基于LWR-Pettitt算法的GNSS变形信息的识别与预警

针对GNSS变形监测的数据通常无特定的分布特性,不利于建立具有普遍性的统计量,本文引入非参数检验中的Pettitt检验方法建立统计量,进行GNSS监测序列中变形信息的识别与预警。同时,针对Pettitt检验方法中存在统计量振幅波动较大,并且只能识别单个变形信息的问题,基于局部加权回归法LWR,对Pettitt检验中统计量与阈值判断方法进行优化,提出一种新的LWR-Pettitt算法,并用于GNSS变形信息识别与预警。试验结果表明,对于不同的测试数据,新方法均可有效地识别变形信息的发生位置,特别对于趋势型变形;而对于突变型变形,新方法可有效地识别2倍标准差以上的连续变形信息。     

一种融合轨检信息的GNSS动态单历元多路径误差提取方法

随着中国高铁的发展,全球导航定位系统(global navigation satellite system,GNSS)动态定位技术在列车定位及轨道检测中具有广阔的应用前景,但其精度目前难以满足轨道检测要求。多路径效应是影响GNSS动态定位精度的一个主要误差源,目前已有的多路径误差削弱方法大多适用于静态测量环境,尚无有效的方法削弱动态多路径误差。分别采用传统算法和以轨检几何信息作为约束条件的算法解算GNSS观测数据,并将受到多路径影响的测量结果与轨检信息进行对比分析,同时利用小波多尺度分解算法分离坐标残差序列中的多路径误差和噪声,得到"干净"的轨道坐标序列。实验结果表明,由于信息量增加,融合轨检信息的GNSS数据解算方法可以有效提取多路径误差和观测噪声;利用小波相关分析能进一步削弱坐标域中的多路径误差,提高GNSS动态定位的精度,满足高铁轨道测量的需求。     

基于 EEMD 和 Husrt 指数的 GNSS 基准站的垂向速率估计

连续的全球卫星导航系统(GNSS)基准站的坐标时间序列中包含了复杂的噪声信号、非构造形变及其它因素的影响,尤其在垂直方向,对GNSS基准站在国际地球参考框架(ITRF)下的运动速率估计产生了较大的干扰。为进一步提高速率精度,文中采用整体模态分解(EEMD)方法对GNSS基准站的垂向观测时间序列进行分解,并根据各种信号的Hurst值进行分类及重构为噪声信号、季节性信号和长期趋势信号,采用最小二乘方法拟合长期趋势信号得到垂向速率。通过对中国大陆构造环境监测网络(CMONOC)的GNSS台站从2001—2013年近13a的垂向坐标时间序列的实例分析,采用基于EEMD和Husrt指数的最小二乘法能够准确地估计GNSS基准站的垂向速率。     

测站坐标阶跃对参考框架稳定性的影响分析

针对全球卫星导航系统(GNSS)测站坐标阶跃对参考框架稳定性的影响量级尚不明确的问题,该文选取了 340个全球分布的国际GNSS服务(IGS)测站建立长期GNSS参考框架.其中,测站运动模型包含线性速度、周年信号以及震后形变改正.通过迭代增加阶跃的数量,定量分析了测站坐标阶跃对建立的GNSS参考框架稳定性、测站速度及周年振幅的影响.结果表明,340个IGS测站坐标时间序列中存在的阶跃对建立的GNSS参考框架稳定性、测站水平方向速度以及测站周年振幅的影响量级均小于其精度,但是对测站垂直方向速度的影响较为显著.     

小波多尺度分解和奇异谱分析在GNSS站坐标时间序列分析中的应用

为了有效地提取GNSS(global navigation satellite system)站坐标时间序列中的有用信息,提高坐标时间序列的建模精度,提出一种小波多尺度分解与奇异谱分析相结合的非线性运动建模方法,并利用全球11个测站20年(1999―2018年)的GPS(global positioning system)垂向坐标时间序列对所提方法进行了验证。首先,通过小波分解将坐标时间序列分解到不同尺度上;然后,对分解后的各层高频部分和低频部分进行奇异谱分析;最后,通过叠加合成得到原始坐标时间序列的拟合值,并对所提方法的拟合效果进行评估。结果表明,与单纯的奇异谱分析方法相比,所提方法能够更加准确地从含噪声的有限尺度时间序列中提取趋势和周期等有用信息,降低了部分周期项如季节周期项、月周期项被当作噪声剔除的概率,并且建模精度有26%的提高。     

高噪声状态下潮汐信号提取

GNSS浮标由于特殊的观测环境,数据质量普遍较差,这导致其坐标时间序列存在较高的噪声,并且存在某些阶跃(或称跳变).针对该问题,本文提出了一种基于滑动窗的双边累积和(cumulative sum,CUSUM)的阶跃探测和修复方法,该方法在非侵入式负荷监测领域已有广泛应用.对于GNSS精密单点定位(precise point positioning, PPP)计算所得海面高程(sea surface height, SSH),用该算法探测阶跃并修复后与验潮站参考数据对比,其均方根误差(root mean square error, RMSE)提升了75.5%,相关性提升了7.46%;对于从修复前后的高程时间序列提取的有效波高(significant wave height, SWH),以海洋浮标(wavebuoy,WB)测量结果作为参考,其RMSE提升了65.22%,相关性提升了208.28%.研究结果表明：该方法可以有效提高GNSS技术反演海浪参数的精确度和可靠性,为GNSS技术在潮汐信号提取提供有价值的参考,对于提高海洋工程安全性和经济效益具有积极意义.     

联合EMD-HD和小波分解的GNSS坐标时间序列降噪分析EI北大核心CSCD

针对经验模态分解(empirical mode decomposition,EMD)在GNSS坐标时间序列的降噪过程中存在筛选准则的选取和模态混叠效应等问题,本文引入Hausdorff距离(Hausdorff distance,HD)筛选准则并结合小波分解(wavelet decomposition,WD),提出EMD-HD&WD算法。通过对我国大陆构造环境监测网络149个GNSS测站的垂向坐标时间序列降噪处理,分别利用复合指标T值、测站的速度不确定度和闪烁噪声振幅验证算法的可靠性和普适性。结果显示:HD优于现有的筛选准则;EMD-HD&WD算法对测站的速度不确定度和闪烁噪声振幅的平均改正率均为88.4%。分析表明,本文算法能够有效识别和剔除噪声并且改善EMD的模态混叠效应,提高GNSS垂向坐标时间序列的模型精度。     

静态GNSS控制网三维无约束平差及精度分析

结合两个不同精度级别的GNSS静态控制网典型实例,详细探讨了三维无约束平差后XYZ或BLH坐标分量的精度分布特点,无论是一般GNSS控制网还是高精度GNSS控制网,XYZ坐标分量的精度明显不一致,其大小存在较大的差异;而B、L精度基本一致,但是大地高H的精度则成倍低于B/L。因此,不宜采用现行相关规范中基线分量完全一致的精度评定方法(如独立环与基线向量改正数等)进行静态GNSS控制网的精度评定,建议在实际数据处理过程中,采用平面B\L与高程H坐标分量进行精度评定,且H的精度指标宜低于B\L的3倍以上。     

基于独立分量法的新疆GNSS时间序列共模误差分析CSCD

共模误差(CME)是区域连续全球卫星导航系统(GNSS)网中的主要误差来源之一.针对GNSS时间序列具有非高斯分布特征,基于二阶统计量的主成分分析(PCA)难以准确提取出CME分量问题,采用具有高阶统计量的独立分量分析(ICA)对CME进行提取.以2011—2018年新疆区域GNSS坐标时间序列为例,将PCA滤波效果进行对比验证,分析了CME对GNSS坐标时间序列的影响,并对CME序列进行周期分析.结果表明:前6个独立分量包含CME分量,这可能与卫星轨道、地表质量负荷和时钟误差有关,ICA滤波后东(N)、北(E)、天顶(U)三个方向的均方根(RMS)值分别降低31.83%、32.29%、35.49%,速度不确定度分别降低44.14%、38.49%、43.32%,各测站的周期项振幅较滤波前更一致,有效地剔除了CME,提高了坐标时间序列的精度.     

基于ICEEMDAN与环境负载的GNSS坐标时序非线性形变去除

非线性形变影响全球卫星导航系统(GNSS)坐标时序精度. 采用改进的自适应噪声总体集合经验模态分解(ICEEMDAN)和环境负载改正相结合的方法开展GNSS测站非线性形变去除研究. 首先使用GMIS软件将GNSS坐标时序补充完整并去除粗差,然后使用ICEEMDAN方法对GNSS坐标时序进行分解,使用排列熵算法选取包含噪声和非线性形变的高频分量,最后使用环境负载对高频分量进行去除,利用经验模态分解(EMD)方法和环境负载结合的方法进行去除效果对比. 研究结果表明:非线性形变去除后的GNSS坐标时序均方根(RMS)变化各有区别,垂向(U)方向最为明显,最大值达6.715 mm,东(E)方向次之,北(N)方向最小;ICEEMDAN方法和环境负载改正结合后N方向的非线性形变全部得到了削弱,E方向的非线性形变有75％得到了削弱,U方向的非线性形变有62.5％得到了削弱,其改正效果优于EMD方法和环境负载结合的改正效果.      

EMD在建筑物GNSS振动信号分析中的应用

从建筑物的全球卫星定位系统(GNSS,Global Navigation Satellite System)监测信号中提取变形信息能够为建筑物沉降分析、安全警报提供可靠的技术支撑,是建筑物安全监测的关键。本文利用经验模态分解(EMD,Empirical Mode Decomposition)方法对GNSS监测数据进行了逐级分解,获得了显著的周期性信号、趋势性信号和高频信号,并分析了其对应的各尺度变形的物理机制。其中周期性信号和趋势性信号分别可能是由太阳照射周期和天气变化引起,而高频信号应是风振导致。实验结果表明,EMD方法能够准确识别GNSS监测数据中的多尺度的变形信息,为进一步的安全监测和预报提供可靠的基础。     

GNSS自动化监测系统的大坝变形预测方法研究

以GNSS自动化监测系统的大坝变形预测方法为主要研究目的,针对大坝GNSS自动化监测数据大样本、高采样率、连续等特点,提出了一种结合小波分析与BP、NAR神经网络预测大坝变形的新方法。利用多尺度小波分析对GNSS大坝变形数据序列进行分解与重构,对重构后的低频近似序列采用BP神经网络进行建模预测,对重构后的高频细节序列采取NAR动态神经网络进行建模预测,最后叠加各尺度下预测结果获得大坝变形预测值。应用结果表明,该方法预测精度高、泛化性能好,可广泛应用于采用GNSS自动化监测系统的大坝变形预测。     

LMD和小波阈值的GNSS坐标时间序列降噪应用

局部均值分解方法降噪过于粗糙,将认定为噪声的乘积函数(PF)分量直接剔除,导致有用信息丢失.为了有效提取GNSS站坐标时间序列的有用信息,该文提出一种局部均值分解和小波阈值相结合的降噪方法.通过局部均值分解将坐标时间序列分解为一系列PF分量和余项,依据消除趋势波动分析方法计算各PF分量的Hurst指数,利用小波阈值提取H≤1的PF分量中的有用信息,将提取出的信息与剩余PF分量叠加重构获得最终降噪的坐标时间序列.通过对5个测站的坐标时间序列进行实验,结果表明局部均值分解和小波阈值相结合的方法能够有效提取噪声分量中的有用信息,信噪比提高了27.8％,从而验证了该方法的有效性.     

联合LMD与EMD的GNSS站坐标时间序列去噪方法

针对GNSS站坐标时间序列信噪不易分离的问题,在传统EMD去噪方法的基础上,本文提出了一种联合LMD与EMD的坐标时间序列去噪方法。该方法首先采用LMD分解原始坐标时间序列,基于连续均方误差（CMSE）原则分离高频噪声与低频信号,保持低频分量不变;然后对高频分量进行EMD去噪;最后以2次分解所得低频信号之和作为去噪后时间序列。以仿真数据与8个GNSS基准站实测数据进行试验,通过多种评价指标进行精度评估。结果表明,与传统EMD方法相比,联合LMD与EMD的方法能够更加精确地去除坐标时间序列中的噪声。     

动态GNSS监测瞬态无震蠕滑信号提取

断层的瞬态无震蠕滑常诱发震级高、破坏性强的地震。针对其滑动速度缓慢,难以探测的问题,本文基于GNSS连续坐标时间序列的异常波动提出一种断层瞬态无震蠕滑信息的自动探测方法。首先利用独立成分分析进行时空滤波,提高坐标时间序列的信噪比;然后计算坐标时间序列波动的相对强度指数及峰度值;最后通过累积分布函数将其转换为蠕滑信号概率,进而探测断层蠕滑事件。本文模拟500 d GNSS地表位移时间序列进行仿真试验,其中包含25 d瞬态蠕滑信号。试验结果表明,当信号强度至少与噪声水平相当时可有效探测出断层的蠕滑信息。计算Akutan地区连续3年的GNSS数据后探测到一个蠕滑信号,推断其可能为火山岩强烈运动引起的无震蠕滑。通过对四川省陆态网18个测站7年的GNSS数据处理后发现了4个异常信号,结果表明这些信号可能与震前应力积累造成的地表异     

六盘山构造带应变积累特征及其变形机制研究

六盘山构造带位于青藏高原向中国大陆内部挤压扩展的最前缘部位,其东部是构造稳定的鄂尔多斯块体,西部是新生代强烈隆升与快速生长的青藏高原东北隅.论文在六盘山地区进行GNSS加密观测,结合已有观测数据,给出青藏高原东北隅高空间分辨率的三维 GNSS速度场,并分析形变场空间分布特征;研究GNSS应变率场计算方法,对方法的有效性和稳健性进行验证,解算不同空间尺度的应变率场;基于GNSS形变场聚类分析结果,结合研究区地震活动性和深浅地球物理资料,提出该区域改进的块体模型,探讨区域变形机制.论文研究内容与成果如下:(1)提出一种探测 GNSS 坐标时序中突跳的方法.     

GNSS坐标时间序列分析理论与方法及展望

长期累积的全球卫星导航系统（Global Navigation Satellite System,GNSS）基准站坐标时间序列为大地测量学及地球动力学研究提供了基础数据。通过完善GNSS数据处理模型及策略,研究造成非线性运动的机制并进行有效建模,可以获得测站准确的位置和速度,不仅有助于合理解释板块构造运动,建立和维持动态地球参考框架,而且能更好地研究冰后回弹及海平面变化,反演冰雪质量变迁等地球动力学过程。首先从基准站坐标的精确获取、时间序列模型构建、时间序列信号分析等方面描述了GNSS坐标时间序列分析的理论与处理方法;其次,探讨了坐标时间序列噪声模型构建技术,给出了严密三维噪声模型构建方法;然后,疏理了坐标时间序列中非线性变化成因机制的研究进展;最后,总结了基于GNSS坐标时间序列的应用领域,并展望了其未来的发展方向。     

小波分析和经验模态分解对BDS多路径误差削弱对比研究

在利用北斗卫星导航系统（BDS）进行高精度变形监测时,BDS信号产生的多路径效应是影响变形监测数据精度和可靠性的一个不可忽视的误差源. BDS有三种不同的轨道卫星,所形成的多路径误差较为复杂. 基于坐标域的多路径误差使用小波分析(Wavelet)和经验模态分解(EMD)进行原始序列降噪,对降噪后序列使用改进恒星日滤波(ASF)进行多路径误差剔除,两种方法分别对基线精度的E方向改善了38.6％和40.8％,N方向改善了59.1％和61.0％,U方向改善了57.8％和57.9％,EMD对坐标序列的平滑和基线精度改善较优.      

小尺度区域GNSS网三种时空滤波方法研究

针对时空滤波提取GNSS连续坐标时间序列中的共模误差对探测地壳微形变信息至关重要的问题,该文探索了小尺度区域内叠加滤波、主成分分析、独立分量分析等时空滤波方法的特性,基于华北地区13个GNSS测站连续3年的坐标时间序列进行时空滤波,并对比分析不同方法的滤波效果。结果显示,3种方法滤波后均不同程度地降低了坐标时间序列的离散度;区域叠加滤波与主成分分析提取的共模误差空间响应一致,滤波后的标准差基本相同,表明提取共模误差的性质相同,都以二阶统计量为主要信息;独立分量分析滤波后坐标时间序列的标准差较高,这与区域叠加滤波和主成分分析过度滤波有关。     

共模误差对GNSS坐标时间序列影响分析

以我国西南地区44个GNSS站在ITRF2008框架下约6年的高精度GNSS坐标时间序列为例,研究CME对高精度GNSS坐标时间序列的影响。用PCA方法提取序列中的CME并分析其对高精度GNSS坐标时间序列特征参数的影响。研究结果表明,CME对高精度GNSS时间序列的振幅、相位、噪声类型及测站速率均有不同程度的影响,主要体现在滤波后44个测站N、E、U方向序列标准差分别提高75%、70%、57%;滤波前后测站U方向约50%的测站速率有1～2 mm的差异。可见,在高精度时间序列建模、地壳蠕动形变分析、毫米级参考框架建立等高精度GNSS数据应用领域中CME的影响不容忽视。