基于EMD的改进型3δ粗差探测方法

针对全球卫星导航系统（GNSS）时间序列粗差多、分布随机的问题,提出一种基于经验模态分解（EMD）的改进型3δ粗差探测方法。新方法基本思想是：先利用3δ准则初步探测全球导航卫星系统（GNSS）时间序列粗差并插补,再将GNSS时间序列分解为若干时间尺度的固有模态函数（IMF）分量,再利用相关系数法信噪分离,最后利用3δ准则对残差序列进行粗差探测。利用模拟数据和实际工程数据对比EMD-3δ方法相对于常规LS(Least Squares)-3δ法的粗差探测效果。模拟实验数据表明,EMD-3δ法能够探测92.7%的粗差,LS-3δ方法仅能探测48.3%的粗差。来自斯克里普斯轨道和永久阵列中心（SOPAC）的GNSS时间序列数据进一步表明EMD-3δ能较传统方法更有效地探测粗差。     

基于多通道奇异谱的GNSS坐标序列 粗差探测与数据插值

由于接收机故障、天线更换以及一些未知外界环境因素的影响,导致GPS时间序列中不可避免地存在数据缺失和粗差,数据缺失和粗差会产生各种问题,因此需要鲁棒探测粗差和缺失数据插值来获得连续完整统一的时间序列。传统方法可能需要针对不同类型的数据和不同长度的数据间隙研究不同的插值方法,这使得缺失数据的插值较为困难。针对上述问题,文中采用多通道奇异谱分析(Multichannel Singular Spectrum Analysis,MSSA)对时间序列进行粗差探测和缺失数据插值,重建非均匀采样时间序列的连续可靠模型,且不需要关于时间序列的任何先验信息。在该方法中,粗差探测与数据插值同时进行。模拟数据和实测GNSS时间序列数据测试结果都表明该方法的有效性。     

复杂环境下高频GNSS时间序列粗差处理方法

针对复杂环境下高频全球导航卫星系统(GNSS)变形监测序列粗差多、类型不同的特点,该文提出了一种结合极点对称模态分解(ESMD)和一阶差分的粗差探测方法。首先采用ESMD获得观测序列有限个本征模态函数(IMF),根据斯皮尔曼系数确定IMF趋势项而获得残差序列;然后针对残差序列无法准确识别区域态粗差问题,构造残差一阶差分序列并根据离散态和区域态粗差特点探测粗差;最后进行积分还原获得残差序列并叠加趋势。仿真实验结果表明,该方法能识别出序列中的离散态和区域态粗差。能很好地应用于沪苏通长江公铁两用大桥高频GNSS变形监测中,对其他类似的公铁两用桥的粗差探测和修正提供参考和借鉴。     

GNSS高程拟合中的粗差探测

测量数据中不可避免的存在粗差,当观测值中含有粗差,会严重的影响观测成果的质量。为了对粗差进行探测,选取了数据探测法、稳健估计、多维粗差的同时定位与定值法(LEGE法)对观测值中的粗差进行检验,并进一步利用数据探测法对LEGE法进行改进,将数据探测法、稳健估计、LEGE法以及改进得到的LEGE+数据探测法应用于GNSS高程拟合的粗差探测中。在实验区域,计算结果表明:稳健估计、LEGE法、LEGE+数据探测法具有良好的抵抗粗差的能力;随着含有粗差的观测值数量增多,与稳健估计、LEGE法、LEGE+数据探测法相比,数据探测法的精度会降低;LEGE法和LEGE+数据探测法对含有粗差的观测值具有一定的修正能力。     

GNSS伪距粗差的开窗探测及修复

针对GNSS伪距观测粗差,提出一种基于同一卫星历史伪距时间序列的时间相关性、不同卫星伪距间的空间相关性的开窗粗差探测修复方法。以窗口内历史伪距时间序列分别预测当前各卫星伪距,得到各卫星伪距预测值和实测值的残差并将其标准化,再用各卫星伪距残差的变异系数来衡量不同卫星伪距间的空间相关性,通过伪距时间相关性和空间相关性构成膨胀因子进行粗差定位,并以窗口内伪距相关为原则进行粗差修复。试验证明,该方法能在线探测修复多种类型伪距粗差,并能合理处理不影响定位的等量跳变。     

浅谈粗差探测方法

由于受到自然界、仪器、人为等一些因素的影响,观测数据中不但存在偶然误差而且还存在着由这些因素引起的粗差。因此,对观测数据进行认真检测,定位并修正粗差观测,以提高参数估计的准确度和精度,一直是测绘工程领域的热点问题。本文对粗差探测进行了简要概述,同时详细地介绍了三种粗差探测方法。     

卡尔曼滤波粗差探测在GPS变形监测中的应用

在GPS变形监测中,由于受到周跳、SA政策、整周模糊度解算误差及其多路径效应的影响,致使观测数据中含有粗差。用标准卡尔曼滤波方法进行数据处理时,观测数据中的粗差会在卡尔曼滤波预测残差中得到反映。通过结合标准卡尔曼滤波模型与拟准检定法检测,找出并剔除粗差,处理得到正确的结果,并列举了实例证明该方法的实用性。     

一种适用于变形监测的单频三差周跳探测

针对GNSS技术应用于变形监测场景下经常出现的单频观测值周跳导致模糊度错误传递的问题,该文提出了一种基于基线近似解的单频三差周跳探测方法,该方法不仅解决了参考星更替时周跳检验量的转换问题,提供了参考星发生周跳时的应对方法,同时也从理论上证明了该方法适用于GLONASS卫星观测值的周跳探测,较好地解决了监测环境中出现单频周跳难以探测的问题.通过对开阔环境和遮挡环境的多系统多频数据进行周跳探测实验,证明了新方法能够有效探测出小至1周的周跳,对GNSS技术应用于各种复杂环境具有重要意义.     

导线测量粗差探测的方法

导线测量在实际作业中会遇到测站转折角或距离出现粗差的现象，引起导线测量限差严重超限，需外业返工。而通过内业计算初步确定粗差出现的位置，则可大大减少返工重测的工作量。介绍了导线测量中经常遇到的3种粗差探测的方法，并举例说明。     

基于小波变换的GNSS单差观测序列周跳探测方法

在卫星定位应用领域,GNSS周跳的探测和修复仍然是载波相位测量中的一个重要问题。近年来,在站星双差观测序列、星间单差观测序列都进行了周跳探测研究。小波分析方法是一种在时域和频域上同时具有良好的局部化特性的分析方法,利用小波对信号进行分析时可以提取信号的突变点。本文利用小波变换对星间单差观测序列进行了周跳探测,通过算例探讨了该方法的应用效果。     

变系数回归的GNSS时间序列异常值探测方法

针对传统的基于谐波模型的异常值探测算法效率较低的问题,该文引入变系数回归模型替代谐波模型分离GNSS坐标时间序列的信号与噪声(残差),并提出了一种基于变系数回归(VCR)模型与四分位距(IQR)统计量的组合异常值探测算法VCR＿IQR。该算法首先采用VCR分离时间序列中的信号与噪声,接着采用IQR准则探测噪声中的异常值。将VCR＿IQR与传统基于谐波模型的异常值探测算法—最小二乘探测法(LS＿IQR)和最小一乘探测法(L1＿ModIQR)进行模拟实验对比分析,结果表明,VCR＿IQR能够探测到92%的异常值,而LS＿IQR和L1＿ModIQR仅能探测到81%和85%的异常值,表明VCR＿IQR的探测效率优于LS＿IQR和L1＿ModIQR。     

组合Baarda数据探测法与ESD检验法探测伪距粗差的新方法

在采用GNSS技术进行卫星导航定位过程中,伪距观测值粗差会污染定位观测模型,造成定位精度下降。本文提出了一种融合Baarda数据探测法和ESD检验法两种方法进行组合探测伪距观测值粗差的新方法,实验证明,该方法可以有效控制伪距粗差的影响,保障伪距单点定位的精度和可靠性。     

L1范数与IQR统计量组合的GNSS坐标序列粗差探测算法

GNSS坐标时间序列中不可避免地含有粗差,未剔除的粗差将会导致参数估计有偏。因此,粗差探测与剔除是GNSS坐标序列分析中一项重要的数据预处理工作。针对GNSS坐标时间序列特点,提出了一种将L1范数(L1-norm)估计与四分位距统计量IQR(interquartile range)组合的移动开窗粗差探测算法,称之为L1_Mod IQR。该方法的主要思想是,首先利用L1范数估计得到较"真实"的残差,然后再对残差采用IQR统计量进行粗差探测。将L1_Mod IQR法与"3σ"法、基于最小二乘的τ检验法等粗差探测算法进行了模拟计算与对比,验证了该算法的有效性。进一步采用L1_Mod IQR算法对中国区域10个IGS站的高程时间序列进行了分析,结果表明中国区域IGS站高程序列的粗差剔除率最小为0.1%,最大为2.6%。并且以WUHN站为例与SOPAC提供的结果进行了对比,结果表明SOPAC提供的"Clean"数据仍含有大量的粗差,而L1_Mod IQR算法能够有效地剔除粗差。     

改进的启发式分割算法在GNSS坐标时间序列阶跃探测中的应用

在启发式分割算法的基础上,引入z检验和标准正态均一性检验（standard normal homogeneity test,SNHT）,提出了一种新的阶跃探测法,并将其应用于20个陆态网（Crustal Movement Observation Network ofChina,CMONOC）和10个国际全球卫星导航系统服务（International Global Navigation Satellite System Ser-vice,IGS）参考站近5 a的坐标时间序列。结果显示,对于IGS站东（east,E）、北（north,N）、垂直（up,U）3个方向分量已知阶跃的平均准确探测率分别为68.5%、71.3%、64.8%,且利用阶跃点前后25 d初始拟合残差的平均值之差得到修复后的坐标时间序列保持了良好的连续性。基于剔除粗差后的坐标时间序列,利用坐标时间序列分析软件（coordinate time series analysis software,CATS）估计出的速度显示:对于由已知阶跃与改进算法探测出的阶跃历元的组合方式,所有测站E、N、U方向的估计速度与CMONOC官网发布的速度的平均偏差分别为2.86 mm/a、1.14 mm/a、2.31 mm/a,明显小于由已知阶跃和肉眼判断明显阶跃历元的组合方式获得的平均速度偏差。上述结果表明,改进的启发式分割算法可应用于坐标时间序列的阶跃探测。     

复杂环境下地基SAR粗差探测及应用

雷达视线受施工机械等的间断遮挡导致部分影像产生相位奇异值,从而造成解缠错误及误差传递,简单的相关影像处理难以识别受遮挡影像。本文提出了改进的基于小波变换的信号奇异性检测方法,通过对地基SAR PS点时序相位特征进行分析,将遮挡影像识别转化为粗差探测问题;由PS点相位序列与影像位置关系,根据测区PS点相位序列的奇异点集合得到受遮挡影像集;最后将受遮挡影像剔除后得到的地基SAR监测结果与精密全站仪、水准与游标卡尺数据进行对比分析。结果表明：本文提出的方法用于受遮挡影像的识别是可行的,解决了地基SAR在实际工程应用中可能存在的影像遮挡带来的测量数据含有粗差的问题,提高了监测区域伪影像检测的效率与准确性。     

地铁结构变形预测的时间序列模型方法研究

本文根据南京地铁某区间隧道结构变形监测数据,分别采用回归分析方法和时间序列分析方法建立模型,对地铁结构变形进行预测。计算结果表明在该工程实例中,回归分析模型的预测精度约为±0.20mm,时间序列模型的预测精度约为±0.08mm,较回归分析模型提高了60%,能够较好的对地铁结构变形进行预测。     

粗差探测与定位的一种新方法

本文阐述了模型误差的可发现性与可区分性的重要性以及判别方法，提出一种利用观测值改正数向量综合分析的方法探测粗差。在模型误差可区分时可以对粗差定位并估计粗差值。同ω检验法比较，综合分析法发现粗差的能力更强，定位更准确。     

时间序列分析在地铁变形监测中的应用

本文基于平稳时间序列数据的分析处理方法,研究了利用ARMA(p,q)模型进行地铁变形数据处理和预报的方法与步骤,应用统计软件SPSS19.0对实测变形数据进行了处理。结果表明:应用ARMA(p,q)模型分析处理变形数据十分有效、可靠;同时充分利用现有的统计软件SPSS进行建模具有操作简便、计算准确可靠、预测精度高等优点。     

基于时间序列分析的桥梁变形监测预报研究

时间序列分析方法对短期建筑物变形预报具有较高的模型拟合及预报精度.本文从时间序列预测算法原理出发,阐述了使用此方法对所获得的桥梁变形监测数据进行模式识别、模型建立及预报的过程,并利用MATLAB实现了编程代码.通过对某桥梁变形监测预报的应用表明,该方法实用性较强,可以及早为桥梁变形做出预警,以避免或减少灾害的发生..     

极限误差TLS的粗差探测

在测量的观测数据中有可能含有异常值,这些异常值有可能对TLS的估计结果产生较大影响,甚至有可能使估计结果发生变异,因此必须对估计系统中粗差或异常值进行探测及剔除。本文采用TLS对观测数据进行拟合,并利用极限误差特性对初始拟合残差进行分析,得到了较好的粗差探测结果,对于粗差的诊断具有一定的实际指导意义。