GPS坐标时间序列噪声估计及相关性分析

比较分析了极大似然估计法、最小二乘方差分量估计法以及最小范数二次无偏估计法对GPS站坐标时间序列噪声的估计效果,确定最小范数二次无偏估计法为最优的噪声方差估计方法。在此基础上对中国及其周边区域20个IGS站坐标时间序列中各方向噪声方差进行一元线性回归分析。结果表明,中国及其周边区域IGS站不同方向的噪声间具有中等强度以上的相关性,其中N方向闪烁噪声与其他方向闪烁噪声的相关性要强于白噪声。水平方向的噪声振幅能够解释垂直方向噪声振幅变化的40%~60%,而N方向噪声振幅能够解释E方向噪声振幅变化的60%~80%,获得的线性回归方程具有使用价值。     

等价条件平差模型的方差-协方差分量最小二乘估计方法

提出等价条件闭合差的方差-协方差分量最小二乘估计方法，简称LSV-ECM法。首先，利用等价条件平差模型建立了基于等价条件闭合差二次型的方差-协方差分量估计方程，由矩阵半拉直算子将其变换为线性Gauss-Markov形式，进而通过最小二乘准则导出了具有模型通用性、形式简洁性且满足无偏性和最优性的方差-协方差分量估计公式。其次，证明了LSV-ECM方法与残差型VCE方法的等价性，并在此基础上通过计算复杂度定量分析了所提方法的计算高效性。最后，通过边角网平差和中国区域GNSS站坐标时序建模及其结果分析，验证了所提新方法的正确性和计算高效性。     

方差分量估计的通用公式

应用最小二乘原理将方差分量估计公式从参数平差模型推广到概括函数平差模型。通过选取恰当的权阵,基于概括函数模型的最小范数二次无偏估计及赫尔默特法得到的公式均是本文的特例。视协方差矩阵为权逆阵,得到了最小方差估计,并证明了该公式与最优二次无偏估计的通用公式等价,从而表明最优二次无偏估计和极大似然估计的通用公式也是本文的特例。除此之外,本文还给出了最小二乘方差分量估计的简化公式,并对其进行了扩展。最小二乘方差分量估计的假设检验理论同样得到了推广。     

验后方差估计的几种方法

在测量平差中,利用验后方法对各类观测值的方差(或权)进行估计的方法可以分为三类,即最小二乘估计法、极大似然估计法和最小范数二次无偏估计法(MINQUE)。本文根据有关文献,将各种验后方差估计方法进行归纳整理,必要时作了一些推证和分析,现分别介绍于下。 (一)最小二乘估计法     

GPS基线向量网方差和协方差分量的MINQUE估计

本文应用最小范数二次无偏估计(MINQUE)理论,研究了GPS基线向量网在椭球面上进行三维平差时的方差和协方差分量的估计问题。从理论上提出了方差—协方差模型的选取原则。并从实践中总结出了同时估计基线之长度、方位、高差的固定方差分量和比例方差分量的交替估计方法。通过大量的实例计算和分析,证明这一方法是有效的。     

方差分量估计理论及其在边角网平差中的应用

本文从理论上阐明了MINQE(I,U)(最小范数二次不变无偏估计)方差分量估计出现负方差的原因;论述了存在MINQE(U,NND)估计量的充要条件;对边角网平羞问题而言,MINQE(I,U)估计法不可能同时准确地求出边长误差模型中的m_a~2和m_b~2。文章从边角网误差模型的特点出发,提出了一种新的方差分量估计模型(改进的方差分量估计模型),该模型能合理地确定方向和边长的方差分量,从而较好地解决了边角网平差中的定权问题。     

水准测量往返测较差方差之估计

现有文献中以水准测量往返测较差为统计量估计较差方差已提出许多观点和公式,但对于较差误差模型既没有回答其正确性,也缺乏严密可行的参数估计方法。本文将方差分量的最小范数二次无偏估计(MINQUE)法用于较差方差估计,并提出了以近代回归分析原理为基础的较差误差模型统计检验与比较选择的基本方法。这些估计、分析方法既简单易行又严密合理。最后通过对部分一等水准实测数据试算分析,也初步证实了它们的实际效益。     

基于等价条件闭合差的VCE通用解析法

分析指出了现有方差-协方差分量估计(VCE)方法在计算效率与?2统计量统计性质两方面的固有缺陷。利用零空间算子消去概括平差模型中的参数向量,建立了等价条件平差模型。由此定义了等价条件闭合差(ECC),并导出了以ECC表示的?2统计量计算式。进而,基于等价条件闭合差与新构造的可逆方差分量模型提出了方差-协方差分量估计的通用解析法,简称为VCE-ECC法。同时,给出了对应四种基本平差模型的VCE-ECC法简化计算式。实例与仿真结果表明：VCE-ECC法与现有VCE方法的方差-协方差分量估计值在统计意义上无明显差异,并有效地克服了现有VCE方法的固有缺陷。     

库比克、威尔施对於宗俦教授的“方差——协方差分量估计的统一理论”等论文的评论——介绍与浅议

国际著名大地测量和摄影测量学家、澳大利亚昆士兰大学空间卫星导航中心工程博士K·库比克教授和国际著名大地和工程测量学家、联邦德国慕尼黑国防军大学工程博士W·威尔施教授,最近对武汉测绘科技大学教授、博士导师於宗俦所撰写的两篇论文《方差——协方差分量估计的统一理论》和《方差——协方差分量极大似然估计的通用公式》作了高度评价,现将他们的全文翻译于下。库比教授是这样评论的: 我想对於宗俦教授所写的论文《方差——协方差分量估计的统一理论》、《方差——协方差分量极大似然估计的通用公式》作一些评论。 方差分量的各种各样估计方法,如极大似然估计(ML)、最优二次无偏估计(BQUE)以及最小范数二次无偏估计(MINQUE)等等,是统计学家哈列(Hartley)和劳(Rao)所开创的(1967,1973)。从这以后,在这一领域内进行了大量的研究。然而,总的说来,统计学家是致力于误差向量的结构以及以一般模型为基础的估计量特性的研究上。而测量学家们则把他们的注意力局限于函数模型的结构上,这些模型是随着应用上的不同而变化很大。     

稳健最优不变二次无偏估计

导出了稳健最优不变二次无偏估计、稳健最小范数二次无偏估计、稳健Ｈｅｌｍｅｒｔ估计，并说明了最优不变二次无偏估计、最小范数二次无偏估计以及Ｈｅｌｍｅｒｔ估计等均是稳健最优不变二次无偏估计的特例。     

基于条件方程的方差分量估计公式

著名的Helmert方差分量估计公式是基于间接观测平差模型导出的。基于条件观测平差模型导出了方差分量估计公式并给出了实际应用范例,且对两种模型的方差分量估计公式的等价性进行了理论证明。算例表明,文中的估计公式能正确地估计出各类观测值的方差因子。     

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。     

扩展的Helmert型方差分量估计公式

针对实用中某类观测值可能含有多个方差分量的情况,对现有Helmen型方差分量估计公式进行扩展,指出现有公式就是本文所推公式的特例。新公式从另外一个角度推导,理论和计算还表明它们与MINQUE公式和BIQUE公式的等价性,从而为不同方法的互检提供手段。     

方差-协方差分量估计公式等价性的进一步证明

通过附有条件的间接平差模型进一步证明各类方差-协方差分量估计公式之间的等价性。     

GNSS坐标时间序列噪声特征分析

为了研究我国目前建立的连续运行参考网络（CORS）GNSS基准站的坐标时间序列噪声特征是否与国际领域研究的成果相符合,对江苏CORS网连续3年24个分布均匀的GNSS基准站的数据进行处理,利用GAMIT软件获取了各基准站的坐标时间序列,并利用CATS软件采用最大似然估计法对坐标时间序列的噪声特征进行了分析,结果表明：GNSS基准站坐标时间序列不仅包含白噪声,还包含有色噪声;GNSS基准站坐标时间序列在N、E、U方向的噪声类型并不完全一致,其中N、E方向的最佳噪声模型为“WH＋FN＋RWN”,U方向的最佳噪声模型为“WH＋FN”.     

联合小波和方差分量估计方法分析中国IGS测站时间序列变化特征

利用小波谱分析了中国区域IGS（International GNSS Service）站坐标时间序列中周期信号成分及其随时间的变化,根据小波谱中小波系数的能量在时域上的变化对时间序列进行分段,然后采用方差-协方差验后估计法分析了白噪声+闪烁噪声组合模型下测站在不同时间段的运动特征及变化规律。结果表明,中国区域的IGS站运动特征在不同时间段内是变化的,其中URUM站垂直速度变化大于4 mm,BJFS以及CHAN站水平速度变化大于2 mm,其余站速度变化均在2 mm以内;周年、半周年信号的振幅也均有差异,其中BJFS站垂直分量周年振幅变化最大,超过5 mm;此外,强度较弱的其他周期项存在于分段时间序列中,但其对速度、周期振幅以及噪声分量估计结果影响较小;对时间序列进行分段估计,所得的参数不同,其相差程度可反映出不同时间段内的板块运动等地球物理因素变化的差异。     

方差-协方差分量估计的概括平差因子法

针对现有方差-协方差分量估计(variance-covariance component estimation,VCE)理论存在的问题,通过引入间接平差的平差因子概念,定义并研究了基于概括平差模型的概括平差因子、概括闭合差及其方差阵,进而利用二次期望公式提出了基于概括平差因子的VCE新方法。该方法适用于概括平差模型所归纳的4种函数模型形式,并通过概括平差因子揭示了平差函数模型与VCE是否存在解析估计形式的关系。实例计算结果表明,现有迭代型VCE方法改变了LS估计量的统计性质,而VCE新方法解析估计具有LS统计性质,且无需初值。     

广义多列高斯—马尔可夫模型及其参数估计

本文首先扩展了Koch引进的简单多列高斯马可夫模型,建立了适用于一般情况的广义多列高斯—马尔可夫模型;接着利用方差—协方差分量的MINQUE方法推导了广义多列模型的方差—协方差分量估计公式,进而推导出参数的最小二乘估计公式;最后证明简单模型是广义模型的一个特例。本文的方法对于处理具有多期重复观测值的监测网平差和变形分析具有实际意义。     

粗差验后方差的无偏估计与最优稳健估计

在正态粗差假设下导出了粗差验后方差的无偏估计,对误差方差膨胀模型和误差均值移动模型,两者的无偏估计公式是相同的.这证明了李德仁验后方差和朱建军方差不是无偏的.由无偏方差定义的彭方法是正态粗差假设下的最优稳健估计.     

GPS／GLoNASS组合定位的抗差Helmert方差分量估计模型

GPS和GLONASS存在系统差异,组合定位时,采用Helmert方差分量估计可得到更加准确的结果。但GNSS观测值常受到衍射信号和多路径效应的影响,使观测值存有粗差,从而导致Helmert方差分量估计的失真。为此,将抗差Helmert方差分量估计应用于GPS／GLONASS组合单点定位,实验结果表明：抗差Helmert方差分量估计可以有效地抑制组合系统粗差观测值的影响。