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。     

利用奇异谱分析探测GPS坐标时间序列时变周期信号

GPS坐标时间序列呈现复杂的非线性特征,准确提取坐标时间序列中的季节性信号对理解区域形变具有重要意义。传统最小二乘拟合(Least Squares Fitting,LSF)无法顾及信号的年际变化特征,难以有效分离噪声和周期信号。介绍利用奇异谱分析(Singular Spectrum Analysis,SSA)方法提取GPS坐标时间序列中时变周期信号。结果表明,SSA可从含有噪声的GPS时间序列中提取各坐标分量的周期信号,相较于LSF,SSA在非线性信号的准确提取上具有更好的效果。     

香港CORS站坐标时间序列分析研究

针对不同地区连续运行参考站(CORS)坐标时间序列周期特性与噪声特性存在的差异性问题,本文采用功率谱分析法和极大似然法分析香港卫星参考站网(SatRef)的坐标时间序列.研究结果表明,参考站点的三个坐标分量上都存在明显的年周期项与半年周期项.各参考站坐标分量上的噪声特性存在多样化的特征,白噪声(WN)加闪烁噪声(FN)是主要噪声模型,仅考虑WN而忽视有色噪声(CN)的做法会大大低估参数估计的不确定度.根据最优噪声模型估值得出的SatRef站速度场在水平方向上有整体向东南方向运动的趋势,与华南块体的运动结果基本一致.     

基于小波变换的CORS高程坐标时序周期性分析与降噪方法研究

以香港连续运行参考站（CORS）网中的6个CORS的高程坐标时间序列数据为研究对象,利用小波多分辨分析从时频的角度来探测坐标时序中存在的周期性变化与非线性运动趋势,并采用小波变换阈值的方法对坐标时序进行降噪处理,根据不同的降噪质量评价指标来对比降噪效果．结果表明:高程坐标时序中存在极为明显的年周期与半年周期变化的特征,通过小波降噪可以有效地减弱或消除原始时序中的噪声信息,获得更接近理论分析的坐标时间序列．      

GPS坐标时间序列时变振幅周期信号的Huber M估计

GPS时间序列周期信号的精准提取对趋势的估计具有重要的影响。相较于传统的常数振幅周期信号模型,已有研究表明GPS时间序列周期信号的振幅是随时间变化的。实际的GPS时间序列存在异常值,且在提取周期信号过程中会产生新的异常值。针对以上两点,该文提出了一种基于Huber函数M估计(HM)的GPS坐标时间序列时变振幅周期信号估计方法:采用关于时间的多项式函数来建立时变振幅模型,由HM方法及交替方向乘子法求解。通过模拟数据及实际GPS站点数据将HM方法与小波分解方法、奇异谱分析方法和滑动最小二乘方法进行比较,结果表明HM方法在估计精度上要优于其他3种方法,弥补了已有方法在时变振幅情形下会吸收噪声以及噪声较强时对周期信号提取能力较弱的不足。     

基于线性分析及AR模型在GNSS时间序列中的应用

GNSS技术是现代测量技术的代表。为了提高GNSS时间序列的精度,本文利用时间序列线性分析的方法,探测分析时间序列存在的趋势项、周期项以及复杂程度。利用线性拟合方法获取了3个方向的拟合函数;自相关和偏自相关函数探测出时间序列存在周期项和趋势项;应用AR(p)模型对时间序列进行了短期预测分析,通过模型定阶、估计,确定了AR(2)为最佳的预测模型,随着预测步数的增加,预测精度逐渐降低。     

地表质量负载对格陵兰岛区域GPS站点坐标时序特征的影响

选取ITRF2008框架下格陵兰岛区域12个GPS站2013年1月-2016年12月期间的日解坐标时间序列作为研究对象,并利用极大似然估计分析地表质量负载改正前后各站点的噪声特性、速度场及周期项振幅。结果表明：站点最优噪声模型主要为白噪声+幂律噪声与白噪声+闪烁噪声,地表质量负载形变修正GPS坐标时序后,明显增加U方向闪烁噪声的成分,平均降低其速度约0.36 mm/a,对水平方向影响较小;同时分别降低高程方向44.1%、14.2%的1 a项、0.5 a项振幅,相反,却增加了水平方向的周期项振幅。     

LMD和小波阈值的GNSS坐标时间序列降噪应用

局部均值分解方法降噪过于粗糙,将认定为噪声的乘积函数(PF)分量直接剔除,导致有用信息丢失.为了有效提取GNSS站坐标时间序列的有用信息,该文提出一种局部均值分解和小波阈值相结合的降噪方法.通过局部均值分解将坐标时间序列分解为一系列PF分量和余项,依据消除趋势波动分析方法计算各PF分量的Hurst指数,利用小波阈值提取H≤1的PF分量中的有用信息,将提取出的信息与剩余PF分量叠加重构获得最终降噪的坐标时间序列.通过对5个测站的坐标时间序列进行实验,结果表明局部均值分解和小波阈值相结合的方法能够有效提取噪声分量中的有用信息,信噪比提高了27.8％,从而验证了该方法的有效性.     

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。     

环渤海地区GPS台站时间序列分析

环渤海区域环境和气候复杂多变,随着地区和区域的不同,地质、地貌间的差异较大。探究该地区GPS台站时间序列的变化规律和台站的主要噪声类型、频谱规律显得尤为重要。本文基于该区域内所积累的连续数年运行的GPS测站数据,采用GAMIT/GLOBK软件进行解算和平差,获得每一个台站的坐标时间序列,并使用Lomb周期图法分析了该区域台站的频谱特性和周期特性。最后通过对频率和功率谱线性拟合分析研究了台站的噪声类型。此方法对台站时间序列去除噪声和进一步研究测站的运动规律提供了理论依据。