地心运动时间序列的抗差谱分析

本文将抗差估计与谱分析相结合，提出了抗差谱分析。用该方法对全球约120个IGS站5年GPS观测结果求得的地心运动时间序列进行了分析，发现地心运动在各方向有不同的主周期变化。X方向受地球物理交叉影响较大，无法分离出对该方向影响较大的主周期变化；而Y，Z方向都有明显的主周期变化。Y方向有明显的年周期变化、半年周期变化、季节性变化和月周期变化，其中，年周期变化的贡献最大；Z方向的主周期是年周期变化、半年周期变化、51天和609天的周期变化。与X，Y方向相比，Z方向振幅明显偏大。     

利用GPS数据反演地心运动

利用IGS提供的重新处理的周解,采用一阶形变法反演了2000～2009年的地心运动。结果表明,X、Y、Z方向的周年项振幅分别为3.72mm,3.06mm和8.95mm;Z方向的相位表明,2月份左右北半球的表面负载最大,8月份左右南半球的表面负载最大,南北半球存在明显的季节性质量交换。     

GPS网平移法反演地心运动研究

本文将CF、CE相对于CM的运动统称为地心运动。利用网平移法对全球分布站的32年的数据,分别进行了CF相对CM、CE相对CM、CE相对CF运动的反演,得到较长的地心运动的时间序列。并与已有地心运动的研究结果进行比较,得出振幅在同一数量级、且相对较小的结果。     

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。     

基于EMD和WD联合算法的GPS水汽时间序列的周期性振荡分析

水汽在全球水文和气候变化上扮演着非常重要的角色。选取了中国台湾GPS水汽时间序列作为算例数据,分析了水汽与地理环境的对应关系,得到中国台湾地区的大气水汽分布主要受纬度,地形特征和气候条件控制的结论。利用经验模态分解（EMD）和小波分解（WD）联合算法将中国台湾GPS站水汽的长时间序列和短时间序列进行分解,探测出每个GPS站都存在周年、半周年、天、半天的周期振荡,再结合地理、气候因素分析周期振荡产生的物理原因,得出结论:年周期的水汽振荡主要是由于在中国台湾特殊地形条件下年季风周期变化引起的;半周年的振荡主要是由于夏季风与冬季风对中国台湾地区的交替控制所导致的;而导致水汽日变化的原因则是海陆风环流、海陆风-山谷风叠加环流;天顶可降水量（PWV）半日振荡的振幅较小,则主要是因为受到了太阳辐射加热引起的局地热对流的影响所导致。     

利用EMD方法改进电离层TEC预报模型

针对总电子含量(TEC)非线性、非平稳特性,将经验模态分解(EMD)方法引入此领域的数据处理中,利用EMD分解后的数据进行时间序列分析预报。采用IGS提供的2010年电离层TEC数据进行实验,结果表明,利用此方法预报5d内TEC的平均相对精度为92.25%,而采用单一时间序列分析预报的平均相对精度为89%。     

变分模态分解及能量熵在地心运动降噪中的应用

针对地心运动时间序列噪声种类复杂,随机性强,信号与噪声难以有效分离等问题,本文采用网平移法对IGS站周解进行解算,得到2012—2018年的地心运动时间序列,并提出了一种基于变分模态分解(VMD)及能量熵的地心运动时间序列降噪方法。首先,对各方向时间序列进行VMD分解,获得各方向高频依次到低频的时间序列分量;然后,计算每个变分模态分量的能量熵,辨识出噪声与信号的分界,并将信号分量进行重构,得到降噪后的地心运动时间序列;最后,通过与基于EMD和EEMD的降噪方法对比,从相关系数、信噪比、剩余能量百分比、方差贡献率等参数评价指标上定量说明该方法对地心运动时间序列降噪表现出更好的降噪效果。     

GNSS位置时间序列分析理论与进展

GNSS时间序列分析对大地测量和地球物理领域研究具有重要意义。梳理和总结了大地测量时间序列特别是GNSS位置时间序列的研究现状和进展。重点介绍了GNSS时间序列分析的理论和方法,并同时指出了GNSS时间序列分析中存在的不足和下一步改进的方向。     

地心运动对大地坐标的影响及其抗差谱分析

为了明晰地分析地心运动对地面点的水平分量和垂直分量的影响规律，本文首先将地心运动时间序列从空间直角坐标转换到大地坐标，而后用抗差谱分析进行了分析，计算结果表明，地心运动在水平方向和径向都有比较明显的主周期分量，地质质心存在明显的长期北移倾向，地心运动还导致地面点在水平方向有顺时针方向的长期运动。     

EMD在GNSS时间序列周期项处理中的应用

全球导航卫星系统（global navigation satellite system,GNSS）位置时间序列蕴含有丰富的构造和非构造变形信息,具有成分复杂、建模困难、非构造信息难以有效分离等特点,利用自适应的经验模态分解（empirical mode decomposition,EMD）方法对川滇地区24个GNSS连续站时间序列作周期项修正。结果表明,周期项的修正十分必要,EMD方法能够根据每个台站信号的自身特性,自适应地提取不同频率、振幅的周期成分,这也更符合实际情况;相较于谐波模型,EMD方法对原始时间序列在N、E、U方向的改正均更加精确有效。使用修正后的连续站时间序列模拟流动观测,发现经过5～6 a/期观测即可得到相对可靠的台站运动速度,并通过距离较近的实际连续观测站对流动观测站周期项改正,验证了EMD方法的稳定性和可靠性,这也为流动GNSS观测实施、周期修正和资料使用提供了参考意见和理论依据。     

DORIS、GPS和SLR空间大地测量技术导出的地心运动规律

用调和分析法分析DORIS、GPS和SLR 3种空间大地测量技术导出的地心运动时间序列。结果表明:地心长期运动不显著,但存在北向运动趋势,速度小于1mm/a;相对于DORIS和GPS,SLR导出的地心运动更符合地球物理模型计算的结果,用22aSLR数据导出的地心运动在X,Y,Z方向的周年运动振幅分别为2.8±0.2mm,2.7±0.2mm和6.1±0.2mm。     

经验模式分解的尺度阈值滤波在变形分析中的应用

本文将信号处理领域的经验模式分解算法应用于变形信息的提取中,通过引入阈值函数,建立了基于经验模式分解的尺度阈值滤波模型,采用优化模型确定了经验模式分解的次数。分别通过模拟试验和实测数据与小波阈值法和多项式拟合法进行了比对,分析表明:在低噪声情况下,三种方法都有一定的滤波效果;在高噪声情况下,经验模式分解的尺度阈值滤波法具有与小波阈值去噪法相等的精度,而且瞬时强噪声识别能力更好,优于多项式拟合法。     

一种抑制边界效应的EMD方法及其在滑坡监测中的应用

滑坡位移序列的正确分解对滑坡的预测、预警有重要影响.经验模态分解是一种常用的时间序列分解方法,但该方法在分解过程中存在端点效应,建立的预测模型端点发散,导致预测误差出现较大偏差.为此,本文基于函数延拓的原理对经典经验模态分解方法进行改进,提出一种抑制端点效应的经验模态分解方法,利用金沙江白格滑坡数据对改进方法进行分析验...     

变形观测数据的经验模态傅里叶分析

针对变形分析及变形预测中非平稳非线性且含噪声的数据处理问题,该文采用经验模态分解技术提取反映变形趋势的低频逼近信号,利用傅里叶函数对低频逼近信号进行曲线拟合,并据此构建变形值预测模型,对出现的模型系数采用遗传算法求解。实例仿真表明所得预测模型具有较高的精确度,能满足工程需要。EMD-Fourier模型实质上是初等数学模型,具有结构简单、运算结果稳定、操作方便等优点。     

一种基于噪声统计特性的改进EMD降噪方法

GPS高程时间序列中通常都含有噪声,容易对GPS信号解算精度造成影响。针对这一问题,本文基于噪声统计特性,提出了一种改进的EMD降噪方法。首先将信号进行EMD分解,得到低频信号与高频噪声两个部分;然后将高频噪声部分随机打乱两次,并与原始高频噪声累加,求取平均值;最后与低频信号累加,构成一个新的信号再次进行EMD分解,提取出有用信号。最终利用模拟数据和WUHN站实测GPS高程时间序列数据对该方法进行验证。试验结果表明,当信噪比较高时,本文方法得到的降噪效果更佳。     

利用EMD进行GNSS-MR潮位监测研究

GNSS-MR是一种新兴的遥感手段,可利用多路径效应探测地表环境。该方法已应用于潮位探测,取得了不错的效果。针对该方法存在的信号混杂问题,本文提出了利用经验模态分解法提取信噪比中的海水信号,避免了噪声信号及海岸反射信号的影响,并以布设在美国华盛顿州Friday Harbor海港的SC02测站为例,对比分析了利用EMD方法及传统方法反演得到的潮位数据。研究结果表明,该方法使LSP结果的RMSE相较于传统方法提升了5.36%,可用于提取较为纯净的海面信号,在一定程度上提高了反演精度。     

利用经验模态分解和LSSVM预测隧道不均匀沉降

隧道不均匀沉降是个复杂的系统.针对其非线性、非平稳的特点,本文将经验模态分解(EMD)和最小二乘支持向量机(LSSVM)引入该领域,建立了一种基于EMD和LSSVM的预测模型.首先,利用EMD方法将原始序列作平稳化处理,得到一系列本征模态分量(IMF);其次,根据各个IMF的变化规律,采用合适的参数构造不同的LSSVM...     

利用经验模态分解和主成分分析的SAR图像相干斑抑制

对SAR图像应用对数加性噪声模型,将经验模态分解(Empirical mode decomposition, EMD)与主成分分析(Principal Component Analysis, PCA)相结合,提出了一种基于PCA的EMD相干斑抑制算法。根据对数SAR图像中相干斑噪声的统计特性和高斯白噪声经EMD分解后的能量分布模型,近似估算SAR图像经EMD分解后各层内蕴模态函数中所含噪声的能量;将内蕴模态函数利用PCA进行分解,根据PCA对含噪信号的分解特性和内蕴模态函数中噪声能量所占的比例,选择合适的成分分量重构内蕴模态函数,以进一步去除噪声保留有用的细节信息。仿真实验结果表明,本文方法在有效抑制相干斑噪声的同时可以较好地保持边缘纹理细节的清晰。