车载移动测量系统振动位移误差的自适应矫正方法

摘要

本发明涉及车载移动测量系统振动位移误差的自适应矫正方法，属于空间数据采集与处理技术领域，包括以下步骤：a)增强原始振动位移数据为多元可变车载测量环境参数依赖的连续时域振动位移信号；b)分类解析各测量环境参数变化阈值、变化趋势和信号频域分布的特征关系；c)利用参数变化阈值映射关系动态自适应划分连续时域振动位移信号为具有特定频域分布复杂度的信号时域区间；d)利用变化趋势一致关系约束区间细节层次参数的取值范围，逐时域区间执行振动位移误差矫正处理。本发明可以解决现有信号处理方法难以适应复杂测量环境下车载移动测量系统振动位移准确的误差矫正问题，有助于支持高精度车载移动测量数据解析。

权利要求

1.车载移动测量系统振动位移误差的自适应矫正方法，其特征在于，包括以下步骤：步骤1，测量环境参数增强：对加速度传感器的输出信号进行二次积分得到竖直方向原始振动位移，并同步采集与原始振动位移对应的测量环境信息，记录测量环境信息为包含测量环境参数的连续时域振动位移信号数据对象；

步骤2，参数变化特征解析：解析各测量环境参数变化与信号频域分布的特征关系，包括测量环境参数变化阈值与信号频域分布范围的映射关系、测量环境参数变化趋势与频域分布广度的关系；

步骤3，特征时域区间划分：基于测量环境参数变化阈值与信号频域分布范围的映射关系，动态划分连续时域振动位移信号为一组变化阈值约束的相邻时域区间集；

步骤4，区间振动误差矫正：基于测量环境参数变化趋势与频域分布广度的关系约束相邻区间细节层次的取值范围，逐时域区间执行基于细节层次参数自适应优化选取的振动位移误差矫正处理。

2.根据权利要求1所述的车载移动测量系统振动位移误差的自适应矫正方法，其特征在于所述测量环境信息包括两类：内部参数：包括运行状态的行进和暂停、行进状态下的直线运动和曲线运动、直线运动的速度与加速度、曲线运动的角速度；

外部参数：路面粗糙度和起伏度。

3.根据权利要求1所述的车载移动测量系统振动位移误差的自适应矫正方法，其特征在于所述振动位移信号数据对象：其中，OS表示振动位移信号数据对象，记录为一组以设定采样间隔的时间T为标签项的时域多元参数组；S表示加速度积分获取的振动位移，记录为一组与获取时刻t、获取空间位置x,y对应的瞬时位移s序列；P表示增强的多元测量环境参数项，包括分别表示获取S移动测量环境的内部参数组{PI}和外部参数组{PO}，各内部参数PIm记录为与获取时刻t对应的瞬时参数值p，各外部参数POn记录为与获取空间位置x,y对应的参数值p；S与PIm通过时间参数t进行同步关联；S与POn通过位置参数x,y进行同步关联。

4.根据权利要求1所述的车载移动测量系统振动位移误差的自适应矫正方法，其特征在于所述测量环境参数变化阈值与信号频域分布范围的映射关系包括以下步骤：步骤2.1，统计参数值分布特征：提取数据中多元测量环境参数项的取值，依次统计各参数项的特征值value与频次fr，得到每项参数p根据value由小到大排序的数组Ap：步骤2.2，初始化阈值区间：对每项参数p，根据Ap取值范围初始化阈值区间集合SECp：SECp＝{[value_min,value_max]}；

步骤2.3，评估分解阈值区间：对每项参数p的阈值区间集合SECp执行以下子步骤：步骤2.3.1，提取集合元素个数Nr＝|SECp|；

步骤2.3.2，依次对每段区间SECp(n),n＝{1,...,Nr}，执行以下子步骤：I)根据Ap中区间特征值value的最值value_min,value_max和众数值value_fr max，划分区间为子区间subsec1[value_min,value_fr max]和子区间subsec2[value_fr max,value_max]；

II)分别提取OS中对应subsec1和subsec2的参数p单值变化数据段{L1},{L2}；OS表示振动位移信号数据对象；

III)分别对数据段{L1}和{L2}所对应的时域原始振动位移信号S数据区间SL1和SL2，执行有效位移拟合，得到对应不同细节层次的有效位移SL1′level_n和SL2′level_m，IV)得到各层次有效位移SL1′level_n和SL2′level_m的方差σ2L1_level_n和σ2L2_level_m；

V)分别提取方差最小值所对应的细节层次N1和N2为subsec1和subsec2的特征细节层次；比较N1和N2：a)当|N1-N2|＜1，结束该区间段处理；

b)当|N1-N2|＝1,采用[value_min,value_fr max],[value_fr max,value_max]替换原区间段[value_min,value_max]，同时更新SECp和Nr后结束该区间段处理；

c)当|N1-N2|＞1，采用[value_min,value_fr max],[value_fr max,value_max]替换原区间段[value_min,value_max]，并分别对[value_min,value_fr max]和[value_fr max,value_max]执行步骤2.3.2：I)～V)；

经过步骤2.3，得到对应逐特征细节层次Np＝{N1,N2,...,NNr},Nr＝|SECp|的参数p区间集合SECp：SECp＝{[value_min,value_fr max(a)],[value_fr max(a),value_fr max(b)],...,[value_fr max(x),value_fr max(y)],[value_fr max(y),value_max]}；

步骤2.4，基于阈值区间重采样解析映射关系：对步骤2.3得到的SECp执行基于区间边界值线性内插，得到参数p与频域分布范围数字信号处理细节层次参数{N}对应的递增变化阈值区间：SECp＝{[-∝,(value_min+value_fr max(a))/2],[(value_min+value_fr max(a))/2,(value_fr max(a)+value_fr max(b))/2],...,

[(value_fr max(x)+value_fr max(y))/2,(value_fr max(y)+value_max)/2],[(value_fr max(y)+value_max)/2,+∞]}；

由此，参数p变化阈值与频域分布范围映射关系为：

5.根据权利要求1所述的车载移动测量系统振动位移误差的自适应矫正方法，其特征在于所述测量环境参数变化趋势与频域分布广度的关系包括以下子步骤：步骤2.5，解析{N}的单向变化区间SECN：

步骤2.6，判断SECN各区间变化方向Sgn(sec_n)与参数p递增变化区间是否一致；若一致，则标记参数p与该细节层次区间为同向变化关系，记为R＝1；否则，标记参数p与该细节层次区间为反向变化关系，记为R＝-1。

6.根据权利要求1所述的车载移动测量系统振动位移误差的自适应矫正方法，其特征在于所述基于测量环境参数变化阈值与信号频域分布范围的映射关系，动态划分连续时域振动位移信号为一组变化阈值约束的相邻时域区间集包括以下子步骤：步骤3.1，按照时间标签T的递增次序提取OS中与S对应的多元环境测量参数组{P}；OS表示振动位移信号数据对象，S表示加速度积分获取的振动位移；

步骤3.2，各参数阈值区间SECp，按照时序递增次序从最远时刻tmin开始到最近时刻tmax扫描S，同时遍历各时刻瞬时振动位移s对应的多元参数值{P}，当任一参数p的变化超过区间阈值，则划分S为相应数据段，依次得到对应参数变化值的振动位移时域区间集Ssec：其中，ψ表示参数项值域；C为所划分出的段数；m取值为对象OS中多元环境测量参数个数，m＝|OS.{P}|；Npx为第x个参数p的取值在区间Ψpx变化时所映射的特征细节层次；p1用于记录变化跨越区间阈值的参数项。

7.根据权利要求1所述的车载移动测量系统振动位移误差的自适应矫正方法，其特征在于所述基于测量环境参数变化趋势与频域分布广度的关系约束相邻区间细节层次的取值范围包括以下子步骤：依次对Ssec中的每段区间(SX,ψ{P}X),X＝{1,...,C}执行以下子步骤，C为所划分出的段数：步骤4.1，解析ψ{P}X中各参数p所映射的特征细节层次的值域范围ψ{Np1,...,Npx,...,Npm}；

步骤4.2，根据段序数X，执行以下操作：

步骤4.2a，当X＝1，在ψ{Np1,...,Npx,...,Npm}范围内：I)对SX执行逐细节层次振动位移拟合；通过对SX自1至level_x层次频域分解的基础上，逐层累加代表有效振动位移的高频数据项；其中，level_x∈ψ{Np1,...,Npx,...,Npm}；

II)计算各细节层次level_x的方差σ2level_x；

III)比较各细节层次方差，标记方差最小值所对应的细节层次level_x(σ2min)为区间段(SX,ψ{P}X)的最优细节层次LX；保存面向细节层次LX的拟合结果为区间段(SX,ψ{P}X)的矫正结果；

步骤4.2b，当X>1：

I)获取上一区间段(SX-1,ψ{P}X-1)的最优细节层次LX-1＝level_x(σ2min)；

II)估计对应各参数变化的最优细节层次增量Δlevel：

其中，m＝|OS.{P}|，为对象OS中多元环境测量参数个数；Rm表示第i个参数pi在区间ψ{(Npi)X,(Npi)X-1}变化趋势一致关系值，即SECN值；

III)估计区间段(SX,ψ{P}X)的最优分解层次为：

LX＝LX-1+Δlevel；

IV)分别使用细节层次LX-1,LX,LX+1，拟合SX；所述拟合方法同步骤4.2aI)；

V)计算各细节层次方差σ2；判断拟合结果：

a)当σ2LX-1≥σ2LX≤σ2LX+1，标记LX为区间段(SX,ψ{P}X)的最优细节层次；保存面向细节层次LX的拟合结果为区间段(SX,ψ{P}X)的矫正结果；

2 2 2

b)当σLX-1≥σLX≥σLX+1，更新LX＝LX+1；返回执行步骤4.2b：IV)～V)；

c)当σ2LX-1≤σ2LX≤σ2LX+1，更新LX＝LX-1；返回执行步骤4.2b：IV)～V)；

步骤4.3，逐段整合矫正结果保存为矫正后的振动位移值。

说明书

车载移动测量系统振动位移误差的自适应矫正方法

技术领域

[0001] 本发明属于空间数据采集与处理技术领域，特别涉及一种车载移动测量系统振动位移误差的自适应矫正方法。

背景技术

[0002] 车载移动测量系统(Mobile Mapping System，MMS)是基于运载车辆灵活集成全球定位系统(Global Positioning System，GPS)、激光扫描仪、影像传感器与惯性导航单元(Inertial Measurement Unit，IMU)等各类定位、定姿传感器与测量传感器的地面移动测量系统。MMS不仅较少受到天气与测量区域限制，还具有外业工作效率的突出优势，能有效支持目标信息的快速采集与定期更新，逐渐成为城市规划、道路交通、地图修测、监控管理等行业应用中获取三维空间信息的主要技术手段。

[0003] MMS的运载车辆及其搭载的各类传感器整体构成了一个具有质量、弹簧和阻尼的振动系统，由系统振动而引入的周期性位移因而广泛存在于车载移动测量所获取的各项空间数据中。运行过程中MMS周期性振动位移的最值差可接近分米量级，构成实测数据中不可忽略的分量，准确提取振动位移由此成为车载移动测量数据后处理中保证数据质量与精度的前提条件。

[0004] 具有模拟输入与高测量精度特性的加速度传感器作为IMU的关键器件，是构成MMS的重要组成部分。利用加速度传感器测量MMS竖直方向加速度并通过二次积分解析振动位移的方法，不仅具有测量设备的易操作性、提取算法的直观性，还特别具有能有效消除影响瞬时加速度测量精度的随机噪声等显著优势，因而成为现有基于MMS进行工程测量所广泛采用的振动位移提取方法。然而，由于加速度传感器的高灵敏特性，即使选用高精度的传感器，系统也难以避免实际输出的加速度信号受：①安装的角度偏差，②仪器输出的固有零偏差，③积分初始值的非零偏差，以及④随使用温度升高而产生的仪器标度偏差等多种因素影响，使解析得到的高频振动位移混入多种低频误差成分，特别地，上述误差在面向连续测量过程的加速度积分解析过程中将产生累积效应，成为严重降低提取的振动位移精度，因此，面对各专业领域现有MMS普遍采用的基于加速度积分的振动位移提取方式，如何准确且高效地矫正信号中的多因素累积误差，成为准确提取振动位移进而发挥测量数据价值的关键问题。

[0005] 现有面向加速度积分累计误差的振动位移矫正方法主要集中在基于计算机的数字信号处理(Digital Signal Processing，DSP)领域。相关方法主要利用实际振动信号与误差信号在频域上差异性分布的特征，采用信号处理算子，通过面向“整体信号特定频域细节层次”的分解与重构，剔除其中误差信息所对应的多种低频成分。总体来说，现有技术已经能够矫正整体位移信号中具有稳定频域特征的多因素误差，该领域技术方法在下列文献中均有论述：纽瑞萍，蔡伯根.一种加速度计误差修正方法的研究[J].传感器技术，2002，21(4):4-6；张鹏飞，龙兴武.石英挠性加速度计误差补偿模型的研究[J].传感技术学报，2006，19(4):1100-1102；徐超，沈晓蓉，李建军，等.车载微加速度计信号的小波去噪技术研究[J].传感技术学报，2008(11):2442-2444；刘新宇，肖传宇，吴勇.惯性基准高程测量方法在路面平整度检测中的应用[J].交通信息与安全，2009(5):166-169；覃方君，许江宁，李安，等.基于小波卡尔曼滤波的加速度计降噪方法[J].武汉理工大学学报:交通科学与工程版，2009，33(1):49-52；赵宝新，张保成.信号的多项式趋势项研究和MATLAB实现[J].有色设备，2009(2):16-19；徐时伟，沈海斌.基于SVM的加速度传感器积累误差消除方法[J].传感器与微系统，2012(6):42-44；马跃，李松，李莹，等.加速度计信号处理的建模与仿真[J].计算机仿真，2012，29(3):351-354；陈雪冬，陈硕红，徐伟.加速度计信号的小波形态滤波与样本熵分析[J].自动化仪表，2013，35(5):22-25；一种估计加速度计漂移的绝对导航滤波方法(公开号：103542853A)；一种外场环境三维测量加速度计误差无奇异估计方法(公开号：103995152A)；Mayagoitia R E,Nene A V,Veltink P H.Accelerometer and rate gyroscope measurement of kinematics:an inexpensive alternative to optical motion analysis systems[J].Journal of biomechanics,2002,35(4):537-542；Hesami R,McManus K J.Signal processing approach to road roughness analysis and measurement[C]//TENCON 2009-2009IEEE Region 10Conference.IEEE,2009:1-6；Wu P,Ge Y,Chen S,et al.De-noising algorithm based on compression of wavelet coefficient for MEMS accelerometer signal[C]//Information and Automation(ICIA),2010IEEE International Conference on.IEEE,2010:402-407；Kownacki C.Optimization approach to adapt Kalman filters for the real-time application of accelerometer and gyroscope  signals'filtering[J].Digital Signal 
Processing,2011,21(1):131-140.

[0006] 在现有方法中，信号分解所面向的细节层次对于准确提取有效信息成分至关重要。然而，利用现有方法处理MMS采集与解析的振动位移数据时，矫正结果的精度与稳定性对信号分解与重构的细节层次参数十分敏感。其主要原因在于地面移动测量环境的复杂性导致系统振动随测量环境变化产生振幅与频率的时序非平稳特征，其中，影响振动平稳度的测量环境复杂性不仅包括MMS移动测量过程涉及的外部地理环境条件，还包括系统内部运载车辆的行驶条件。由此，在基于复杂移动测量环境采集并积分求解的原始振动位移信号中，振动信号的非平稳特征使有效信息与多因素误差间频域分布的复杂度激增，而现有面向特定细节层次全局统一求解的误差矫正方法，因而难以适应移动测量所获得的连续振动位移信号中有效信息频域特征的多细节层次变化，从而导致不同时段原始信号的欠分解和过分解问题：

[0007] ①欠分解将难以从原始信号中充分提取有效振动位移，而

[0008] ②过分解则将导致基于分解数据的振动位移重构过程再次引入误差成分。

[0009] 综上分析，现有技术方法难以实现复杂测量环境下车载移动测量系统振动位移精确与稳定的误差矫正。

发明内容

[0010] 本发明的目的在于针对现有技术的不足，提供一种车载移动测量系统(MMS)振动位移误差的自适应矫正方法。

[0011] 本发明解决其技术问题所采用的技术方案是：车载移动测量系统振动位移误差的自适应矫正方法，包括以下步骤：

[0012] 步骤1，测量环境参数增强：对加速度传感器的输出信号进行二次积分得到竖直方向原始振动位移，并同步采集与原始振动位移对应的测量环境信息，记录测量环境信息为包含测量环境参数的连续时域振动位移信号数据对象；

[0013] 步骤2，参数变化特征解析：解析各测量环境参数变化与信号频域分布的特征关系，包括测量环境参数变化阈值与信号频域分布范围的映射关系、测量环境参数变化趋势与频域分布广度的关系；

[0014] 步骤3，特征时域区间划分：基于测量环境参数变化阈值与信号频域分布范围的映射关系，动态划分连续时域振动位移信号为一组变化阈值约束的相邻时域区间集；

[0015] 步骤4，区间振动误差矫正：基于测量环境参数变化趋势与频域分布广度的关系约束相邻区间细节层次的取值范围，逐时域区间执行基于细节层次参数自适应优化选取的振动位移误差矫正处理。

[0016] 所述测量环境信息包括两类：

[0017] 内部参数：包括运行状态的行进和暂停、行进状态下的直线运动和曲线运动、直线运动的速度与加速度、曲线运动的角速度；

[0018] 外部参数：路面粗糙度和起伏度。

[0019] 所述振动位移信号数据对象：

[0020]

[0021] 其中，OS表示振动位移信号数据对象，记录为一组以设定采样间隔的时间T为标签项的时域多元参数组；S表示加速度积分获取的振动位移，记录为一组与获取时刻t、获取空间位置x,y对应的瞬时位移s序列；P表示增强的多元测量环境参数项，包括分别表示获取S移动测量环境的内部参数组{PI}和外部参数组{PO}，各内部参数PIm记录为与获取时刻t对应的瞬时参数值p，各外部参数POn记录为与获取空间位置x,y对应的参数值p；S与PIm通过时间参数t进行同步关联；S与POn通过位置参数x,y进行同步关联。

[0022] 所述测量环境参数变化阈值与信号频域分布范围的映射关系包括以下步骤：

[0023] 步骤2.1，统计参数值分布特征：提取数据中多元测量环境参数项的取值，依次统计各参数项的特征值value与频次fr，得到每项参数p根据value由小到大排序的数组Ap：

[0024]

[0025] 步骤2.2，初始化阈值区间：对每项参数p，根据Ap取值范围初始化阈值区间集合SECp：

[0026] SECp＝{[value_min,value_max]}；

[0027] 步骤2.3，评估分解阈值区间：对每项参数p的阈值区间集合SECp执行以下子步骤：

[0028] 步骤2.3.1，提取集合元素个数Nr＝|SECp|；

[0029] 步骤2.3.2，依次对每段区间SECp(n),n＝{1,...,Nr}，执行以下子步骤：

[0030] VI)根据Ap中区间特征值value的最值value_min,value_max和众数值value_fr max，划分区间为子区间 和子区间

[0031] VII)分别提取OS中对应subsec1和subsec2的参数p单值变化数据段{L1},{L2}；

[0032] VIII)分别对数据段{L1}和{L2}所对应的时域原始振动位移信号S数据区间SL1和SL2，执行有效位移拟合，得到对应不同细节层次的有效位移SL1'level_n和SL2'level_m，[0033] IX)得到各层次有效位移SL1'level_n和SL2'level_m的方差σ2L1_level_n和σ2L2_level_m；

[0034] X)分别提取方差最小值所对应的细节层次N1和N2为subsec1和subsec2的特征细节层次；比较N1和N2：

[0035] d)当|N1-N2|＜1，结束该区间段处理；

[0036] e)当|N1-N2|＝1,采用[value_min,value_fr max],[value_fr max,value_max]替换原区间段[value_min,value_max]，同时更新SECp和Nr后结束该区间段处理；

[0037] f)当|N1-N2|＞1，采用[value_min,value_fr max],[value_fr max,value_max]替换原区间段[value_min,value_max]，并分别对[value_min,value_fr max]和[value_fr max,value_max]执行步骤2.3.2：I)～V)；

[0038] 经过步骤2.3，得到对应逐特征细节层次Np＝{N1,N2,...,NNr},Nr＝|SECp|的参数p区间集合SECp：

[0039] SECp＝{[value_min,value_fr max(a)],[value_fr max(a),value_fr max(b)],[0040] [value_fr max(x),value_fr max(y)],[value_fr max(y),value_max]}；

[0041] 步骤2.4，基于阈值区间重采样解析映射关系：对步骤2.3得到的SECp执行基于区间边界值线性内插，得到参数p与频域分布范围数字信号处理细节层次参数{N}对应的递增变化阈值区间：

[0042] SECp＝{[-∞,(value_min+value_fr max(a))/2],

[0043] [(value_min+value_fr max(a))/2,(value_fr max(a)+value_fr max(b))/2],[0044] [(value_fr max(x)+value_fr max(y))/2,(value_fr max(y)+value_max)/2],[0045] [(value_fr max(y)+value_max)/2,+∞]}；

[0046] 由此，参数p变化阈值与频域分布范围映射关系为：

[0047]

[0048] 所述测量环境参数变化趋势与频域分布广度的关系包括以下子步骤：

[0049] 步骤2.5，解析{N}的单向变化区间SECN：

[0050]

[0051] 步骤2.6，判断SECN各区间变化方向Sgn(sec_n)与参数p递增变化区间是否一致；若一致，则标记参数p与该细节层次区间为同向变化关系，记为R＝1；否则，标记参数p与该细节层次区间为反向变化关系，记为R＝-1。

[0052] 所述基于测量环境参数变化阈值与信号频域分布范围的映射关系，动态划分连续时域振动位移信号为一组变化阈值约束的相邻时域区间集包括以下子步骤：

[0053] 步骤3.1，按照时间标签T的递增次序提取OS中与S对应的多元环境测量参数组{P}；

[0054] 步骤3.2，各参数阈值区间SECp，按照时序递增次序从最远时刻tmin开始到最近时刻tmax扫描S，同时遍历各时刻瞬时振动位移s对应的多元参数值{P}，当任一参数p的变化超过区间阈值，则划分S为相应数据段，依次得到对应参数变化值的振动位移时域区间集Ssec：

[0055]

[0056] 其中，ψ表示参数项值域；C为所划分出的段数；m取值为对象OS中多元环境测量参数个数，m＝|OS.{P}|；Npx为第x个参数p的取值在区间Ψpx变化时所映射的特征细节层次；p1用于记录变化跨越区间阈值的参数项。

[0057] 所述基于测量环境参数变化趋势与频域分布广度的关系约束相邻区间细节层次的取值范围包括以下子步骤：

[0058] 依次对Ssec中的每段区间(SX,ψ{P}X),X＝{1,...,C}执行以下子步骤：

[0059] 步骤4.1，解析ψ{P}X中各参数p所映射的特征细节层次的值域范围ψ{Np1,...,Npx,...,Npm}；

[0060] 步骤4.2，根据段序数X，执行以下操作：

[0061] 步骤4.2a，当X＝1，在ψ{Np1,...,Npx,...,Npm}范围内：

[0062] IV)对SX执行逐细节层次振动位移拟合；通过对SX自1至level_x层次频域分解的基础上，逐层累加代表有效振动位移的高频数据项；其中，level_x∈ψ{Np1,...,Npx,...,Npm}；

[0063] V)计算各细节层次level_x的方差σ2level_x；

[0064] VI)比较各细节层次方差，标记方差最小值所对应的细节层次level_x(σ2min)为区间段(SX,ψ{P}X)的最优细节层次LX；保存面向细节层次LX的拟合结果为区间段(SX,ψ{P}X)的矫正结果；

[0065] 步骤4.2b，当X>1：

[0066] VI)获取上一区间段(SX-1,ψ{P}X-1)的最优细节层次LX-1＝level_x(σ2min)；

[0067] VII)估计对应各参数变化的最优细节层次增量Δlevel：

[0068]

[0069] 其中，m＝|OS.{P}|，为对象OS中多元环境测量参数个数；Rm表示第i个参数pi在区间ψ{(Npi)X,(Npi)X-1}变化趋势一致关系值，即SECN值；

[0070] VIII)估计区间段(SX,ψ{P}X)的最优分解层次为：

[0071] LX＝LX-1+Δlevel；

[0072] IX)分别使用细节层次LX-1,LX,LX+1，拟合SX；所述拟合方法同步骤4.2aI)；

[0073] X)计算各细节层次方差σ2；判断拟合结果：

[0074] d)当σ2LX-1≥σ2LX≤σ2LX+1，标记LX为区间段(SX,ψ{P}X)的最优细节层次；保存面向细节层次LX的拟合结果为区间段(SX,ψ{P}X)的矫正结果；

[0075] e)当σ2LX-1≥σ2LX≥σ2LX+1，更新LX＝LX+1；返回执行步骤4.2b：IV)～V)；

[0076] f)当σ2LX-1≤σ2LX≤σ2LX+1，更新LX＝LX-1；返回执行步骤4.2b：IV)～V)；

[0077] 步骤4.3，逐段整合矫正结果保存为矫正后的振动位移值。

[0078] 本发明具有以下有益效果及优点：

[0079] 1.为各专业领域现有MMS普遍面对的复杂测量环境中，利用加速度积分解析的振动位移数据，提供一种顾及时域信号自身频域复杂特征的自适应误差矫正方案。解决了现有基于数字信号处理技术进行特定细节层次全局统一求解的误差矫正方法，因缺乏对“复杂移动测量环境中提取的非平稳振动信号中，有效振动与多因素误差间不均衡的频域分布”的解决方案，进而难以适应复杂移动测量环境中获得的振动位移信号中有效信息频域特征的多细节层次变化，导致不同时段原始信号欠分解和过分解从而限制误差矫正精度的问题。

[0080] 2.本发明方法可以适用于面向条件多变的复杂地面测量环境，准确灵活地矫正MMS的振动位移误差，能有效增强MMS对测量环境变化的适应性，有助于支持进一步准确解析基于MMS采集的三维空间信息。

[0081] 3.为各专业领域现有MMS普遍面对的复杂测量环境中，利用加速度积分解析的振动位移数据，提供一种顾及时域信号自身频域复杂特征的自适应误差矫正方案。解决了现有基于数字信号处理技术进行特定细节层次全局统一求解的误差矫正方法，因缺乏对“复杂移动测量环境中提取的非平稳振动信号中，有效振动与多因素误差间不均衡的频域分布”的解决方案，进而难以适应复杂移动测量环境中获得的振动位移信号中有效信息频域特征的多细节层次变化，导致不同时段原始信号欠分解和过分解从而限制误差矫正精度的问题。

[0082] 4.本发明方法可以适用于面向条件多变的复杂地面测量环境，准确灵活地矫正MMS的振动位移误差，能有效增强MMS对测量环境变化的适应性，有助于支持进一步准确解析基于MMS采集的三维空间信息。

附图说明

[0083] 图1本发明原理示意图；

[0084] 图2本发明方法的总体流程图。

具体实施方式

[0085] 下面结合实施例对本发明做进一步的详细说明。

[0086] 本发明涉及一种车载移动测量系统振动位移误差的自适应矫正方法，属于空间数据采集与处理技术领域，技术方案包括以下步骤：a)增强原始振动位移数据为多元可变车载测量环境参数依赖的连续时域振动位移信号，提供参数变化特征解析和连续信号特征时域区间划分的基础数据；b)分类解析各测量环境参数变化阈值、变化趋势和信号频域分布的特征关系，提供划分特征时域区间和矫正区间振动位移的约束条件；c)利用参数变化阈值映射关系动态自适应划分连续时域振动位移信号为具有特定频域分布复杂度的信号时域区间，作为振动误差矫正的计算单元；d)利用变化趋势一致关系约束区间细节层次参数的取值范围，逐时域区间执行基于细节层次自适应优化选取的振动位移误差矫正处理。本发明精神的核心是：将影响“MMS振动平稳度”进而显示关联“振动位移信号频域复杂度”的“车载移动测量环境可变参数”引入信号误差矫正过程，从而使全局连续振动位移信号分解与重构所选取的细节层次参数，在局域区间之间根据“测量环境参数的变化特征”动态自适应地优化调整，本发明可以解决现有信号处理方法难以适应复杂测量环境下车载移动测量系统振动位移准确的误差矫正问题，有助于支持高精度车载移动测量数据解析。

[0087] 具体针对MMS在复杂测量环境下获取并利用加速度积分解析的连续振动位移数据，提供一种顾及时域振动位移信号在频域复杂特征的MMS振动位移误差自适应矫正方法。所述“自适应”具体是指：将影响“MMS振动平稳度”进而显示关联“振动位移信号频域复杂度”的“车载移动测量环境可变参数”引入信号误差矫正过程，从而使全局连续振动位移信号分解与重构所选取的细节层次参数，在局域区间之间根据“测量环境参数的变化特征”动态自适应地优化调整。

[0088] 本发明的技术方案包括以下步骤：

[0089] 步骤1，测量环境参数增强：对MMS加速度传感器输出信号进行二次积分解析得到竖直方向原始振动位移的同时，同步采集与瞬时振动位移对应的测量环境信息；采用面向对象的方法在计算机内存中，将解析的测量信息记录为“包含多元测量环境参数项”的“连续时域振动位移信号数据对象”。所述测量环境信息具体指MMS在复杂测量环境运行过程中，影响振动位移信号频域复杂度的可变测量环境信息，以参数项形式与振动位移数据关联。保存测量环境参数增强的连续时域振动位移信号对象作为步骤2和步骤3所利用的基础数据。

[0090] 步骤2，参数变化特征解析：面向数字信号处理方法，分类解析各测量环境参数变化与信号频域分布的特征关系。依次解析的变化特征关系包括定量的“变化阈值与频域分布范围的映射关系”和定性的“变化趋势与频域分布广度的一致关系”。分别保存各参数项变化特征关系作为经验模型为步骤3和步骤4提供约束信息。

[0091] 步骤3，特征时域区间划分：基于参数变化阈值与频域分布范围的映射关系，动态自适应地划分连续时域振动位移信号为一组变化阈值约束的相邻时域区间集。所述各时域区间内的有效振动位移信号成分对应特定频域范围，即满足特定频域分布复杂度，因此能采用具有特定细节层次参数的数字信号处理方法执行分解。保存具有特定频域分布复杂度的振动位移信号时域区间作为步骤4中执行振动误差矫正计算的处理单元。

[0092] 步骤4，区间振动误差矫正：利用特定数字信号处理方法，逐时域区间执行基于细节层次参数自适应优化选取的振动位移误差矫正处理。所述自适应具体指利用变化趋势与频域分布广度的一致关系约束相邻区间细节层次的取值范围；所述优选通过对逐细节层次矫正结果进行统计特征定量评估实现。保存矫正后的振动位移用于支持高质量和高精度车载移动测量空间数据后处理。

[0093] 而且，所述步骤1中，关联振动位移信号频域复杂度的可变测量环境参数包括以下两类：

[0094] 步骤1a，MMS内部参数：记录车辆运行状态的多变性，主要可考虑的参数项包括运行状态的行进和暂停、行进状态下的直线运动和曲线运动、直线运动的速度与加速度、曲线运动的角速度等；

[0095] 步骤1b，MMS外部参数：记录路面运行条件的多样性，主要可考虑的参数项包括路面粗糙度和起伏度等。

[0096] 包含多元测量环境参数项的连续时域振动位移信号数据对象由此参数形式化表示为：

[0097]

[0098] 其中，OS表示环境参数增强的振动位移信号数据对象，记录为一组以特定采样间隔的时间T为标签项的时域多元参数组；S表示加速度积分获取的振动位移，记录为一组与获取时刻t、获取空间位置x,y对应的瞬时位移s序列；P表示增强的多元测量环境参数项，包括分别表示获取S移动测量环境的内部参数组{PI}和外部参数组{PO}，各内部参数PIm记录为与获取时刻t对应的瞬时参数值p，各外部参数POn记录为与获取空间位置x,y对应的参数值p；S与PIm通过时间参数t进行同步关联；S与POn通过位置参数x,y进行同步关联。

[0099] 同时，为保证解析分析的可行性，所增强的各参数项需支持由：①系统外部历史信息输入匹配的方式，或②通过MMS配置的测量传感器实时检测的方式，获取与振动位移对应的参数值。

[0100] 而且，所述步骤2中，各参数变化阈值与频域分布范围映射关系定量解析的实现方式包括以下子步骤：

[0101] 步骤2.1，统计参数值分布特征：提取数据中多元测量环境参数项的取值，依次统计各参数项的特征值value与频次fr，得到每项参数p根据value由小到大排序的数组Ap：

[0102]

[0103] 步骤2.2，初始化阈值区间：对每项参数p，根据Ap取值范围初始化阈值区间集合SECp：

[0104] SECp＝{[value_min,value_max]}；

[0105] 步骤2.3，基于振动位移的细节层次(Levels of Detail)评估位移信号分解的阈值区间：对每项参数p的阈值区间集合SECp执行以下子步骤：

[0106] 步骤2.3.1，提取集合元素个数Nr＝|SECp|；

[0107] 步骤2.3.2，依次对每段区间SECp(n),n＝{1,...,Nr}，执行以下子步骤：

[0108] I)根据Ap中区间特征值value的最值value_min,value_max和众数值value_fr max，划分区间为子区间subsec1[value_min,value_fr max]和子区间subsec2[value_fr max,value_max]；

[0109] II)分别提取OS中对应subsec1和subsec2的参数p单值变化数据段{L1},{L2}；

[0110] III)采用面向频域分解的数字信号处理通用技术，选取特定处理算法，包括适合平稳信号分解的多项式拟合、最小二乘拟合等，以及适合非平稳信号的傅立叶变换、小波变换等中的一种或多种组合算法，分别对数据段{L1}和{L2}所对应的时域原始振动位移信号S数据区间SL1和SL2，执行逐细节层次有效位移拟合(每个细节层次的信号分解结果被划分为“有效”和“误差”两部分，“有效位移拟合”即提取分解结果中的有效部分)，得到对应不同细节层次的有效位移SL1'level_n和SL2'level_m， 所述拟合过程通过在各层次信号频域分解的基础上，逐层累加代表有效振动位移的多层次高频数据项实现；

[0111] IV)解析所得的各层次有效位移SL1'level_n和SL2'level_m的方差σ2L1_level_n和σ2L2_level_m；

[0112] V)分别提取“方差最小值”所对应的细节层次N1和N2为subsec1和subsec2的特征细节层次；比较N1和N2：

[0113] g)当|N1-N2|＜1，直接结束该区间段处理；

[0114] h)当|N1-N2|＝1,采用[value_min,value_fr max],[value_fr max,value_max]替换原区间段[value_min,value_max]，同时更新SECp和Nr后结束该区间段处理；

[0115] i)当|N1-N2|＞1，采用[value_min,value_fr max],[value_fr max,value_max]替换原区间段[value_min,value_max]，并分别对[value_min,value_fr max]和[value_fr max,value_max]执行步骤2.3.2：I)～V)；

[0116] 经过步骤2.3，得到对应各特征细节层次Np＝{N1,N2,...,NNr},Nr＝|SECp|的参数p的区间集合SECp：

[0117] SECp＝{[value_min,value_fr max(a)],[value_fr max(a),value_fr max(b)],[0118] [value_fr max(x),value_fr max(y)],[value_fr max(y),value_max]}；

[0119] 其中，value_fr max(a),value_fr max(b)和value_fr max(x),value_fr max(y)均为[value_min,value_fr max]范围内的局部极值。

[0120] 步骤2.4，基于阈值区间重采样解析映射关系：对步骤2.3得到的SECp执行基于区间边界值的线性内插，得到参数p与频域分布范围数字信号处理细节层次参数{N}对应的递增变化阈值区间：

[0121] SECp＝{[-∞,(value_min+value_fr max(a))/2],

[0122] [(value_min+value_fr max(a))/2,(value_fr max(a)+value_fr max(b))/2],[0123] [(value_fr max(x)+value_fr max(y))/2,(value_fr max(y)+value_max)/2],[0124] [(value_fr max(y)+value_max)/2,+∞]}；

[0125] 由此，参数p变化阈值与频域分布范围映射关系为：

[0126]

[0127] 而且，所述步骤2中，各变化趋势与频域分布广度一致关系R包括：①同向关系，②反向变化；所述一致关系定性解析的实现方式包括以下子步骤：

[0128] 步骤2.5，解析{N}的单向变化区间SECN：

[0129]

[0130] 步骤2.6，判断SECN各区间变化方向Sgn(sec_n)与参数p递增变化区间的一致性；若一致则标记参数p与该细节层次区间为同向变化关系，记为R＝1；否则，标记参数p与该细节层次区间为反向变化关系，记为R＝-1；

[0131] 而且，所述步骤3中，利用变化阈值约束，动态自适应划分时域区间集的具体实施方式包括以下子步骤：

[0132] 步骤3.1，按照时间标签T的递增次序提取OS中与S对应的多元环境测量参数组{P}；

[0133] 步骤3.2，根据步骤2解析获得的各参数阈值区间SECp，按照时序递增次序从最远时刻tmin开始到最近时刻tmax扫描S的同时，遍历各时刻瞬时振动位移s对应的多元参数值{P}，当任一参数p的变化超过区间阈值，则划分S为相应数据段，依次得到对应参数变化值的振动位移时域区间集Ssec：

[0134]

[0135] 其中，ψ表示参数项值域；C为所划分出的段数；m取值为对象OS中多元环境测量参数个数，m＝|OS.{P}|；Npx为第x个参数p的取值在区间Ψpx变化时所映射的特征细节层次；特别地，p1用于记录变化跨越区间阈值的参数项。

[0136] 而且，所述步骤4中，基于变化趋势一致性约束的逐时域区间振动位移误差矫正的具体实施方式包括以下子步骤：

[0137] 依次对Ssec中的每段区间(SX,ψ{P}X),X＝{1,...,C}执行以下子步骤：

[0138] 步骤4.1，解析ψ{P}X中各参数p所映射的特征细节层次的值域范围ψ{Np1,...,Npx,...,Npm}；

[0139] 步骤4.2，根据段序数X，执行以下操作：

[0140] 步骤4.2a，当X＝1，在ψ{Np1,...,Npx,...,Npm}范围内：

[0141] I)对SX执行逐细节层次振动位移拟合；所述特定细节层次level_x∈ψ{Np1,...,Npx,...,Npm}拟合的具体方法为：面向频域分解的数字信号处理通用技术，选取步骤2.3.2III)采用的具体处理算法，包括适合平稳信号分解的多项式拟合、最小二乘拟合等，以及适合非平稳信号的傅立叶变换、小波变换等中的一种或多种组合算法，通过对SX自1至level_x层次频域分解的基础上，逐层累加代表有效振动位移的高频数据项实现；

[0142] II)计算各细节层次level_x的方差σ2level_x；

[0143] III)比较各细节层次方差，标记“方差最小值”所对应的细节层次level_x(σ2min)为区间段(SX,ψ{P}X)的最优细节层次LX；保存面向细节层次LX的拟合结果为区间段(SX,ψ{P}X)的矫正结果。

[0144] 步骤4.2b，当X>1：

[0145] I)获取上一区间段(SX-1,ψ{P}X-1)的最优细节层次LX-1＝level_x(σ2min)；

[0146] II)估计对应各参数变化的最优细节层次增量Δlevel：

[0147]

[0148] 其中，m＝|OS.{P}|，为对象OS中多元环境测量参数个数；Rm表示第i个参数pi在区间ψ{(Npi)X,(Npi)X-1}变化趋势一致关系值，通过对比步骤2.5和2.6解析的SECN赋值取值1或-1；

[0149] III)估计区间段(SX,ψ{P}X)的最优分解层次为：

[0150] LX＝LX-1+Δlevel；

[0151] IV)分别使用细节层次LX-1,LX,LX+1，拟合SX；所述拟合方法同步骤4.2aI)；

[0152] V)计算各细节层次方差σ2；判断拟合结果：

[0153] a)当σ2LX-1≥σ2LX≤σ2LX+1，标记LX为区间段(SX,ψ{P}X)的最优细节层次；保存面向细节层次LX的拟合结果为区间段(SX,ψ{P}X)的矫正结果；

[0154] b)当σ2LX-1≥σ2LX≥σ2LX+1，更新LX＝LX+1；返回执行步骤4.2b IV)～V)；

[0155] c)当σ2LX-1≤σ2LX≤σ2LX+1，更新LX＝LX-1；返回执行步骤4.2b IV)～V)；

[0156] 步骤4.3，逐段整合矫正结果保存为本发明方法自适应矫正后的MMS振动位移值。

[0157] 本发明针对车载移动测量系统(MMS)在复杂测量环境下整体获取并利用加速度积分解析的连续振动位移数据，提供一种顾及时域振动位移信号频域复杂特征的振动位移误差自适应矫正方法。

[0158] 以下结合附图阐述本发明方案原理。

[0159] 如图1所示，本发明技术方案的原理是：针对现有基于数字信号处理技术的振动位移误差矫正方法采用面向特定细节层次全局统一求解，难以适应复杂测量环境所获得的连续振动位移信号中有效信息频域分布的多细节层次变化特征，导致局部信号区间欠分解和过分解而难以实现复杂测量环境下车载移动测量系统振动位移精确与稳定的误差矫正问题。本发明方法将复杂测量环境中影响“MMS振动平稳度”进而显示关联“振动位移信号频域复杂度”的“车载移动测量环境可变参数”引入信号误差矫正过程：

[0160] ①通过解析并利用“参数变化阈值与频域分布范围的映射关系”，实现时域连续位移信号的多特征值区间自适应划分；同时，

[0161] ②通过解析“参数变化趋势与频域分布广度的一致性关系”并将其引入区间划分算法，作为信号中相邻区间细节层次估计的约束条件；

[0162] 从而使全局连续振动位移信号分解与重构所选取的细节层次参数，在局域区间之间根据“测量环境参数的变化特征”动态自适应地优化调整。

[0163] 以下结合实施例并附图详细说明本发明技术方案。

[0164] 如图2所示，本发明方法的总体步骤流程是：首先，增强原始振动位移数据在复杂测量环境中显示关联振动位移信号频域复杂度的测量环境可变参数项，得到多元测量环境参数依赖的连续时域振动位移信号，为参数变化特征解析和连续信号特征时域区间划分提供基础数据；然后，在归纳参数变化特征的基础上，分类解析各测量环境参数变化阈值、变化趋势和信号频域分布的特征关系，作为划分特征时域区间和矫正区间振动位移的约束条件；之后，利用参数变化阈值映射关系动态自适应划分连续时域振动位移信号，得到具有特定频域分布复杂度的信号时域区间，作为振动误差矫正的计算单元；最后，根据统计特征逐区间定量评估最优分解层次并利用参数变化趋势一致关系约束最优分解层次计算范围，在此基础上执行原始信号分解与有效信号重构的区间误差矫正。

[0165] 本发明实施例的实现过程采用计算机实现自动化处理，包括以下具体步骤：

[0166] 步骤1，测量环境参数增强。

[0167] 对MMS加速度传感器输出信号进行二次积分解析得到竖直方向原始振动位移的同时，同步采集与瞬时振动位移对应的“测量环境信息”；所述“测量环境信息”具体指MMS在复杂测量环境运行过程中，影响振动位移信号频域复杂度的可变测量环境信息；将同步采集的测量环境信息以参数项形式与振动位移数据关联。现实测量环境中影响振动位移信号频域复杂度的可变测量环境信息是多样的，本发明方法根据信息源的差异，将影响振动位移信号频域复杂度的可变测量环境参数项归纳为两类：

[0168] 步骤1a，MMS内部参数：记录车辆运行状态的多变性，主要可考虑的参数项包括运行状态的行进和暂停、行进状态下的直线运动和曲线运动、直线运动的速度与加速度、曲线运动的角速度等；

[0169] 步骤1b，MMS外部参数：记录路面运行条件的多样性，主要可考虑的参数项包括路面粗糙度和起伏度等。

[0170] 由此，采用面向对象的方法在计算机内存中记录解析测量信息为包含多元测量环境参数项的连续时域振动位移信号数据对象，并将数据对象参数形式化表示为：

[0171]

[0172] 其中，OS表示环境参数增强的振动位移信号数据对象，记录为一组以特定采样间隔的时间T为标签项的时域多元参数组；S表示加速度积分获取的振动位移，记录为一组与获取时刻t、获取空间位置x,y对应的瞬时位移s序列；P表示增强的多元测量环境参数项，包括分别表示获取S移动测量环境的内部参数组{PI}和外部参数组{PO}，各内部参数PIm记录为与获取时刻t对应的瞬时参数值p，各外部参数POn记录为与获取空间位置x,y对应的参数值p；S与PIm通过时间参数t进行同步关联；S与POn通过位置参数t进行同步关联。为保证解析分析的可行性，所增强的各参数项需支持由：①系统外部历史信息输入匹配的方式，或②通过MMS配置的测量传感器实时检测的方式，获取与各瞬时振动位移对应的参数值。

[0173] 在影响振动位移信号频域复杂度的可变测量环境信息中，“速度”作为MMS内部一项易于采用现有传感器探测且显示关联MMS振动平稳度的车辆运行状态信息，速度值在复杂测量环境，特别是城市道路环境中，由于路面其他运行车辆、障碍物、限行条件等不确定因素影响极易在测量过程中发生变化；此外，运载车辆发动机和传动系统工作时燃气压力和运动件的惯性力周期性变化会直接受“路面起伏”的影响而产生变化的不平衡现象，进而影响振动位移信号频域分布，而实际路面条件使路面起伏度存在路段间甚至各路面点间的差异。因此，本发明以MMS内部车辆运行状态参数“速度”和MMS外部路面运行条件参数“路面起伏”两项移动测量过程最易发生变化进而最直接影响振动平稳度的测量环境参数为例，说明发明内容，其中，测量环境参数增强的具体实施执行以下步骤：

[0174] 对移动测量过程中加速度传感器输出的逐个瞬时信号ai(t)采用不失一般性的通用二次积分公式求解各相应时刻原始振动位移si：

[0175]

[0176] 式中，s0表示竖直方向初始位移观测值；v0表示竖直方向初始速度观测值；Δt为加速度传感器采样时间间隔。

[0177] 求解原始振动位移si同时，①根据MMS配置的距离测量装置(例如常用的车轮编码器)获取每段时间间隔Δt的距离增量Δdi，进而计算得到每小段距离增量中的平均速度v＝Δdi/Δt，并通过时刻t与振动位移si关联；②将根据现有激光测量方法、解析计算方法或水准测量方法等中的一种或多种组合方法处理得到的历史路面平整度数据IRI(IRI由一组对应的特定位置信息x,y的平整度值iri表示)，根据GPS定位传感器获取的位置信息x,y与振动位移si匹配关联。由此创建依赖速度V和表示路面起伏的平整度IRI且参数形式化表示振动位移数据对象OS：

[0178]

[0179] 保存OS作为步骤2和步骤3输入的基础数据。

[0180] 步骤2，参数变化特征解析。

[0181] 面向特定数字信号处理方法，分类解析OS中各测量环境参数变化与信号频域分布的特征关系。依次解析的变化特征关系包括定量的“变化阈值与频域分布范围的映射关系”和定性的“变化趋势与频域分布广度的一致关系”。

[0182] 所述特定数字信号处理方法的选择上，常用面向频域分解的数字信号处理通用技术包括适合平稳信号分解的多项式拟合、最小二乘拟合等，以及适合非平稳信号的傅立叶变换、小波变换等。所述特征关系解析过程，可以选用现有数字信号处理方法中的一种或多种组合实施；所选不同方法对应于信号频域分布复杂度的细节层次参数分别具体化为不同的参数项，主要包括：

[0183] ①基于小波变换方法的参数项具体化为“信号分解层数”；

[0184] ②基于多项式拟合方法的参数项具体化为“截取多项式阶数”；

[0185] ③基于高通滤波方法的参数项具体化为“滤波器截至频率”。

[0186] 其中，优选地，顾及振动位移数据在时域信号全局具有典型非平稳特征，更适合选用具有优异时域、频域多分辨率处理能力的小波变换类处理方法；

[0187] 进一步优选地，由于振动的周期性特征而具有的局部对称性，在具体小波变换类处理方法执行时，更适合选用具有对称小波函数的方法，如Coiflet小波、Symlet小波和Biotrhogonal小波中的一种。

[0188] 因此，本发明实施例具体采用小波分解方法，具体选用Coiflet小波函数进行参数变化特征解析。

[0189] 其中，各参数变化阈值与频域分布范围映射关系定量解析的实现方式包括以下子步骤：

[0190] 步骤2.1，统计参数值分布特征。提取数据中多元测量环境参数项的取值，依次统计各参数项的特征值value与频次fr，得到每项参数p根据value由小到大排序的数组Ap：

[0191]

[0192] 本发明实施例相应具体对速度V和表示路面起伏的平整度IRI进行上述特征值统计，分别得到数组AV和AIRI。

[0193] 步骤2.2，初始化阈值区间。对每项参数p，根据Ap取值范围初始化阈值区间集合SECp：

[0194] SECp＝{[value_min,value_max]}；

[0195] 本发明实施例相应分别根据实例测试数据段的AV和AIRI取值范围初始化阈值区间集合，得到以(千米/小时)为单位并对数值取整的SECV和以(米/千米)为数值单位并对数值取整的SECIRI：

[0196] SECV＝{[15,50]}；

[0197] SECIRI＝{[2,6]}；

[0198] 步骤2.3，基于振动位移细节层次评估分解阈值区间。对每项参数p的阈值区间集合SECp(在本实施例中分别对SECV和SECIRI)，执行以下子步骤：

[0199] 步骤2.3.1，提取集合元素个数Nr＝|SECp|，初始值均为1；

[0200] 步骤2.3.2，依次对每段区间SECp(n),n＝{1,...,Nr}，执行以下子步骤：

[0201] I)根据Ap中区间特征值value的最值value_min,value_max和众数值value_fr max，划分区间为子区间 和子区间

[0202] II)分别提取OS中对应subsec1和subsec2的参数p单值变化数据段{L1},{L2}；

[0203] III)采用面向频域分解的数字信号处理通用技术，选取特定处理算法，分别对数据段{L1}和{L2}所对应的时域原始振动位移信号S数据区间SL1和SL2，执行逐细节层次有效位移(原始信号得到的“位移信号”包括“有效”成分和“误差位移”成分，这里指非误差位移成分，即有效位移)拟合，得到对应不同细节层次的有效位移SL1'level_n和SL2'level_m，所述拟合过程通过首先在各层次信号频域分解，从而逐尺度层次剥离高频有效振动位移和低频混合误差的振动位移，然后逐层累加代表有效振动位移的多层次高频数据项实现。

[0204] 本发明实施例具体采用通用Mallat离散小波分解与重构算法，运用以下小波通用分解与重构算式实现离散细节层次的小波变换：

[0205]

[0206]

[0207] 其中，dj为第j细节层次的高频有效振动位移，cj为在第j细节层次低频分解出的混合了误差成分的低频振动位移，h(n)和g(n)为由正交小波变换得到的滤波器组，对应具体小波函数及其尺度函数，n,k为离散信号序数。

[0208] IV)解析所得的各层次有效位移SL1'level_n和SL2'level_m的方差σ2L1_level_n和σ2L2_level_m；

[0209] V)分别提取“方差最小值”所对应的细节层次N1和N2为subsec1和subsec2的特征细节层次；比较N1和N2：

[0210] j)当|N1-N2|＜1，直接结束该区间段处理；

[0211] k)当|N1-N2|＝1，采用[value_min,value_fr max],[value_fr max,value_max]替换原区间段[value_min,value_max]，同时更新SECp和Nr后结束该区间段处理；

[0212] l)当|N1-N2|＞1，采用[value_min,value_fr max],[value_fr max,value_max]替换原区间段[value_min,value_max]，并分别对[value_min,value_fr max]和[value_fr max,value_max]执行步骤2.3.2：I)～V)；

[0213] 经过步骤2.3，得到对应逐特征细节层次Np＝{N1,N2,...,NNr},Nr＝|SECp|的参数p区间集合SECp：

[0214] SECp＝{[value_min,value_fr max(a)],[value_fr max(a),value_fr max(b)],[0215] [value_fr max(x),value_fr max(y)],[value_fr max(y),value_max]}；

[0216] 本发明实施例测试数据段相应分别得到划分后区间边界值取整的速度参数区间SECV和地面起伏参数区间SECIRI：

[0217] SECV＝{[15,20],[20,30],[30,50]}；Nv＝{(5,6),(6,7),(7,8)}；

[0218] SECIRI＝{[2,4],[4,6]}；NIRI＝{(5,6,7),(6,7,8)}；

[0219] 步骤2.4，基于阈值区间重采样解析映射关系：对步骤2.3得到的SECp执行基于区间边界值线性内插，得到参数p与频域分布范围数字信号处理细节层次参数{N}对应的递增变化阈值区间：

[0220] SECp＝{[-∞,(value_min+value_fr max(a))/2],

[0221] [(value_min+value_fr max(a))/2,(value_fr max(a)+value_fr max(b))/2],[0222] [(value_fr max(x)+value_fr max(y))/2,(value_fr max(y)+value_max)/2],[0223] [(value_fr max(y)+value_max)/2,+∞]}；

[0224] 同时，参数p变化阈值与频域分布范围映射关系为：

[0225]

[0226] 由此，本发明实施例测试数据段相应分别得到速度参数V和地面起伏参数IRI与变化阈值与频域分布范围映射关系为：

[0227]

[0228]

[0229] 同时，各变化趋势与频域分布广度一致关系R包括：①同向关系，②反向变化；所述一致关系定性解析的实现方式包括以下子步骤：

[0230] 步骤2.5，解析{N}的单向变化区间SECN：

[0231]

[0232] 步骤2.6，判断SECN各区间变化方向Sgn(sec_n)与参数p递增变化区间的一致性；若一致则标记参数p与该细节层次区间为同向变化关系，记为R＝1；否则，标记参数p与该细节层次区间为反向变化关系，记为R＝-1；

[0233] 本发明实施例由此解析得到速度参数V和地面起伏参数IRI与频域分布广度均为同向变化关系，即均记为R＝1，其含义为：随着速度V增大，MMS振动非平稳性增强，有效振动位移成分在原始振动位移信号中占据具有更广的频域范围，在信号处理时，需要更多细节信息来还原有效信号；同理，随着地面起伏参数IRI增大，也需要更多细节信息来还原有效信号。

[0234] 分别保存参数项“速度V”和表示路面起伏的“平整度IRI”的变化特征关系作为经验模型为步骤3和步骤4提供约束信息。

[0235] 步骤3，特征时域区间划分。

[0236] 基于参数变化阈值与频域分布范围的映射关系，动态自适应地划分连续时域振动位移信号为一组变化阈值约束的相邻时域区间集，具体包括以下子步骤：

[0237] 步骤3.1，按照时间标签T的递增次序提取OS中与S对应的多元环境测量参数组{P}，在本发明实施例即解析：

[0238] OS.V＝{(v,t)i}；

[0239] OS.IRI＝{(iri,x,y)i}；

[0240] 步骤3.2，根据步骤2解析获得的各参数阈值区间SECp，按照时序递增次序从最远时刻tmin开始到最近时刻tmax扫描S的同时，遍历各时刻瞬时振动位移s对应的多元参数值{P}，当任一参数p的变化超过区间阈值，则划分S为相应数据段，依次得到对应参数变化值的振动位移时域区间集Ssec：

[0241]

[0242] 其中，ψ表示参数项值域；C为所划分出的段数；m取值为对象OS中多元环境测量参数个数，m＝|OS.{P}|；Npx为第x个参数p的取值在区间Ψpx变化时所映射的特征细节层次；特别地，p1用于记录变化跨越区间阈值的参数项。

[0243] 本发明实施例测试数据段即根据：SECV＝{[15,20],[20,30],[30,50]}(千米/小时)和SECIRI＝{[2,4],[4,6]}(米/千米)为阈值划分数据段为|Ssec|＝15个区间。所述各时域区间内的有效振动位移信号成分对应特定频域范围，即满足特定频域分布复杂度，因此能采用具有特定细节层次参数的数字信号处理方法执行分解。

[0244] 保存具有特定频域分布复杂度的振动位移信号时域区间作为步骤4中执行振动误差矫正计算的处理单元。

[0245] 步骤4，区间振动误差矫正。

[0246] 利用特定数字信号处理方法，逐时域区间执行基于细节层次参数自适应优化选取的振动位移误差矫正处理。所述自适应具体指利用“速度V”和表示路面起伏的“平整度IRI”的变化趋势与频域分布广度的一致关系约束相邻区间细节层次的取值范围，根据步骤2的解析，即当后一段数据相交于前一段数据的参数值增大，则相应需要增加小波分解层次来提取有效振动位移成分；所述优选通过对逐细节层次矫正结果计算方差最小值实现。具体实施方式包括以下子步骤：

[0247] 依次对Ssec中的每段区间(SX,ψ{P}X),X＝{1,...,C}执行以下子步骤：

[0248] 步骤4.1，解析ψ{P}X中各参数p所映射的特征细节层次的值域范围ψ{Np1,...,Npx,...,Npm}；

[0249] 步骤4.2，根据段序数X(实施例中X＝{1,2,…,15})，执行以下操作：

[0250] 步骤4.2a，当X＝1，在ψ{Np1,...,Npx,...,Npm}范围内：

[0251] I)对SX执行逐细节层次振动位移拟合；所述特定细节层次level_x∈ψ{Np1,...,Npx,...,Npm}拟合的具体方法为：本发明实施例中具体采用步骤2中选取的小波分解方法，具体选用Coiflet小波函数进行处理，通过对SX自1至level_x层次频域分解的基础上，逐层累加代表有效振动位移的高频数据项实现。实施例测试数据段中，level_x∈{5,6,7,8}；

[0252] II)计算各细节层次level_x的方差σ2level_x；实施例测试数据段中，σ2level_5＝349；σ2level_6＝242；σ2level_7＝96；σ2level_8＝115；

[0253] III)比较各细节层次方差，标记“方差最小值”所对应的细节层次level_x(σ2min)为区间段(SX,ψ{P}X)的最优细节层次LX，实施例测试数据段中即L7；保存面向细节层次L7的拟合结果为区间段(SX,ψ{P}X)的矫正结果。

[0254] 步骤4.2b，当X>1：

[0255] I)获取上一区间段(SX-1,ψ{P}X-1)的最优细节层次LX-1＝level_x(σ2min)；

[0256] II)估计对应各参数变化的最优细节层次增量Δlevel：

[0257]

[0258] 其中，m＝|OS.{P}|，为对象OS中多元环境测量参数个数；Rm表示第i个参数pi在区间ψ{(Npi)X,(Npi)X-1}变化趋势一致关系值，通过对比步骤2.5和2.6解析的SECN赋值取值1或-1；

[0259] III)估计区间段(SX,ψ{P}X)的最优分解层次为：

[0260] LX＝LX-1+Δlevel；

[0261] IV)分别使用细节层次LX-1,LX,LX+1，拟合SX；所述拟合方法同步骤4.2aI)；

[0262] V)计算各细节层次方差σ2；判断拟合结果：

[0263] d)当σ2LX-1≥σ2LX≤σ2LX+1，标记LX为区间段(SX,ψ{P}X)的最优细节层次；保存面向细节层次LX的拟合结果为区间段(SX,ψ{P}X)的矫正结果；

[0264] e)当σ2LX-1≥σ2LX≥σ2LX+1，更新LX＝LX+1；返回执行步骤4.2b IV)～V)；

[0265] f)当σ2LX-1≤σ2LX≤σ2LX+1，更新LX＝LX-1；返回执行步骤4.2b IV)～V)；

[0266] 据此方法，本发明实施例测试数据划分的15个区间对应的细节层次分别为：{7,7,8,8,8,7,7,7,6,6,5,5,6,5,6}；

[0267] 步骤4.3，逐段整合矫正结果保存为本发明方法自适应矫正后的MMS振动位移值。其中，当各段数据段区间划分处存在不重合的情况，则通过均值处理，保证数据段间的无缝衔接。保存矫正后的振动位移用于支持高质量和高精度车载移动测量空间数据后处理。

[0268] 矫正后的MMS振动位移数据可作为已知信息，用于支持进一步准确解析基于MMS采集的三维空间信息。由于使振动位移数据分解的细节层次，在局域信号间根据“参数变化”动态自适应地优化调整影响，因而能显著降低各参数区间中针对有效振动成分的过分解与欠分解问题，在提高矫正后数据的精度的同时也增强了MMS对测量环境变化的适应性，可支持高质量和高精度车载移动测量空间数据后处理；此外，由于将参数变化特征与信号复杂度的一致性约束引入连续信号的多特征值区间分解算法中，建立并充分利用了参数变化范围与所需要进行分解层次的对应关系，因而，缩小了实际分解层次的计算范围，降低了计算冗余与复杂度，特别在矫正大量测量数据时，能有效提升整体处理效率。

[0269] 上述具体实施例仅是对本发明精神作举例说明，并非对本发明作任何形式上的限制。具体实施时，由本发明所属技术领域的技术人员按照上述流程进行软件编程实现即可；实施过程中不会偏离本发明技术方案或者超越所附权利要求书所定义的范围的等同变化、替换与修饰，均属于本发明技术方案的范围内。