第４８卷第２期２０２３年２月测绘科学ＳｃｉｅｎｃｅｏｆＳｕｒｖｅｙｉｎｇａｎｄＭａｐｐｉｎｇＶｏｌ．４８Ｎｏ．２Ｆｅｂ．２０２３作者简介：吴绍诚（１９８９—），男，吉林省吉林市人，硕士研究生，主要研究方向为变形监测。Ｅ－ｍａｉｌ：２６６０６４８１２１＠ｑｑ．ｃｏｍ收稿日期：２０２２－０６－２３基金项目：国家自然科学基金面上项目（４１８７４０２９）；北京市自然科学基金项目（８２２２０１１）通信作者：王怀宝副教授Ｅ－ｍａｉｌ：ｗａｎｇｈｕａｉｂａｏ＠１２６．ｃｏｍ引文格式：吴绍诚，王怀宝，王坚．ＧＮＳＳ与加速度计融合超高建筑动态监测数据分析［Ｊ］．测绘科学，２０２３，４８（２）：４５－５３．（ＷＵＳｈａｏｃｈｅｎｇ，ＷＡＮＧＨｕａｉｂａｏ，ＷＡＮＧＪｉａｎ．Ｒｅｃｏｎｓｔｒｕｃｔｉｏｎｏｆｓｕｐｅｒｈｉｇｈ－ｒｉｓｅｂｕｉｌｄｉｎｇｓｄｙｎａｍｉｃｓｕｓｉｎｇｉｎｔｅｇｒａｔｅｄＧＮＳＳａｎｄａｃｃｅｌｅｒｏｍｅｔｅｒ［Ｊ］．ＳｃｉｅｎｃｅｏｆＳｕｒｖｅｙｉｎｇａｎｄＭａｐｐｉｎｇ，２０２３，４８（２）：４５－５３．）ＤＯＩ：１０．１６２５１／ｊ．ｃｎｋｉ．１００９－２３０７．２０２３．０２．００６．ＧＮＳＳ与加速度计融合超高建筑动态监测数据分析吴绍诚１，王怀宝１，王坚２（１．吉林建筑大学测绘与勘查工程学院，长春１３０１１８；２．北京建筑大学测绘与城市空间信息学院，北京１０２６１６）摘要：针对影响全球导航卫星系统（ＧＮＳＳ）变形监测精度的多路径误差，该文建立基于经验模态分解（ＥＭＤ）算法的系统趋势分离模型，修正ＧＮＳＳ变形序列。构建多速率卡尔曼滤波Ｒａｕｃｈ－Ｔｕｎｇ－Ｓｔｒｉｅｂｅｌ（ＲＴＳ）平滑模型，融合超高层建筑的ＧＮＳＳ和加速度计监测数据，充分发挥两种传感器各自的优势。针对超高层建筑首次应用能量差值法确定变分模态分解的分量数，进而对分量进行频谱分析以提取超高层建筑的主模态振动频率。模拟数据表明，该文算法能够提高分析精度，融合位移的均方根为４．３ｍｍ，相关系数为０．９５，信噪比为１２．６６ｄＢ。通过长春海容广场大厦采集的监测数据进一步验证得出，与单一传感器相比，该文算法能够提高位移数据的采样率，增加数据的完备性，削弱ＧＮＳＳ高频噪声的影响，提取到超高层建筑前两个主模态振动频率为０．１９、０．２８Ｈｚ。关键词：多速率卡尔曼滤波；ＲＴＳ平滑；变分模态分解；数据融合...
