云南地区GPS垂向时间序列周期项信号的SSA提取

针对传统的GPS时间序列最小二乘(LS)谐波函数模型方法不能精确提取GPS垂向时间序列的周期项信号问题,该文以云南地区2011年1月—2017年6月连续观测的27个GPS基准站数据为例,使用主成分分析(PCA)获得27个测站的共模误差,然后分别使用奇异谱分析(SSA)和LS方法对PCA滤波前后的测站时间序列进行周期项信号提取.实验结果表明,原始时间序列分别减去SSA、PCA-SSA、LS和PCA-LS提取周期项信号的RMS减少百分比平均为25.66％、17.23％、16.76％、16.76％;原始时间序列与4种方法提取周期项信号的相关系数平均为0.66、0.55、0.54、0.54,说明SSA提取的周期项信号要优于其他3种方法,将SSA应用于云南地区GPS垂向时间序列的周期项信号提取是可行和有效的.     

基于滑动L2优化准则的GPS坐标时间序列重构

GPS坐标时间序列中不仅包含白噪声,还包含闪烁噪声、随机漫步噪声等有色噪声,这些噪声将影响GPS应用的可靠性,甚至可能对一些地球物理现象做出错误的解释,因此降低GPS坐标时间序列中有色噪声的影响、提高GPS精度是一个重要和基本的问题。提出了一种滑动L₂优化估计方法(ML₂),通过选取合适的窗口建立L₂优化模型,再利用交替迭代乘子法求解每段时间序列的优化问题,并逐年滑动得到整段GPS坐标时间序列的估计。实验结果表明,ML₂方法与奇异谱分析、小波分解、滑动普通最小二乘法相比具有更好的重构效果。     

总体最小二乘法在坐标转换中的应用

在处理坐标转换数据的方法中,通常使用的方法是最小二乘法,但其由于不能顾及系数矩阵误差而具有一定的局限性,导致坐标转换结果的可靠性较差。因此,需要一种新的方法来弥补最小二乘法的不足。本文引入总体最小二乘法和混合最小二乘法,采用仿真数据求解坐标转换七参数,并将结果与其仿真值进行比较,证明采用混合最小二乘法得到的坐标转换七参数更接近于理论值。     

GPS坐标时间序列分析研究

近20年来,以GPS为代表的空间大地测量技术观测精度不断提高,已累积了丰富的、高精度、全球覆盖的坐标时间序列数据。这些数据为研究不同时空尺度下的各类地球物理现象提供了重要的数据支撑和大地测量几何约束。然而,由于GPS坐标时间序列中同时包含了各类“信号”和“噪声”,而且噪声来源复杂,信号类型多样,水平和高程分量上信号与噪声的表现形式差异较大。如何从原始序列中提取可靠的“信号”、分离出“误差”是目前地学界研究的热点和难点之一。     

总体最小二乘法在坐标转换中的应用

在测量数据处理中,最为经典的处理方法是最小二乘法,认为误差只是包含在观测向量当中,系数矩阵中不包含误差。实际上由于模型等因素,系数矩阵中经常存在着误差。为了平差的严密性和精确性,采用一种可以同时顾及观测向量误差和系数矩阵误差的总体最小二乘方法,应用于测量数据处理和坐标转换中,得到更符合实际的平差处理,获得更准确的坐标转换参数。     

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。     

多元总体最小二乘在三维坐标转换中的应用

为解决总体最小二乘(TLS)解算三维坐标转换时旋转矩阵线性化导致解算精度降低的问题,提出了能够直接求解旋转矩阵的多元总体最小二乘(MTLS)模型。为了验证多元总体最小二乘坐标转换解算效果,设置了各种坐标转换实验,并与总体最小二乘法进行比较。分析了旋转角度和尺度因子对解算精度的影响,并根据实验结果得出了以下结论:在大角度及独立等权观测条件下,多元总体最小二乘坐标转换解算精度优于总体最小二乘,且算法简单无需迭代,能够实现任意尺度的坐标转换。     

GNSS坐标序列的自适应奇异谱分析

针对奇异谱分析在进行大量GNSS高程时间序列时变周期信号提取时存在繁琐而低效的问题,提出一种自适应奇异谱分析方法。通过改进迹矩阵的构建方式提高算法运行效率,并结合频谱分析辅助确定滞后窗口大小,同时采用迭代法自主选择主分量,从而精准高效地提取时间序列中的周期项信息。实例分析表明,该方法能自适应地设置滞后窗口大小,准确提取大量GNSS高程时间序列中的时变周期信号,且单个时间序列提取效率是奇异谱分析的6倍,该方法的自适应性和准确性使其更加适用于大量GNSS站点的时变周期信号分析。     

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。     

总体最小二乘平差方法在GPS高程拟合中的应用研究

采用最小二乘(LS)进行GPS高程拟合参数估计未考虑系数矩阵误差,尝试采用总体最小二乘(TLS)平差方法进行参数估计。利用本文提出的基于TLS平差的粗差探测方法进行粗差剔除的基础上,对TLS平差方法在GPS高程拟合中求解的参数及其精度进行了分析,通过与LS的对比表明,混合总体最小二乘的拟合结果最为合理。     

局部均值分解和奇异值分解在GNSS站坐标时间序列信号降噪中的应用

为了有效地提取GNSS站坐标时间序列的有用信息，降低噪声干扰，本文提出一种局部均值分解和奇异值分解相结合的信号降噪方法，并利用5个测站的实测坐标时间序列对新方法进行了验证。首先通过局部均值分解将坐标时间序列分解成一系列PF分量和余项，然后利用连续均方误差方法确定高频分量与低频分量的分界点，保持低频分量不变，运用奇异值分解方法对高频分量进行降噪重构，最后将重构的高频分量与低频分量叠加得到最终的降噪坐标时间序列，并对降噪效果进行对比分析。结果表明，与单纯的奇异值分解方法相比，局部均值分解和奇异值分解相结合方法能够自适应地选择合适的奇异值个数进行信号重构，提高了降噪效果。     

小波包分析在GPS振动观测中的应用

将小波包分析应用于GPS振动观测数据处理,研究小波包分析在异常值探测、信号特征提取、去噪中的应用。首先对信号分解和单支重构,验证小波包分析探测异常值的能力。针对小波包分析含有丰富的高频信息,采用奇异谱分析方法提取高频部分的振幅和频率。小波包分析的去噪能力优于小波分析。     

IGS跟踪站的大地高时间序列特征分析

应用国内几个IGS跟踪站在U方向的观测数据,分析研究跟踪站大地高的变化趋势。通过对时间序列进行奇异谱分析和傅立叶变换分析,表明大地高时间序列具有一定的周期性,且周期特性明显,时间序列的时频特性表现出明显的区域性。     

中国大陆导航连续站周期信号空间规律研究

为了进一步分析我国GNSS周期信号的空间分布规律,文章基于我国大陆及周边IGS站与中国地壳运动观测网络基准站的坐标时间序列,给出定量标准剔除质量差的测站;采用分段线性拟合法提取并扣除时间序列的趋势项;采用"拉依达准则"剔除时间序列中的奇异值;采用4参数三角函数拟合出时间序列的周期与幅度;分析东向、北向、垂向3个方向的年周期、半年周期的振幅与最大值出现月份在我国的空间分布情况。分析结果表明:3方向年周期的振幅都是半年周期振幅的两倍以上,3个方向不同周期振幅的空间分布规律差异明显。     

太阳黑子数时间序列的奇异谱分析和小波分析

本文对小波变换和奇异谱分析方法进行了简要介绍,对离散小波的分解和重构、奇异谱分析的重构进行了详细阐述。结合太阳黑子数1749年至2007年3月期间的月平均值时间序列进行了小波变换的分解和重构及SSA方法的重构,提取了其主要的周期特性,并对两种分析方法进行了比较。