测量的误差来源与减弱措施[J]. 科技视界, 2015, (02): 248, 305.

[73] 杨福生. 小波变换的工程分析与应用[M]. 北京: 科学出版社, 1999.

[74] 党星海,赵丽洁,孔令杰,等. 小波分析在GPS振动监测数据中的应用[J]. 大地测量与地球动力学, 2013, 33(02): 147-150.

[75] 方圣辉,乐源,梁琦. 基于连续小波分析的混合植被叶绿素反演[J]. 武汉大学学报(信息科学版), 2015, 40(03): 296-302.

[76] 屈汉章. 连续小波变换及其应用[D]. 西安电子科技大学, 2001.

[77] Mallat S G. A theory for multiresolution signal decomposition: the wavelet representation[J]. IEEE transactions on pattern analysis and machine intelligence, 1989, 11(7): 674-693.

[78] 郭彩立. 基于小波分析的GPS数据处理理论及其应用研究[D]. 重庆大学, 2007.

[79] 李大中,赵杰,孙立江,等. 果蝇优化小波阈值超声检测信号去噪[J]. 中国测试, 2016, 42(07): 88-92.

[80] 胡昌华,周涛. 基于MATLAB7.X的系统分析与设计-小波分析[M]: 西安电子科技大学出版社, 2008.

[81] 王维,张英堂,任国全. 小波阈值降噪算法中最优分解层数的自适应确定及仿真[J]. 仪器仪表学报, 2009, 30(03): 526-530.

[82] 贾红红. 心电信号质量评估与去噪方法的研究与实现[D]. 哈尔滨工业大学, 2017.

[83] 吴冬雁. 考虑荷载随机性影响的桥梁振动及噪声环境研究[D]. 浙江大学, 2014.

[84] 吕立蕾. 多光谱激光雷达小波去噪效果评价体系[J]. 海洋测绘, 2016, 36(04): 72-75.

[85] Meng X, Dodson A H, Roberts G W. Detecting bridge dynamics with GPS andtriaxial accelerometers[J], 2007, 29(11): 3178-3184.

[86] Emore, Haase, Choi. et al. Recovering seismic displacements through conbined 1-Hz GPS and strong-motion accelerometer.[J]. Bulletin of theSeismological Society of America, 2007, 97(2): 357-378.

[87] 时玉平. 桥梁自振频率温度效应分析及寒冷地区吊杆索力监测系统构建[D]. 吉林大学, 2013.

[88] 沈兆坤. 桥梁结构自振特性测试分析方法研究[D]. 重庆交通大学, 2014.