共模误差对坐标时间序列分析的影响

基于2013年至2018年环渤海地区GPS基站6年的观测数据,研究了共模误差对坐标时间序列分析的影响。首先利用主成分分析方法提取环渤海区域27个基准站的共模误差,以N、E、U三个方向的第一主成分来计算共模误差;然后使用最大似然估计法得到各测站剔除共模误差前后的噪声。发现在消除共模误差后,N,E,U方向的相对坐标时间序列得到改善,白噪声,闪烁噪声和随机行走噪声明显减小。结果表明,共模误差的剔除有效的提高了坐标时间序列分析的精度。     

顾及共模误差的大区域GPS网坐标时间序列噪声分析

噪声分析对GPS时间序列分析有着重要影响,然而针对时间跨度较长的大尺度GPS网的共模误差相关研究较少。本文选取了平均基线长度大于2000 km的欧洲地区9个GPS台站2006-2014年的数据,使用主成分分析法剔除坐标时间序列的共模误差,同时利用极大似然估计的方法对滤波前后的时间序列进行了噪声分析。结果表明,欧洲地区广域GPS网的噪声模型存在多样性,各个分量具有不同的噪声特性,主要表现为白噪声+闪烁噪声、白噪声+幂率噪声,少部分台站N、E两个方向含有随机漫步噪声。经过空间滤波后,部分台站最优噪声模型发生改变,但仍以白噪声+闪烁噪声、白噪声+幂率噪声为主。滤波对N、E方向速度场影响为0.2 mm/a,U方向速度场影响为0.5 mm/a。     

共模误差对GNSS坐标时间序列影响分析

以我国西南地区44个GNSS站在ITRF2008框架下约6年的高精度GNSS坐标时间序列为例,研究CME对高精度GNSS坐标时间序列的影响。用PCA方法提取序列中的CME并分析其对高精度GNSS坐标时间序列特征参数的影响。研究结果表明,CME对高精度GNSS时间序列的振幅、相位、噪声类型及测站速率均有不同程度的影响,主要体现在滤波后44个测站N、E、U方向序列标准差分别提高75%、70%、57%;滤波前后测站U方向约50%的测站速率有1～2 mm的差异。可见,在高精度时间序列建模、地壳蠕动形变分析、毫米级参考框架建立等高精度GNSS数据应用领域中CME的影响不容忽视。     

GPS坐标时间序列共模误差分离方法比较及其对噪声模型建立的影响

为快速有效地分离GPS坐标时间序列中的共模误差（common mode error,CME）,采用区域堆栈滤波法、加权堆栈滤波法、相关加权叠加滤波法、距离加权滤波法、主成分分析（principalcomponentanalysis,PCA）5种滤波方法对GPS坐标时间序列进行CME处理;基于MATLAB设计了相应的GPS坐标时间序列CME分离工具。并以8个GPS基准站的坐标序列为对象,对去除CME后的GPS坐标序列进行噪声模型分析。结果表明,这5种方法能有效降低各站点坐标时间序列的不确定性,提高坐标序列精度,相比其他方法,PCA法滤波效果更好;此外,去除CME后的时间序列最佳噪声模型发生了改变,且GPS站坐标序列噪声模型呈现出多样性并存在个体差异。     

一种改进的GPS区域叠加滤波算法

GPS时间序列的空间滤波可以提高观测数据的信噪比,有利于获取更高精度的地壳形变信息。区域叠加滤波算法的空间滤波结果随着测站数和空间尺度不同而不同,不利于研究GPS时间序列中的形变信息。为了削弱区域叠加滤波受空间尺度的影响,提出一种不以空间尺度作为约束条件,同时引入相关系数和距离因子的区域叠加滤波算法。采用2010—2017年中国区域260个GPS连续观测站的时间序列展开空间滤波方法的研究,计算结果表明,对比相关性区域叠加滤波算法,考虑GPS时间序列之间的相关系数和距离因子更有利于提取GPS时间序列中的共模误差,且受空间尺度的影响较小。对比3种不同距离因子的区域叠加滤波算法,可知引入距离反比的空间滤波算法可实现更优的空间滤波。采用该方法空间滤波后可使GPS时间序列残差降低30%~40%,GPS速度场精度提高30%~40%。此算法实现了更优的GPS形变场估计,为研究中国区域的地壳运动和其动力学机制提供了可靠的数据基础。     

武汉市CORS坐标时间序列中共模误差分析

基于武汉市CORS近十年连续观测的单日解坐标时间序列进行数学建模,获取了残差坐标时间序列数据,分析了测站坐标时间序列的周期性变化。为了有效地提取武汉CORS基准站坐标时间序列中的共模误差,采用空间叠加滤波算法以及相关系数叠加滤波算法对其进行空间滤波,并对比分析2种方法的滤波效果。结果表明,武汉CORS基准站单日解坐标时间序列之间存在显著的相关性,2种方法均能有效提取武汉区域共模误差,相关系数叠加滤波算法的滤波效果略优于空间叠加滤波算法。     

小尺度区域GNSS网三种时空滤波方法研究

针对时空滤波提取GNSS连续坐标时间序列中的共模误差对探测地壳微形变信息至关重要的问题,该文探索了小尺度区域内叠加滤波、主成分分析、独立分量分析等时空滤波方法的特性,基于华北地区13个GNSS测站连续3年的坐标时间序列进行时空滤波,并对比分析不同方法的滤波效果。结果显示,3种方法滤波后均不同程度地降低了坐标时间序列的离散度;区域叠加滤波与主成分分析提取的共模误差空间响应一致,滤波后的标准差基本相同,表明提取共模误差的性质相同,都以二阶统计量为主要信息;独立分量分析滤波后坐标时间序列的标准差较高,这与区域叠加滤波和主成分分析过度滤波有关。     

GPS参考站垂直位移时间序列的主成分分析

利用了主成分分析方法,分析了中国地壳运动观测网络主要基准站垂直位移时间序列的频谱特征,得出了站点的垂直位移变化具有很强的周年变化特征。     

利用改进3σ法获得残差序列的共模误差提取

针对GNSS坐标时间序列的异常值、缺失点插值和共模误差问题,该文采用一种经验模态分解(EMD)与3σ组合算法处理异常值,获取干净的残差时间序列,然后使用Matlab软件的fillmissing函数进行插补,获得连续的时间序列,最后利用独立成分分析(ICA)和主成分分析(PCA)方法对残差序列进行共模误差的提取,分析共模误差的影响。研究结果表明,与LS-3σ相比,EMD-3σ方法的探测率提高了0.2%,说明新算法的探测效果更好。PCA和ICA方法滤波后的RMS值分别平均减少了约22.01%、10.96%,说明PCA和ICA均能有效地提取残差时间序列的共模误差,提高坐标时间序列的精度,且PCA比ICA效果更好。     

GSCORS不稳定站坐标时间序列分析

本文对114个GSCORS坐标时间序列予以分析,发现93％以上的GSCORS位置稳定,序列变化平稳.个别基准站位置不稳定,造成基准站不稳定的因素多种多样,其中基准站周边地质松软、地基不稳为主要因素,导致测站大幅沉降、倾斜.科学、精准地分析不稳定基准坐标时间序列对维护省级参考框架的稳定具有重要指导作用.     

IGS基准站时间序列对汶川地震的响应

采用GAMIT和GLOBK软件在ITRF框架下解算得到IGS连续观测站时间序列[1],针对汶川震区附近的IGS观测站时间序列进行分析。应用经验模态分解方法对IGS连续观测站时间序列进行全面分析,揭示汶川震区附近IGS连续观测站时间序列异常和趋势变化与汶川地震震后形变的关系。     

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。     

区域CORS网坐标时间序列周期特征分析

通过精密单点定位的方法获取了区域CORS网各基准站的坐标时间序列,并利用最大似然估计法和频谱分析法对其32个基准站坐标时间序列的周期特征进行了分析,获取了各基准站年周期、半年周期的振幅和相位值,以及各基准站的周期功率谱图。结果表明:GNSS基准站坐标时间序列不仅存在线性变化,还存在周期性变化,其中以U方向表征最为明显,与双差定位获得的坐标时间序列周期特性分析结果一致,说明以精密单点定位获取的GNSS基准站坐标时间序列是可靠的,可以用来分析基准站的变化特征。     

我国GPS跟踪站数据处理与时间序列特征分析

应用国内GPS跟踪站7 a的观测数据,分析研究跟踪站坐标位置变化规律,并给出了站坐标和速度场精度的统计分析结果,同时介绍了国内GPS基准站的数据处理方法。通过对时间序列进行分析研究表明,GPS基准站的时间序列具有一定的周期性,高程分量的周期性最为明显,并且时间序列的时频特性表现出明显的区域性。     

中国大陆GPS基准站的时间序列特征

利用1999年3月至2002年3月期间"中国地壳运动观测网络"25个GPS基准站与周边国家IGS站的观测资料,进行了时间序列分析研究,并对提高GPS基准站的观测精度进行了探讨。结果表明,GPS基准站的时间序列具有一定的周期性,高程分量的周期性最为明显,GPS点位高程时间序列拟合曲线的波峰和波谷出现的时间表现为区域性的不同。     

JLCORS网络参考站坐标时间序列噪声类型分析

利用吉林省连续运行参考站网络（JLCORS）近3年的观测资料,使用GAMIT/GLOBK软件进行后处理,解算时用吉林省周边IGS及陆态网络站点作为控制点,获得41个站单日松弛解的坐标时间序列。用最大似然法拟合经典的噪声模型,根据噪声模型是否能够取得似然函数的最大值,获得不同噪声模型及其组合的参数估计。结果表明,JLCORS全部参考站坐标时间序列噪声含有幂律噪声及白噪声,可用二者的组合噪声模型来描述,不含带通滤波噪声及各阶高斯-马尔科夫噪声。幂律噪声模型部分的谱指数集中分布在-2附近,表明幂律噪声的特例随机游走噪声占有主导地位。     

时间序列分析的修正预测在建筑物沉降 监测中的应用

时间序列分析是一种动态的数据处理方法,广泛应用于数据处理中。变形监测是一种延续性的数据收集过程,本文通过介绍时间序列分析方法,验证其在建筑物沉降监测中的适用性。变形监测的最终目的是为了预测,保证工程的安全进行。针对预测步长越长精度越低的问题,进一步地,在获取新数据之后,利用原预测值进行修正预测,在尽量少的增加工作量的基础上,充分利用新获得数据较好的提高了预测精度。