格陵兰GNSS测站坐标时间序列噪声分析

自2007年来,格陵兰地区逐步建立了50多个GNSS连续观测站用以监测冰川质量变化导致的地壳回弹,至今已累计了超过15 a的坐标时间序列,这使得确定坐标时间序列的噪声特性成为可能。本文选取了格陵兰53个GNSS观测站自2008-2018年共10 a的坐标时间序列,利用功率谱分析和极大似然估计对其噪声特性进行了分析,并基于最优噪声组合估计了格陵兰测站的位移速度及其不确定度。利用贝叶斯信息准则作为评估依据的结果表明,闪烁噪声和白噪声+闪烁噪声的组合可以解释33%的测站噪声,幂律噪声可以解释52%的测站噪声,其余测站可用随机游走或一阶高斯马尔科夫噪声来解释。在利用极大似然估计分析测站坐标时间序列时,对于对97%的测站位移分量的速度估值而言,不同噪声模型的影响小于0.1 mm/a,最大为0.31mm/a,但不同的噪声模型会导致测站位移速度的不确定度的最大估值和最小估值之间存在1.3～7.1倍的差异。因此准确地确定测站坐标序列的噪声模型对于准确估计测站位移速度及其不确定度是十分重要的。     

等价条件闭合差最小范数分量的GNSS坐标时间序列噪声估计

为了精确高效地求解全球导航卫星系统（global navigation satellite system,GNSS）坐标时间序列噪声分量,结合等价条件平差模型以及最小范数二次无偏估计法,提出等价条件闭合差最小范数分量估计方法。首先,采用等价条件闭合差构造二次型方差估计公式,结合不变性、无偏性、最小范数准则等条件,导出基于等价条件闭合差的方差-协方差分量最小范数估计公式;然后,采用最小二乘方差分量估计（least-squares variance component estimation,LS-VCE）法、最小范数二次无偏估计法（minimum norm quadratic unbiased estimate,MINQUE）验证所提方法的正确性及有效性。通过模拟时间序列和北美GNSS站坐标时间序列的噪声估计结果发现,所提方法与LS-VCE法和MINQUE法的估计效果一致,但计算时间相较于LS-VCE法减少了70%以上。     

GNSS坐标时间序列噪声特征分析

为了研究我国目前建立的连续运行参考网络（CORS）GNSS基准站的坐标时间序列噪声特征是否与国际领域研究的成果相符合,对江苏CORS网连续3年24个分布均匀的GNSS基准站的数据进行处理,利用GAMIT软件获取了各基准站的坐标时间序列,并利用CATS软件采用最大似然估计法对坐标时间序列的噪声特征进行了分析,结果表明：GNSS基准站坐标时间序列不仅包含白噪声,还包含有色噪声;GNSS基准站坐标时间序列在N、E、U方向的噪声类型并不完全一致,其中N、E方向的最佳噪声模型为“WH＋FN＋RWN”,U方向的最佳噪声模型为“WH＋FN”.     

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。     

GNSS时间序列中随机漫步消噪的改进半软阈值算法及其评估

全球导航卫星定位系统在卫星定轨和信号质量等方面存在的差异性,造成GNSS时间序列中的随机漫步噪声十分复杂,已经成为制约GNSS技术在高精度变形监测行业领域深入应用的瓶颈。本文针对具有量级小、频率低、敏感性差等复杂特征的随机漫步噪声,提出了一种改进的半软阈值算法,通过引入可变因子形成了统一的半软阈值函数体系,提高了常规半软阈值对随机漫步噪声的适应性。为了验证和评估改进半软阈值算法的效果,利用MATLAB平台仿真生成有线性趋势项、年周期项和随机漫步噪声的GNSS时间序列,共1700个历元。结果表明,改进的半软阈值法较经典方法在信噪比和均方根误差上表现出更加优良的性能。自相关分析的评估结果表明,改进方法所消除的噪声与随机漫步噪声在形态特征上具有高度的一致性。谱指数分析评估结果,进一步从定量角度验证了改进方法对随机漫步噪声的特有适用性。     

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

针对全球卫星导航系统(global navigation satellite system, GNSS)基准站坐标时间序列中有色噪声影响测站运动参数估计精度的问题, 提出了一种以小波包变换为基础、利用信息熵理论剔除有色噪声的方法。首先, 以有色噪声中的闪烁噪声为例, 对包含闪烁噪声的仿真时间序列进行噪声估计, 检验闪烁噪声的估计精度。然后, 对仿真时间序列的残差序列分别进行离散小波变换和小波包变换, 利用信息熵理论剔除闪烁噪声, 并比较两种方法的去噪效果。最后, 采用KMIN站的坐标时间序列作为实测数据, 进一步验证小波包系数信息熵的去噪效果。实验结果表明, 利用小波包系数信息熵剔除的有色噪声与原有色噪声在频域以及时域均具有较好的一致性, 所提方法能够有效地剔除残差序列中的有色噪声, 仅余白噪声。     

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.     

PANGA坐标时间序列噪声模型特性分析

选取PANGA观测网中的200个GPS基准站12年的坐标序列. 采用AIC模型估计准则噪声特性进行分析,并结合不同数据策略对噪声模型建立的影响进行探讨. 结果表明:不同数据策略对噪声模型建立的影响较小,基准站站坐标序列噪声模型主要表现为PL+WN噪声模型特性;不同随机模型对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;对比不同策略处理下的周年振幅变化,E、N、U方向振幅值存在差异,最终确定了振幅位移的尺度.      

GNSS坐标时间序列分析理论与方法及展望

长期累积的全球卫星导航系统（Global Navigation Satellite System,GNSS）基准站坐标时间序列为大地测量学及地球动力学研究提供了基础数据。通过完善GNSS数据处理模型及策略,研究造成非线性运动的机制并进行有效建模,可以获得测站准确的位置和速度,不仅有助于合理解释板块构造运动,建立和维持动态地球参考框架,而且能更好地研究冰后回弹及海平面变化,反演冰雪质量变迁等地球动力学过程。首先从基准站坐标的精确获取、时间序列模型构建、时间序列信号分析等方面描述了GNSS坐标时间序列分析的理论与处理方法;其次,探讨了坐标时间序列噪声模型构建技术,给出了严密三维噪声模型构建方法;然后,疏理了坐标时间序列中非线性变化成因机制的研究进展;最后,总结了基于GNSS坐标时间序列的应用领域,并展望了其未来的发展方向。     

利用HHT-EEMD方法分析云南区域GNSS应变时序孕震信息

地震的孕育和发生本质上都是地壳内部应力、应变能逐渐积累并突然或缓慢释放的结果,研究应变的变化过程对于地震危险性的判定具有重要意义。本文基于云南区域2013—2019年GNSS格网应变时间序列,利用专门适用于非线性非平稳信号处理的热门时频分析方法—整体经验模态分解（ensemble empirical mode decomposition,EEMD）的希尔伯特-黄变换（Hilbert-Huang transform,HHT）分析方法,探索云南区域中强地震前GNSS应变时序的时-频-能量分布特征,尝试挖掘应变时频信号中所携带的孕震信息。利用23号、42号格网对应的地震进行震例分析,结果显示：EEMD具有分频剖面的类似特征,它能够依据数据的时间特征尺度进行信号分解,较好地剖析信号在不同频率尺度上的变化特征;Hilbert变换能够通过瞬时频率、瞬时振幅等方式突出信号的局部瞬时特性,在固有模态分量（intrinsic mode functions,IMF）异常曲线识别无效的情况下仍能凸显异常;通过EEMD、残差趋势项分析、IMF异常识别和Hilbert变换综合动态分析应变时间序列的分析方法,能够在部分地震前夕发现一些潜在异常信息,为未来云南区域强震危险地点的判定提供一定的参考。     

GPS坐标时间序列噪声估计及相关性分析

比较分析了极大似然估计法、最小二乘方差分量估计法以及最小范数二次无偏估计法对GPS站坐标时间序列噪声的估计效果,确定最小范数二次无偏估计法为最优的噪声方差估计方法。在此基础上对中国及其周边区域20个IGS站坐标时间序列中各方向噪声方差进行一元线性回归分析。结果表明,中国及其周边区域IGS站不同方向的噪声间具有中等强度以上的相关性,其中N方向闪烁噪声与其他方向闪烁噪声的相关性要强于白噪声。水平方向的噪声振幅能够解释垂直方向噪声振幅变化的40%~60%,而N方向噪声振幅能够解释E方向噪声振幅变化的60%~80%,获得的线性回归方程具有使用价值。     

采用方差-协方差分量估计GPS时间序列噪声特性

本文采用方差-协方差分量估计分析GPS残差时间序列噪声特性。介绍了该方法如何运用于GPS时间序列分析,详细的推导了函数模型,建立了数据处理流程。对比传统的极大似然估计,该方法可以定量计算各噪声分量的大小,并且具有计算速度快,数学模型严谨等优点。     

随机模型对IGS站速度及其不确定度影响分析

针对随机模型对站速度的影响,该文以45个国际GNSS服务(IGS)核心站坐标时间序列为研究对象,提出基于Fisher信息矩阵的KIC噪声模型估计准则,对WN、PL、FN+WN、FN+RW、FN+WN+RW备选随机模型进行分析。探讨不同随机模型对IGS站速度及其不确定度估计的影响。结果表明,IGS站坐标时间序列随机模型呈现出多样性,在进行噪声模型估计及其速度应用时应选择足够代表IGS随机模型的备选噪声模型。不同随机模型对IGS站速度估计值的相对影响较小,但对速度不确定度估计值影响不可忽略,尤其是RW分量对站速度不确定度的影响更加明显。     

云南地区GPS基准站噪声模型分析

以云南地区陆态网27个全球定位系统(GPS)基准站在2011-2017年不同时间跨度的观测数据为例,使用赤池信息量和贝叶斯信息量估计准则(AIC/BIC)对解算结果进行分析,从而确定其最优有色噪声模型.结果表明,不同时间跨度基准站各坐标分量上噪声特性主要体现为白+闪烁噪声(WN+FN)、幂律噪声(PL)模型组合.部分基准站在北向和垂向的最优噪声模型会随着观测时间的累积而改变,PL模型所占比例有所下降,WN+FN模型所占比例有所上升.当时间跨度大于5 a时,基准站噪声模型的稳定性显著提高.随着坐标时间序列积累时长的增加,未知噪声分量出现的可能性也相应提高.     

一个新的GNSS模糊度估计类

介绍了一类新的GNSS模糊度估计。因为该类遵循移去恢复原理,称之为整数等变估计类。本文将说明整数等变估计类较整数估计类和线性无偏估计类的范围要大,同时给出一个相当有用的整数等变估计类的表达式。这个表达式揭示了整数等变估计类的结构,并显示该表达式如何在浮点解的基础上实现整数等变估计。最后还提出最优整数估计。     

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。     

欧洲地区IGS基准站坐标时间序列各分量方向最优噪声模型变化探讨

针对现有坐标时间序列研究中各分量方向间噪声特性对比研究较少,本文选取欧洲地区58个IGS基准站11年的坐标时间序列,采用不同的噪声模型组合对它们进行噪声分析并就各分量方向间的噪声特性进行对比。结果表明,各测站在NEU分量表现出不同的噪声特性,因此分析时间序列变化特征的物理解释时需对各分量区别对待;垂直分量的有色噪声、振幅等明显大于水平方向,与一般认为的垂直分量精度低于水平分量相一致。      

中国区域IGS基准站坐标时间序列噪声模型建立与分析

选取ITRF2005框架下中国区域(包括台湾地区)11个IGS基准站1995-2010年的坐标时间序列,采用不同噪声模型组合对它们进行噪声分析,并计算大气压负载、非潮汐海洋负载、积雪深度及土壤湿度负载对测站位移的影响,得到地表质量负载改正前后各测站分量的最优噪声模型。结果表明,中国区域IGS基准站的噪声模型存在多样性,且各分量具有不同的噪声特性,主要表现为闪烁噪声+白噪声和带通幂律噪声+白噪声。噪声模型与地表质量负载及其测站速度、速度不确定度之间的定量分析表明地表质量负载会造成测站的噪声特性变化,主要表现为带通及随机漫步噪声特征。不同复杂噪声模型对测站线性速度及不确定度会产生一定影响,少数测站高程分量差异甚至超过1 mm/a。     

函数模型和随机模型双约束的GNSS数据融合及其性质

目的 推导了基于函数模型和随机模型共同约束的参数最小二乘解及其验后精度估计模型;作为双约束参数解的特例,给出了仅含函数模型约束或仅含随机模型约束的参数解,以及无任何约束的参数解。侧重从理论上讨论了双约束参数解的性质,并分析指出,函数模型约束本身的误差将给参数估计带来强制性扭曲(简称“硬性影响”),先验随机模型本身的误差将给参数估计带来随机性影响(简称“软性影响”)。最后,通过实际GNSS数据融合,分析了函数模型约束和随机模型约束的贡献。     

联合VMD和Bi-LSTM的GNSS坐标时序降噪

针对GNSS坐标时间序列中的噪声难以有效去除等问题,构建了一种联合变分模态分解和双向长短期记忆模型的方法用以去除GNSS坐标时间序列中的噪声。将GNSS坐标时间序列分解为k个本征模态函数分量,并根据样本熵选择出有效的模态分量,分别通过双向长短期记忆网络处理,最后将信号进行合成。以BJFS等12个具有较长时间序列且数据完整性较好的GNSS站点坐标数据为例,对坐标时间序列进行降噪。将该方法与传统的分解方法进行对比分析,发现在E、N、U方向上,相比于单一变分模态分解,速度不确定度改正率分别提高了11.03%、4.60%、7.39%,相比于经验模态分解分别提高了31.70%、27.70%、24.42%。结果表明该方法能够更好地去除信号中的噪声,且优于传统分解方法,可提高信号可靠性。