��������CORS���������Ӳ�׼ʵʱ���Ƽ���Ӧ��

????????GPS??????????????????IGU??????????????÷???????????????????????????????????????????????λ?????????????????????????????????IGS??????????????侫????????0.2 ns??????λ???????????????1 cm??????????????2 cm??     

GPS��̬���β����еĶ�·��ЧӦ�����о�

?????????Χ??????????????GPS??·??Ч????к??????????????????β????е?GPS??·??Ч?????????????????????????????顣???????????????μ???е??·??Ч?????????г??????????????????????????????????????????????????????????????????????????????????????????t????????????????????·??Ч??????????????GPS???????????????30%?????     

����GPS�����۲�̨������������������

????TEQC????????GPS????????????????????????????????????м????????????????M_P1??M_P2??CSR?????????????????IGS??????????????????飬?ó???1????????????????????????з??????仯,???????????仯?????,??????????????????????????????????????Χ?????????????Χ?????????￡?2?????????????????????????????????????????????????????????????и???????????????3??“????”?????30????????90%????IGS????????????????????????????Χ??????????????     

��̫ͬ�������������㷨��GNSS����ϵͳ����Ӱ���о�

?о???????????JPL????????????????????????????GNSS??????λ??????????????????????????????????????????5×10⁸ m???????????????????3×10⁶ m????????????DE421???????????X??????????н?????30′????Y????????X??????????????????????????????λ??????????????????0.3 mm????????????λ?????????????????????3 mm???????????????????1??峱???????????????3 mm???????GPS??????????????????????????????????????PPP??????????????????PPP?в??ü???Ч??????????????     

�봨Ms 8.0����ǰ�����TEC�쳣����

?????й???????????????GPS??????????????????Ms8.0??????й????????????TEC??????????????????о?????????????????????TEC??????????????????????1~6????5??9??????TEC??????????????????γ?????????TEC???????????????TEC???????????????????????????????????????????????????????????????????Ms8.0?????????????Ч???     

����GPS��λ�Dz��˶�ѧ���������Ӱ�����

??CHAMP?????GPS????????????????GPS??????????????????λ??????????????Ч???GPS?????伸?η??????????????????????????????????????????????GPS???????С????LEO????????????????????????????????????????????仯??С???1~2 cm????????????????????????????GPS??????????????????5 ns??     

΢���۲�̨��λ��ʽ�о�

???????????????????????????????????????????????????????????????????????ж?λ?????????????????????????????????Σ??????λ?????????????????????????????????????????????μ???????????????б???????????????????????????????ú???????????????????????????????????????Ч?????б??????????????????ò??ù??????о????λ???λ?????     

�ϼ���ɽվ���ݴ�����IGS���վ��ѡ��

?????????2007???1????100????????????????????GPS??????????????IGS????????????????????????????????????У???IGS???????????????????Ρ??????Z?????????????????4??????????????????ó?????????????в?NRMS???????????????????????????????4???????????????ó????????????????????????GPS?????????????????????ο???????????????????5??????????δ?????Χ??IGS????????????δ??????????????????????????????????????????????Z???????????     

����Vondrak�ֲ�̽��Ŀ���EKF�㷨��GPS�����е�Ӧ��

???????Vondrak?????????????EKF??,???????GPS??????λ??????????????EKF??????????????????Vondrak??????????????????μ????EKF???????????????д???????λ????????????????EKF???????????????????????д???????????????EKF????????????????д?????????????????????????????????????п????????????????????Ч???     

GPS�ⶨ���Ĵ�«ɽMw6.6����ͬ���α�

??????????????Χ??GPS??????????????з?????????t???????λ?????????α?????50 km??Χ????GPS????α???????????????????70 mm????????????30 s???????λ??????????????????α????????λ???????????У???С?????о???????????????29 km????????λ???21 mm????????150 km???λ???1??2 mm????GPS???????α????????????????????????????????????????????λ?????и???20 km????????廬?????0.6 m??GPS????????α??о????????????????????????????????ε?????????????????     

日本Mw9.0强震的高频GPS形变波特征初探

利用高频GPS数据长基线双差精密定位技术,获取2011年3月日本Mw9.0强震近场和远场GPS连续参考站的瞬时动态形变。分析表明：距震源较近的IGS站（USUD）的同震动态形变水平方向幅度超过60 cm,震后水平形变达到30 cm;位于远场的GPS连续参考站（JLYJ）的动态形变,清晰地给出了地震面波引起的地表形变波形。对JLYJ站的谱分析表明,地震面波引起的动态形变周期为10～17 s,并出现了两次峰值,东西向和垂向上的动态位移量远大于北南向,说明JLYJ站的形变主要由Rayleigh波及其谐波所主导,Rayleigh波的传播速度为3.5 km/s,波长约50 km。     

���ں������˲���PPP�ྶ��������о�

????PPP???????????????????PPP??λ?????????о?????????PPP??ú????????????????????????????λ???????????????????λ??????е??????????????????????????????????????????????У????????????????÷?Χ???????????????????IGS??????????????ú???????????????????PPP?????λ???????????????????????????3???????????????69.2%??72.3%??27.6%??     

地震对IGS基准站坐标时序噪声特性的影响

选取日本7个IGS基准站在2011-03-11东日本大地震前后各3 a的坐标时间序列,计算此区域的共模误差,利用CATS软件确定地震前后基准站各分量的最优噪声模型,分析共模误差和东日本大地震对基准站坐标时序噪声特性的影响。结果表明,共模误差在N、E、U方向均表现出较为明显的周期特性,且地震的发生导致其N、U方向均值分别增大2.1倍和1.5倍;利用空间滤波的方法剔除共模误差后,水平方向的闪烁噪声得到较明显的削弱;IGS基准站各分量表现出不同的噪声特性,其变化因站而异,并未表现出明显的规律;地震对基准站坐标时序噪声的影响主要表现为BP、FN和RW特性,且距离震中越近,这种影响越明显。     

���ø�ƵGPS���е���̬���η���������λ

???t??????λ???????ó??????Mw 9.0??????8??GPS????????????С?????????GPS?ο?????????α??????????????????Σ????????λ???5.9 m???????????λ???1.8 m????λ?????峯?????з???????????ο??????????????????????????λ?ü?S??????????     

长白山火山区现今地壳运动特征及动力学环境分析

通过对日本3·11大震前后GEONET观测站位移时间序列以及中国东北三维形变特征进行分析,结合地震及大地电磁研究成果,探讨中国东北长白山火山区现今地壳运动特征及动力学环境。结果表明,奥羽山脉是日本东北地壳运动的分界带。3·11地震后,两侧点位以东向运动为主,大震对中国东北形变的影响还未结束。受板块俯冲及壳幔岩浆运动的影响,长白山火山区现今地壳变形及地震的发生与区域应力变化及岩浆活动有关。     

基于EMD和小波的GPS/BDS变形监测中的多路径误差削弱方法

针对GPS/BDS实时监测坐标序列中多路径误差的周日重复特性和高频随机噪声,分别采用EMD以及EMD与小波阈值去噪相结合的方法对现有坐标序列构建多路径时序模型,并通过恒星日滤波削弱后续坐标序列中具有强相关性的多路径误差。实测数据的处理结果表明,EMD可以很好地去除GPS/BDS实时监测序列中的高频随机噪声并削弱多路径误差的影响,提高实时监测精度50%左右,EMD和小波组合方法较单EMD效果稍好。     

高频GPS动态监测地表形变的试验与研究

设计了位移形变模拟试验场并进行位移形变模拟试验,利用Bernese 5.0软件的单历元单点定位功能,处理并分析了位移模拟形变试验获取的1 Hz GPS数据.并以2008年5月12日汶川地震为例,获取了震中附近3个GPS站(成都、简阳和郫县)震前的短临位移过程及震后短时间的动态时变序列,结果显示各站的形变结果在时间上具有很好的一致性.利用动态时序的地震波到时和震中距离估计地震波地壳平均速度为3.17 km/s.     

基于北斗3号PPP-B2b信号的精密单点定位精度分析

选取IGMAS中国区域的5个测站2020年年积日(doy)112~116期间的观测数据,分析北斗3号PPP-B2b信号静态、动态精密单点定位（PPP）精度。结果表明,B2b轨道产品R、A、S方向精度分别优于0.07 m、 0.33 m、 0.24 m,钟差STD优于0.08 ns;在中国区域内,利用北斗3号PPP-B2b信号,静态PPP定位N、E、U方向精度RMS分别达到0.8 cm、1.5 cm、1.6 cm,动态PPP定位精度RMS分别达到3.6 cm、 6.0 cm、12.2 cm,可满足导航与位置服务、大地测量等应用服务需求。     

一种适用于PPP动力学模型异常的自适应Kalman滤波

为了削弱PPP参数估计中动力学模型异常对Kalman滤波解的影响,针对PPP状态向量中各类参数不符值对动力学模型异常描述特性的不同,以位置相关为条件对参数进行分类,构建分类因子自适应Kalman滤波用于PPP参数估计。选取6个IGS站点3 d的数据,使用标准Kalman滤波与构建的自适应Kalman滤波进行PPP解算分析。结果表明,相较于标准Kalman滤波,自适应Kalman滤波能通过自适应因子调节状态预测协方差,加速PPP收敛。静态模式下,平均收敛时间从28.2 min缩减到19.4 min,N、E、U方向的平均精度为1.50 cm、3.34 cm、5.55 cm,分别提高7%、14%、19%;动态模式下,构建的自适应Kalman滤波解N、E、U方向偏差的RMS值为2.7 cm、3.6 cm、6.3 cm,较标准Kalman滤波分别提高13%、28%、43%。