武大李星星团队开源的GNSS UPD估计模块（GREAT-UPD）window 下调试
目录
【GREAT-UPD简介】
【在window下调试】
1 环境要求和许可证
2 下载
3 编译（Windows下）
【数据的处理】
1 数据准备
2 数据预处理
2.1 单个项目的预处理
2.2 批量预处理
3 估计UPD
3.1 单个项目的估计UPD
3.2 批量估计UPD
4 结果绘图和分析
5 补充说明
5.1 ambupd文件格式说明
【参考】
【GREAT-UPD简介】
武汉大学李星星团队在【GPS Solution】开源了GNSS UPD估计模块（GREAT-UPD）。可为 PPP 模糊度固定解计算小数周偏差改正数。根据介绍，该模块可以估计目前四大主流的卫星导航系统（GPS、GLONASS、Galileo 和 BDS）的超宽巷、宽巷和窄巷 UPD。软件处理的流程图如下：
注意：所有的路径不能含有中文
【在window下调试】
1 环境要求和许可证
环境为：Microsoft Visual Studio 2017 on Windows 10（64bit）
许可证：GNU通用公共许可证
2 下载
下载链接：https://geodesy.noaa.gov/gps-toolbox/
下图为GREAT-UPD的目录
3 编译（Windows下）
示意图如上所示，具体步骤说明见下文
3.1 下载并安装CMake，打开CMake界面
3.2 点击【Browse Source】打开GREAT-UPD_1.0文件夹；在GREAT-UPD_1.0下新建build文件夹，点击【Browse Build】打开build文件夹；
3.3 接着点击左下角的【Configure】出现IDE选择界面；
3.4 接着点击主界面的【Generate】将build files写入3.2中新建的build文件夹；接着点击【Open Project】（路径必须英文，否则没反应）；最后在build文件夹下面打开项目即可调试
【数据的处理】
约定：YYYY: 4-digit year; YY: 2-digit year; MM: 2-digit month; DD: 2-digit day; DOY: 3-digit DOY (Day of Year).
1 数据准备
估计超宽巷EWL UPD和宽巷WL UPD需要GNSS观测文件（O文件）、DCB改正文件、
有的观测文件缺少GLONASS的频率号和BDS的SICB（satellite-induced code bias），所以估计GLO和BDS的EWL和WL时还需要广播星历文件
估计GPS Block IIF 卫星EWL的UPD还需要IFCB文件（需要自己事先估计，格式参考GREAT-UPD官方手册A.6）
估计窄巷NL UPD时需要ambupd文件和WL UPD文件（格式参考A.3和A.5）
NL UPD通过宽巷模糊度和无电离层模糊度求得，宽巷模糊度通过MW组合观测值求得，无电离层组合模糊度通过浮点PPP求得
GREAT-UPD提供python脚本下载GNSS观测文件、导航文件、DCB文件。（脚本在GREAT-UPD_1.0/util/batch_process）
（注意：python 脚本需要Python 3.* 的环境）
2 数据预处理
GREAT-UPD提供数据预处理工具GREAT-PreEdit，能探测GF和MW周跳、提出异常观测值、eliminate short arcs等；，输出结果为ambflag文件（参考A.4）
准备预处理配置文件，XML格式（在GREAT-UPD_1.0\util\PreEdit\PreEdit_config目录下，配置文件的设置参考A.2）
2.1和2.2互斥，选一个执行即可
2.1 单个项目的预处理
a）新建项目project_test（例如E:\project_test），将观测文件（.**o）和导航文件（.**n）、预处理配置文件（.xml）放在目录下，如下图所示
b）修改预处理配置文件（.xml）
c）打开cmd命令行，输入下图所示命令
这样就得到了ambflag文件
2.2 批量预处理
GREAT-UPD提供了一个可以逐站逐天处理的python脚本"PreEdit.py"（GREAT-UPD_1.0/util/batch_process）。
a）准备预处理初始化文件（.ini）、参考XML文件、“sitelist”文件（参考GREAT-UPD_1.0/util/PreEdit/PreEdit_sample目录下）。这里先把PreEdit_Windows.ini和site_list两个文件拷贝到E:\project_test目录下，并做以下修改
b）定位到预处理配置文件（.ini）所在目录下，执行PreEdit.py文件
首先cd到PreEdit_Windows.ini所在目录
执行：python ..\..\PreEdit.py -c PreEdit_Windows.ini
或者：python ..\..\PreEdit.py --config=PreEdit_Windows.ini
注意：所有的路径不能含有中文
3 估计UPD
3.1和3.2互斥，选一个执行即可
3.1 单个项目的估计UPD
准备：配置文件UPD XML（具体格式详见A.1，文件在GREAT-UPD_1.0/sample data/UPD_2020001/XML路径下）
注意：处理宽巷UPD和窄巷UPD时的配置文件是不同的，处理窄巷UPD时需要先算出WL UPD
修改配置文件如下图所示
打开命令行，定位到GREAT-UPD.exe的目录下，执行配置文件
当命令行出现“Normal End!”字样代表计算完成，结果默认在GREAT-UPD.exe的目录下
3.2 批量估计UPD
像预处理一样，GREAT-UPD提供python脚本“upd.py”（在GREAT-UPD_1.0/util/batch_process目录下）
准备一个初始化文件（.ini），做如下图修改
定位到配置文件（.ini）目录下，使用python脚本处理配置文件
注意：所有的路径不能含有中文
4 结果绘图和分析
参考手册
5 补充说明
5.1 ambupd文件格式说明
IF模糊度可以取稳定后的平均值，比如100个历元之后的平均值。若连续历元都存在x卫星，则文件中的这些历元的IF值、WL值、标准差都是一样的。
【参考】
- 公众号【不迷途导航程序员】
- GREAT-UPD官方手册（GREAT-UPD_1.0/doc/GREAT-UPD_1.0.pdf）
武大李星星团队开源的GNSS UPD估计模块（GREAT-UPD）window 下调试相关推荐
- rcnn 改进mask_李沐团队提出最强ResNet改进版，多项任务达到SOTA | 已开源
十三 发自 凹非寺 量子位 报道 | 公众号 QbitAI 在图像处理领域中,近年来的新模型可谓是层出不穷. 但在大多数的下游任务中,例如目标检测.语义分割,依旧还是用ResNet或其变体作为骨干网络 ...
- 李飞飞团队给机器人造了一个“模拟厨房”：洗切炒菜一条龙训练！人类还能VR监管 | 开源...
博雯 发自 凹非寺 量子位 报道 | 公众号 QbitAI 李飞飞团队的机器人模拟训练场2.0版本来了! 这个拥有超过8000个交互式场景的模拟环境iGibson,再次发生了进化! 而进化之后的iGi ...
- 李沐团队提出最强ResNet改进版，多项任务达到SOTA | 已开源
十三 发自 凹非寺 量子位 报道 | 公众号 QbitAI 在图像处理领域中,近年来的新模型可谓是层出不穷. 但在大多数的下游任务中,例如目标检测.语义分割,依旧还是用ResNet或其变体作为骨干网络 ...
- 开源！李飞飞团队给机器人打造一条龙训练！人类还能VR监管
点上方计算机视觉联盟获取更多干货 仅作学术分享,不代表本公众号立场,侵权联系删除 转载于:量子位 AI博士笔记系列推荐 周志华<机器学习>手推笔记正式开源!可打印版本附pdf下载链接 李飞 ...
- 李沐团队半年离开六人，MxNet是否英雄落幕？贾扬清：关键能否解决新痛点
点上方蓝字视学算法获取更多干货 在右上方 ··· 设为星标 ★,与你不见不散 仅作分享,不代表本公众号立场,侵权联系删除 转载于:AI科技评论 据知乎网友爆料,亚马逊AI李沐团队今年初至今已经离开6人 ...
- 李飞飞团队加入AI抗疫：家用监控系统，可以远程反馈新冠症状
白交 发自 凹非寺 量子位 报道 | 公众号 QbitAI AI女神李飞飞,也率队加入科技抗疫中. 最近,在斯坦福大学HAI研究院举办"COVID-AI"直播大会上,李飞飞团队提 ...
- 斯坦福大学李飞飞团队图像分类课程笔记
斯坦福大学李飞飞团队图像分类课程笔记 Stanford image classification course notes 这是斯坦福CS231n课程图像分类基础知识. 目标:这一节先介绍图像分类基本 ...
- 时间序列的建模新思路：清华、李飞飞团队等提出强记忆力E3D-LSTM网络
作者 | Yunbo Wang,.Lu Jiang. Ming-Hsuan Yang.Li-Jia Li.Mingsheng Long.Li Fei-Fei 译者 | 凯隐 编辑 | Jane 出品 ...
- 李飞飞团队最经典计算机视觉课更新！斯坦福出品，深度学习入门必备
萧萧 发自 凹非寺 量子位 报道 | 公众号 QbitAI 斯坦福最经典的计算机视觉课程CS231n--全称是面向视觉识别的卷积神经网络. 今天更新啦. 作为计算机视觉和深度学习领域的经典课程,CS2 ...
- 李飞飞团队最新研究，真实场景中识别物体具体属性，连表面纹理都识别出来了...
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 整理:公众号@量子位 本文仅做学术分享,如有侵权,请联系删除. 现在,细微到物体表面的纹理,AI都可以 ...
最新文章
- MYSQL数据库性能调优之六：备份
- 移动硬盘拷贝linux文件,Linux下使用移动硬盘拷贝数据
- Anconda安装教程
- matlab如何将相近的数据,matlab新手，求帮助！主要是如何将数据和公式导入
- 成为软件咨询师的关键
- windows安装docker后启动报错无法下载镜像文件Error with pre-create check: “Get https://github-production-release-ass
- 【码云】git简单使用总结
- 19. jQuery 遍历
- 云计算中网络基础知识
- ADS1115使用及其驱动电路
- 【bzoj4152: [AMPPZ2014]The Captain】最短路
- 社会会把你塑造成你讨厌的模样
- 转 Vmware虚拟机怎样实现与主机同时上网的方法。
- 滴滴云A100 GPU裸金属服务器性能及硬件参数详解
- 做一个精致的电子工程师
- PhotoSwipe 官方API解读（一）
- 2017年华为实习面试心得
- 淘宝客推广（一）：利用淘礼金做拉新
- 为什么经常把VARCHAR长度设置成255，而不是更大
- 参考文献神器—Endnote使用教程