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。     

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.     

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.      

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%.     

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。     

联合区域叠加滤波法与小波变换去除GPS站坐标时间序列噪声

GPS站坐标时间序列中存在的周期性与非周期性误差严重影响了对测站运动特征的分析及其非线性变化的物理机制解释。因此,为削弱噪声的影响,本文首先利用区域叠加滤波法去除了南加利福尼亚地区16个测站时间序列的共模误差,以此削弱时间序列中存在的包括周年和半周年误差在内的周期性误差。为去除滤波后残留的噪声,对滤波后的信号进行静态离散小波变换,提取了周期为半周年以上的信号。结果表明,联合区域叠加滤波法与小波变换对GPS站坐标时间序列进行处理,既能够削弱周期性误差对信号的影响,又能较好地提取测站的非线性运动信号。     

顾及有色噪声的ETS对GPS坐标时间序列影响分析

以12个GPS站12年的坐标序列为研究对象.采用Kashyap信息准则（KIC）噪声模型估计准则对四种组合噪声特性进行估计,探讨慢滑移（ETS）现象对GPS站坐标时间序列的影响,结果表明:ETS引起了GPS站坐标序列模型的变化,E、N方向分量噪声模型占比与U分量模型占比差异较大,可能造成噪声模型的错误估计;ETS后的站速度及其不确定度相比ETS前站速度及其不确定度均有增加,且在U分量表现明显;特殊地理位置的测站可进行标记研究,尽量减少地震运动带来的不利影响,为地壳运动研究提供有价值的参考资料．      

大空间尺度GPS网共模误差提取方法研究

基于全球分布均匀且时间跨度大于10a的138个IGS基准站坐标时间序列分析了大空间尺度GPS网基准站坐标时间序列之间的相关性发现部分测站之间的距离超过5　000km时仍存在较显著的相关性针对目前共模误差提取方法存在的不足引入相关系数作为权重因子改进了区域叠加滤波算法 并利用IGS基准站坐标时间序列验证了此方法 结果表明改进后的相关系数加权叠加滤波算法能够有效地提取大空间尺度GPS网坐标时间序列中的共模误差.     

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。     

山东CORS基准站坐标时间序列噪声分析

针对目前在分析GPS基准站噪声时对其坐标时间序列周期项提取不充分的现状,该文提出用小波谱探测坐标时间序列中的周期项,用小波分析方法提取周期项,得到不含明显周期项噪声序列。以山东CORS中26个基准站两年的坐标时间序列为例,去除了坐标时间序列中阶跃项,确定了长期趋势项,对周期项进行了探测、分离和提取,得到了各测站的噪声序列;用谱指数法分析了噪声的类型,用最大似然估计获取了各种噪声的分量,进而建立了噪声组合模型。实验结果表明,山东CORS基准站噪声模型可以用白噪声加闪烁噪声的形式来描述,其白噪声的平均值为1.25mm,闪烁噪声的平均值为5.46mm。     

顾及MLE的IGS坐标时间序列噪声模型特性分析

以30个GPS基准站坐标序列为对象,提出分别采用赤池信息量准则(AIC)与贝叶斯信息准则(BIC)噪声模型估计准则判定GPS时间序列噪声特性,对比分析GPS时间序列噪声模型特性,探讨不同噪声模型对GPS站速度及其不确定度的影响.结果表明GPS站坐标序列噪声模型主要表现为FN+WN、PL及FN+RW+WN噪声模型特性;FN+WN噪声模型对GPS站速度估计值的影响相对较小,但在U分量影响最为明显;此外,RW对站速度不确定度的影响不可忽略,正确获取模型参数估计的实际不确定度及改正噪声分量对于合理应用GPS坐标时间序列数据具有重要的意义.     

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。     

GPS时间序列噪声特性分析——尼泊尔与藏南为例

选取喜马拉雅地震带上尼泊尔与藏南地区16个IGS台站近三年的GPS时间序列数据,通过编程计算进行详细分析。利用GPS单站、单日解观测序列James L.Davis周期模型对所有IGS台站进行线性变化速率,周期、半周期系数及残差序列的提取。对残差序列中存在数据缺失的时间段,采用3次样条差值拟合方法补齐缺失数据,按照3倍中误差限差原则剔除孤立点。对提取的残差序列所包含的非构造运动引起的时空相关噪声,应用主成分PCA/KLE方法对整个测区的共模误差(CME)进行分析,对剔除CME后的噪声采用功率谱分析方法确定该地区的噪声类型为"闪烁噪声+白噪声"。     

基于独立分量法的新疆GNSS时间序列共模误差分析CSCD

共模误差(CME)是区域连续全球卫星导航系统(GNSS)网中的主要误差来源之一.针对GNSS时间序列具有非高斯分布特征,基于二阶统计量的主成分分析(PCA)难以准确提取出CME分量问题,采用具有高阶统计量的独立分量分析(ICA)对CME进行提取.以2011—2018年新疆区域GNSS坐标时间序列为例,将PCA滤波效果进行对比验证,分析了CME对GNSS坐标时间序列的影响,并对CME序列进行周期分析.结果表明:前6个独立分量包含CME分量,这可能与卫星轨道、地表质量负荷和时钟误差有关,ICA滤波后东(N)、北(E)、天顶(U)三个方向的均方根(RMS)值分别降低31.83%、32.29%、35.49%,速度不确定度分别降低44.14%、38.49%、43.32%,各测站的周期项振幅较滤波前更一致,有效地剔除了CME,提高了坐标时间序列的精度.     

基于经验模式分解的滤波去噪方法研究进展

回顾经验模式分解技术的原理和滤波性质,及目前基于经验模式分解的滤波去噪算法,包括部分本征函数模态分量重构法、软阈值法、最优信号重构算法等;分析上述滤波方法在分离信号噪声方面的适用性及其可能的改进措施;最后讨论传统的周期函数拟合模型在GPS高程时间序列噪声提取中应用的局限性,提出经验模式分解应用于GPS高程时间序列噪声提取与研究的新思路。     

基于ARMA模型的GPS基准站坐标时间序列分析

由于利用GAMIT/GLOBK软件对连续运行多年的GPS基准站数据进行处理的原始结果存在一定的噪声,本文利用ARMA模型对GPS基准站坐标进行时间序列分析,其中采用Pandit-Wu方法确定ARMA模型的阶数.试验结果表明,采用Pandit-Wu方法能够准确地确定ARMA模型的阶数,并且基于ARMA的时间序列有效地消除了一定量的噪声,让GPS基准站随着时间的变化规律与趋势更加明显,说明ARMA模型在GPS基准站坐标时间序列分析中剔除噪声及突显变化量与趋势具有良好的效果.     

ETS对GPS站坐标时间序列噪声模型建立影响分析

间歇性震颤与滑移ETS是一种大陆地区地震观测中未知的弱震动信号,分析ETS运动对GPS测站的影响有助于建立更为准确的GPS基准站运动模型,为地球动力学研究提供有价值的参考资料。文中以20个GPS基准站为研究对象,对FN+WN、PL+WN、GGM+WN及FN+RW+WN 4种不同噪声模型组合进行噪声分析,探讨ETS对GPS站坐标时间序列噪声模型建立影响,结果表明:ETS引起GPS站坐标序列噪声模型发生变化,且可造成噪声模型的错误估计;在准确估计站速度及其不确定度时必须考虑间歇性震颤与滑移因素,否则可能导致过高估计站速度及其不确定度;随着间歇性震颤与滑移参数的增加,RW的占比显著增加。     

时间跨度对GPS坐标时间序列噪声模型估计影响分析

文中介绍GPS坐标时间序列模型,并给出GPS噪声模型种类、估计方法及最佳噪声模型评价准则。选取来自IGS08的24个IGS核心站的时间序列作为数据基础,对不同时间跨度的时间序列噪声模型进行定量分析,探讨其随着时间变化的演化规律。结果表明:当时间序列长度较短时,噪声模型的不确定性较大,而12.5a以上时间跨度的噪声模型趋于稳定且主要表现为闪烁噪声加白噪声的组合噪声模型;大跨度时间序列中噪声的长周期分量变得显著。     

一种剔除GPS坐标时间序列非线性趋势项的方法

GPS站点坐标的时间序列通常由信号的周期项、趋势项及噪声组成,其中,坐标时间序列的非线性趋势项是非平稳时间序列分析处理中的一个重要内容。本文引入了平滑先验滤波法来剔除GPS坐标时间序列的非线性趋势项,并与传统的最小二乘方法进行对比。先后分析了最小二乘和平滑先验法消除趋势项的方法原理,并利用Matlab对两种方法进行实现,进而对比分析两种方法消除趋势项效果。结果表明:相比最小二乘方法,平滑先验法能够有效地消除GPS坐标时间序列中的非线性趋势项。     

GPS多路径误差滤波方法比较研究

基于GPS多路径时间序列,分别采用Vondrak滤波、经验模式分解(EMD)和小波滤波3种方法构建了GPS多路径误差修正模型,并将其用于削弱多路径效应.通过对模拟数据及实测数据的分析表明,3种方法都能有效地分离不同噪声水平下时间序列中的信号和噪声.同时,利用3种方法构建的多路径修正模型可有效地削弱多路径效应的影响,提高GPS定位精度,但3种方法的优缺点各有不同.