GPS坐标时间序列共模误差空间特性分析

对全球138个IGS站依据相关性进行聚类分类,采用相关系数加权叠加滤波计算了所选IGS站坐标时间序列中的共模误差,并分析了其空间特性。结果表明,共模误差主要受基准站空间分布、GPS网空间尺度以及基准站密度的影响,并且相关系数为负的测站之间仍存在共模误差。     

欧洲地区共模误差提取及分析

针对跨度较长时间序列共模误差噪声特征研究较少,选择空间滤波的方法对较长时间序列进行分析以满足参考框架建立的需要。选取欧洲地区58个IGS基准站2001—2011年的坐标时间序列,采用区域叠加滤波法、分区区域叠加滤波法和相关系数加权叠加滤波法求取共模误差,并以滤波后时间序列相关系数和残差时间序列标准差为标准对其进行对比分析;进而,利用极大似然估计的方法对每个区域共模误差及滤波前后坐标时间序列进行噪声分析。结果表明:分区区域叠加滤波法最适合欧洲地区共模误差的提取;共模误差主要成分是闪烁噪声,也包含白噪声、随机漫步噪声等;当时间序列长度较长时,N、E方向受共模误差影响较小,可忽略,U方向受共模误差影响较大,需要考虑。     

陆态网络坐标时间序列中共模误差剔除与赫尔默特坐标变换的关系

共模误差存在于测站GPS坐标时间序列中,影响测站坐标和速度估计,在一定范围内其剔除过程与坐标转换等价。为研究共模误差剔除与赫尔默特坐标变换的等价关系,采用相关系数加权叠加滤波法分别计算500km和2 000km陆态网络区域网基准站坐标时间序列的共模误差,并选取公共点进行坐标转换。结果表明,平均相关系数为0.69的500km区域网基准站的较差和中误差都较小,在0.25mm以内,而平均相关系数为0.34的2 000km区域网基准站的较差和中误差与500km区域网相比至少大两倍,可达1mm,影响共模误差计算的准确性。因此,对于500km尺度以内的小区域网,可以用坐标转换的方法替代共模误差剔除,对于尺度大于500km的区域网,需根据测站间相关系数的大小及一致性选择共模误差剔除方法。     

陆态网络共模误差的提取研究

针对"中国大陆构造环境监测网络"中的共模误差问题,该文提出了一种新的提取共模误差的方法,该方法在区域叠加滤波中引入坐标时间序列相关系数作为权重因子。基于陆态网络中时间跨度大于4年的154个基准站坐标时间序列,利用相关系数加权叠加滤波方法提取其中的共模误差并分析其特征。结果显示,滤波后测站残差坐标时间序列之间的相关性明显减小,N、E、U 3个分量的相关系数分别平均减少30.33%、19.86%、23.24%。所有测站残差坐标时间序列滤波后的RM_S在N、E、U3个分量分别平均减少9.5%、9.1%、26.1%,与区域叠加滤波结果相比分别提高了2.1%、1.2%、4.5%。结果表明,相关系数加权叠加滤波方法比区域叠加滤波方法提取共模误差更有效。     

一种改进的GPS区域叠加滤波算法

GPS时间序列的空间滤波可以提高观测数据的信噪比，有利于获取更高精度的地壳形变信息。区域叠加滤波算法的空间滤波结果随着测站数和空间尺度不同而不同，不利于研究GPS时间序列中的形变信息。为了削弱区域叠加滤波受空间尺度的影响，提出一种不以空间尺度作为约束条件，同时引入相关系数和距离因子的区域叠加滤波算法。采用2010—2017年中国区域260个GPS连续观测站的时间序列展开空间滤波方法的研究，计算结果表明，对比相关性区域叠加滤波算法，考虑GPS时间序列之间的相关系数和距离因子更有利于提取GPS时间序列中的共模误差，且受空间尺度的影响较小。对比3种不同距离因子的区域叠加滤波算法，可知引入距离反比的空间滤波算法可实现更优的空间滤波。采用该方法空间滤波后可使GPS时间序列残差降低30%~40%，GPS速度场精度提高30%~40%。此算法实现了更优的GPS形变场估计，为研究中国区域的地壳运动和其动力学机制提供了可靠的数据基础。     

考虑多种权重因子的改进叠加滤波方法

针对在提取区域GNSS时间序列共模误差时会存在忽略站间相关性的问题,本文在已有叠加滤波的研究基础上,引入单日解精度、相关系数和距离因子等多种权重因子,提出了考虑多种权重因子的改进叠加滤波方法,并选取山西省测站数据以验证该方法的适用性。结果表明：利用本文的改进叠加滤波方法,测站坐标残差时间序列的均方根在N、E、U 3个分量上可分别平均降低48.53%、39.42%、48.61%,滤波对N、E方向上的速度影响为0.5 mm/a, U方向上为1 mm/a。相较于区域叠加滤波,改进后的方法可使残差时间序列的均方根进一步降低20%～40%,能更加准确地提取共模误差,为区域地壳运动及动力学的分析研究提供精细可靠的数据支持。     

GPS坐标时间序列广义共模误差分离方法

共模误差是GPS坐标时间序列的主要误差来源之一。针对传统的共模误差分离方法存在一定的局限性,甚至分离出错误的共模误差分量问题,该文根据共模误差的潜在起源,提出了一种依据地理环境因素、多尺度评价体系的GPS时间序列广义共模误差分离方法。该方法将相关系数、距离、经纬度、本地效应、地表环境负载效应、主分量贡献率、噪声模型特性等作为评价因子,为大区域、大尺度下GPS坐标序列共模误差,提供了可行的估计方法。实验分析结果表明,该文提出的共模误差分离方法能准确提取出GPS坐标序列中的共模误差,为进一步提高GPS坐标序列精度提供依据。     

联合区域叠加滤波法与小波变换去除GPS站坐标时间序列噪声

GPS站坐标时间序列中存在的周期性与非周期性误差严重影响了对测站运动特征的分析及其非线性变化的物理机制解释。因此,为削弱噪声的影响,本文首先利用区域叠加滤波法去除了南加利福尼亚地区16个测站时间序列的共模误差,以此削弱时间序列中存在的包括周年和半周年误差在内的周期性误差。为去除滤波后残留的噪声,对滤波后的信号进行静态离散小波变换,提取了周期为半周年以上的信号。结果表明,联合区域叠加滤波法与小波变换对GPS站坐标时间序列进行处理,既能够削弱周期性误差对信号的影响,又能较好地提取测站的非线性运动信号。     

PCA与KLE相结合的区域GPS网坐标序列分析

对于GPS区域网坐标序列中普遍存在的共模误差(CME),常规方法是利用堆栈空间滤波去除,通常假设CME是空域不变的;而主成分分析法(PCA)和Karhunen-Loeve(KLE)展开法都是把随时间变化的台站网时间序列分解成时间域的主分量和空间域的特征分量,不限制CME的本征。因此,本文尝试结合PCA和KLE方法对GPS区域网坐标序列进行空间滤波,并通过对美国中加州Carrizo平原的一个连续运行GPS监测网进行分析,表明PCA/KLE法可有效提取共模误差,提高站点坐标精度,增强空间滤波的稳健性。     

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。     

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.      

区域GPS网共模误差的提取与成因分析

以位于美国南加州区域的41个GPS站点为例,利用主成分分析法对该区域共模误差进行了有效提取,结果表明共模误差在该区域空间响应具有较好的一致性。滤波后,均方根值(RMS)在E方向上平均降低了42.9%,在N方向上平均降低了39.1%,在U方向上平均降低了28.8%,表明空间滤波能够有效提高GPS坐标精度。此外,滤波后各站点相对于LOWS站点的相关系数在E方向上平均下降了89.3%,在N方向上平均下降了92.3%,在U方向上平均下降了86.5%,结果证实了共模误差是区域GPS网中各站点之间空间相关的主要来源。最后,皮尔逊相关性分析和小波相干分析证实了质量负载并不能有效地解释共模误差,共模误差最有可能来源于空间传播延迟误差。     

地震对GPS站坐标时序共模误差的影响分析

通过选取日本7个IGS基准站在东日本大地震前后各3a的坐标时间序列,提取并分析此区域的共模误差的特点和地震对其的影响,以及共模误差对基准站噪声时序的影响。结果表明:滤波后测站各方向坐标时序平均均方根相较于过滤前明显减少,测站坐标可靠性和精确性得到明显提高;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;共模误差在N、E、U方向均表现出明显的周期特性,其周期特性在地震前后几乎截然相反,地震对其周期特性的影响必须充分考虑。     

共模误差对坐标时间序列分析的影响

基于2013年至2018年环渤海地区GPS基站6年的观测数据,研究了共模误差对坐标时间序列分析的影响。首先利用主成分分析方法提取环渤海区域27个基准站的共模误差,以N、E、U三个方向的第一主成分来计算共模误差;然后使用最大似然估计法得到各测站剔除共模误差前后的噪声。发现在消除共模误差后,N,E,U方向的相对坐标时间序列得到改善,白噪声,闪烁噪声和随机行走噪声明显减小。结果表明,共模误差的剔除有效的提高了坐标时间序列分析的精度。     

中国境内IGS站共性误差提取方法比较

共性误差是连续运行观测站存在的一种时空间相关的误差,剔除GPS站点时间序列中的共性误差,对于提高站点坐标时间序列的精度及形变分析具有重要作用。目前,已提出的提取共性误差的方法主要有主成分分析法(PCA)和离散霍特林展开(KLE)两种。本文针对国内主要IGS站,利用GAMIT10.6解算IGS站观测数据获得坐标时间序列,并采用时间序列误差建模的方式分析周期项所含部分,进而获得残差序列。在残差序列基础上,采用不同方法提取共性误差,分析其共性误差对时间序列精度的影响,讨论各方法的优劣情况,得出提取共性误差的最优方法。     

区域滤波方法在IGS台站时间序列分析中的应用

随着GPS技术的发展,在连续运行的GPS参考站上已经积累了将近20年的数据,形成了比较充足的GPS坐标时间序列.在GPS时间序列中包含着共模噪音和其他未建模的误差,利用相关性分析方法提取GPS时序中的共模噪声,通过主成分分析方法来对GPS时间序列的残差进行主成分提取,并在时序分析中将其剔除,从而得到纯净的GPS时间序列,来精确估计坐标和速度场.     

GPS坐标序列噪声模型估计方法研究

<正>随着空间观测技术的高速发展,GPS已成为大地测量领域重要的观测技术手段之一。全球IGS基准站积累了近20余年的位置时间序列,为大地测量及地球动力学研究提供了丰富的基础数据。GPS坐标序列不仅包含构造信号,也包含地表环境负载以及未模型化的误差等干扰源的影响,降低了GPS解的精度与可靠性。分析GPS时间序列,尤其是坐标时间序列非线性变化,进一步深入系统地了解GPS非线性变化起源及其影响机制,建立相     

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。     

顾及有色噪声影响的CGCS2000下我国CORS站速度估计

研究基于计算获取的CGCS2000(中国大地坐标系统2000)下我国国家CORS(全球导航卫星系统连续运行参考站)网1999年至2009年坐标时间序列,首先采用主成分空间滤波方法(PCA)提取CGCS2000框架下国家CORS网坐标时间序列中公共误差(common mode errors,CME)的时空特性;其次,采用功率谱分析方法分析空间滤波后的国家CORS站坐标残差时间序列的噪声性质,采用最大似然法定量估计坐标残差时间序列中的有色噪声分量;最后,采用加权最小二乘法评定顾及不同噪声影响的CGCS2000框架下的国家CORS网年速度估值和实际精度.研究结果表明:采用空间滤波可提高CGCS2000框架下国家CORS网成果的精确性和可靠性,空间滤波后北、东和高方向的平均坐标重复性相对于滤波前分别减小了26%、22%和46%,滤波后国家CORS站高度方向平均振幅减少近64%.在CGCS2000框架下我国CORS站坐标时间序列中白噪声不是噪声的主要成分,白噪声、闪烁噪声和随机漫步噪声的噪声性质是国家CORS站坐标时间序列的基本特征;我国CORS站有色噪声在水平方向和高度方向表现出一定的规律性,顾及有色噪声的速度误差估值比只考虑白噪声的速度误差估值一般大2～6倍,速度估值偏差一般在2%～10%.     

云南地区GPS垂向时间序列周期项信号的SSA提取

针对传统的GPS时间序列最小二乘(LS)谐波函数模型方法不能精确提取GPS垂向时间序列的周期项信号问题,该文以云南地区2011年1月—2017年6月连续观测的27个GPS基准站数据为例,使用主成分分析(PCA)获得27个测站的共模误差,然后分别使用奇异谱分析(SSA)和LS方法对PCA滤波前后的测站时间序列进行周期项信号提取.实验结果表明,原始时间序列分别减去SSA、PCA-SSA、LS和PCA-LS提取周期项信号的RMS减少百分比平均为25.66％、17.23％、16.76％、16.76％;原始时间序列与4种方法提取周期项信号的相关系数平均为0.66、0.55、0.54、0.54,说明SSA提取的周期项信号要优于其他3种方法,将SSA应用于云南地区GPS垂向时间序列的周期项信号提取是可行和有效的.