不同GPS时间序列跨度对噪声模型建立的影响

针对现有GPS时间序列研究中时间序列跨度方面研究较少,该文对不同GPS时间序列跨度对噪声模型建立的影响进行分析。选取ITRF2008框架下中国区域的10个IGS基准站的坐标时间序列,将每个序列按照时间跨度分为5a、10a、15a和20a4个时段,分别求取各时段的谱指数,采用不同的噪声模型组合对它们进行噪声分析,并对结果进行对比。结果表明:随着时间序列长度的增加,谱指数呈减小趋势,FN+RWN+WN在所有最优噪声模型中所占比例上升,FN+RWM+WN中RWN在所有噪声分量中所占比例呈上升趋势,噪声的长周期分量变得显著;同一测站在不同长度时段内所求最优噪声模型、速度场差别较大,在研究分析测站最优噪声模型、速度场时需要指出获取该时间序列的时段。     

利用ARMA模型改进GPS高程时间序列的研究

ARMA可用于时间序列建模,本文利用ARMA模型改进了部分IGS连续跟踪站GPS高程时间序列。计算了改进前后时间序列的线性速度,可以发现时间序列线性速度变化不明显,但精度却提高很多。通过研究表明利用ARMA模型有利于降低GPS高程时间序列噪声,可用于GPS高程时间序列的分析和研究。     

GPS高程数据时间序列分析

对GPS台站时间序列进行了研究，对我国IGS连续跟踪站高程分量的数据进行谱分析和小波分析，用最小二乘法将时间序列的白噪声与有色噪声分离，并利用AR模型建模。通过分析，获得拉萨、上海和武汉GPS连续跟踪站的有色噪声特征。     

大空间尺度GPS网共模误差提取方法研究

基于全球分布均匀且时间跨度大于10a的138个IGS基准站坐标时间序列,分析了大空间尺度GPS网基准站坐标时间序列之间的相关性,发现部分测站之间的距离超过5 000km时仍存在较显著的相关性。针对目前共模误差提取方法存在的不足,引入相关系数作为权重因子,改进了区域叠加滤波算法。并利用IGS基准站坐标时间序列验证了此方法。结果表明,改进后的相关系数加权叠加滤波算法能够有效地提取大空间尺度GPS网坐标时间序列中的共模误差。     

GPS时间序列分析

GPS时间序列可以用于获取各种地球物理现象、地壳运动的季节性变化规律和板块运动的速度,对地球动力学的研究具有相当重要的意义。本文详细阐述了GPS时间序列分析的方法及其过程,对国内IGS站数据的时间序列进行了分析,并运用功率谱分析其残差时间序列,最后获得GPS连续跟踪站时间序列的噪声类型。     

顾及共模误差的大区域GPS网坐标时间序列噪声分析

噪声分析对GPS时间序列分析有着重要影响,然而针对时间跨度较长的大尺度GPS网的共模误差相关研究较少。本文选取了平均基线长度大于2000 km的欧洲地区9个GPS台站2006-2014年的数据,使用主成分分析法剔除坐标时间序列的共模误差,同时利用极大似然估计的方法对滤波前后的时间序列进行了噪声分析。结果表明,欧洲地区广域GPS网的噪声模型存在多样性,各个分量具有不同的噪声特性,主要表现为白噪声+闪烁噪声、白噪声+幂率噪声,少部分台站N、E两个方向含有随机漫步噪声。经过空间滤波后,部分台站最优噪声模型发生改变,但仍以白噪声+闪烁噪声、白噪声+幂率噪声为主。滤波对N、E方向速度场影响为0.2 mm/a,U方向速度场影响为0.5 mm/a。     

GPS时间序列噪声特性分析——尼泊尔与藏南为例

选取喜马拉雅地震带上尼泊尔与藏南地区16个IGS台站近三年的GPS时间序列数据,通过编程计算进行详细分析。利用GPS单站、单日解观测序列James L.Davis周期模型对所有IGS台站进行线性变化速率,周期、半周期系数及残差序列的提取。对残差序列中存在数据缺失的时间段,采用3次样条差值拟合方法补齐缺失数据,按照3倍中误差限差原则剔除孤立点。对提取的残差序列所包含的非构造运动引起的时空相关噪声,应用主成分PCA/KLE方法对整个测区的共模误差(CME)进行分析,对剔除CME后的噪声采用功率谱分析方法确定该地区的噪声类型为"闪烁噪声+白噪声"。     

CME对IGS基准站坐标序列噪声模型及速度估计影响分析

以50个IGS基准站坐标时间序列为研究对象,采用赤池信息量准则（BIC）模型估计准则对四种组合噪声特性进行估计分析,探讨共模噪声（CME）对IGS基准站坐标时间序列噪声模型及站速度影响. 结果表明CME会导致IGS基准站坐标序列噪声模型的有偏估计,并影响站速度的确定精度,准确估计基准站速度参数时应对CME进行修正;经CME修正后IGS基准站周年运动周年项振幅有所减小,高程方向更为明显,表明滤波后IGS基准站周年运动相对稳定.      

云南地区GPS基准站噪声模型分析

以云南地区陆态网27个全球定位系统(GPS)基准站在2011-2017年不同时间跨度的观测数据为例,使用赤池信息量和贝叶斯信息量估计准则(AIC/BIC)对解算结果进行分析,从而确定其最优有色噪声模型.结果表明,不同时间跨度基准站各坐标分量上噪声特性主要体现为白+闪烁噪声(WN+FN)、幂律噪声(PL)模型组合.部分基准站在北向和垂向的最优噪声模型会随着观测时间的累积而改变,PL模型所占比例有所下降,WN+FN模型所占比例有所上升.当时间跨度大于5 a时,基准站噪声模型的稳定性显著提高.随着坐标时间序列积累时长的增加,未知噪声分量出现的可能性也相应提高.     

顾及MLE的IGS坐标时间序列噪声模型特性分析

以30个GPS基准站坐标序列为对象,提出分别采用赤池信息量准则（AIC）与贝叶斯信息准则（BIC）噪声模型估计准则判定GPS时间序列噪声特性,对比分析GPS时间序列噪声模型特性,探讨不同噪声模型对GPS站速度及其不确定度的影响. 结果表明GPS站坐标序列噪声模型主要表现为FN+WN、PL及FN+RW+WN噪声模型特性;FN+WN噪声模型对GPS站速度估计值的影响相对较小,但在U分量影响最为明显;此外,RW对站速度不确定度的影响不可忽略, 正确获取模型参数估计的实际不确定度及改正噪声分量对于合理应用GPS坐标时间序列数据具有重要的意义.      

地表质量负载对格陵兰岛区域GPS站点坐标时序特征的影响

选取ITRF2008框架下格陵兰岛区域12个GPS站2013年1月-2016年12月期间的日解坐标时间序列作为研究对象，并利用极大似然估计分析地表质量负载改正前后各站点的噪声特性、速度场及周期项振幅。结果表明：站点最优噪声模型主要为白噪声+幂律噪声与白噪声+闪烁噪声，地表质量负载形变修正GPS坐标时序后，明显增加U方向闪烁噪声的成分，平均降低其速度约0.36 mm/a，对水平方向影响较小；同时分别降低高程方向44.1%、14.2%的1 a项、0.5 a项振幅，相反，却增加了水平方向的周期项振幅。     

一种基于噪声统计特性的改进EMD降噪方法

GPS高程时间序列中通常都含有噪声，容易对GPS信号解算精度造成影响。针对这一问题，本文基于噪声统计特性，提出了一种改进的EMD降噪方法。首先将信号进行EMD分解，得到低频信号与高频噪声两个部分；然后将高频噪声部分随机打乱两次，并与原始高频噪声累加，求取平均值；最后与低频信号累加，构成一个新的信号再次进行EMD分解，提取出有用信号。最终利用模拟数据和WUHN站实测GPS高程时间序列数据对该方法进行验证。试验结果表明，当信噪比较高时，本文方法得到的降噪效果更佳。     

PCA方法在GPS坐标时间序列分析中的应用

以安徽及邻区8个GPS连续站点的观测数据为基础,应用主成分分析法提取其共模误差,并对扣除共模误差前后的残余时间序列进行了对比分析。结果显示,扣除共模误差后的残余时间序列的周期性变化较为明显,数据信噪比有所提高。     

小波分析在垂向海潮特征信息去噪研究

目前国内外许多学者利用沿海GPS站点的高精度坐标时间序列进行海潮特征信息的提取研究,已取得一定成果,但高精度坐标时间序列中不可避免地存在许多噪声,极大影响海潮特征信息的提取。基于日本GMSD站的67d的高精度PPP坐标时间序列,利用小波分析进行去噪实验,经FFT变换后,将提取的结果与FES2004海潮模型的特征值比较。实验结果表明:经小波分析后,GPS站点的时间序列精度得到提高;经小波去噪后的反演精度均有不同程度的提高,最多达到0.14mm,而海潮特征值的量级为厘米级或者亚厘米级,说明小波分析对海潮特征值的提取精度有明显提高。     

基于滑动L2优化准则的GPS坐标时间序列重构

GPS坐标时间序列中不仅包含白噪声,还包含闪烁噪声、随机漫步噪声等有色噪声,这些噪声将影响GPS应用的可靠性,甚至可能对一些地球物理现象做出错误的解释,因此降低GPS坐标时间序列中有色噪声的影响、提高GPS精度是一个重要和基本的问题。提出了一种滑动L₂优化估计方法(ML₂),通过选取合适的窗口建立L₂优化模型,再利用交替迭代乘子法求解每段时间序列的优化问题,并逐年滑动得到整段GPS坐标时间序列的估计。实验结果表明,ML₂方法与奇异谱分析、小波分解、滑动普通最小二乘法相比具有更好的重构效果。     

基于GAMIT/GLOBK和GPS观测确定加拿大地区的冰川均衡调整导致的垂向形变

本文采用加拿大地区31个IGS台站的观测数据,利用GAMIT/GLOBK软件处理了时间跨度为2000—2018年的GPS原始观测资料,得到了ITRF2014参考框架下的台站位置垂向运动速率的时间序列。对GPS时间序列进行阶跃探测及修复、异常值探测及剔除、趋势项估计、去除近期冰川融化导致的地表弹性变形后,得到了由冰川均衡调整(GIA)导致的GPS台站抬升速率。本文的结果与前人基于GPS观测得到的结果(在ITRF2008框架下)相差在2 mm/a以内,与ICE6G系列GIA模型预测值相差在3 mm/a以内,因此验证了本文结果的正确性和可靠性,为进一步利用全球GPS台站观测数据研究GIA垂直形变速率,进而约束和改进GIA模型打下了坚实基础。