利用GNSS数据分析大港验潮站地壳沉降

青岛大港验潮站的地壳沉降关系到该站平均海平面的绝对变化,因而也就关系到我国高程基准面的变化。本文利用青岛GNSS基准站约10年的观测数据对该站的地壳沉降变化进行分析。首先将青岛GNSS基准站纳入由50个国际IGS站和43个国内陆态网络基准站组成的全球网中,进行单日松弛解和单日约束解解算,获得该站坐标时间序列。然后对该站垂向坐标时间序列进行分析,利用粗差探测、偏差探测、趋势项分析、频谱分析等方法对粗差、偏差、趋势项和周期项进行探测、分析,并通过时间序列模型估计获得时间序列中的周期项振幅和偏差估值。分析表明青岛GNSS基准站垂直方向近一段时间未发现存在显著性的地壳沉降变化,但受到比较明显的周年和半周年周期变化影响。结合青岛大港验潮站验潮数据分析结果得出结论:青岛大港验潮站平均海平面的绝对上升速率是1.62mm/a。     

稳健估计在GNSS高程拟合中的粗差探测

由于最小二乘法不能有效地抵抗粗差,而控制点的平面坐标和高程异常值中不可避免地含有误差,对应用最小二乘法和稳健估计法在GNSS高程拟合中的粗差探测进行探讨。通过对不同数量控制点的高程异常观测值中加入粗差,采用两种算法在求解GNSS高程拟合中的精度进行分析比较,并对粗差在稳健估计中的干扰范围进行研究,结果表明,稳健估计具有抵抗多个粗差的能力。     

改进的启发式分割算法在GNSS坐标时间序列阶跃探测中的应用

在启发式分割算法的基础上，引入z检验和标准正态均一性检验（standard normal homogeneity test，SNHT），提出了一种新的阶跃探测法，并将其应用于20个陆态网（Crustal Movement Observation Network ofChina，CMONOC）和10个国际全球卫星导航系统服务（International Global Navigation Satellite System Ser-vice，IGS）参考站近5 a的坐标时间序列。结果显示，对于IGS站东（east，E）、北（north，N）、垂直（up，U）3个方向分量已知阶跃的平均准确探测率分别为68.5%、71.3%、64.8%，且利用阶跃点前后25 d初始拟合残差的平均值之差得到修复后的坐标时间序列保持了良好的连续性。基于剔除粗差后的坐标时间序列，利用坐标时间序列分析软件（coordinate time series analysis software，CATS）估计出的速度显示:对于由已知阶跃与改进算法探测出的阶跃历元的组合方式，所有测站E、N、U方向的估计速度与CMONOC官网发布的速度的平均偏差分别为2.86 mm/a、1.14 mm/a、2.31 mm/a，明显小于由已知阶跃和肉眼判断明显阶跃历元的组合方式获得的平均速度偏差。上述结果表明，改进的启发式分割算法可应用于坐标时间序列的阶跃探测。     

基于EMD的改进型3δ粗差探测方法

针对全球卫星导航系统（GNSS）时间序列粗差多、分布随机的问题,提出一种基于经验模态分解（EMD）的改进型3δ粗差探测方法。新方法基本思想是：先利用3δ准则初步探测全球导航卫星系统（GNSS）时间序列粗差并插补,再将GNSS时间序列分解为若干时间尺度的固有模态函数（IMF）分量,再利用相关系数法信噪分离,最后利用3δ准则对残差序列进行粗差探测。利用模拟数据和实际工程数据对比EMD-3δ方法相对于常规LS(Least Squares)-3δ法的粗差探测效果。模拟实验数据表明,EMD-3δ法能够探测92.7%的粗差,LS-3δ方法仅能探测48.3%的粗差。来自斯克里普斯轨道和永久阵列中心（SOPAC）的GNSS时间序列数据进一步表明EMD-3δ能较传统方法更有效地探测粗差。     

等价条件闭合差最小范数分量的GNSS坐标时间序列噪声估计

为了精确高效地求解全球导航卫星系统（global navigation satellite system,GNSS）坐标时间序列噪声分量,结合等价条件平差模型以及最小范数二次无偏估计法,提出等价条件闭合差最小范数分量估计方法。首先,采用等价条件闭合差构造二次型方差估计公式,结合不变性、无偏性、最小范数准则等条件,导出基于等价条件闭合差的方差-协方差分量最小范数估计公式;然后,采用最小二乘方差分量估计（least-squares variance component estimation,LS-VCE）法、最小范数二次无偏估计法（minimum norm quadratic unbiased estimate,MINQUE）验证所提方法的正确性及有效性。通过模拟时间序列和北美GNSS站坐标时间序列的噪声估计结果发现,所提方法与LS-VCE法和MINQUE法的估计效果一致,但计算时间相较于LS-VCE法减少了70%以上。     

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.      

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。     

基于验后方差估计原理导出的选权迭代法剔除粗差

将抗差估计的思想融入到粗差探测的算法中,设计出对模型误差,特别是粗差具有抵抗能力的粗差探测算法。基于验后方差估计原理导出的选权迭代法即为抗差估计的一种,首先是应用最小二乘法来计算观测值的参数x赞、残差v、协因数阵Qvv及单位权Q赞0的初值,然后再根据残差和有关的参数,按所选择的权函数,计算每个观测值的权,经过迭代计算求得观测值的残差,然后按照统计检验的方法剔除粗差。通过实验证明,基于验后方差估计原理导出的选权迭代具有很强的粗差探测能力。     

GPS周解坐标时间序列粗差剔除的策略分析

针对地震、地质构造活动或测站更换接收机或天线等原因导致时间序列中存在粗差的问题,该文通过对站点位置的时间序列的研究分析,可以获取板块运动规律、地球震荡周期变化等信息,这对维护和更新地球参考框架,探究和揭示大地构造变形运动过程、动力学机制及地震活动等相关科学问题具有十分重要的意义。对全球分布的34个IGS站周解坐标时间序列,分别采用3RMS准则和IQR准则进行粗差的剔除,得出低高纬度更适合3RMS准则,中纬度比较适合同时应用两准则结论,为后续研究提供了良好的数据基础。     

含缺值GNSS基准站坐标序列的非插值小波分析与信号提取

受多种因素影响,GNSS基准站坐标序列通常都含有缺值,传统小波分析需要对缺值数据进行内插或补零处理。本文基于小波系数与时间序列观测数据的重构关系,提出了一种非插值的二进小波变换的最小范数解法,导出了相应的计算式,并严格证明了传统的补零处理算法与本文的最小范数解法等价。最后利用中国地壳运动观测网络一期27个基准站实测数据以及模拟数据进行了验证分析。结果表明,本文的非插值算法与插值算法提取的信号差异较小,27个基准站坐标序列的平均残差中误差仅相差2.01%(North),0.54%(East)和1.26%(Up),两种算法提取的信号之差与信号平均方差比仅相差1.16%(North),0.54%(East)和1.62%(Up)。     

GPS/GALLIEO导航系统的抗差EKF模型研究

首先给出扩展卡尔曼滤波(Extended Kalman Filter,EKF)的原理,通过分析粗差在EKF模型中传递特性,给出新的抗差EKF模型。模型根据多余观测分量及预测残差统计,构造抗差等价增益矩阵,通过迭带给出GNSS抗差导航解。为提高模型在动态导航应用中的效率,文章结合统计模型,仅对存在粗差的观测历元进行抗差估计,进一步提高模型实时运行效率。并模拟GPS/Galileo多卫星导航星座及接收机平台的动态轨迹。采用加速度导航方程验证本文模型,并对不同模型运行的时间进行比较。结果表明在粗差存在的情况下,本文模型仍能正确导航,并且改进后的模型能明显提高实时导航的效率。     

L1范估计的巴尔达型检验及其可靠性

根据残差与真误差的Bahadur型关系,L1范估计中, 粗差几乎完全反映到相应的残差上,这就是L1范估计能正确定位粗差的原因.对L2范估计,粗差只是部分地反应到相应残差上,由此会导致粗差误判.根据L1范估计的残差及其方差, 构造了L1范估计的巴尔达检验统计量, 并讨论了L1范估计的可靠性.与L2范估计的可靠性比较,L1范估计的可靠性受多余观测的影响小.     

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.     

基于等效残差积探测粗差的方差-协方差分量估计

已有方差-协方差分量估计(VCE)的粗差探测是对残差检验,而VCE的本质是利用残差的二阶量来估计它的二阶中心矩,因此更合理的方法应该对残差二阶量检验.由最小二乘残差估值导出了一组服从标准正态分布的等效残差;然后从等效残差的VCE基本方程出发,分别采用χ2统计量和正态积Np统计量检验等效残差的平方及其乘积.结果表明,采用...     

基于 EEMD 和 Husrt 指数的 GNSS 基准站的垂向速率估计

连续的全球卫星导航系统(GNSS)基准站的坐标时间序列中包含了复杂的噪声信号、非构造形变及其它因素的影响,尤其在垂直方向,对GNSS基准站在国际地球参考框架(ITRF)下的运动速率估计产生了较大的干扰。为进一步提高速率精度,文中采用整体模态分解(EEMD)方法对GNSS基准站的垂向观测时间序列进行分解,并根据各种信号的Hurst值进行分类及重构为噪声信号、季节性信号和长期趋势信号,采用最小二乘方法拟合长期趋势信号得到垂向速率。通过对中国大陆构造环境监测网络(CMONOC)的GNSS台站从2001—2013年近13a的垂向坐标时间序列的实例分析,采用基于EEMD和Husrt指数的最小二乘法能够准确地估计GNSS基准站的垂向速率。     

利用L1范数和中位数选取拟准观测值

粗差探测拟准检定法的核心是拟准观测的选取。提出了L₁范数和中位数相结合的方法选取拟准观测值,并设计了相应的准则。首先利用L₁范数方法得到稳健的残差,将其中残差接近于零时对应的观测值直接确定为拟准观测值,然后将余下残差形成新的残差向量,并计算其绝对值的中位数,拟准观测值即为那些余下残差绝对值小于中位数所对应的观测值。GPS网平差和GPS单点定位计算结果表明本文提出的选取拟准观测值的方法有效可行。     

利用码相二次差分与Jarque-Bera检验进行实时周跳探测

对伪距与载波相位观测值进行二次差分构造周跳检验参数,并利用Jarque-Bera方法对历元窗口内的周跳参数进行正态分布检验,较好地实现了周跳的实时探测。利用实测GPS静态数据以及车载GPS动态数据进行了周跳探测算例分析,结果表明,此方法能够实时探测出周跳,并能有效修复周跳。     

GNSS坐标时间序列分析理论与方法及展望

长期累积的全球卫星导航系统（Global Navigation Satellite System,GNSS）基准站坐标时间序列为大地测量学及地球动力学研究提供了基础数据。通过完善GNSS数据处理模型及策略,研究造成非线性运动的机制并进行有效建模,可以获得测站准确的位置和速度,不仅有助于合理解释板块构造运动,建立和维持动态地球参考框架,而且能更好地研究冰后回弹及海平面变化,反演冰雪质量变迁等地球动力学过程。首先从基准站坐标的精确获取、时间序列模型构建、时间序列信号分析等方面描述了GNSS坐标时间序列分析的理论与处理方法;其次,探讨了坐标时间序列噪声模型构建技术,给出了严密三维噪声模型构建方法;然后,疏理了坐标时间序列中非线性变化成因机制的研究进展;最后,总结了基于GNSS坐标时间序列的应用领域,并展望了其未来的发展方向。     

不同类型识别变量的自回归模型异常值探测的Bayes方法

讨论基于自回归模型(AR模型)的时间序列数据中异常值探测的Bayes方法。该方法针对自回归模型引入不同类型的识别变量,通过比较这些识别变量的后验概率值与事先给定的阈值来进行异常值定位;基于Gibbs抽样算法,提出识别变量后验概率值的计算方法和异常值的估算方法;进行了大量的模拟试验并把该方法应用于卫星钟差实测数据的异常值探测,结果表明,该方法对于解决时间序列数据中在同一时刻或不同时刻出现加性异常值或革新异常值的探测问题是可行的和有效的。