《Satellite Navigation》：A new sparse representation method for tropospheric grid models
编辑推荐：
随着高精度全球导航卫星系统（GNSS）定位的快速发展，对高精度对流层延迟模型的需求显著增长，加剧了建模精度与资源消耗之间的权衡。在海洋、沙漠等无网络环境中，基于卫星的大气校正产品广播对于实现全球覆盖至关重要，这进一步加剧了大数据量、高存储和传输成本的挑战。现有
随着高精度全球导航卫星系统（GNSS）定位的快速发展，对高精度对流层延迟模型的需求显著增长，加剧了建模精度与资源消耗之间的权衡。在海洋、沙漠等无网络环境中，基于卫星的大气校正产品广播对于实现全球覆盖至关重要，这进一步加剧了大数据量、高存储和传输成本的挑战。现有的学习字典方法在压缩对流层延迟参数时通常需要大量训练成本，且泛化能力有限。为解决这些限制，本研究整合压缩感知（CS）理论，提出了一种基于简单解析字典的块稀疏表示方法，并联合二进制掩码编码（BMC）策略，用于对流层网格模型进行压缩。该方法无需先验训练即可实现所有涉及参数的高效压缩。实验结果表明，在保持模型精度的同时，显著节省了资源。与原始模型相比，静态经验的大地测量与地球物理研究所对流层半年模型（IGGtropS）的内存占用减少了63.49%，动态更新的维也纳映射函数1（VMF1）模型减少了81.19%，在测试实验条件下优于现有的小批量K-奇异值分解（K-SVD）学习字典算法。重建的天顶对流层延迟（ZTD）均方根误差（RMSE）分别仅为1.7 mm和2.1 mm。基于卫星的广播模拟进一步表明，用所提出的稀疏模型替换原始模型可减少50%的通信资源需求。在约15 kbit/s的广播带宽下，全球VMF1网格产品可在约30秒内传输，而用户端仅引入亚厘米级的量化误差。该方法具有低算法复杂度、高压缩效率和稳健的重建精度，为存储和广播GNSS大气网格产品提供了一种高泛化性、轻量化的技术解决方案。
**高精度GNSS对流层网格模型稀疏表示与卫星广播方法研究**
**研究背景与问题**
随着高精度全球导航卫星系统（GNSS）定位技术的快速发展，对高精度对流层延迟模型的需求日益增长。然而，模型精度与资源消耗之间的权衡日益加剧。在海洋、沙漠等无网络覆盖区域，卫星广播大气校正产品成为实现全球覆盖的必要手段，但这也带来了数据量大、存储和传输成本高的挑战。现有的学习字典方法（如K-奇异值分解，K-SVD）在压缩对流层延迟参数时，存在训练成本高、泛化能力有限的问题。此外，已有方法往往仅关注天顶对流层延迟（ZTD）的压缩，忽略了映射函数系数的同步压缩，且缺乏高效的稀疏系数存储与广播机制。为解决上述问题，研究人员提出了一种面向全球对流层网格产品的端到端压缩-编码-广播-重建框架，以平衡精度与资源消耗。该研究论文发表在《Satellite Navigation》期刊上。
**主要关键技术方法（不超过250字）**
研究人员采用离散余弦变换（DCT）等解析字典，替代需要训练的学习字典，消除训练和传输开销；采用块稀疏表示策略，沿经度方向逐向量进行稀疏表示，以捕捉局部空间变化；利用稀疏度自适应匹配追踪（SAMP）算法，以最大相对重建误差为迭代终止准则，自适应估计稀疏度；通过二进制掩码编码（BMC）策略高效编码稀疏系数，并设计类似日本厘米级增强服务（CLAS）的消息帧结构，实现卫星广播。样本来源：IGGtropS模型基于欧洲中期天气预报中心（ECMWF）再分析资料，VMF1数据来自维也纳技术大学网站（2019年全年1460个文件，每6小时更新一次）。
**研究结果**
**服务器端压缩性能 - 静态经验模型**
以IGGtropS模型为例，采用DCT、离散傅里叶变换（DFT）和离散小波变换（DWT）三种解析字典，分别设置非均匀阈值η={0.3%, 1.0%, 1.0%, 2.0%, 2.0%}及均匀阈值0.3%和0.5%进行对比。结果表明，DCT在非均匀阈值下实现63.49%的内存节省，重建ZTD的最大均方根误差（RMSE）仅为0.17 cm，且无系统偏差。
**服务器端压缩性能 - 动态更新模型**
以VMF1模型为例，采用DCT字典，对2019年全年1460个文件进行稀疏表示，设置各参数阈值（ah: 0.1%, aw: 1.0%, 天顶静力学延迟（ZHD）: 6 mm, 天顶湿延迟（ZWD）: 5 mm）。结果重建ZTD的RMSE为0.21 cm，内存节省81.19%，优于现有mini-batch K-SVD算法。在2020-2025年扩展验证中，统计特性保持稳定。
**广播延迟分析**
基于VMF1稀疏系数，采用12比特量化，设计类似CLAS的帧结构，模拟不同带宽下的广播延迟。结果表明，在15 kbit/s带宽下，广播延迟约30秒，相比原始数据减少50%以上。通过量化，用户端引入的ZTD最大绝对值误差（MAAE）小于0.37 cm，精度损失有限。
**用户端重建精度评估 - 静态经验模型**
以252个国际GNSS服务（IGS）站2019-2022年数据为参考，评估IGGtropS稀疏模型重建的ZTD精度。结果表明，偏差和RMSE与原始模型一致（约-0.9 cm和4.0 cm），且计算效率更高：单站重建仅需0.62秒（基于树莓派5），而完整重建需266.78秒。
**用户端重建精度评估 - 动态更新模型**
评估VMF1稀疏模型重建的ZTD量化误差及斜延迟（SHD和SWD）精度。2019年数据表明，ZTD量化误差的年度偏差近零，RMSE 95%分位数小于0.62 mm。在3°仰角下，SHD和SWD的RMSE分别为2.5 cm和小于10 cm的MAAE，表明在低仰角下仍保持高精度。
**总结讨论与结论翻译**
本研究针对高精度GNSS导航定位中对流层模型精度与资源消耗间的矛盾，提出了一种端到端的稀疏表示与卫星广播方法。主要特征与贡献总结如下：
(1) **框架创新**：构建并验证了针对全球对流层网格产品的“压缩-编码-广播-按需重建”完整端到端框架。根据对流层网格产品的空间分布特征和卫星广播的带宽约束，系统优化了字典选择、稀疏化策略、求解器终止准则、编码方案和消息帧设计，弥合了理论稀疏表示与可部署导航增强服务之间的差距。
(2) **压缩性能**：以IGGtropS和VMF1分别作为静态经验模型和动态更新模型的代表，所提算法相对于原始模型的内存占用分别减少了63.49%和81.19%。重建ZTD的RMSE分别为1.7 mm和2.1 mm。VMF1模型的稀疏表示性能在测试实验条件下优于现有mini-batch K-SVD学习字典算法。
(3) **广播效率**：提出了基于卫星的全球对流层网格稀疏系数广播方案。模拟结果表明，与原始VMF1相比，所提方案减少通信资源需求超过50%。在2 kbit/s带宽下，广播延迟从565秒降至253秒。为将广播延迟控制在30秒内，所需带宽从约31 kbit/s降至15 kbit/s。同时，验证结果确认12比特量化引入的精度损失限于亚厘米级（MAAE ≤ 0.37 cm）。
该方法适用于对流层延迟网格模型的高效压缩与广播，显著降低存储需求和传输成本，展示了在开阔海洋、偏远沙漠等无网络环境中高精度导航定位应用的潜力。通过与现有模型优化算法结合，可为低带宽场景（如卫星系统）提供高效实用的轻量化广播方案。未来研究可将该框架扩展至电离层网格产品，以进一步验证其适用性和有效性。
