钟差预报AR模型异常值探测的Bayes方法

主要研究了时间序列AR模型的异常值探测问题.首先在一定的限制条件下,将AR模型的异常值探测问题转化为线性回归模型的异常值探测问题;并在正态-Gamma先验条件下,计算了基于均值漂移模型和方差膨胀模型异常值事件发生的后验概率.然后运用Bayes方法对异常值进行了估算.最后通过卫星钟差实测数据计算,比较了模型修正前后预报的...     

钟差预报AR模型异常值探测的Bayes方法

主要研究了时间序列AR模型的异常值探测问题。首先在一定的限制条件下,将AR模型的异常值探测问题转化为线性回归模型的异常值探测问题;并在正态-Gamma先验条件下,计算了基于均值漂移模型和方差膨胀模型异常值事件发生的后验概率。然后运用Bayes方法对异常值进行了估算。最后通过卫星钟差实测数据计算,比较了模型修正前后预报的情况,验证了新方法的有效性。     

AR序列异常值探测的Bayes方法在卫星钟差预报中的应用

AR模型中若含有异常值,会使传统的建模、估计及检验方法陷人困境,从而不能准确地预测和控制。本文在无信息先验条件下,结合观测信息,计算了基于均值漂移模型和方差膨胀模型异常值事件发生的后验概率,提出了无信息先验下自回归模型中异常值探测的Bayes方法并对异常值进行了估算。该方法能将异常值准确地探测和估算出来,借此修正模型,可提高预测的准确性。最后,做了钟差实测数据计算,比较了模型修正前后预报的情况,验证了该方法的有效性。     

北斗卫星钟差异常值处理的似然比方法

北斗卫星导航系统(BDS)星载原子钟由于受到空间环境的影响和各种不确定因素的干扰,导致获取的卫星钟差数据中经常会出现异常扰动,从而降低了卫星钟性能分析的可靠性、破坏了钟差建模和预报的有效性、影响导航定位结果的精准度,需要对BDS卫星钟差数据中存在的异常值进行探测和处理。基于求和自回归移动平均模型建立BDS卫星钟差异常值探测的方差膨胀模型;运用似然比方法对BDS卫星钟差时间序列中的异常值进行探测;推导了Score检验统计量,运用最小二乘法对异常扰动的大小进行估计。试验结果表明,似然比方法能够准确探测BDS卫星钟差数据中异常值的位置,精确估计异常扰动的大小。     

星地时间同步钟差异常处理的Bayesian方法

由于星地时间观测受大气层和地球表面环境影响,时间观测序列容易出现粗差,原子钟性能也可能出现相应异常扰动,需要对粗差进行分析处理。对此,本文引入基于识别变量的自回归(auto-regressive,AR)模型异常值探测的Bayesian方法对星地时间同步钟差序列中的异常值进行探测,进一步基于迭代似然比检验法中的异常值描述模型,将异常值估值问题转化为简单的线性模型最小二乘估计问题,以期对钟差序列中的异常值进行修复。实验表明本文的方法能够准确的探测出异常值的位置并精确的估计出异常值的大小。     

卫星钟差异常值探测的抗掩盖与淹没型算法

北斗卫星导航系统(BDS)卫星钟差异常值处理过程中,由于成片异常值的存在,往往会产生掩盖与淹没现象,致使异常值探测效率不高甚至失败。基于求和自回归移动平均模型,分析了时间序列中成片加性AO(Additive Outlier)异常值探测时易产生掩盖与淹没现象的原因;考虑了差分及逆差分对异常值探测的影响,提出了成片AO类异常值探测的抗掩盖与淹没新算法。通过仿真算例,验证了新算法对于序列中成片AO类异常值探测的准确性和有效性。将算法应用于BDS卫星钟差异常值探测和钟差预报中,较好地克服了数据中掩盖和淹没现象产生的影响,对于进一步提高卫星钟差的预报精度具有重要作用。     

基于识别变量的粗差探测Bayes方法

从一个新的角度出发,对应每个观测值引入一个识别变量,基于识别变量的后验概率提出一种新的粗差定位的Bayes方法,并构造相应的均值漂移模型给出粗差估算的Bayes方法.由于识别变量的后验分布往往是复杂的、非标准形式的,为此设计一种MCMC(Markov Chain Monte Carlo)抽样方法以计算识别变量的后验概率值.最后对一边角网进行了计算和分析.试验表明,本文给出的探测粗差的Bayes方法不仅充分利用了先验信息,而且克服了以往粗差定位方法的模糊性以及探测标准选择的问题,同时计算简便.     

AR模型中AO类异常值探测及其在GPS卫星钟差预报中的应用

基于EM算法，提出一种AR模型中AO类异常值（additive outlier）探测的算法。该算法可同时进行AR模型拟合与AO类异常值探测，并可有效地解决成片AO类异常值探测时所产生的掩盖和淹没问题。最后，将本文算法应用于GPS卫星钟差预报之中。本文算法可以准确探测出钟差历史观测序列中的AO类异常值，并可对卫星钟差进行精确预报。     

基于ARIMA模型的卫星钟差异常值探测的模型选择方法

由于各种不确定因素的干扰,人们获取的卫星钟差数据中经常会出现异常扰动,降低了卫星钟性能分析的可靠性,破坏了钟差建模和预报的有效性,影响了导航定位结果的精准度。对此,以求和自回归移动平均模型为基础,建立了钟差时间序列异常值探测模型;基于Bayes统计原理,将异常值的定位和定值问题转化为模型选择问题;通过模型后验概率的近似计算,构建了模型选择的度量标准,避免了复杂的迭代计算问题。通过全球定位系统和北斗导航卫星系统不同卫星钟差数据的仿真试验,验证了所提出的方法对于卫星钟差序列中异常影响的定位和定值的正确性和有效性。     

资源三号卫星原始姿态数据预处理方法探讨

针对资源三号卫星原始姿态数据在获取、解算及传输的过程中由于硬件限制、软件设计和外界环境干扰等因素易出现误码和异常值等问题,文章提出一套由粗到精的原始姿态数据预处理方法:先采用基于时间连贯性的约束进行姿态误码探测和基于多项式拟合的误码修补,然后采用扩维的异常层探测方法进行异常值探测,最后利用球面内插进行异常值修正。实验结果表明,该方法可以对资源三号卫星问题原始姿态数据进行有效预处理,修正后的原始姿态数据进行事后定姿能够满足资源三号卫星业务化生产的精度要求。     

Bayesian methods for outliers detection in GNSS time series

This article is concerned with the problem of detecting outliers in GNSS time series based on Bayesian statistical theory. Firstly, a new model is proposed to simultaneously detect different types of outliers based on the conception of introducing different types of classification variables corresponding to the different types of outliers; the problem of outlier detection is converted into the computation of the corresponding posterior probabilities, and the algorithm for computing the posterior probabilities based on standard Gibbs sampler is designed. Secondly, we analyze the reasons of masking and swamping about detecting patches of additive outliers intensively; an unmasking Bayesian method for detecting additive outlier patches is proposed based on an adaptive Gibbs sampler. Thirdly, the correctness of the theories and methods proposed above is illustrated by simulated data and then by analyzing real GNSS observations, such as cycle slips detection in carrier phase data. Examples illustrate that the Bayesian methods for outliers detection in GNSS time series proposed by this paper are not only capable of detecting isolated outliers but also capable of detecting additive outlier patches. Furthermore, it can be successfully used to process cycle slips in phase data, which solves the problem of small cycle slips.     

L1范数与IQR统计量组合的GNSS坐标序列粗差探测算法

GNSS坐标时间序列中不可避免地含有粗差,未剔除的粗差将会导致参数估计有偏。因此,粗差探测与剔除是GNSS坐标序列分析中一项重要的数据预处理工作。针对GNSS坐标时间序列特点,提出了一种将L1范数(L1-norm)估计与四分位距统计量IQR(interquartile range)组合的移动开窗粗差探测算法,称之为L1_Mod IQR。该方法的主要思想是,首先利用L1范数估计得到较"真实"的残差,然后再对残差采用IQR统计量进行粗差探测。将L1_Mod IQR法与"3σ"法、基于最小二乘的τ检验法等粗差探测算法进行了模拟计算与对比,验证了该算法的有效性。进一步采用L1_Mod IQR算法对中国区域10个IGS站的高程时间序列进行了分析,结果表明中国区域IGS站高程序列的粗差剔除率最小为0.1%,最大为2.6%。并且以WUHN站为例与SOPAC提供的结果进行了对比,结果表明SOPAC提供的"Clean"数据仍含有大量的粗差,而L1_Mod IQR算法能够有效地剔除粗差。     

时间序列异常值探测的Bayes方法及其在电离层VTEC数据处理中的应用

基于Bayes统计推断理论,提出了自回归模型中异常值定位的Bayes方法;在正态-Gamma先验分布下,分别基于均值漂移模型和方差膨胀模型,提出了后验概率的计算方法,并运用Bayes方法估计了异常扰动;最后将该方法应用到电离层VTEC数据处理的建模中,比较模型修正前后预报的结果,验证了新方法的有效性。     

采用聚类技术探测空间异常

提出了一种基于聚类的空间异常探测方法。该方法通过空间聚类获得局部相关性较强的实体集合,分别探测空间异常,给出了一种稳健的空间异常度量指标,提高了异常探测结果的可靠性。通过实例验证以及与SOM方法的比较分析,证明了该方法的正确性和优越性。     

时空一体化框架下时空异常探测

：提出一种时空一体化的时空异常探测方法,首先基于时空统计学与聚类分析构建一体化时空邻近域。进而, 发展兼顾时空相关与异质性的时空异常度量方法。最后,采用一种3步骤的策略探测时空异常。应用本文方法探测中国 陆地区域33年(1970年—2002年)的年平均气温时空数据中的时空异常,探测结果具有较好的可靠性,反映时空数据的时 空一体化特征。同时,对时空异常的产生机理与实际意义进行分析和解释。     

部分变量误差模型的整体抗差最小二乘估计

部分变量误差模型(partial EIV model)的加权整体最小二乘(weighted total least-squares,WTLS)估计不具备抵御粗差的能力。鉴于粗差可能同时出现在观测值和系数矩阵中,本文在提出部分变量误差模型WTLS估计的两步迭代解法的基础上,运用抗差M估计的等价权方法,发展了一种整体抗差最小二乘(TRLS)估计方法,并采用一致最大功效统计量确定降权因子。针对WTLS估计两步迭代解法的特点,设计了两个不同的降权方案:第1个方案是在估计系数矩阵元素时,不对观测值降权,仅对系数矩阵降权;第2个方案是在估计系数矩阵元素时,既对系数矩阵降权,同时也对观测值降权。通过对模拟2D仿射变换和线性拟合实例进行计算和分析,结果表明第1方案优于第2方案,并且优于基于残差和验后单位权方差的抗差估计和现有的变量误差模型抗差估计。     

多波束测深的异常数据编辑技术和实现

因为海况、仪器噪声、海水中浮游生物等因素存在,测深数据中含有大量的异常数据和噪声,由于数据量大,如何有效定位异常数据和噪声是目前国际上的研究热点。本文详细介绍了手工交互式编辑和常用的几种自动编辑方法,并重点介绍了基于测点密度的图像滤波方法,阐述了多波束测深数据编辑软件的实现,对多波束测深数据的快速编辑有一定的参考意义。     

粗差检测与抗差估计相结合的方法在动态相对定位中的应用

分析了粗差对GPS动态相对定位的影响,给出了相应的影响函数和抗差估计方法。建议采用粗差探测与抗差估计相结合的方法来处理GPS动态定位中的粗差问题。抗差估计中的等价权分别采用了IGG3方案和双因子等价权函数,对两种方案的效果进行比较和分析,并利用实测数据对所提方法的实际效果进行了检验。结果表明,基于粗差探测和抗差估计相结合的粗差处理方法可有效控制和抵御粗差的影响;分别采用IGG3方案和双因子等价权函数的定位结果差异较小。     

多个粗差定位的抗掩盖型Bayes方法

在综合利用先验信息与观测信息的基础上,提出了多个粗差探测的Bayes方法。为了有效地防止掩盖和湮没现象的发生,在分析掩盖和湮没现象发生原因的基础上,从识别向量的样本相关系数阵的特征结构出发,提出了多个粗差定位的抗掩盖型Bayes方法,并设计了相应的算法——自适应MCMC抽样算法。