留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

卫星激光测距数据处理方法研究进展

安宁 关博文 张旖伦 高健 温冠宇 董雪 马磊 范存波

安宁, 关博文, 张旖伦, 高健, 温冠宇, 董雪, 马磊, 范存波. 卫星激光测距数据处理方法研究进展[J]. 红外与激光工程, 2021, 50(8): 20200408. doi: 10.3788/IRLA20200408
引用本文: 安宁, 关博文, 张旖伦, 高健, 温冠宇, 董雪, 马磊, 范存波. 卫星激光测距数据处理方法研究进展[J]. 红外与激光工程, 2021, 50(8): 20200408. doi: 10.3788/IRLA20200408
An Ning, Guan Bowen, Zhang Yilun, Gao Jian, Wen Guanyu, Dong Xue, Ma Lei, Fan Cunbo. Development review of satellite laser ranging data processing technology[J]. Infrared and Laser Engineering, 2021, 50(8): 20200408. doi: 10.3788/IRLA20200408
Citation: An Ning, Guan Bowen, Zhang Yilun, Gao Jian, Wen Guanyu, Dong Xue, Ma Lei, Fan Cunbo. Development review of satellite laser ranging data processing technology[J]. Infrared and Laser Engineering, 2021, 50(8): 20200408. doi: 10.3788/IRLA20200408

卫星激光测距数据处理方法研究进展

doi: 10.3788/IRLA20200408
基金项目: 国家自然科学基金面上项目(12073052);吉林省科技发展计划(2020081050GH,2020SYHZ0049)
详细信息
    作者简介:

    安宁,女,副研究员,博士,主要从事卫星激光测距技术及应用等方面的研究工作。

  • 中图分类号: P228.5

Development review of satellite laser ranging data processing technology

  • 摘要: 数据处理技术的发展与进步是实现毫米级卫星激光测距(Satellite Laser Ranging,SLR)的重要保障。文中简要回顾了SLR技术的发展历程,阐述了数据处理技术在SLR的实际应用,着重介绍了国内外典型的数据处理算法及其发展脉络。同时,针对大地测量产品的应用需求,分析了目前SLR数据处理算法的适用性、稳定性及存在的问题。最后,针对激光测距的未来发展态势,提出了新一代SLR数据处理方法面临的挑战及可能的解决方案,并对其发展趋势做出展望。
  • 图  1  标准点算法流程

    Figure  1.  Processing flow of normal point algorithm

    图  2  Herstmonceux站Lageos-1卫星SLR实测数据

    Figure  2.  Lageos-1 initial SLR observation data from Herstmonceux station

    图  3  SLR标准点算法框架发展进程

    Figure  3.  Development of normal point algorithm

    图  4  长春站SLR屏幕处理结果。(a)未处理;(b)处理后

    Figure  4.  Lageos-1 observation data with screening processing method for Changchun station. (a) Pre-treatment; (b) Post-treatment

    图  5  不同数据处理算法产生的SLR数据。(a)直方图法;(b)泊松滤波算法

    Figure  5.  SLR data generated by various data processing algorithm. (a) Histogram method; (b) Possion filtering method

    图  6  利用样条差值法处理Topex SLR观测数据的结果。(a)未处理;(b)处理后

    Figure  6.  Topex SLR observation data generated by spline difference method. (a) Pre-treatment; (b) Post-treatment

    图  7  卫星形状效应示意图

    Figure  7.  Schematic diagram of satellite signature effect

    图  8  Graz测站滤波方法得到的Ajisai SLR数据 [39]

    Figure  8.  Ajisai SLR data generated by Graz station filtering method[39]

    表  1  常见直方图法优缺点

    Table  1.   Advantage and disadvantage of various histogram methods

    NameAdvantageDisadvantage
    1Graz echo identfying algorithmHuman machine interface, simple to operateLow detection rates for high-orbit sateliltes
    2SLR2000 correlation algorithmHighly flexible and efficient for dealing
    massive observation data
    Sensitive to the range window and low automation
    3N/M algorithmMore adaptive, especially for low S/N ratioComplicated calculation and poor real-time performance
    下载: 导出CSV

    表  2  泊松滤波、后处理算法产生的SLR数据

    Table  2.   SLR data generated by post-treatment and Possion filtering

    NumberSatelliteEcho points by
    post-treatment
    Echo points by
    Possion filtering
    Observation
    arc length/s
    1Ajisai430159171.25
    2Jason-1600298349.75
    3Stella347119268.57
    4BE-C723372316.87
    5ERS-128497144.50
    下载: 导出CSV
  • [1] Lucchesi D, Anselmo L, Bassan M, et al. General relativity measurements in the field of earth with laser-ranged satellites: state of the art and perspectives [J]. Universe, 2019, 5(6): 141. doi:  10.3390/universe5060141
    [2] Choi E J, Bang S C, Sung K P, et al. Design and development of high-repetition-rate satellite laser ranging system [J]. Journal of Astronomy and Space Sciences, 2015, 32: 209-219. doi:  10.5140/JASS.2015.32.3.209
    [3] Prochazka I, Kodet J, Blazej J, et al. Identification and calibration of one-way delays in satellite laser ranging systems [J]. Advances in Space Research, 2017, 59(10): 2466-2472. doi:  10.1016/j.asr.2017.02.027
    [4] Pearlman M R, Noll C E, Pavlis E C, et al. The ILRS: Approaching 20 years and planning for the future [J]. Journal of Geodesy, 2019, 93(11): 2161-2180. doi:  10.1007/s00190-019-01241-1
    [5] Deng Huarong, Wu Zhingbo, Li Pu, et al. Improvement research on SLR data deviation by using polarization technology for energy regulation [J]. Infrared and Laser Engineering, 2017, 46(9): 0917005. (in Chinese) doi:  0917005
    [6] Liu Bo, Chen Nianjiang, Zhang Zhongping, et al. Technology of micro-pulse satellite laser ranging [J]. Infared and Laser Engineering, 2008, 37(S3): 234-237. (in Chinese)
    [7] Meisel B, Angermann D, Krügel M, et al. Refined approaches for terrestrial reference frame computations [J]. Advances in Space Research, 2005, 36(3): 350-357. doi:  10.1016/j.asr.2005.04.057
    [8] Ding Renjie, Wu Zhibo, Deng Huarong, et al. Research and design of high automation satellite laser ranging system [J]. Laser & Infrared, 2017, 47(9): 1102-1107. (in Chinese) doi:  10.3969/j.issn.1001-5078.2017.09.008
    [9] Zajdel R, Sośnica K, Drożdżewski M, et al. Impact of network constraining on the terrestrial reference frame realization based on SLR observations to LAGEOS [J]. Journal of Geodesy, 2019, 93(11): 2293-2313. doi:  10.1007/s00190-019-01307-0
    [10] Torrence M H, Klosko S M, Christodoulidis D C. The construction and testing of normal points at goddard space flight center[C]//Proceedings of 5th International Workshop on Laser Ranging Instrumentation, 1984: 506-516.
    [11] Appleby G M, Sinclair A. Formation of on-site normal points[C]// Proceedings of 8th International Workshop on Laser Ranging Instrumentation, 1992, 9: 19-25.
    [12] Conklin B M, Davis D, Edge V, et al. NSLR PC software packages for normal point and acquisition generation[C]// Proceedings of the 9th International Workshop on Laser Ranging Instrumentation, 1994: 1090-1095.
    [13] Paunonen M. Adaptive median filtering for preprocessing of time series measurements[C]//Proceedings of the 8th International Workshop on Laser Ranging Instrumentation, 1992, 2: 44-50.
    [14] Sinclair A T. Re-statement of herstmonceux normal point recommendation[R/OL]. 1997. https://ilrs.gsfc.nasa.gov/data_and_products/data/npt/npt_algorithm.html.
    [15] Sinclair A T. Neubert R, Appleby G M. The LAGEOS centre of mass correction for different detection techniques[C]//Proceedings of Annual Eurolas Meeting, 1995: 31-36.
    [16] Seemüller, W W. Missions working group report[C]//Proceedings of Seventh General Assembly of ILRS, 2002.
    [17] Appleby G, Deleflie F, Desch N, et al. ILRS governing board meeting report[R].Vienna, Austria: EGU General Assembly, 2012.
    [18] Clarke C B, Degnan J J, McGarry J F, et al. Processing single photon data for maximum range accuracy[C]//Proceedings of the 18th International Workshop on Laser Ranging Instrumentation, 2013.
    [19] Degnan J J. A data processing approach to high precision, high return rate kHz SLR stations[C]//Proceedings of the 21th International Workshop on Laser Ranging Instrumentation, 2018.
    [20] Noll C E, Ricklefs R, Horvath J, et al. Information resources supporting scientific research for the international laser ranging service [J]. Journal of Geodesy, 2019, 93(11): 2211-2225. doi:  10.1007/s00190-018-1207-2
    [21] Bayer I, Gibbs P, Wilkinson M. Herstmonceux time bias system as a possible real-time QC tool[C]//Proceedings of the 14th International Workshop on Laser Ranging Instrumentation, 2004.
    [22] Kang Wenyun, Song Xiaoquan, Wei Zhen. Weak signal detecting method of laser ranging for space target in daytime [J]. Infrared and Laser Engineering, 2014, 43(9): 3026-3029. (in Chinese) doi:  10.3969/j.issn.1007-2276.2014.09.042
    [23] Cheng Bohui, Wei Zhibin, Qu Feng, et al. The realization of daytime laser ranging on Beijing satellite laser observatory [J]. Bulletin of Surveying and Mapping, 2015(3): 58-60. (in Chinese)
    [24] Gurtner W, Pop E, Utzinger J. Improvements in the Automation of the Zimmerwald SLR Station[C]//Proceedings of the 13th International Workshop on Laser Ranging Instrumentation, 2002.
    [25] Zhang Zhongping. Screen preprocess method for SLR data [J]. Annals of Shanghai Observatory Academia Sinca, 1993: 118-125. (in Chinese)
    [26] 董雪. 高重复频率空间碎片激光测距系统研究[D]. 长春: 2014.

    Dong Xue. Research of high repetition space debris laser ranging system[D]. Changchun: Graduate School of Chinese Academy of Sciences(Changchun Institute of Optics, Precision Mechanics and Physics, Chinese Academy of Sciences), 2014. (in Chinese)
    [27] Heiner M, Schreiber U, Brandl N. Recursive filter algorithm for noise reduction in SLR[C]//Proceedings of the 15th International Workshop on Laser Ranging Instrumentation, 2006.
    [28] Ricklefs R L, Shelus P J. Poisson filtering of laser ranging data[C]//Proceedings of the 8th International Workshop on Laser Ranging Instrumentation, 1992, 9: 26-33.
    [29] Rodriguez J, Appleby G, Otsubo T, et al. Assessing and enforcing single-photon returns: poisson filtering[C]//Proceedings of the 20th International Workshop on Laser Ranging Instrumentation, 2016.
    [30] Clarke C B, Degnan J J, Mcgarry J F, et al. Background noise suppression for increased data acceptance[C]//Proceedings of the 19th International Workshop on Laser Ranging Instrumentation, 2014.
    [31] Eckl J J, Schreiber K U. Single photon tracking under difficult condition[C]//Proceedings of 2015 ILRS Technical Workshop, 2015.
    [32] Liu Yanyu, Wu Xiaoping, Gao Hao, et al. Data pre-processing algorithm of satellite laser ranging based on curve recognition from points cloud [J]. Journal of Geodesy and Geodynamics, 2011, 31(1): 105. (in Chinese)
    [33] Li Xi, Tang Rufeng, Li Zhulian, et al. Laser ranging data processing based on the analysis of the binary image [J]. Chinese Journal of Lasers, 2014, 41(12): 1208005. (in Chinese)
    [34] Li Xue, Zhu Zhaokun, Wu Wentang, et al. Simulated analysis of processing satellite laser ranging data using neural networks trained by DeepLabCut[C]//Processings of the 2019 IEEE 5th International Conference on Computer and Communiactions, 2019: 468-472.
    [35] Otsubo T, Sherwood R A, Appleby G M, et al. Center-of-mass corrections for sub-cm-precision laser-ranging targets: Starlette, Stella and LARES [J]. Journal of Geodesy, 2014, 89(4): 303-312.
    [36] Fitzmaurice M W, Minott P, Abshire J B, et al. Prelaunch testing of the laser geodynamic satellite (LAGEOS): NASA-TP-1062, G-7702-F16[R/OL]. NASA, 1977: 1.
    [37] Neubert R. An analytical model of satellite signature effects[C]//Proceedings of 9th International Workshop on Laser Ranging Instrumentation, 1994: 82-91.
    [38] Fan Jianxing, Yang Fumin, Chen Qixiu. Center-of-mass of satellites used for laser ranging [J]. Acta Photonica Sinica, 2000, 29(11): 1012-1016. (in Chinese)
    [39] Otsubo T, Appleby G M. System-dependent center-of-mass correction for spherical geodetic satellites [J]. Journal of Geophysical Research: Solid Earth, 2003, 108(B4): 2201-2210.
    [40] Liu Yuan, An Ning, Fan Cunbo, at al. Influence of shape effect of angle reflector on ranging precision of satellite lser ranging system [J]. Laser & Optoelectronics Progress, 2018, 55(11): 110101. (in Chinese)
    [41] Wilkinson M, Rodrguez J, Otsubo T, et al. Implementing consistent clipping in the reduction of SLR data from SGF, Herstmonceux[C]//Proceedings of 21th International Workshop on Laser Ranging Instrumentation, 2018.
    [42] Kucharski D, Kirchner G, Otsubo T, et al. A method to calculate zero-signature satellite laser ranging normal points for millimeter geodesy-a case study with Ajisai [J]. Earth, Planets and Space, 2015, 67(1): 34. doi:  10.1186/s40623-015-0204-4
    [43] Riepl S, Blobfeld M, Schuler T. Processing of SLR observations with an optimal wiener filter-an alternative way to calculate normal points[C]//Proceedings of 21th International Workshop on Laser Ranging Instrumentation, 2018.
    [44] 刘源. 球形卫星高重复频率激光测距数据处理方法研究[D]. 北京: 中国科学大学, 2019.

    Liu Yuan. Research on data processing method of high frequency laser ranging of spherical satellite[D]. Beijing: University of Chinese Academy of Sciences, 2019.
    [45] Samain E, Mangin J F, Veillet C, et al. Millimetric Lunar Laser Ranging at OCA (Observatoire de la Côte d’Azur) [J]. Astronomy and Astrophysics Supplement Series, 1998, 130(2): 235-244. doi:  10.1051/aas:1998227
    [46] He Yun, Liu Qi, Tian Wei, et al. Study on laser ranging for satellite on the second lagrange point of earth-moon system [J]. Journal of Deep Space Exploration, 2017, 4(2): 131-137. (in Chinese)
    [47] Wu Zhibo, Deng Huarong, Zhang Haifeng, et al. Interference and avoidance of atmospheric backscattering on satellite laser ranging with high repetition rate [J]. Infrared and Laser Engineering, 2017, 46(2): 0206002. (in Chinese)
  • [1] 林海声, 吴志波, 郑敏, 龙明亮, 耿仁方, 喻荣宗, 张忠萍.  卫星激光测距系统皮秒准确度时延标定研究及应用 . 红外与激光工程, 2023, 52(10): 20230070-1-20230070-12. doi: 10.3788/IRLA20230070
    [2] 李国元, 唐新明, 周平, 陈继溢, 刘诏, 窦显辉, 周晓青, 王霞.  资源三号03星激光测高数据处理与复合测绘应用 . 红外与激光工程, 2022, 51(5): 20210356-1-20210356-9. doi: 10.3788/IRLA20210356
    [3] 程少宇, 龙明亮, 张海峰, 吴志波, 秦思, 张忠萍.  百kHz重复频率卫星激光测距 . 红外与激光工程, 2022, 51(11): 20220121-1-20220121-9. doi: 10.3788/IRLA20220121
    [4] 耿仁方, 吴志波, 汤凯, 李岩, 孟文东, 张忠萍.  高重复率激光时间比对激光发射时序精确控制 . 红外与激光工程, 2021, 50(10): 20200473-1-20200473-9. doi: 10.3788/IRLA20200473
    [5] 苗澍茁, 安宁, 高健, 温冠宇, 宋清丽, 董雪, 马磊, 范存波.  SLR系统地靶数值仿真及数据处理 . 红外与激光工程, 2021, 50(9): 20200402-1-20200402-9. doi: 10.3788/IRLA20200402
    [6] 王滨辉, 宋沙磊, 曹雄, 何东, 刘中正, 陈振威.  多光谱激光雷达波形数据处理及应用 . 红外与激光工程, 2020, 49(S2): 20200368-20200368. doi: 10.3788/IRLA20200368
    [7] 邓华荣, 龙明亮, 张海峰, 吴志波, 汤凯, 张忠萍.  1 064 nm波长白天卫星激光测距试验 . 红外与激光工程, 2020, 49(10): 20200021-1-20200021-6. doi: 10.3788/IRLA20200021
    [8] 雷李华, 张馨尹, 吴俊杰, 李智玮, 李强, 刘娜, 谢张宁, 管钰晴, 傅云霞.  基于混合优化算法的纳米薄膜参数表征 . 红外与激光工程, 2020, 49(2): 0213001-0213001. doi: 10.3788/IRLA202049.0213002
    [9] 方勇, 曹彬才, 高力, 胡海彦, 江振治.  激光雷达测绘卫星发展及应用 . 红外与激光工程, 2020, 49(11): 20201044-1-20201044-9. doi: 10.3788/IRLA20201044
    [10] 毕凌志, 袁明辉, 朱亦鸣.  利用太赫兹波检测建筑物内钢筋的方法 . 红外与激光工程, 2019, 48(1): 125003-0125003(7). doi: 10.3788/IRLA201948.0125003
    [11] 吕华昌, 陈念江, 钟声远, 李楠楠, 李长桢, 郭丽娜, 吴健, 耿园园.  试验卫星激光反射器的设计和试验 . 红外与激光工程, 2018, 47(8): 806005-0806005(9). doi: 10.3788/IRLA201847.0806005
    [12] 温冠宇, 王爽, 安宁, 董雪, 韩兴伟.  光行差对高轨卫星激光测距的影响分析 . 红外与激光工程, 2018, 47(9): 906001-0906001(5). doi: 10.3788/IRLA201847.0906001
    [13] 刘东, 刘群, 白剑, 张与鹏.  星载激光雷达CALIOP数据处理算法概述 . 红外与激光工程, 2017, 46(12): 1202001-1202001(12). doi: 10.3788/IRLA201746.1202001
    [14] 吴志波, 邓华荣, 张海峰, 汤凯, 张忠萍.  高重复率卫星激光测距中后向散射干扰及规避 . 红外与激光工程, 2017, 46(2): 206002-0206002(6). doi: 10.3788/IRLA201746.0206002
    [15] 邓华荣, 吴志波, 李朴, 汤凯, 张海峰.  偏振调能技术对SLR数据偏差的改善研究 . 红外与激光工程, 2017, 46(9): 917005-0917005(4). doi: 10.3788/IRLA201746.0917005
    [16] 吴志波, 邓华荣, 张海峰, 汤凯, 张忠萍.  卫星激光测距中光束亮度的偏振影响及应用 . 红外与激光工程, 2016, 45(3): 306005-0306005(5). doi: 10.3788/IRLA201645.0306005
    [17] 成桂梅, 刘涛, 荣鹏, 程甘霖, 段京.  多探测器数据控制与处理系统设计 . 红外与激光工程, 2016, 45(4): 420002-0420002(6). doi: 10.3788/IRLA201645.0420002
    [18] 李语强, 李荣旺, 李祝莲, 翟东升, 伏红林, 熊耀恒.  空间碎片激光测距应用研究 . 红外与激光工程, 2015, 44(11): 3324-3329.
    [19] 封双连, 强希文, 宗飞, 李志朝, 常金勇, 赵军卫, 吴敏, 江钰.  湍流廓线激光雷达的数据处理方法 . 红外与激光工程, 2015, 44(S1): 220-224.
    [20] 杨崇瑞, 汪家升, 盛新志, 娄淑琴.  利用多数据处理方法提高LIBS谱信号质量 . 红外与激光工程, 2014, 43(11): 3807-3812.
  • 加载中
图(8) / 表(2)
计量
  • 文章访问数:  322
  • HTML全文浏览量:  167
  • PDF下载量:  76
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-12-05
  • 修回日期:  2021-02-13
  • 刊出日期:  2021-08-25

卫星激光测距数据处理方法研究进展

doi: 10.3788/IRLA20200408
    作者简介:

    安宁,女,副研究员,博士,主要从事卫星激光测距技术及应用等方面的研究工作。

基金项目:  国家自然科学基金面上项目(12073052);吉林省科技发展计划(2020081050GH,2020SYHZ0049)
  • 中图分类号: P228.5

摘要: 数据处理技术的发展与进步是实现毫米级卫星激光测距(Satellite Laser Ranging,SLR)的重要保障。文中简要回顾了SLR技术的发展历程,阐述了数据处理技术在SLR的实际应用,着重介绍了国内外典型的数据处理算法及其发展脉络。同时,针对大地测量产品的应用需求,分析了目前SLR数据处理算法的适用性、稳定性及存在的问题。最后,针对激光测距的未来发展态势,提出了新一代SLR数据处理方法面临的挑战及可能的解决方案,并对其发展趋势做出展望。

English Abstract

    • SLR是目前精度最高的大地空间测量技术之一。作为一门融合光电探测、自动控制、电子通讯、卫星轨道等多学科的综合技术,SLR通过记录激光脉冲往返测站到卫星的时间,精确获得地卫之间的距离[1]。高精度SLR技术的出现极大地促进了大地测量、地球动力学和地球物理科学等学科的发展,为卫星导航、星地双向激光时间对比等国家重大项目的研制提供了关键的技术保障[2-3]

      为开展大地测量和地球物理等相关研究活动,全球大地测量观测系统(Global Geodetic Observation System,GGOS)对SLR数据提出了标准点精度优于1 mm的长期要求[4]。随着光电器件研究水平的不断提高,SLR系统由第1代发展到第3代,经历了由体积笨重、功耗高、精度差、人工依赖性强到小型化、高精度、自动化、多功能的转变。目前,SLR观测精度已从早期的米量级提高到了亚厘米量级,观测距离从1000 km内提高到了381 104 km,观测数据量得到大幅度提升[5-6]。尽管如此,相比GGOS及卫星定轨等应用需求,现有的SLR数据质量仍具有明显差距[7]

      SLR回波点数据涵盖了大量的有用信息,包括激光回波时间、卫星高度角、方位角、星-地观测距离以及与预报差值O-C等。千赫兹SLR技术的出现大幅度增加了回波点数据量、提高了标准点精度,但由于天光背景及系统噪声的影响,原始数据中存在的大量噪声使提取回波信号极为困难。SLR数据处理技术通过数学建模或统计方法剔除了原始数据中的异常噪声,实现了有效数据的筛选。在对回波信号的获取途径上,不再局限于通过高能量的激光发射来获得高信噪比的回波率,而更加注重对回波数据的分析与利用,是SLR研究领域的热点问题之一[8]

      目前,SLR数据处理算法的研究主要围绕标准点算法框架和SLR数据识别与滤波算法两大研究方向进行开展。文中以此为出发点,梳理了SLR系统数据处理算法的发展脉络及研究进展,并对SLR数据处理存在的技术问题进行了回顾与总结。最后,针对激光测距技术的发展态势,提出了新一代SLR数据处理方法的技术方向和发展建议。

    • 1984年,Torrence和Klosko等人在第五届卫星激光测距大会上提出了SLR“标准点”这一概念,利用数据压缩技术将单位时间内的观测信息压缩成一个数据点,大大减小了对大数据集进行轨道分析的计算时间[9]。随后,Herstmonceux站提出的标准点算法认为SLR回波数据呈高斯分布,利用回波分布的三倍中误差对原始数据进行滤波,可剔除大量的背景及系统噪声,实现回波信号的提取[10]。然而,Herstmonceux标准点算法过分依赖于高精度的预报值且运行速度较慢。为此,1992年Appleby和Sinclar在Herstmonceux标准点算法框架下提出了平滑拟合方法计算观测值与预报值之间的时间偏差与距离偏差,有效提升了标准点算法程序的运行速度[11]。1994年,NASA公布了第一代标准点生成(GNP-1)算法[12]。该方法倾向于回波数据本身的偏差,利用迭代方法剔除异常值,摆脱了对卫星预报的依赖性。但由于采用了单次拟合确定趋势函数,当噪声增多时,趋势函数将受到大量异常值的影响,造成SLR数据质量下降。为了解决上述问题,NASA基于Paunonen的中值滤波算法、中国科学院上海天文台的稳健自适应算法等数据处理算法,提出了第二代标准点生成(GNP-2)算法,在算法中采用多次迭代去除异常值,有效改善了GNP-1的稳健性[13]

      1997年,Sinclar等人以Herstmonceux标准点算法及相关研究为基础,给出了标准点算法的标准框架[14]。具体分为以下步骤:(1) 将测量值减预报值得到预报残差,结合数据识别与滤波方法剔除预报残差中的离群值;(2) 对预报残差进行多项式拟合生成趋势函数,通过预报残差减去趋势函数得到拟合残差,利用迭代的中值滤波法剔除拟合残差N倍中误差外的异常值,重复该过程,直到数据精度不再发生明显变化;(3) 根据ILRS标准划分标准点间隔,在间隔内利用数据压缩技术生成标准点数据。图1为标准点算法流程。

      图  1  标准点算法流程

      Figure 1.  Processing flow of normal point algorithm

      在Herstmonceux标准点算法中,SLR的回波分布呈高斯对称。然而,由于探测器效应与卫星形状效应等测距误差的影响,部分卫星的SLR回波数据呈非对称分布(图2)为了表征回波信号的时域分布,Sinclar等人将回波分布的偏度与峰度作为额外参数评价标准点数据质量,完善了标准点算法的评价体系[10, 15]

      图  2  Herstmonceux站Lageos-1卫星SLR实测数据

      Figure 2.  Lageos-1 initial SLR observation data from Herstmonceux station

      此后,如何提高标准点算法的可靠性及稳定性成为SLR数据处理的研究重点。2002年,ILRS针对不同的重频SLR系统,给出了生成标准点最低点数的建议[16]。2012年,为了提高SLR系统的工作效率,ILRS重新定义了SLR标准点生成的时间间隔。该项修正使高重频SLR系统能够在低于常规标准点间隔的时间段内生成标准点,有效提高了系统的工作效率[17]。2013年,Clarke与Degnan等人分析了NGSLR系统与MOBLAS-7系统的SLR回波数据[18]。研究结果表明,由于测站系统的差异,当采用标准点算法处理同一卫星的原始观测数据时,不同SLR系统的数据处理结果不同。因此,应针对SLR系统的性能参数,调整标准点算法中的中误差倍率。2018年,Degnan提出了一种根据观测数据回波率矫正标准点数据的方法[19]。利用实验数据反演由探测器响应模型引起的系统误差,并对标准点数据进行修正。该方法有效提高了标准点数据的精度,为进一步优化标准点算法提出了新的思路。

      标准点算法框架作为ILRS的标准数据处理流程已推广到全球的SLR观测站。ILRS对各测站上传的标准数据进行综合评估,并及时给予反馈[20-21]。目前,由标准点算法生成的全速率数据(Full-Rate Data, FRD)与标准点数据(Normal Point Data, NP)作为ILRS的数据产品免费提供给世界各地研究者下载研究,为地球动力学、大地测量学、地球物理学和天文学等研究提供重要的数据支持与技术保障。图3为标准点算法框架发展进程。

      图  3  SLR标准点算法框架发展进程

      Figure 3.  Development of normal point algorithm

    • 为了丰富SLR数据处理研究体系,完善标准点算法框架,研究者对SLR数据识别与滤波开展了充分的探讨与摸索。作为SLR数据处理面临的主要难题,数据的有效识别与滤波可提高SLR数据精度,改善算法运行效率,对生成高质量SLR数据产品具有重要意义。随着SLR数据建模与统计方法的不断完善,不同的SLR数据识别与滤波方法应用在数据处理过程中,主要包括:人工的屏幕处理法、直方图法、图像处理算法、卫星形状效应滤波算法等。

    • 人工屏幕处理技术是最原始的SLR回波信号提取方式。随着激光发射频率的提升,SLR回波数据量大幅度增长,噪声也随之增加。尽管SLR系统中采用多种滤波技术,如空间滤波、光谱滤波、时间滤波等技术抑制噪声,但仍无法解决白天或天气恶劣情况下系统低信噪比的问题[22-23]。为了解决上述问题,SLR测站多采用人工屏幕处理方法,利用数据坐标转换、翻转拉直等手段,人工地将明显的离群值剔除。该方法可快速识别包含大量噪声的微弱回波,适合各种类型数据的初步筛选。作为标准点算法的补充,屏幕处理法在中国科学院上海天文台、中国科学院长春人造卫星观测站(下面简称长春人卫站)、Zimmer-wald站等SLR台站都取得了不错的效果[24-26]图4示出长春站SLR的屏幕处理结果。

      图  4  长春站SLR屏幕处理结果。(a)未处理;(b)处理后

      Figure 4.  Lageos-1 observation data with screening processing method for Changchun station. (a) Pre-treatment; (b) Post-treatment

    • 直方图法诞生于SLR发展早期,克服了人工屏幕处理法对研究人员经验的依赖性,是一种高效、简便的数据处理手段。直方图法基于回波信号的时间相关性,对SLR原始数据换算并统计距离的累加值,通过分析SLR回波的统计特征设定距离窗的大小、框间隔以及回波阈值,实现卫星回波的有效提取。当直方图中某一时间区域内的数据量超过设定阈值,则认为在该区间内存在SLR有效的回波数据[27]。典型的直方图法包括Graz快速回波辨识算法、SLR2000系统的相关检测算法、N/M算法等。表1为常见直方图法的优缺点。

      表 1  常见直方图法优缺点

      Table 1.  Advantage and disadvantage of various histogram methods

      NameAdvantageDisadvantage
      1Graz echo identfying algorithmHuman machine interface, simple to operateLow detection rates for high-orbit sateliltes
      2SLR2000 correlation algorithmHighly flexible and efficient for dealing
      massive observation data
      Sensitive to the range window and low automation
      3N/M algorithmMore adaptive, especially for low S/N ratioComplicated calculation and poor real-time performance

      随着激光测距理论研究的不断完善,以直方图方法为基础衍生出了多种适用不同SLR系统的数据处理方法。1994年,针对单光子量级的LLR (Lunar Laser Ranging,LLR)与SLR系统,Ricklefs与Shelus等人以探测器响应的泊松过程为设计思想,提出了泊松滤波算法[28]

      在SLR过程中,背景噪声在距离内呈随机分布,而回波光子理论上服从以下分布:

      $$p(k) = \frac{{N_s^k}}{{k!}}\exp ( - {N_s})$$ (1)

      式中:$ {N_s} = \dfrac{{{E_{rec}}}}{{hv}}$

      泊松滤波算法从SLR回波光子数统计分布规律出发,利用矩形窗口对短时间间隔内的SLR数据进行斜率扫描,并对扫描结果进行直方图统计。当单位时间间隔内统计的回波点数超过阈值且符合泊松过程时,则判定该区域内存在有效回波数据。该方法不依赖高精度预报与趋势函数,可快速提取SLR的有效回波,且不会造成数据损失,是目前高精度SLR回波数据处理方法的代表之一。图5为泊松滤波原理示意图。

      图  5  不同数据处理算法产生的SLR数据。(a)直方图法;(b)泊松滤波算法

      Figure 5.  SLR data generated by various data processing algorithm. (a) Histogram method; (b) Possion filtering method

      泊松滤波算法是一种统计滤波算法,对SLR回波量级有着极高的要求。当激光脉冲强度改变或天气变化时,回波数据强度及分布也随之变化,直接影响数据处理结果。2016年,Rodriguez与Appleby等人提出了一种改进的泊松滤波方法[29]。该算法基于SLR单光子及多光子探测机制的分析,利用多光子探测方程评估在该时间间隔内探测器响应时的光子数,将不符合单光子探测的观测数据与噪声同时滤除,有效提高了SLR观测数据的质量。表2为泊松统计滤波算法计算不同卫星的处理结果。

      表 2  泊松滤波、后处理算法产生的SLR数据

      Table 2.  SLR data generated by post-treatment and Possion filtering

      NumberSatelliteEcho points by
      post-treatment
      Echo points by
      Possion filtering
      Observation
      arc length/s
      1Ajisai430159171.25
      2Jason-1600298349.75
      3Stella347119268.57
      4BE-C723372316.87
      5ERS-128497144.50

      2014年,Clarke等人发现在低信噪比情况下,经过泊松滤波处理后的SLR数据中仍存在一些与有效数据无法分离的背景噪声。为此,Clarke等人设计了一种噪声抑制算法,通过统计、比较背景噪声密度与原始数据密度,实现有效信号的筛选。当回波数据密度结果大于背景噪声密度时,则认为该区域内包含有效回波数据,并依据背景噪声密度随机剔除该区域内的数据点,进而获取SLR的有效回波。噪声抑制算法有效提升了回波点数据量及标准点精度,并减小了不同测站的数据结果差异[30]

      作为直方图法的另一典型代表,样条差值法常应用于自转周期性明显、回波数据曲线波动较大的卫星数据处理[31]。样条差值法是基于细分的统计算法,即将整个观测弧段分成细小的子弧段,然后分别在这些小的时间间隔内应用切比雪夫多项式对观测数据进行拟合,最后在时间间隔的边界点进行多项式匹配。该算法通过低阶多项式拟合,可有效提高数据处理精度,提供更好的标准偏差。图6为利用样条差值法处理的Topex卫星观测数据结果图。

      图  6  利用样条差值法处理Topex SLR观测数据的结果。(a)未处理;(b)处理后

      Figure 6.  Topex SLR observation data generated by spline difference method. (a) Pre-treatment; (b) Post-treatment

    • 图像工程技术的出现为SLR数据处理带来了新的契机。以时间相关光子计数为基础的SLR系统在测距过程中出现了大量的噪声点。这些噪声点将呈现无规则的弥散分布,与卫星返回的有效光子呈交替存在。回波光子点云相对密集,而噪声点数据比较分散。为此,2011年雁雨等人提出一种基于点云曲线识别的SLR数据处理算法[32]。该算法将SLR数据视为点云数据,将数据分布网格化后,利用计算机视觉技术、遗传算法等方法确定点云的有效区域,再结合多项式拟合方法剔除离群点,多次迭代最终得到有效数据。

      为了进一步改善激光测距数据处理中信号提取困难以及自动化程度不高的现状,2014年李熙提出一种基于二值图像的SLR数据处理方法[33]。将原始数据文件映射为二值图像,再利用区域处理方法将像素点分割,通过图片降噪的方法提取有效数据区域,最后做逆变换求解有效数据。结果表明,二值化方法充分考虑了信号点间的关系,在SLR自动数据处理方面有很好的效果,有效减少了人为误差。然而,该方法鲁棒性较差,在回波率较低时,数据处理结果并不理想。

      随着人工智能技术的发展,机器视觉广泛应用于海量数据识别、信息深度挖掘以及图像轮廓提取等方面。2019年,Lixue等人基于深度卷积神经网络模型,利用DeepLabcut工具对SLR回波图像进行有效信号数字标记[34]。然而,由于SLR回波数据呈一维分布,无法在二维图像或视频中看到其回波特征,Deep Labcut无法有效区分SLR回波图像的有效信号点及噪声点。当回波图像帧数较少时,有效信号识别率仅为4%,不能满足高精度SLR数据处理的需求。

    • 作为影响SLR回波数据精度的最主要因素,卫星质心修正(Centre-of-Mass correction, CoM)误差是由角反射器的卫星形状效应引起的系统误差,其误差范围在10 mm以上[35]。在SLR过程中,卫星表面布满角反射器,发射光束中的同一波阵面的光子到达角反射器的时间不同,不同平面角反射器反射回波有先后之分,最前面的角反射器回波最早,两边的反射器回波较晚,不同的反射回波混叠在一起,导致回波波形的展宽和畸变,严重影响了系统的精度与稳定性[36]图7为卫星形状效应示意图。

      图  7  卫星形状效应示意图

      Figure 7.  Schematic diagram of satellite signature effect

      1976年,NASA在对Lageos角反射器阵列进行研究时发现,入射在球形卫星不同角反射器上的激光回波时刻存在明显差异[35]。由于当时技术水平的限制,由卫星形状效应引起的测距误差被其他误差如激光脉宽、探测器响应、大气误差等因素所掩盖,并没有得到重视。随着高重频SLR技术日益成熟,系统的回波点数大幅度增长,由卫星形状效应引起的回波分布的非对称性从噪声中显现出来。1994年,Neubert提出卷积方法,对卫星形状效应进行建模分析,计算了不同球形卫星的CoM值[37];2001年,范建兴等人通过概率密度函数建立了CoM模型,模拟了SLR回波波形[38];2003年,Toshimichi Otsubo等人分析了测站参数对CoM值的影响,讨论了SLR实际回波与理论模型函数的差异[39];2008年,Graz站基于卫星形状效应,提出了前沿切割算法以减小或消除卫星形状效应对SLR数据质量的影响[40]图8)。结果表明,当只选取Lageos有效数据前沿10%数据进行多项式拟合剔除异常值时,可大幅度提高SLR回波数据质量。2018年,Wilkinson与Rodriguez等人利用前沿切割算法对Herstmonceux测站Lageos-1、Lageos-2原始观测数据(2015~2018年)进行数据处理,验证了该算法可有效改善数据精度,但由于Lageos-1、Lageos-2卫星轨道不同,在相同切割位置时数据处理结果存在一定差异,其稳健性并不理想[41]

      图  8  Graz测站滤波方法得到的Ajisai SLR数据 [39]

      Figure 8.  Ajisai SLR data generated by Graz station filtering method[39]

      为进一步减小或消除卫星形状效应,2016年,Graz站提出了零势效应算法[42]。该算法利用信号处理方法从SLR数据中提取Ajisai的旋转频率,通过建立Ajisai卫星的运动模型筛选Ajisai的有效回波。最后,综合分析Ajsai卫星角反射器的结构参数与分布,只保留测距站最近的角反射器回波数据。这一方法成功地将Aisai标准点精度从15.44 mm提升至3.05 mm,大幅度提高了Ajisai回波数据质量。

      2018年,Riepl等人基于卫星形状效应提出了一种基于最优维纳滤波的去卷积算法[43]。利用维纳滤波算法平滑SLR数据分布曲线,根据卫星形状效应模型对SLR数据进行反卷积,并生成了标准点数据。同时,对Wettzell站的Lageos、Ajisai、Etalon等SLR原始数据进行处理。结果表明,维纳滤波算法明显优于2倍中误差的标准点算法。

      2019年,长春人卫站刘源等人开展了卫星形状效应的研究,并提出边缘滤波算法[44]。该算法沿承了前沿切割算法的思想,根据不同球形卫星的回波特性对数据进行剪切,选取了回波数据半峰宽内的回波数据,滤除了大量噪声点。与基本滤波算法相比,边缘滤波算法处理的SLR标准点精度约提高20%~50%。

    • 随着计算机技术的不断进步,SLR数据处理技术已成为激光测距研究领域最活跃的课题之一。利用SLR数据处理技术获取高精度的SLR数据产品,对完善激光测距理论研究、构建测距系统以及拓展技术应用具有重要的科学需求和现实意义。文中对SLR数据处理技术的基本内涵进行了阐述,系统地介绍了几种典型的SLR数据处理方法及其发展脉络。通过总结分析发现,现有的数据处理方法通常基于回波分布统计特征的分析,利用回波光子的时间相关性对回波中的噪声数据进行滤波,回波数据的阈值设定或剪切范围人工依赖性较强,在处理低信噪比、微弱光子测距回波时存在一定的局限性。

      如今,SLR数据处理技术正向着精(高精度)、稳(数据稳定性好)、快(自动化程度高)、广(适用性强)等方向发展,具有极大的发展空间和上升潜力。未来值得进一步研究的工作主要包括:

      (1)微弱光子探测数据处理方法的研究

      深空激光测距是激光测距研究领域中的重要发展方向和追求目标。对于月球或者超月球的空间飞行器,由于观测距离远、测距环境复杂,系统信噪比低、微弱回波光子极易被淹没,仅依靠统计学滤波提取有效信号十分困难[45]。探测器效应、卫星形状效应等SLR误差源的深入分析为提取SLR回波信号的研究带来了新的突破口,弥补了现有数学滤波技术的不足。但在微弱光子探测的数据处理方法的研究中仍有许多问题有待进一步解决,包括如何基于物理效应优化回波阈值、距离栅格参数等。同时,应进一步完善多/双波长SLR系统,地靶测距系统等结构设计,减小大气延迟、系统时延误差等误差对SLR数据精度的影响等。

      (2)海量观测数据处理方法的研究

      光电器件产业的蓬勃发展使2 kHz、4 kHz、5 kHz和10 kHz甚至是100 kHz的高重频SLR系统从理论设想走向现场试验[46-47]。回波数据量大幅度增长为SLR数据处理单元和存储单元带来了很大的负担,导致处理时间长、操作缓慢、存储设备容量不能满足。因此,未来的数据处理方法应采用专用高速硬件,结合数据采集技术、数据压缩技术,开展FPGA的算法硬件语言、高速AD数据转换等方面的研究,充分利用Visual C++可视化操作和Fortran高效运算能力,实现短时间内对SLR海量观测数据的集中高速处理,进而提高SLR系统的工作效率、改善系统探测性能。

      (3)综合数据处理方法的研究

      现有的SLR数据处理过程通常采用单一算法获取有效回波信号,极大地限制了应用范围。为了完成SLR系统要求的高精度、智能化、快速反应等目标,未来数据处理技术可采用多算法合并的综合处理策略,实现不同算法的技术优势互补,手段多源融合。例如,可在标准点算法框架的基础上,应用卫星形状效应滤波算法,减小或消除由卫星形状效应引起的系统误差。同时,综合考虑回波信号的统计特征及形状特征,可利用短时静态实测背景噪声构建噪声模板,结合机器视觉技术最大限度剔除背景噪声,提取有效信号,改善SLR数据质量,实现激光测距自动数据处理。

      总而言之,SLR数据处理技术在SLR系统精度提升中扮演者至关重要的角色。经过研究人员的不懈努力,SLR数据处理技术取得了一定的进展和突破,但仍未满足未来大地测量数据产品的应用需求,迫切需要在算法的数据处理精度、稳健性、运行效率、自动化等方面做出原始创新,并逐步建立起完整的SLR数据处理算法评价体系,为载人航天、卫星导航系统及深空探测等国家重大专项的突破提供不可或缺的高精度测量数据支持。

参考文献 (47)

目录

    /

    返回文章
    返回