1.一种基于滑动算法和加权策略的北斗和GPS土壤湿度测量法，其特征在于，包括如下步骤：S1、建立反射信号信噪比相位参考值数据库

连续采集无降雨日的北斗和GPS原始观测值，所述原始观测值包括多频率信噪比、伪距以及载波相位，并计算相应历元时刻的高度角，通过对原始观测值进行数据处理并计算得到北斗和GPS的信噪比相位参考值并存储为数据库；

S1‑1、对原始数据的处理

S1‑1‑1、通过高阶切比雪夫多项式拟合算法滤除原始观测值中的信噪比直射信号影响，保留仅含有反射信号和随机噪声的信噪比信号；

高阶切比雪夫多项式拟合算法原理表示如下：

在时间段[t0,t0+Δt]内的信噪比信号用切比雪夫多项式进行拟合，其中t0是信噪比的起始历元，而Δt为信噪比选取长度，为了使信噪比标准化，将时间进行转换，转换公式如下：

此时，参数τ∈[‑1，1]，因此，信噪比可用切比雪夫多项式表示为：式中，Sd表示拟合出来的直射信号信噪比，n为切比雪夫多项式的阶数，Ci为信噪比分量的切比雪夫多项式系数，切比雪夫多项式Ti递推公式为：经过拟合之后，可以将直射信号消除，得到仅保留反射信号信噪比和高频随机噪声的信号，直射信号信噪比消除公式表示为：Sr_n＝So‑Sd

式中：Sr_n为仅包含反射信号信噪比和噪声的信号，So表示原始刚接收到的信噪比，Sd是经过切比雪夫多项式拟合后求出来的对应点直射信号信噪比；

S1‑1‑2、通过高斯低通滤波降噪算法对步骤S1‑1‑1处理后的信噪比信号进行降噪处理，得到仅保留反射信号的信噪比信号，高斯低通滤波降噪算法处理，表示如下：

假设待处理的含有反射信号信噪比和噪声的信号表示为Sr_n(x)，滤波后仅包含反射信号信噪比的信号表示为Sr，计算过程表示如下：Sr(x)＝Sr_n(x)*G(x)

式中，G(x)是高斯函数，符号*表示卷积运算，x代表信噪比序列，通过上述过程处理，可以有效滤除高频随机噪声，得到仅保留反射信号信噪比的信号，式中，G(x)为高斯内核函数，高斯函数的宽度由σ决定，σ可由信噪比的标准差来计算得到，作为高斯函数的分布参数，e和π分别为自然常数；

S1‑1‑3、通过自适应滑动窗口算法和加权约束策略计算卫星有效反射高，所述卫星有效反射高的获取方法：(1)通过自适应滑动算法确定信噪比信号Sr选取的数据组，

选取方法为：高度角起始角度仍然为5度，但结束的角度在25‑35度之间滑动选取，并不采用固定的一个值，而是在这之间自适应滑动选取数据组分别进行计算，选取规则由数据采样率决定，若数据采样率为30s，则25‑35度之间的信噪比都要经过分组计算，当25‑35高度角之间有20个历元，则信号就会被分为20组，第一组数据是由高度角5度到25度的历元加上25度到

35度的第一个历元组成的，第二组数据是由高度角5度到25度的历元加上25度到35度的前两个历元组成的，以此类推形成20组待处理数据；

若数据采样率为15s，则步长确定为2，即每隔一个历元选取一组数据进行计算；

若数据采样率为5s，则步长为3，即每三个历元选取一组数据进行计算，若为1s,则步长为5，每五个历元选取一组数据进行计算，经过上述自适应滑动算法处理后，待处理的信噪比信号被分为了m组，可以表示为：即有m组不同信噪比长度的信号可用于计算卫星有效反射高；

(2)对每一组信噪比信号采用Lomb‑Scargle谱分析法求卫星有效反射高，其中，Lomb‑Sacragle谱分析法求信号的功率谱，表示如下：式中，Px(f)是频率为f的周期信号的功率；Sr(x)为包含反射信号的信噪比，N为序列长度，τ为时间平移不变量，可通过下式计算得到：可求出Px(f)达到峰值时的f值，再通过频率与有效反射高的关系求出对应的卫星有效反射高he，转换关系式为：式中，λ是信号的波长，为已知量，因此，通过上式可求出卫星的有效反射高he，重复上述计算过程，将m组信噪比信号分别进行解算，得到m个有效反射高结果，表示为： 将计算出来的卫星有效反射高求均值，最终得到该天的卫星有效反射高 其中i表示第几天；

(3)重复步骤(1)和(2)，对测量日前十天的数据进行解算，得到近十天的卫星有效反射高，表示为 采用加权约束策略对这十天的卫星有效反射高进行加权处理，具体加权模型表示如下：式中，wi表示加权系数，i表示天数，总共十天的数据，测量日当天的数据为i＝10，依次类推，权重逐渐减小；

S1‑2、根据步骤S1‑1‑3得到的卫星有效反射高，并结合步骤S1‑1‑2得到的反射信号的信噪比信号，通过扩展卡尔曼滤波算法计算信噪比相位参考值，所述信噪比相位参考值的获取方法：

通过卫星有效反射高he，结合包含反射信号的信噪比信号Sr，可通过两者的关系求出该信噪比的相位值，具体公式表示如下：式中，A和φ表示该信噪比的幅度和相位，是公式中的未知量，E为该历元时刻的高度角，为已知量，通过步骤S1预处理得到，卫星有效反射高he，由步骤S1‑1‑2得到，包含反射信号的信噪比信号Sr，由步骤S1‑1‑3得到，也为已知量，因此，可通过扩展卡尔曼滤波算法求解A和φ未知量，采用扩展卡尔曼滤波算法进行求解，如下所示：

首先，对于一个非线性系统，其状态空间的状态方程和观测方程可以表示为：式中，第一项为状态方程，第二项为观测方程，xk和zk分别为实际的状态矢量和观测矢量，其中，xk是由A和φ未知量组成的未知状态量，可表示为xk(A，φ)；zk是由Sr已知量组成的观测状态量,也即系统的输出量，表示为zk(Sr)；uk为系统函数，为状态方程的输入量，由已知量he和E组成，k表示信号序列，f为关于k‑1和k时刻系统状态的非线性函数，h是状态量xk和观测量zk有关的非线性函数，wk和vk分别为过程噪声和观测噪声，且是相互独立均值为零的高斯白噪声，实际应用中，并不能确定wk和vk在每一个时刻的具体值，但可以忽略噪声值来得到k时刻的状态向量和观测量的估计值，因此，上式可近似的写为：扩展卡尔曼滤波算法通过把非线性系统在其状态的最佳估计点附近进行泰勒一阶展开，从而将非线性系统转化为线性系统，可表示为：因此，通过求解可得到信噪比相位参考值φ；

S2、利用土壤湿度测量模型并结合北斗的信噪比相位参考值数据库中的信噪比相位参考值计算出每个信噪比相位参考值当前的土壤湿度，最后，将北斗所有卫星所有频率计算得到的土壤湿度求均值，得到北斗系统测量的土壤湿度；

S3、利用土壤湿度测量模型并结合GPS的信噪比相位参考值数据库中的信噪比相位参考值计算出每个信噪比相位参考值当前的土壤湿度，最后，将GPS双频卫星所有频率计算得到的土壤湿度求均值，得到GPS系统测量的土壤湿度；

S4、联合北斗和GPS双系统多频率测量的土壤湿度，并将结果求平均值，输出测量结果。

2.根据权利要求1所述的基于滑动算法和加权策略的北斗和GPS土壤湿度测量法，其特征在于，所述步骤S2的具体方法如下：S2‑1、从信噪比相位参考值数据库读取北斗系统的信噪比相位参考值并结合当日的信噪比相位值进行联合解算得到测量日的土壤湿度，计算公式如下：式中，Δφ是测量日当天的信噪比相位值和信噪比相位参考值之差，VWC表示需要求的土壤湿度，测量日当天的信噪比相位值由测量日当天通过北斗系统获取的原始观测值经步骤S1预处理得到的值；

S2‑2、利用北斗所有观测卫星三个频率的数据分别计算相应的土壤湿度，再求均值，得到北斗系统测量的最终土壤湿度，表示为VWCB，所述北斗卫星的三个频率分别为：B1为

1575.42MHz，B2为1176.45MHz，B3为1268.52MHz。

3.根据权利要求2所述的基于滑动算法和加权策略的北斗和GPS土壤湿度测量法，其特征在于，所述步骤S3的具体方法如下：S3‑1、从信噪比相位参考值数据库读取GPS系统的信噪比相位参考值并结合当日的信噪比相位值进行联合解算得到测量日的土壤湿度，计算公式如下：式中，Δφ是测量日当天的信噪比相位值和信噪比相位参考值之差，VWC表示需要求的土壤湿度，测量日当天的信噪比相位值由测量日当天通过GPS获取的原始观测值经步骤S1预处理得到的值；

S3‑2、利用GPS所有观测卫星双频数据分别计算相应的土壤湿度，再求均值，得到GPS系统测量的最终土壤湿度，表示为VWCG，所述GPS卫星双频信号频率分别为：L1为1575.42MHz，L2为1227.60MHz。

4.根据权利要求3所述的基于滑动算法和加权策略的北斗和GPS土壤湿度测量法，其特征在于，所述步骤S4的实现方法为：利用步骤S3和步骤S4计算得到的北斗和GPS土壤湿度求最终测量日的土壤湿度，即取北斗和GPS土壤湿度的均值，表示为：式中，VWCB是北斗系统测量出来的土壤湿度，VWCG是GPS系统测量出来的土壤湿度，VWC终即最终测量的土壤湿度。