一种改进的GPS坐标序列共模误差滤波方法

提出一种改进的相关加权叠加滤波方法,顾及GPS站点位置残差序列的总体噪声水平,有利于抑制站点自身噪声和残余粗差给共模误差（common-mode error,CME）计算带来的不利影响。该方法采用相关系数作为权重因子,拥有良好的空间响应。选取我国陆态网8个GPS站点的数据对该方法的适用性进行分析,结果表明,相对于相关加权叠加滤波,其拥有更好的性能,均方根（RMS）改进率提高20%左右,能更加准确地提取CME。     

大空间GPS网共模误差剔除研究

利用叠加滤波、PCA、KLE 3种方法对欧洲区域平均基线长度为2 000 km的大空间GPS网12个IGS站9 a（2006-01~2014-12）的观测数据进行处理,分析对比3种方法剔除共模误差的效果。结果显示,3种方法剔除百分比分别为25.87%、41.48%、35.72%,滤波后坐标精度明显提高;对于较大的GPS观测网,相对于叠加滤波,PCA和KLE法效果更好,可以显示不同站点的空间特征。     

GNSS坐标时序空间域共模误差去除研究

针对区域GNSS坐标时序存在共模误差(common mode error, CME)的问题,以华北地区GNSS坐标时序为例,提出可用于消除空间域误差的主成分分析法PCA与完全集合经验模态分解法ICEEMDAN。首先使用PCA滤波提取CME;然后使用ICEEMDAN方法分解CME,提取出有用的IMF分量,减少原始信息的损失;最后对比分析PCA、ICA、IC-PCA三种方法的区域滤波效果。结果表明,IC-PCA的滤波效果优于ICA和PCA,IC-PCA滤波前后N、E、U三个方向上的残差RMS平均降低1.93%、1.92%和7.60%,且滤波结果与原始时间序列变化趋势更加吻合,可有效减少PCA对原始时间序列造成的损失。     

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...     

基于PCA方法的GPS台站时间序列分析

基于10 a以上的全球GPS台站数据,利用主成分分析法及其他数据处理方法,对台站时间序列进行预处理和结果分析,研究其中的非线性周期规律,探讨时间序列的主要影响机制。结果表明,主成分分析法可以将台站残差时空矩阵分解成若干正交成分,GPS台站时间序列的东西方向具有线性漂移趋势,全球大部分GPS台站都存在非线性周期规律,周年项和半周年周期占据主导地位。     

GPS连续站水平分量时间序列共模误差识别的欧拉-小波法

结合先验误差、欧拉法、小波方法及地壳形变分析的特点,探讨了共模误差的识别与消减处理模式,对于不同情况给出不同的处理方案,可最大程度地消减共模误差.     

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。     

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....     

PCA和KLE在高采样率GPS定位中的应用

为抑制多路径误差和随机噪声以提高定位精度,引入主成分分析（PCA）和KLE变换方法对定位坐标序列随机噪声水平进行评价、提取和消除多天坐标序列中的多路径误差。对比分析结果表明,主成分系数比值能有效地反映出强随机噪声对某天定位坐标序列的影响,PCA方法能有效地提取和消除多天定位坐标序列中的多路径误差,显著提高定位精度。KLE变换对随机噪声污染不敏感,对多路径误差的滤波能力较PCA略弱,但其对随机噪声以及局部异常具有较好的抑制作用。     

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%。     

����GPS������ʱ���˲������ıȽ�

????(Stacking)??????????????PCA????Karhunen??Loeve???(KLE)??3?????????????????????????12??GPS????????5?????????????С?????????3???????????Ч???????????????????д????????????????????????????????????????÷?Χ???в????     

利用主成分分析建立区域对流层延迟时空模型

提出一种基于主成分分析（PCA）的ZTD时空建模方法,并利用GNSS连续运行参考站获取的ZTD数据,建立香港、云南、中国3个区域范围的ZTD时空模型。结果表明,所建立的区域对流层延迟时空模型不仅精度明显高于Saastamoinen、EGNOS和UNB3m模型,而且建模过程简单,模型参数较少,使用方便。     

基于独立成分分析和随机森林算法的城镇用地提取研究

城镇用地信息是联合国2030年可持续发展议程关注的重点之一。城市在世界范围内迅速扩张,快速准确地获取城镇用地信息对于政府决策具有重要作用。城镇土地覆盖信息非常复杂,包括人工建筑、树木、草地、水体等多种地表覆盖类型。基于传统人工测绘获取城镇用地信息费时费力并且难于及时更新。Landsat等遥感卫星数据为城镇用地信息提取提供了丰富的数据源。基于卫星遥感数据提取的城镇用地信息可以为未来城市的建设和管理提供基础的科学决策数据。基于监督分类方法和卫星遥感数据可快速地提取城镇用地信息,然而特征变量的选择对于高精度城镇用地信息提取尤为重要。为研究不同特征变量组合对于城镇用地信息提取的影响,以北京市为研究区,以2017年7月10日获取的Landsat 8 OLI影像为数据源,通过数据预处理、纹理提取、独立成分分析、主成分分析等得到4个维度的29个特征,选取了7种特征组合方案进行城镇用地提取。考虑随机森林算法性能稳定,分类精度高和可以方便进行特征重要性评价等优点,选择其作为监督分类算法以提取城镇用地信息,并进行了精度评定,以确定最优的城镇用地提取特征组合。研究发现：综合利用光谱特征和独立成分分析后的影像特征,提取城镇用地的总体精度为93.1%,Kappa系数为0.86,优于利用其他特征的提取结果;基于随机森林算法对数据进行训练后输出的各变量的归一化变量重要性与特征均值的标准差结果存在相似性,利用随机森林算法的变量重要性估计与特征均值折线图都可以进行变量重要性评价。     

基于主成分分析的相对重力观测零漂和固体潮提取

利用主成分分析PCA提取2014-08-15~23CG-5相对重力仪静态相对观测的零点漂移和固体潮。结果显示,PCA提取的零点漂移值与最小二乘线性拟合结果非常一致,其差仅在10-2μGal/d量级;PCA估算的固体潮值与CG-5重力仪内部软件提供的固体潮模型计算值统计结果基本一致,两者之差均小于8μGal,均方根均小于5μGal。     

基于改进的主成分分析法提取GRACE时变重力场信号

针对主成分分析法提取时变重力场模型信号中存在信号泄漏和去条带噪声不明显的问题,提出对球谐位系数主成分分析的改进方法。首先对球谐位系数进行主成分分析,提取主要的模态,再对不同模态根据其自身噪声特点选择合适的滤波方法和参数,最后在此基础上进行信号提取。以CSR发布的2005-01~2013-12(108个月)GRACE时变地球重力场模型进行实验,提取2006-06和2006-12等效水高数据和改进前的主成分分析进行比较,表明此方法在有效地剔除条带误差的同时又使得信号泄漏减小。