利用改进3σ法获得残差序列的共模误差提取

针对GNSS坐标时间序列的异常值、缺失点插值和共模误差问题，该文采用一种经验模态分解(EMD)与3σ组合算法处理异常值，获取干净的残差时间序列，然后使用Matlab软件的fillmissing函数进行插补，获得连续的时间序列，最后利用独立成分分析(ICA)和主成分分析(PCA)方法对残差序列进行共模误差的提取，分析共模误差的影响。研究结果表明，与LS-3σ相比，EMD-3σ方法的探测率提高了0.2%,说明新算法的探测效果更好。PCA和ICA方法滤波后的RMS值分别平均减少了约22.01%、10.96%,说明PCA和ICA均能有效地提取残差时间序列的共模误差，提高坐标时间序列的精度，且PCA比ICA效果更好。     

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。     

GPS动态监测形变信息提取技术

采用GPS技术对矿区地表移动进行动态监测,针对长距离差分动态定位精度受多因素残余误差的影响,利用主成分分析法(PCA)进行空间滤波,分离区域站点相关的共模误差,以提高坐标序列精度。为进一步分析矿区地表移动受多源影响,采用解决盲信号分离问题的独立分量分析法(ICA),提取各测站形变信息。通过实例与仿真分析,结果表明,利用PCA空间滤波可提高3个分量坐标序列精度分别为46.1%,71.0%及36.8%;基于特征矩阵联合似对角化算法(JADE)进行ICA分解,能够实现各测站形变信息的提取。     

GPS坐标时序共模误差提取方法研究

针对GPS坐标时序数据中存在的共模误差(CME),研究利用堆栈滤波(SF)、网络反演滤波(NIF)和主成分分析(PCA)三种方法进行剔除,以提高GPS监测区域地表位移的精度. 通过构建GPS坐标时序模型,去除明显构造运动,提取噪声残差时序,将隐含在噪声残差时序中的区域CME利用SF、NIF、PCA方法提取出来. 以日本房总半岛2019—2021年GPS坐标时序为例,比较三种方法和GPS站点空间分辨率对CME提取的影响,分析CME去除前后慢滑移地表位移的变化. 研究结果表明:SF、NIF、PCA方法提取CME的结果基本一致;GPS站点空间分辨率降低,提取的CME离散度增大;CME对慢滑移地表水平位移的大小和方向均会产生影响,需进行剔除.      

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。     

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。     

高频GNSS信号去噪的小波和多方向主成分分析

针对传统主成分分析(PCA)忽视测站各坐标分量之间相关性的问题,提出了一种小波去噪和多方向主成分分析(WD-MPCA)组合的方法. 该方法弥补了传统PCA的缺陷,与经验模态分解和主成分分析(EMD-PCA)组合方法及小波去噪和主成分分析(WD-PCA)组合方法相比,WD-MPCA组合方法精度最高. 经WD-MPCA组合方法去噪后,其平均中误差分别为0.83 mm、0.85 mm和8.30 mm,比原始坐标残差时间序列的平均中误差分别降低了81.14%、81.91%和40.37%. WD-MPCA组合方法充分考虑了各测站不同分量之间的相关性,可以有效去除信号中的高频随机白噪声(WN)和低频有色噪声(CN),这对高频全球卫星导航系统(GNSS)技术的实际应用和理论发展具有重要的意义.      

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%.     

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。     

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。     

Spatiotemporal filtering for regional GPS network in China using independent component analysis

Removal of the common mode error (CME) is a routine procedure in postprocessing regional GPS network observations, which is commonly performed using principal component analysis (PCA). PCA decomposes a network time series into a group of modes, where each mode comprises a common temporal function and corresponding spatial response based on second-order statistics (variance and covariance). However, the probability distribution function of a GPS time series is non-Gaussian; therefore, the largest variances do not correspond to the meaningful axes, and the PCA-derived components may not have an obvious physical meaning. In this study, the CME was assumed statistically independent of other errors, and it was extracted using independent component analysis (ICA), which involves higher-order statistics. First, the ICA performance was tested using a simulated example and compared with PCA and stacking methods. The existence of strong local effects on some stations causes significant large spatial responses and, therefore, a strategy based on median and interquartile range statistics was proposed to identify abnormal sites. After discarding abnormal sites, two indices based on the analysis of the spatial responses of all sites in each independent component (east, north, and vertical) were used to define the CME quantitatively. Continuous GPS coordinate time series spanning \(\sim \)4.5 years obtained from 259 stations of the Tectonic and Environmental Observation Network of Mainland China (CMONOC II) were analyzed using both PCA and ICA methods and their results compared. The results suggest that PCA is susceptible to deriving an artificial spatial structure, whereas ICA separates the CME from other errors reliably. Our results demonstrate that the spatial characteristics of the CME for CMONOC II are not uniform for the east, north, and vertical components, but have an obvious north–south or east–west distribution. After discarding 84 abnormal sites and performing spatiotemporal filtering using ICA, an average reduction in scatter of 6.3% was achieved for all three components.     

PCA空间滤波在高频GPS定位中的应用研究

利用主成分分析法(PCA)对高频GPS时间序列进行空间滤波,并结合Karhunen-Loeve展开法(KLE)对其结果进行判定,可有效地提取共模误差,提高单历元定位精度。通过对四川GPS连续观测网的计算分析表明,PCA方法可较好地减弱区域共模误差,并能准确地反映共模误差的空间分布,且精度优于传统的堆栈法,这对高频GPS技术的应用和发展具有重要意义。     

局部均值分解和奇异值分解在GNSS站坐标时间序列信号降噪中的应用

为了有效地提取GNSS站坐标时间序列的有用信息，降低噪声干扰，本文提出一种局部均值分解和奇异值分解相结合的信号降噪方法，并利用5个测站的实测坐标时间序列对新方法进行了验证。首先通过局部均值分解将坐标时间序列分解成一系列PF分量和余项，然后利用连续均方误差方法确定高频分量与低频分量的分界点，保持低频分量不变，运用奇异值分解方法对高频分量进行降噪重构，最后将重构的高频分量与低频分量叠加得到最终的降噪坐标时间序列，并对降噪效果进行对比分析。结果表明，与单纯的奇异值分解方法相比，局部均值分解和奇异值分解相结合方法能够自适应地选择合适的奇异值个数进行信号重构，提高了降噪效果。     

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。     

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。     

利用MSMPCA去噪的CEEMD方法监测高频GNSS同震形变

考虑到全球导航卫星系统(global navigation satellite system,GNSS)地震信号的非线性和非平稳性,利用一种多尺度多方向主成分分析(multiscale multiway principal component analysis,MSMPCA)去噪的完备总体经验模态分解(complete...     

区域CORS网坐标时间序列周期特征分析

通过精密单点定位的方法获取了区域CORS网各基准站的坐标时间序列,并利用最大似然估计法和频谱分析法对其32个基准站坐标时间序列的周期特征进行了分析,获取了各基准站年周期、半年周期的振幅和相位值,以及各基准站的周期功率谱图。结果表明:GNSS基准站坐标时间序列不仅存在线性变化,还存在周期性变化,其中以U方向表征最为明显,与双差定位获得的坐标时间序列周期特性分析结果一致,说明以精密单点定位获取的GNSS基准站坐标时间序列是可靠的,可以用来分析基准站的变化特征。     

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。