[0001] 本发明涉及北斗导航卫星信号智能化处理技术领域，尤其涉及一种临近广阔水域的北斗导航卫星定位数据粗差剔除算法。

[0002] 在理想状态下，北斗导航卫星定位接受机只接受运行于轨道上的北斗导航卫星的信号（直接信号），解算得出接收机天线所处精确的空间位置。然而在在复杂的应用场景下，特别是在临近河、湖、库等广阔水域，会反射卫星信号（间接信号），被北斗导航卫星定位接受机接受后，将和直接来自北斗卫星的信号（直接路径）产生干涉，俗称间接路径效应，不可避免地对解算结果造成粗差。这些粗差会严重影响北斗导航卫星的定位、导航精度和可靠性，特别是在高精度要求的应用中，如河道观测、水上导航和水文监测等。早期粗差剔除方法主要基于统计学原理，通过设定阈值、使用最小二乘法和残差分析等手段来检测和剔除粗差。然而，这些方法对随机性强的间接路径效应导致导航、定位方面的影响处理能力有限，不可避免地对解算结果造成粗差。急需利用信号处理修复算法，对大面积水域产生的反射信号进行智能识别，对其产生的粗差进行自动化的剔除，从而保证北斗导航卫星测量结果的正确性和稳定性。

[0026] 下面结合附图对本发明的技术方法进行清楚、完整的描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域所属的技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0027] 此外，附图仅为本发明的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器方法和/或微控制器方法中实现这些功能实体。

[0028] 应当理解的是，虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元，但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说，在不背离示例性实施例的范围的情况下，第一单元可以被称为第二单元，并且类似地第二单元可以被称为第一单元。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。

[0029] 为实现上述目的，请参阅图1至图4，一种临近广阔水域的北斗导航卫星定位数据粗差剔除算法，所述方法包括以下步骤：步骤S1：获取卫星接收信号；对卫星接收信号进行信号预处理，生成标准卫星接收信号；
步骤S2：对标准卫星接收信号进行间接路径干涉分析，得到直接路径接收信号和间接路径接收信号；利用推演综合信号模型对直接路径接收信号和间接路径接收信号进行信号相位扰动分析，生成间接路径接收信号相位漂移量；
步骤S3：通过间接路径接收信号相位漂移量对标准卫星接收信号进行实际信号扰动分析，生成实际信号扰动数据；对实际信号扰动数据进行平均扰动幅度计算，得到实际信号平均扰动幅度数据；利用北斗导航卫星定位数据粗差剔除算法基于实际信号平均扰动幅度数据对实际信号扰动数据进行多层次信号干扰排除，从而生成卫星接收扰动优化信号；
步骤S4：基于卫星接收扰动优化信号进行信号环境模拟，得到信号环境模拟数据；
通过北斗导航卫星定位数据粗差剔除算法对环境模拟数据进行信号剔除优化性能评估，生成优化性能评估数据；通过优化性能评估数据对卫星接收扰动优化信号进行信号粗差剔除环境适应性分析，生成数据粗差剔除算法适应性数据。

[0030] 本发明通过获取卫星接收信号。对卫星接收信号进行信号预处理，生成标准卫星接收信号。信号预处理步骤有助于去除初始接收信号中的噪声和干扰，生成一个干净的、标准化的信号，便于后续处理。对标准卫星接收信号进行间接路径干涉分析，得到直接路径接收信号和间接路径接收信号。利用推演综合信号模型对直接路径接收信号和间接路径接收信号进行信号相位扰动分析，生成间接路径接收信号相位漂移量。通过分离直接路径和间接路径的信号，并分析间接路径的相位漂移量，可以更好地理解和消除多路径效应对信号的影响，提高信号的准确性。通过间接路径接收信号相位漂移量对标准卫星接收信号进行实际信号扰动分析，生成实际信号扰动数据。对实际信号扰动数据进行平均扰动幅度计算，得到实际信号平均扰动幅度数据。利用北斗导航卫星定位数据粗差剔除算法，基于实际信号平均扰动幅度数据，对实际信号扰动数据进行多层次信号干扰排除，生成卫星接收扰动优化信号。这个步骤通过分析和计算实际信号的扰动幅度，并利用算法进行多层次的信号干扰排除，能够有效地减少信号中的误差，提高信号质量。基于卫星接收扰动优化信号进行信号环境模拟，得到信号环境模拟数据。通过北斗导航卫星定位数据粗差剔除算法对环境模拟数据进行信号剔除优化性能评估，生成优化性能评估数据。通过优化性能评估数据对卫星接收扰动优化信号进行信号粗差剔除环境适应性分析，生成数据粗差剔除算法适应性数据。通过信号环境模拟和适应性分析，评估和优化信号剔除算法的性能，确保算法能够在各种环境下有效地工作，从而提高卫星定位的准确性和可靠性。通过上述步骤，本方法能够有效地处理和优化卫星接收信号，消除信号中的干扰和误差，提高信号的稳定性和准确性。这对于提高北斗导航卫星定位的精度具有重要意义。因此，本发明通过利用信号处理修复算法，对大面积水域产生的反射信号进行智能识别，对其产生的粗差进行自动化的剔除，从而保证测量结果的正确性和稳定性。

[0031] 本发明实施例中，参考图1所述，为本发明一种临近广阔水域的北斗导航卫星定位数据粗差剔除算法的步骤流程示意图，在本实例中，所述一种临近广阔水域的北斗导航卫星定位数据粗差剔除算法包括以下步骤：步骤S1：获取卫星接收信号；对卫星接收信号进行信号预处理，生成标准卫星接收信号；
本发明实施例中，通过使用具体的卫星接收设备，例如卫星天线和接收器，安装在合适的位置，确保能够有效地接收目标卫星的信号。确定接收设备的方位和俯仰角度，以最大化信号接收效率。启动接收设备，并根据卫星的轨道和预定的接收时间窗口进行信号接收。确保接收设备处于稳定状态，并且接收到的信号质量符合预期要求。针对目标卫星的频率、极化方式和其他必要的参数进行设置，以确保能够正确接收卫星发射的信号。使用合适的数据采集设备或软件记录接收到的原始卫星信号数据。确保数据记录的准确性和完整性，包括时间戳和接收参数等信息。对接收到的原始信号进行质量评估，包括信噪比、频谱特征和其他相关参数的分析。根据评估结果，确定是否需要进行进一步的信号处理或校正。
使用数字信号处理技术，如滤波器和去噪算法，对原始信号进行处理。去除存在的噪声和干扰，以提高信号的清晰度和准确性。将经过预处理的信号进行标准化处理，确保信号的数据格式、单位和范围符合预定的标准要求。根据接收设备的特性和校准信息，对信号进行必要的校正，以确保数据的可靠性和可比性。

[0032] 步骤S2：对标准卫星接收信号进行间接路径干涉分析，得到直接路径接收信号和间接路径接收信号；利用推演综合信号模型对直接路径接收信号和间接路径接收信号进行信号相位扰动分析，生成间接路径接收信号相位漂移量；本发明实施例中，通过使用具体的信号处理技术，如空间滤波和波束形成，对接收到的卫星信号进行分析和处理。区分直接路径接收信号和间接路径接收信号，确保能够准确获取目标信号和背景干扰信号。建立间接路径干涉模型，考虑信号的传播路径、反射和散射现象。根据信号的传播特性和接收条件，确定信号在直接路径和间接路径上的传播效果和干涉情况。分析间接路径信号对直接路径信号的干扰效应，包括干涉引起的信号衰减、多径效应和相位失真等影响。使用数学建模和仿真工具，如Matlab或Python中的信号处理库，进行信号干扰的定量分析和评估。建立推演综合信号模型，考虑直接路径接收信号和间接路径接收信号的相位特征。确定信号在传播过程中遇到的各种影响因素，如大气传播条件、地面反射和障碍物散射等。使用建立的信号模型，对直接路径接收信号和间接路径接收信号的相位进行数学建模。计算间接路径接收信号相对于直接路径接收信号的相位漂移量，考虑时间变化和环境条件的影响。对计算得到的相位漂移量进行数据分析和统计处理，评估其在不同情况下的变化趋势和影响程度。进行实验验证或仿真模拟，验证推演综合信号模型的有效性和准确性。

[0033] 步骤S3：通过间接路径接收信号相位漂移量对标准卫星接收信号进行实际信号扰动分析，生成实际信号扰动数据；对实际信号扰动数据进行平均扰动幅度计算，得到实际信号平均扰动幅度数据；利用北斗导航卫星定位数据粗差剔除算法基于实际信号平均扰动幅度数据对实际信号扰动数据进行多层次信号干扰排除，从而生成卫星接收扰动优化信号；本发明实施例中，通过使用步骤S2中计算得到的间接路径接收信号相位漂移量数据，对标准卫星接收信号进行实际信号扰动分析。分析间接路径引起的信号相位变化和干扰效应，评估其对卫星接收信号质量的影响。在实际环境中或仿真实验中，获取标准卫星接收信号在不同情况下的实际扰动数据。记录每次接收到的卫星信号的相位变化和干扰情况，形成实际信号扰动数据集。对实际信号扰动数据进行统计分析，计算多个样本中的平均扰动幅度。使用数学统计方法，如均值和标准差，评估实际信号扰动的稳定性和一致性。根据实际信号平均扰动幅度数据，设计具体的北斗导航卫星定位数据粗差剔除算法。使用剔除算法对卫星接收到的信号数据进行多层次的干扰排除和修正，提升信号质量和定位精度。根据排除干扰后的数据，生成卫星接收信号的优化版本，即卫星接收扰动优化信号。确保优化信号在不同环境条件下具有稳定的性能和准确的数据传输能力。

[0034] 步骤S4：基于卫星接收扰动优化信号进行信号环境模拟，得到信号环境模拟数据；通过北斗导航卫星定位数据粗差剔除算法对环境模拟数据进行信号剔除优化性能评估，生成优化性能评估数据；通过优化性能评估数据对卫星接收扰动优化信号进行信号粗差剔除环境适应性分析，生成数据粗差剔除算法适应性数据。

[0035] 本发明实施例中，通过使用步骤S3中生成的卫星接收扰动优化信号，进行信号环境模拟。模拟不同的信号接收条件和环境情况，包括不同的干扰来源和信号传输路径。在模拟环境中，记录模拟信号的各种特征和参数，如信号强度、相位变化、噪声级别等。确保数据采集的全面性和准确性，以支持后续的信号优化性能评估和适应性分析。根据步骤S3中设计的北斗导航卫星定位数据粗差剔除算法，对模拟环境中的信号数据进行处理和优化。评估剔除算法在不同信号环境下的效果和性能，包括剔除精度、剔除时间和适应性。分析处理后的数据，生成信号剔除优化性能评估数据。记录每种环境条件下的剔除效果和优化结果，形成详细的评估报告和数据统计。基于优化性能评估数据，分析卫星接收扰动优化信号在不同环境下的粗差剔除适应性。探讨剔除算法在复杂信号环境中的应用能力和限制，包括对特定干扰类型和强度的响应能力。根据分析结果，生成数据粗差剔除算法适应性数据。提供关于算法适用性的结论和建议，以指导未来的信号处理和优化策略。

[0036] 优选的，步骤S1包括以下步骤：步骤S11：通过北斗导航卫星定位接收机获取卫星接收信号；
步骤S12：对卫星接收信号进行数字信号转换，得到卫星接收数字信号；
步骤S13：对卫星接收数字信号进行信号解调，从而生成卫星解调信号；
步骤S14：对卫星解调信号进行信号增益，得到标准卫星接收信号。

[0037] 本发明实施例中，通过使用专用的北斗导航卫星定位接收机设备，例如专业的接收器或天线系统。在合适的位置和时间段内进行信号接收，确保接收到来自北斗导航卫星的有效信号。将接收到的模拟信号转换为数字信号。使用数字信号处理技术，例如模数转换器（ADC），将模拟信号转换为数字格式，以便后续数字信号处理。对获取的数字信号进行解调处理，以提取出有用的信息。解调过程包括将复杂的接收信号转换为基带信号或中频信号，并去除不必要的频率成分或调制。对获取的数字信号进行解调处理，以提取出有用的信息。解调过程包括将复杂的接收信号转换为基带信号或中频信号，并去除不必要的频率成分或调制。

[0038] 作为本发明的一个实例，参考图2所示，在本实例中所述步骤S2包括：步骤S21：对标准卫星接收信号进行接收时序分析，得到卫星信号接收时序数据；
步骤S22：通过卫星信号接收时序数据对标准卫星接收信号进行间接路径干涉分析，得到直接路径接收信号和间接路径接收信号；
步骤S23：构建推演综合信号模型；利用推演综合信号模型对直接路径接收信号和间接路径接收信号进行GNSS综合信号推演，从而生成卫星综合推演信号；
步骤S24：根据卫星综合推演信号对间接路径接收信号进行信号相位扰动分析，生成间接路径接收信号相位漂移量。

[0039] 本发明实施例中，通过使用预先配置的北斗导航卫星定位接收机设备，获取实时或历史的卫星信号数据。对获取的卫星接收信号进行时序分析。分析过程包括信号的时间序列特征、波动性、稳定性等方面的评估和统计。根据接收到的卫星信号数据，进行间接路径干涉分析。包括分析直接路径接收信号和间接路径接收信号之间的关系和区别。基于分析的直接路径接收信号和间接路径接收信号的特征，构建综合信号模型。模型可以涵盖信号的频率、相位、幅度等关键特征。使用建立的综合信号模型，对直接路径接收信号和间接路径接收信号进行综合分析和推演。目的是生成更加准确和全面的卫星综合推演信号。对生成的卫星综合推演信号进行相位分析。分析过程中关注信号相位的变化和漂移，特别是间接路径接收信号的相位漂移量。

[0040] 优选的，步骤S22包括以下步骤：步骤S221：通过卫星信号接收时序数据对标准卫星接收信号进行时序信号分割，得到时序分割信号段；
步骤S222：对时序分割信号段进行希尔伯特变换，得到时序分割信号包络；对时序分割信号包络进行变化趋势分析，生成时序分割信号强度数据；
步骤S223：对时序分割信号包络进行瞬时信号相位计算，得到瞬时信号相位数据；
通过瞬时信号相位数据对时序分割信号段进行相邻信号段相位差分析，生成相邻信号段的瞬时相位；
步骤S224：基于时序分割信号强度数据和相邻信号段的瞬时相位对时序分割信号段进行间接路径干涉分析，得到直接路径接收信号和间接路径接收信号；
其中间接路径干涉分析的计算公式如下所示：
式中， 表示为直接路径接收信号， 表示为间接路径接收信号，表示为直接路径信号的振幅，表示为直接路径信号的相位，表示为信号反射系数， 表示为间接路径信号的振幅，表示为间接路径信号引起的相位延迟。

[0041] 本发明实施例中，通过使用获取的卫星信号接收时序数据，对标准卫星接收信号进行分段处理，得到时序分割信号段。对时序分割信号段进行希尔伯特变换，得到时序分割信号包络。希尔伯特变换可以提取信号的包络，即信号的振幅随时间的变化。对时序分割信号包络进行变化趋势分析，生成时序分割信号强度数据。分析包络的变化趋势可以反映信号强度的变化特征。对时序分割信号包络进行瞬时信号相位计算，得到瞬时信号相位数据。瞬时信号相位反映了信号在某一时刻的相位信息。使用瞬时信号相位数据对相邻的时序分割信号段进行相位差分析。计算相邻信号段之间的瞬时相位差，这可以用来分析间接路径引起的相位延迟。根据给定的计算公式进行间接路径干涉分析使用计算公式对时序分割信号段进行间接路径干涉分析，得到直接路径接收信号和间接路径接收信号的相关数据。确保计算过程中考虑到信号的相位变化和振幅变化，以及反射系数等影响因素的综合分析。

[0042] 优选的，步骤S23包括以下步骤：步骤S231：利用环境传感器对北斗导航卫星定位接收机进行环境信息采集，得到接收机环境信息数据；
步骤S232：对接收机环境信息数据进行环境三维建模，得到接收机三维环境数据；
通过接收机三维环境数据对直接路径接收信号和间接路径接收信号进行信号射线追踪，生成信号传播模拟数据，其中信号传播模拟数据包括传播路径模拟数据和信号反射模拟数据；
步骤S233：基于传播路径模拟数据和信号反射模拟数据进行综合信号模型训练，从而生成推演综合信号模型；将直接路径接收信号和间接路径接收信号导入至推演综合信号模型中进行信号叠加，从而生成卫星综合推演信号；
其中推演综合信号模型的信号叠加处理公式如下所示：
式中，表示为卫星综合推演信号， 表示为直接路径接收信号， 表示为间接路径接收信号，表示为信号反射系数，表示为间接路径信号引起的相位延迟；
卫星综合推演信号的概化公式如下所示：
式中，表示为推演综合信号模型，表示为间接路径信号引起的相位延迟，表示为信号反射系数。

[0043] 本发明实施例中，通过使用环境传感器获取接收机周围的环境信息，包括温度、湿度、大气压等数据。得到接收机环境信息数据，用于后续的信号传播模拟和建模。对接收机周围的环境信息进行三维建模，生成接收机的三维环境数据。确保建模包括周围物体的位置、形状、反射特性等。利用接收机三维环境数据进行信号射线追踪。对直接路径接收信号和间接路径接收信号进行追踪，得到信号传播模拟数据。包括传播路径模拟数据和信号反射模拟数据，这些数据将用于后续的综合信号模型训练。基于传播路径模拟数据和信号反射模拟数据，进行综合信号模型的训练。确保模型能够准确地反映直接路径接收信号和间接路径接收信号的特征及其相互作用。将直接路径接收信号 和间接路径接收信号 导入推演综合信号模型中进行信号叠加。根据给定的信号叠加处理公式进行计算，生成卫星综合推演信号 。

[0044] 优选的，步骤S24包括以下步骤：步骤S241：获取卫星轨道位置数据；
步骤S242：对接收机环境信息数据进行临近水文特征提取，得到接收机环境水文特征数据，其中接收机环境水文特征数据包括临近水面高度数据和临近水面位置数据；
步骤S243：对北斗导航卫星定位接收机进行接收天线位置分析，生成接收机接收天线位置信息数据；对卫星轨道位置数据、临近水面高度数据和临近水面位置数据以及接收机接收天线位置信息数据进行空间周期性变化分析，生成信号接收空间变化数据；
步骤S244：基于信号接收空间变化数据对卫星综合推演信号进行相位延迟变化分析，生成间接信号相位延迟变化数据，并将间接信号相位延迟变化数据导入至推演综合信号模型中进行相位漂移量推演，从而生成间接路径接收信号相位漂移量；
其中相位漂移量推演的推演公式如下所示：
式中， 表示为间接路径接收信号相位漂移量， 表示为间接信号相位延迟变化数据，表示为信号接收空间变化长度，表示为推演综合信号模型的输出值，表示为间接路径信号引起的相位延迟，表示为信号反射系数。

[0045] 本发明实施例中，通过从北斗导航卫星系统或其他相关卫星系统获取卫星的实时轨道位置数据。数据应包括卫星的位置坐标（经度、纬度、高度）和速度等关键信息。使用环境传感器或地面测量工具获取接收机周围的水文特征数据。提取的特征数据包括临近水面的高度数据和地理位置数据（如经纬度）。对北斗导航卫星定位接收机的接收天线位置进行详细分析和测量。确定接收天线的准确位置和朝向，这对信号接收的空间角度和路径具有重要影响。结合卫星轨道位置数据、临近水文特征数据和接收天线位置信息，分析信号接收过程中的空间周期性变化。这包括信号在传播路径中受到的地形、水面高度等因素的影响，以及这些因素如何导致信号传播路径的变化和信号接收的变化。使用空间周期性变化数据，对卫星接收信号进行相位延迟变化分析。根据卫星综合推演信号模型，计算间接路径接收信号的相位延迟变化 。将计算得到的间接信号相位延迟变化 导入推演综合信号模型中，进行相位漂移量 的推演。

[0046] 优选的，步骤S3包括以下步骤：步骤S31：通过间接路径接收信号相位漂移量对标准卫星接收信号进行实际信号扰动分析，生成实际信号扰动数据；
步骤S32：对实际信号扰动数据进行快速傅里叶变换变换，得到实际信号扰动频谱图；对实际信号扰动频谱图进行平均扰动幅度计算，得到实际信号平均扰动幅度数据；
步骤S33：将实际信号平均扰动幅度数据和预设的扰动幅度阈值进行对比，当实际信号平均扰动幅度数据大于或等于预设的扰动幅度阈值时，则通过北斗导航卫星定位数据粗差剔除算法对实际信号扰动数据进行高精度间接信号干扰排除，从而生成卫星接收扰动优化信号；
步骤S34：当实际信号平均扰动幅度数据小于预设的扰动幅度阈值时，则对实际信号扰动数据进行常规信号去噪，同样生成卫星接收扰动优化信号。

[0047] 本发明实施例中，通过使用步骤S31得到的间接路径接收信号相位漂移量数据，对标准卫星接收信号进行实际信号扰动分析。根据相位漂移量数据，生成实际信号扰动数据，即卫星接收信号在复杂环境下的真实扰动情况。对步骤S31生成的实际信号扰动数据进行快速傅里叶变换（FFT），得到实际信号扰动的频谱图。快速傅里叶变换将信号从时域转换到频域，能够清晰展示信号在不同频率上的扰动情况。在实际信号扰动频谱图的基础上，计算其平均扰动幅度数据。这一步骤评估了信号在频域上的整体扰动程度。将实际信号的平均扰动幅度数据与预设的扰动幅度阈值进行对比。如果实际信号的平均扰动幅度大于或等于预设的阈值，执行步骤S33；如果小于预设的阈值，则执行步骤S34。当实际信号的平均扰动幅度数据大于或等于预设的扰动幅度阈值时，使用北斗导航卫星定位数据粗差剔除算法。该算法针对实际信号扰动数据中的高精度间接信号干扰进行排除，以生成卫星接收扰动优化信号。当实际信号的平均扰动幅度数据小于预设的扰动幅度阈值时，执行常规信号去噪操作。常规信号去噪技术可以包括滤波、降噪算法等，以减少信号中的噪声和干扰，同样生成卫星接收扰动优化信号。

[0048] 优选的，步骤S33中的北斗导航卫星定位数据粗差剔除算法具体如下：式中， 表示为第 个输入信号， 表示为第 个输出信号，表示为粗差提取系数，表示为输入信号阶数， 表示为第个优化信号，表示为间接路径低频信号单位权，表示为优化信号与输入信号的相关系数， 表示为输入信号的自相关系数，表示为优化信号阶数，表示为输入信号的最大阶数，表示为间接信号的时间序列。

[0049] 本发明通过分析并整合了一种北斗导航卫星定位数据粗差剔除算法，算法中的输入信号表示 是从北斗导航卫星接收到的原始定位信号序列，即第 个输入信号。输出信号 经过优化处理后的信号，即第 个输出信号。通过对输入信号进行优化处理 得到。粗差提取系数 表示粗差的提取系数，用来量化优化后信号中的粗差程度。通过最小化 来剔除粗差。输入信号阶数 指定了输入信号的阶数，影响到优化处理的复杂度和效果。优化信号 表示经过优化处理后的信号，用来替代原始的输入信号 ，以减少信号中的粗差。间接路径低频信号单位权 用于权衡间接路径低频信号对粗差的影响程度，是优化过程中的关键参数。优化信号与输入信号的相关系数 衡量了优化信号 与原始输入信号之间的相关性，帮助优化过程中的信号处理。输入信号的自相关系数 衡量了原始输入信号 的自相关性质，对于剔除粗差和优化信号起到重要作用。优化信号阶数 指定了优化信号 的阶数，影响到优化信号处理的复杂度和准确性。输入信号的最大阶数 定义了输入信号的最大阶数，影响到整体算法的计算复杂度和信号处理的深度。间接信号的时间序列表示间接信号的时间序列，对优化过程中信号处理的时间特性起到影响。通过优化信号的生成和粗差提取系数的最小化，能有效提升北斗导航卫星定位数据中的精确度和稳定性。通过考虑输入信号的自相关性和优化后信号的相关性，能够更准确地提取出粗差，避免信号中的异常点对导航定位的影响。各参数间的复杂交互作用，能够在保证算法有效性的同时，提高算法的计算效率和实时性，适应北斗导航系统复杂和动态的信号环境。在使用本领域常规的北斗导航卫星定位数据粗差剔除算法时，可以得到卫星接收扰动优化信号，通过应用本发明提供的北斗导航卫星定位数据粗差剔除算法，可以更加精确的计算出卫星接收扰动优化信号。通过算法中因素的共同作用，使得上述公式能够有效应对北斗导航卫星定位数据中的粗差问题，提高定位精度和可靠性。

[0050] 优选的，步骤S4包括以下步骤：步骤S41：基于卫星接收扰动优化信号进行信号环境模拟，得到信号环境模拟数据；
步骤S42：对环境模拟数据进行多方向接收设置，得到环境模拟多方向接收数据，其中多方向接收设置包括近水域方向、远水域方向和天向接收；
步骤S43：根据信号环境模拟数据对环境模拟多方向接收数据进行信号精度变化分析，生成近水域接收信号精度变化图、远水域接收信号精度变化图和天向接收信号精度变化图；
步骤S44：利用北斗导航卫星定位数据粗差剔除算法对近水域接收信号精度变化图、远水域接收信号精度变化图和天向接收信号精度变化图进行信号剔除优化性能评估，生成优化性能评估数据；
步骤S45：通过优化性能评估数据对卫星接收扰动优化信号进行信号粗差剔除环境适应性分析，生成数据粗差剔除算法适应性数据。

[0051] 本发明实施例中，通过使用步骤S41生成的卫星接收扰动优化信号，进行信号环境模拟。根据实际情况和预设条件，生成模拟环境中的信号数据，包括信号强度、相位等特征。对生成的信号环境模拟数据进行多方向接收设置，包括但不限于：近水域方向接收；远水域方向接收；天向接收。基于步骤S42中的多方向接收数据，对每个接收方向的信号进行精度变化分析。生成近水域接收信号精度变化图、远水域接收信号精度变化图和天向接收信号精度变化图等数据。使用北斗导航卫星定位数据粗差剔除算法，对步骤S43生成的信号精度变化图进行优化性能评估。评估剔除算法在不同接收方向和环境条件下的效果，生成优化性能评估数据。基于步骤S44的优化性能评估数据，对卫星接收扰动优化信号进行信号粗差剔除环境适应性分析。分析剔除算法在不同环境和接收条件下的适应性，生成数据粗差剔除算法适应性数据。

[0052] 优选的，基于卫星接收扰动优化信号进行信号环境模拟包括：基于卫星接收扰动优化信号进行观测站点位置确认，得到观测站点位置信息数据；
根据观测站点位置信息数据进行信号环境构建，得到初始信号采集环境；
对观测站点位置信息数据进行大面积水域临近距离模拟，得到观测站点‑水域路径数据；对观测站点位置信息数据进行环境遮挡分析，生成观测站点环境遮挡分析数据；
通过观测站点‑水域路径数据和观测站点环境遮挡分析数据对初始信号采集环境进行信号采集折射环境影响建模，得到信号环境模拟数据。

[0053] 本发明实施例中，通过根据卫星接收扰动优化信号，确定观测站点的位置信息数据。确认每个观测站点的具体地理位置，包括经度、纬度等信息。根据确认的观测站点位置信息数据，建立初始的信号采集环境。确定观测站点周围的地形、建筑物等环境特征，作为初始信号采集环境的基础。对观测站点位置信息数据进行大面积水域临近距离模拟。确定每个观测站点与临近水域之间的距离数据，包括水域的类型、面积等。分析观测站点位置周围的环境遮挡情况。包括建筑物、树木等地物对信号接收的影响，生成观测站点环境遮挡分析数据。结合观测站点‑水域路径数据和环境遮挡分析数据，对初始信号采集环境进行建模。建立信号在观测站点周围环境中的传播模型，考虑水域反射、折射以及遮挡对信号传播的影响。根据上述建模结果，生成最终的信号环境模拟数据。数据包括观测站点周围的信号强度、相位等变化情况，以及环境条件下信号的反射、折射等详细信息。

[0054] 本发明的有益效果在于通过对卫星接收信号进行预处理，可以清洗和规范信号数据，生成标准卫星接收信号，为后续分析提供准确的数据基础。对标准卫星接收信号进行间接路径干涉分析，可以得到直接路径接收信号和间接路径接收信号，并利用推演综合信号模型对其进行信号相位扰动分析，生成间接路径接收信号相位漂移量，帮助了解信号传输中的干涉和相位扰动情况。通过间接路径接收信号相位漂移量对标准卫星接收信号进行实际信号扰动分析，生成实际信号扰动数据，并计算平均扰动幅度，用于评估信号的扰动程度。利用北斗导航卫星定位数据粗差剔除算法，基于实际信号平均扰动幅度数据对实际信号扰动数据进行多层次信号干扰排除，从而生成卫星接收扰动优化信号，减少信号的干扰和扰动，提高信号质量和准确性。基于卫星接收扰动优化信号进行信号环境模拟，得到信号环境模拟数据，并利用北斗导航卫星定位数据粗差剔除算法对模拟数据进行信号剔除优化性能评估，生成优化性能评估数据，用于评估信号的优化效果和性能。通过优化性能评估数据对卫星接收扰动优化信号进行信号粗差剔除环境适应性分析，生成数据粗差剔除算法适应性数据，帮助评估数据处理算法在不同信号环境下的适应性和效果。因此，本发明通过利用信号处理修复算法，对大面积水域产生的反射信号进行智能识别，对其产生的粗差进行自动化的剔除，从而保证测量结果的正确性和稳定性。

[0055] 因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在申请文件的等同要件的含义和范围内的所有变化涵括在本发明内。

[0056] 以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。