本技术涉及移动数据通信领域，尤其涉及一种基于gnss的形变监测预警方法和装置。
背景技术：
1、gnss(全球导航卫星系统)接收机在接收和处理卫星信号时，可能会受到多种因素的影响，导致观测数据中出现粗差(gross error)或异常值。这些粗差可能来源于多路径效应、非视距(nlos)传播、接收机内部噪声、卫星信号干扰以及环境因素(如树木、建筑物遮挡)等。在复杂城市环境中，多路径效应和nlos尤为显著，它们会导致接收机接收到的信号路径与理论上的直线传播路径产生偏差，进而引起伪距和载波相位观测值的误差。
2、一般地，gnss数据服从正态分布，其大部分观测值会集中在均值附近，极端值较少出现。基于此，相关技术通常根据gnss数据从正态分布，将处于该阈值范围以外的观测数据点视为粗差，并予以剔除，。
3、然而，当观测数据中出现特别大的异常值时，会显著增大gnss数据的标准差，从而扩大阈值范围。在这种情况下，亚异常值可能会落入扩大的阈值范围内，且无法被识别和剔除，从而影响形变预测结果。
4、因此，亟需一种基于gnss的形变监测预警方法和装置。
技术实现思路
1、本技术提供一种基于gnss的形变监测预警方法和装置，解决了亚异常值无法在扩大的阈值范围内进行识别，从而影响形变预测结果的问题。
2、在本技术的第一方面提供了一种基于gnss的形变监测预警方法，方法包括：获取gnss接收机传输的观测时间序列；观测时间序列包括gnss接收机在每个时间点观测得到的观测数据；确定观测时间序列的变异系数；变异系数表征观测时间序列的离散程度；在变异系数大于等于预设值的情况下，对观测时间序列进行去极值处理，得到处理后的观测时间序列，并基于处理后的观测时间序列返回确定观测时间序列的变异系数的步骤继续执行，直至变异系数小于预设值，得到第一观测序列；基于第一观测序列，确定形变阈值和形变均值；将第一观测序列中与形变均值之间的差值大于形变阈值的观测数据，确定为粗差，并剔除粗差，得到目标观测序列；对目标观测序列进行定位解算，得到形变序列，在形变序列超过预设的预警阈值的情况下，进行预警；形变序列包括gnss接收机在每个时间点对应的形变数据。
3、可选地，确定观测时间序列的变异系数，包括：确定观测时间序列的第一均值和第一标准差；第一标准差是基于第一关系式计算得到的；第一关系式表征观测时间序列的方差和标准差之间的关联关系；将第一标准差和第一均值之间的比值，确定为观测时间序列的变异系数。
4、可选地，对观测时间序列进行去极值处理，得到处理后的观测时间序列，包括：基于观测时间序列的第一均值和第一标准差，设置观测范围；将观测时间序列中未处于观测范围内的观测数据，确定为极端值，并剔除极端值，得到处理后的观测时间序列。
5、可选地，基于观测时间序列的第一均值和第一标准差，设置观测范围，包括：将第一标准差与预设缩放因子之间的乘积，确定为缩放宽度；将第一均值与缩放宽度之差，确定为观测范围的下限值，将第一均值和缩放宽度之和，确定为观测范围的上限值。
6、可选地，对观测时间序列进行去极值处理，得到处理后的观测时间序列，包括：对观测时间序列进行聚类，得到多个子序列；针对每个子序列，确定所针对子序列的中心点，以及所针对子序列内每个观测数据距离中心点的平均距离，将所针对子序列中与中心点的距离大于平均距离的观测数据，确定为极端值，并剔除极端值，得到处理后的观测时间序列。
7、可选地，基于第一观测序列，确定形变阈值和形变均值，包括：按照预设分解层数，对第一观测序列进行小波分解，得到不同分解层上的高频系数和低频系数；基于第二关系式，确定第一观测序列的第二标准差；第二关系式表征第一个分解层的高频系数与标准差之间的关联关系；根据所有分解层上的低频系数进行信号重构，得到重构序列；分析重构序列的变形趋势，根据分析结果，得到形变均值。
8、可选地，基于第二关系式，确定第一观测序列的第二标准差，包括：计算第一个分解层的所有高频系数的绝对值的中位数；将中位数与预设的中位数参考值之间的比值，确定为第一观测序列的第二标准差。
9、可选地，第二关系式表示为：
10、
11、式中，σ′表示第一观测序列的第二标准差；k表示第一个分解层的第k个高频系数；wn-1,k表示第一层的所有高频系数的绝对值的中位数；p表示中位数参考值；n表示第一观测序列中观测数据的数量。
12、在本技术的第二方面提供了一种基于gnss的形变监测预警装置，装置包括获取模块以及处理模块，其中，
13、观测序列获取模块，用于获取gnss接收机传输的观测时间序列；观测时间序列包括gnss接收机在每个时间点观测得到的观测数据；确定观测时间序列的变异系数；变异系数表征观测时间序列的离散程度；在变异系数大于等于预设值的情况下，对观测时间序列进行去极值处理，得到处理后的观测时间序列，并基于处理后的观测时间序列返回确定观测时间序列的变异系数的步骤继续执行，直至变异系数小于预设值，得到第一观测序列。
14、粗差剔除模块，用于基于第一观测序列，确定形变阈值和形变均值；将第一观测序列中与形变均值之间的差值大于形变阈值的观测数据，确定为粗差，并剔除粗差，得到目标观测序列。
15、预警模块，用于对目标观测序列进行定位解算，得到形变序列，在形变序列超过预设的预警阈值的情况下，进行预警；形变序列包括gnss接收机在每个时间点对应的形变数据。
16、在本技术的第三方面提供了一种电子设备，包括处理器、存储器、用户接口及网络接口，存储器用于存储指令，用户接口和网络接口用于给其他设备通信，处理器用于执行存储器中存储的指令，以使电子设备执行如上述任意一项的方法。
17、在本技术的第四方面提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行如上述任意一项的方法。
18、本技术实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
19、1、获取gnss接收机传输的观测时间序列，并确定观测时间序列的变异系数，从而在变异系数大于等于预设值的情况下，对观测时间序列进行去极值处理，得到处理后的观测时间序列，并基于处理后的观测时间序列返回确定观测时间序列的变异系数的步骤继续执行，直至变异系数小于预设值，以得到第一观测序列，然后，基于第一观测序列，确定形变阈值和形变均值，且将第一观测序列中与形变均值之间的差值大于形变阈值的观测数据，确定为粗差，并剔除粗差，以得到目标观测序列，对目标观测序列进行定位解算，得到形变序列，在形变序列超过预设的预警阈值的情况下，进行预警，从而在gnss数据服从正态分布、近似正态分布以及其他类型的数据分布时，皆能够调整阈值范围以使得亚异常的数据不落在该范围内，进而有效识别亚异常，以提升形变预测结果的精确度。
20、2、将所述第一标准差与预设缩放因子之间的乘积，确定为缩放宽度，且将所述第一均值与所述缩放宽度之差，确定为观测范围的下限值，将所述第一均值和所述缩放宽度之和，确定为观测范围的上限值，从而准确界定观测范围，能够有效减少误判和误删，提升极端值剔除的准确性，使得后续分析结果更加可靠。
21、3、对观测时间序列进行聚类，将数据划分为多个子序列，有助于针对不同特性的数据集进行更精细的分析和处理，且为每个子序列确定中心点，并计算每个观测数据点到中心点的平均距离，可以有效地评估数据在子序列内的分布情况，将子序列中与中心点距离大于平均距离的观测数据确定为极端值，并剔除这些极端值，可以提高极端值识别的准确性。
1.一种基于gnss的形变监测预警方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，确定所述观测时间序列的变异系数，包括：
3.根据权利要求1所述的方法，其特征在于，所述对所述观测时间序列进行去极值处理，得到处理后的观测时间序列，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于所述观测时间序列的第一均值和第一标准差，设置观测范围，包括：
5.根据权利要求1所述的方法，其特征在于，所述对所述观测时间序列进行去极值处理，得到处理后的观测时间序列，包括：
6.根据权利要求1所述的方法，其特征在于，所述基于所述第一观测序列，确定形变阈值和形变均值，包括：
7.根据权利要求6所述的方法，其特征在于，所述基于第二关系式，确定所述第一观测序列的第二标准差，包括：
8.根据权利要求7所述的方法，其特征在于，所述第二关系式表示为：
9.一种基于gnss的形变监测预警装置，其特征在于，所述装置包括观测序列获取模块、粗差剔除模块以及预警模块，其中，
10.一种电子设备，其特征在于，包括处理器、通信总线、用户接口、网络接口以及存储器，所述存储器用于存储指令，所述用户接口和网络接口用于给其他设备通信，所述处理器用于执行所述存储器中存储的指令，以使所述电子设备执行如权利要求1至8任意一项所述的方法。
