利用主成分分析法分析GNSS坐标时间序列

利用主成分分析法对陆态网224个GNSS基准站坐标时间序列进行分析。首先对基准站原始坐标序列进行突变项拟合、粗差剔除、缺失数据插值补齐等预处理;然后对预处理后的站点残差坐标时间序列分N、E、U方向组建时间序列矩阵进行主成分分析,根据各方向主分量及其相应的空间特征向量分析站点空间响应分布特征、共模误差以及异常站点的影响。结果表明,仅通过第1主分量不能准确体现共模误差的时空特点,因此将前3个主分量纳入共模误差分析;华北地区、西北地区以及云南地区各方向主分量显示出相对一致的空间响应分布,可能是水储量变化导致的;对比剔除异常站点前后的PAC结果发现,N、E、U方向第1、2主分量的贡献率变化明显,U方向表现最为显著,其中第1主分量贡献率分别提高2.0% (N)、3.9% (E)、5.7% (U),第2主分量则分别下降1.1% (N)、1.9% (E)、6.7% (U),剔除异常站点后,站点的空间响应得到明显提高。     

陕西连续GPS基准站坐标时间序列分析

对陕西省GPS连续基准站2011-01-01~2013-05-30坐标时间序列进行分析,利用区域叠加滤波分离出共模误差,滤波后站坐标时间序列N、E、U方向的平均均方根分别减小69%、60%和41%。通过谱指数计算发现,空间滤波后的时间序列含有白噪声和有色噪声;利用CATS软件对各噪声分量估计发现,垂直方向噪声分量大于水平方向;空间滤波使闪烁噪声大幅减小,部分站出现随机漫步噪声。     

城市CORS坐标时间序列噪声模型建立与分析

以GAMIT/GLOBK处理得到高精度常州CZCORS坐标时间序列,用奇异谱分析方法对其进行空间滤波,使用最大似然估计方法对剔除共性误差的坐标时间序列进行噪声特征分析,得出最优白噪声模型为“WH”,N、U分量最优有色噪声模型为“WH+FN”,E分量最优有色噪声模型为“WH+FN+RWN”。根据最优有色噪声模型估计出的CZCORS站速度场表现为东南方向整体运动的趋势,其整体位移变化值及运动方向与周围IGS站基本一致。     

顾及共模误差的四川连续GPS基准站坐标时间序列噪声分析

使用GAMIT/GLOBK软件处理四川省内23个连续GPS基准站2010～2015年数据，获取各测站的坐标时间序列，然后利用堆栈法对其进行空间滤波以剔除共模误差，通过谱指数计算和最大似然估计法（MLE）对滤波后的GPS站坐标时间序列进行噪声分析。结果表明，四川连续GPS基准站坐标时间序列N、U方向最优噪声模型为WN+FN，E方向最优噪声模型为WN+FN+RWN；空间滤波可以降低闪烁噪声，同时使一些测站显现出随机漫步噪声；根据GPS站坐标时间序列估计基准站速度时，应当顾及有色噪声的影响。     

中国沿海海洋站GNSS坐标时间序列噪声模型的建立与分析

选取中国沿海海洋站中与验潮室并址的22个GNSS基准站近9 a的观测资料,利用最大似然估计法分析各站时间序列的噪声特性,建立最优噪声模型;然后顾及有色噪声,利用最优噪声模型估计测站速度,并与纯白噪声模型和GLOBK获取的速度及误差进行对比分析。结果表明：1）沿海海洋站的GNSS时间序列均含有有色噪声,各分量的噪声特性不完全一致,E方向和U分量均以白噪声+闪烁噪声为主,N分量以白噪声+闪烁噪声和白噪声+一阶马尔科夫噪声+随机漫步噪声为主。2）全国沿海3个海区N、E分量的白噪声和闪烁噪声基本呈现越往南噪声越大的规律,南海海区U分量的白噪声和闪烁噪声最大。3）顾及有色噪声的速度中误差是仅考虑白噪声和GLOBK估计的速度中误差估计值的5～10倍,这种差异比内陆观测站的要大。4）在对海洋站GNSS时间序列进行速度分析时,为获取正确的速度值,应该先准确判断噪声的类型,再顾及有色噪声的影响估计测站速度。     

华北地区GPS基准站坐标时间序列噪声特征研究

利用华北地区GPS连续运行基准站网络2008-08~2013-04观测数据,分析36个基准站坐标时间序列的噪声特征。利用区域堆栈滤波方法对GPS单日解坐标时间序列进行共性误差剔除,使用极大似然估计准则定量估计坐标时间序列的噪声特性,并分析有色噪声对测站计算速度的影响。结果表明,华北地区GPS基准站坐标时间序列的共性误差在N、E和U方向分别约为1 mm、1 mm和3 mm,且共性误差具有类似闪烁噪声的特性;共性误差剔除前,坐标时间序列的噪声特性可以用可变白噪声加闪烁噪声模型或可变白噪声加幂律噪声模型来描述;共性误差剔除后降低了坐标时间序列噪声中闪烁噪声的成分,突出了本地效应部分噪声,坐标时间序列的噪声特性可以用可变白噪声加闪烁噪声和随机漫步噪声模型或可变白噪声加幂律噪声模型来描述;最优噪声模型计算的速度误差比仅考虑可变白噪声所计算的速度误差增大5~8倍;剔除共性误差,可使测站速度的精度获得40%左右的提高。     

2015年尼泊尔MW7.8地震近场GNSS时间序列分析

收集尼泊尔地震近场密集的GNSS测站数据,采用GAMIT/GLOBK软件包解算2011～2017年尼泊尔近场58个GNSS连续观测站和41个震后GNSS流动观测站数据,对获得的数据进行周期性、共模误差以及噪声的时间序列分析。结果显示：1)GRACE改正GNSS时间序列周期项,可使E、N、U三个分量的WRMS平均降低15.52%、26.41%和45.06%;2)针对时间序列中存在大量缺失数据,改进传统的PCA方法,利用第一主成分计算共模误差,3个分量有效率分别达到61.91%、53.91%和53.88%;3)噪声分析表明,尼泊尔地震近场GNSS站点最佳噪声模型为WN+FN,相比单纯的WN模型,WN+FN模型估计震间速度、同震和震后位移误差分别约为其6～9倍、4～7倍和2～4倍。该研究结果对区域坐标框架维护、尼泊尔地震的同震破裂和震后余滑的地球物理模型反演具有重要意义。     

EMD用于GPS时间序列降噪分析

针对GPS位置时间序列噪声成分复杂、建模困难、噪声与信号难以有效分离等特点,用自适应信号分析方法经验模态分解（EMD）对中国区域9个IGS站时间序列的N、E、U方向作降噪处理。首先对各方向分量作EMD分解,获取各方向噪声强度依次降低的一系列本征模态分量及其趋势项;其次利用相关系数辨别出噪声与信号的分界本征模态分量,并按重构方法重构各本征模态分量;最后用相关系数、信噪比、能量百分比等参数评价EMD方法降噪的有效性。结果表明,EMD方法能合理地分离序列中的信号与噪声,有效削弱噪声对GPS位置时间序列的影响,进一步提高GPS位置时间序列的精度。     

台湾连续GPS网主成分空间滤波分析

采用PCA方法提取台湾GPS区域网共模误差,进行空间滤波。结果表明,第1主成分在空间上表现出强烈的一致性,第2～5主成分在空间上呈现出局部响应的特点;滤波后残差时间序列的均方根（RMS）在N、E、U方向平均分别降低33%、31%、19%;滤波效果在水平方向好于垂直方向,东、西部存在明显的差异,这可能与台湾地区地形有关;幂律噪声振幅在N、E、U方向平均分别下降36%、43%、23%。     

顾及共模误差的西南极GPS坐标时间序列噪声分析

使用Bernese 5.2软件双差定位程序处理西南极区域24个GPS基准站9 a的观测资料,获得各站单日解坐标时间序列.利用主分量分析法和独立分析法对其进行空间滤波,对比分析2种方法的滤波效果,然后采用极大似然估计法分析滤波前后各站时间序列的噪声特征,建立最优噪声模型,并分析共模误差对测站速度的影响.结果表明,2种方法...     

�й�����IGS����վ���ܵ��㶨λ����ʱ������Ƶ�׷���

??ITRF2008??????й???????5??IGS??????WUHN??BJFS??URUM??KUNM??SHAO??2012??????????????TriP?????????????????????????С??????????????????????????????????????????н?????????????????????????????????GAMIT/GLOBK????????????????????з?????????ж???????????????й??????IGS???????????д??????????????????????????????????????????????????URUM??KUNM??BJFS??SHAO?????????????????????BPPL+WN????WUHN??????N??E??U????????????????з?????????????BPPL+WN??FN+WN??PL+WN??????????BPPL+WN??????????а???????????????????????????2 mm??BPPL???????WN??????1/10???????0.28??0.89 mm????????????????С???????????????????????????????????С??????TriP??????????????????????????????????????????????????     

2011���ձ�Mw 9.0����ĸ�ƵGPS��̬�α��о�

????????????????SHAO????ο????????GAMIT/GLOBK??TRACK??????????????????8????????????1 Hz GPS??????д??????????????2011?????Mw9.0???????????????α??????????????????GPS???????????????????????о????н????MIZU???USUD?????????????3.11 m??0.67 m???????????λ??????????????й???????????????????????????USUD????????????????????????????????USUD???????????????RMS??1.65 cm??????0.82 cm??     

非潮汐海洋负载效应对近海岸IGS测站坐标时间序列的影响

根据均匀分布在全球各大洲的IGS测站信息,选取105个数据质量良好的近海岸测站以及29个内陆测站,利用ECCO发布的海底压力数据计算得到由非潮汐海洋负载引起的IGS测站位置N、E、U方向上的位移。分析了由地理位置差异导致的测站受非潮汐海洋负载效应的影响存在的差异,并修正了SOPAC提供的IGS测站坐标时间序列,探讨了非潮汐海洋负载效应引起的测站位移对近海岸测站坐标时间序列的影响。结果表明,近海区域（<50 km）测站受到非潮汐海洋负载影响U方向平均量级为5 mm,远大于内陆（>500 km）测站U方向的影响;经过非潮汐海洋负载修正,71%的测站高程坐标时间序列RMS值得以减小,其中最大可使RMS值降低13%;大西洋、太平洋西海岸受其影响比东海岸大,考虑到其受非潮汐海洋负载效应影响显著,使用大西洋与太平洋西海岸地区测站坐标时间序列前必须进行非潮汐海洋负载修正。     

GPS坐标时间序列中地表环境负载效应区域特征分析

选取全球417个IGS测站2000~2012年环境负载数据分析非潮汐海洋、大气、积雪和土壤湿度等负载对GPS测站时间序列位移的影响以及与测站地理位置之间的联系。研究表明,大气压力对GPS时间序列位移的影响最大,U方向最大达到20 mm,积雪负载的影响最小。4种负载对GPS时间序列高程方向的影响可达cm级,且大气及非潮汐海洋负载呈现显著的区域性特征。