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.      

全球定位系统多基准站定位平差方法研究

详细介绍利用抗差M估计进行GPS多基准站定位平差的模型和方法,并给出实验计算结果和精度。     

GNSS-R潮位监测抗差估计EI北大核心CSCD

针对GNSS-R反演潮位过程中,由测站天线相位中心与潮位基准面高度的不确定性造成的误差,本文提出了基于抗差估计的优化方法。通过确定观测值的最优权重,削弱水面高度粗差反演值,求解高精度测站高度,进而提高GNSS-R反演潮位的精度。基于HNLC、SC02、TDAM、TPW2这4个IGS GNSS连续运行跟踪站的数据,进行潮位反演试验,结果表明,与传统反演方法相比,本文方法计算所得测站高度分别提升了1.01、1.31、16.2、1.22 cm,反演潮位的均方根误差分别降低了26.7%、34.4%、84%、31.6%。同时,还证明了本文方法求解出的自潮位基准面起算的测站高度,可应用于后续无验潮站或验潮站数据中断情况下潮位的反演。     

机载LiDAR测深中海底地形坡度的影响及改正EI北大核心CSCD

机载LiDAR测深ALB(Airborne LiDAR Bathymetry)是测量沿海地区地形图和水深图的最有效的技术之一,其通常是利用ALB海面和海底反射回波的峰值位置来计算水深值。然而,当绿色(532 nm)激光光束到达海底时,光斑范围内的具有坡度的海底地形会导致海底反射回波波形展宽、峰值位置偏移等现象,从而产生海底位置的不确定性,进而直接影响海底地形测量的准确性。为了减小这种影响,本文提出了一种机载LiDAR测深的海底地形坡度影响改正方法。通过考虑ALB激光光斑内海底地形的连续性,基于ALB激光光斑范围内局部地形参数模型FTPM(Footprint-scale Topography Parameters Model)构建ALB海底反射回波模型,通过定量分析不同水深、不同海底地形坡度所引起的海底反射回波峰值位置变化,以确定海底地形坡度对ALB测深的影响规律,进而构建ALB测深误差方程针对性地改正海底地形坡度引起的测深误差。本文采用中国南海甘泉岛附近海域所测ALB和多波束测深数据对所提方法进行了验证。结果表明,海底地形坡度影响改正后,平均绝对误差MAE(Mean Absolute Error)和中误差RMSE(Root Mean Square Error)分别减小到9.4 cm和12.3 cm,较改正前分别降低了35.6%和33.5%,对ALB测深数据处理具有参考意义。     

随机模型对解算西安流动SLR站坐标的影响

合理的参数估计及精度评定不仅需要可靠的函数模型,而且需要正确的随机模型。从权函数和粗差编辑两方面,研究了不同随机模型对西安流动卫星激光测距（satellite laser ranging,SLR）站坐标解算的影响,采用全球Lageos-1卫星观测数据计算了西安流动SLR站坐标。计算结果表明:①西安流动SLR站的观测精度和坐标解算精度均达到厘米级。②随机模型直接影响SLR站坐标的解算结果及可靠性;对于相同的计算弧段,抗差方差分量估计得到的站坐标精度最高、结果最稳定,残差加权均方差最小,观测资料利用率也最高;对于相同的计算方案,采用的SLR数据越多,坐标估计精度越高。     

联合EMD-HD和小波分解的GNSS坐标时间序列降噪分析EI北大核心CSCD

针对经验模态分解(empirical mode decomposition,EMD)在GNSS坐标时间序列的降噪过程中存在筛选准则的选取和模态混叠效应等问题,本文引入Hausdorff距离(Hausdorff distance,HD)筛选准则并结合小波分解(wavelet decomposition,WD),提出EMD-HD&WD算法。通过对我国大陆构造环境监测网络149个GNSS测站的垂向坐标时间序列降噪处理,分别利用复合指标T值、测站的速度不确定度和闪烁噪声振幅验证算法的可靠性和普适性。结果显示:HD优于现有的筛选准则;EMD-HD&WD算法对测站的速度不确定度和闪烁噪声振幅的平均改正率均为88.4%。分析表明,本文算法能够有效识别和剔除噪声并且改善EMD的模态混叠效应,提高GNSS垂向坐标时间序列的模型精度。     

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。     

顾及ISB/IFB的多GNSS RTK/INS紧组合导航方法EI北大核心CSCD

为解决不同GNSS间信号差异引起的多GNSS RTK/INS紧组合导航应用中卫星系统间模糊度固定失败的问题,本文提出顾及ISB/IFB的多GNSS RTK/INS紧组合导航方法,以进一步发挥多GNSS在复杂环境下的互补性和灵活性。本文推导了顾及ISB/IFB的多GNSS RTK/INS紧组合导航观测方程,给出了综合利用抗差估计方法和粒子群优化的ISB/IFB参数估计方法。试验结果表明,顾及ISB/IFB参数可以在一定程度上提高卫星系统间模糊度固定成功率;结合抗差估计方法提高卡尔曼状态估计浮点解精度,可显著提高多GNSS RTK/INS紧组合导航系统在复杂环境下的系统间模糊度固定成功率与导航精度。     

利用重力场模型和GPS/水准数据研究局部高程基准EI北大核心CSCD

全球导航卫星系统GNSS定位技术的出现和普及,颠覆并取代了传统地面定位观测技术,其测定的水平位置可直接用于地理信息系统、工程建设和国防现代化等,满足测绘、地球科学等学科和行业的需求。但GNSS提供的高程是相对参考椭球面的高度h,不含重力位信息。     

基于星型结构的虚拟参考站网络实时动态测量关键算法研究EI北大核心CSCD

构建一种星型结构的VRS网络RTK基线解算方式,提出适用于星型结构VRS网络RTK模糊度解算方法。针对这种星型结构分别对VRS网络RTK中电离层、对流层改正数的算法进行深入研究。最后通过两个试验对星型VRS网络与传统VRS三角形网络在网络模糊度解算与VRS网络改正数计算两方面进行了验证分析。试验结果表明所提出的星型结构VRS网络RTK在网络模糊度解算方面固定速度明显加快,在生成的网络改正数方面精度及可靠性更高。     

耦合PSO与扩展RBF神经网络估计NWM模型ZTD计算精度EI北大核心CSCD

针对基于数值气象模型获取的对流层天顶延迟精度估计依赖外部基准的问题,本文构建耦合了粒子群算法与扩展径向基函数神经网络的ZTD精度估计模型,模型样本特征集利用NWM自身气象数据和地形特征数据构建,目标集以GNSS ZTD产品为参考值构建,模型规模结构通过层次聚类和模糊C均值聚类确定,模型参数通过粒子群算法优化。以欧洲中期天气预报中心提供的ERA5气压分层产品为NWM特例进行了模型训练和结果验证。结果表明,模型估计精度和泛化能力较好,平均估计精度优于4 mm,可在任意位置实现不依赖于外部参考基准的ZTD精度估计。     

顾及时空因素的高精度全球对流层关键参量模型构建研究EI北大核心CSCD

对流层在全球水循环、灾害天气形成与演变中扮演着极为重要的角色。大气加权平均温度(Tm)、对流层天顶延迟(ZTD)和天顶湿延迟(ZWD)等均属于对流层关键参量,其中ZWD/ZTD是影响GNSS等空间技术高精度导航定位的重要因素,而Tm是GNSS水汽探测的关键参数。随着GNSS导航定位及水汽探测对实时高精度对流层关键参量的要求日趋增强,对流层关键参量的实时高精度全球精化模型构建成为近年来的研究热点。论文针对已有对流层关键参量全球经验模型存在的问题,联合最新的MERRA-2资料和GGOS大气格网产品等多源数据,开展了对流层关键参量的实时高精度全球模型构建研究。论文主要工作和贡献如下。     

联合SAR影像相位和强度信息的矿区形变监测关键技术研究EI北大核心CSCD

SAR技术已在矿区形变监测方面得到了广泛的应用。InSAR技术在矿区小变形监测方面具有较高的精度,但无法获取矿区大量级形变。子带干涉技术能降低解缠难度进而提高测量精度。偏移量追踪方法可用于提取矿区大形变,但其监测精度相对较低。如何融合各方法的优势,获取矿区高精度大梯度形变信息是目前面临的科学问题。为此,论文重点研究了子带干涉技术在矿区形变监测中的适宜性、偏移量追踪方法在矿区形变监测中互相关窗口的选取方法及InSAR技术、子带干涉技术、偏移量追踪方法和概率积分模型融合的方法,通过与实测对比证明了方法的可靠性。主要工作及成果如下。     

双极化Sentinel-1数据极化时序InSAR技术地表形变监测——以上海市浦东机场为例EI北大核心CSCD

不同极化的合成孔径雷达SAR (Synthetic Aperture Radar)数据对地物具有不同响应,利用极化信息可提升InSAR的地表形变监测能力。针对利用免费Sentinel-1数据的双极化信息进行地表形变监测这一问题,本文提出了一种基于双极化Sentinel-1数据的自适应极化时序InSAR技术方法 PolPSI (Polarimetric Persistent Scatterer Interferometry)。该方法针对研究区永久散射体PS (Persistent Scatterer)与分布式散射体DS (Distributed Scatterer)的不同特点,基于不同优化准则分别进行自适应极化优化,得到极化优化干涉图并进行地表形变监测。为了证明方法的有效性,以上海市浦东国际机场为研究区,基于34景双极化(VV-VH) Sentinel-1影像进行了实验。结果表明,所提出方法在降低干涉图相位噪声、提升干涉质量的同时较好地保持了地物边缘细节,相较于常规的时序PS与DS技术,提出PolPSI技术获取的变形监测点密度分别提高了103.0%和30.8%,更加详细地反演了机场区域变形状况。综上所述,本文提出的基于双极化Sentinel-1数据PolPSI方法通过对极化信息的利用与挖掘,可一定程度上提高Sentinel-1数据在地表形变监测应用中的能力。