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。     

两种高程坐标预测模型的精度对比分析

为提高IGS测站高程坐标预测精度,分别拟合两种时间序列模型:多项式周期模型与ARMA模型,选用我国及周边7个IGS站2013年的观测数据进行实验验证及对比分析。结果表明:两种模型的预报中误差均小于4.5 mm,可作为高程坐标预测的参考模型,同时,ARMA模型的预报精度较多项式周期模型的预报精度提升5%以上,且稳定性高于多项式周期模型,更加适合站点的坐标预报。     

IGS站点坐标时间序列噪声特性与季节性变化分析

分析IGS站点坐标时间序列的噪声特性、季节性变化以及地表质量负载对各坐标分量的贡献,对IGS站点坐标数据的干扰改正、测站季节性运动物理机制的研究以及地固参考框架的稳定性维护具有重要的理论意义及实用价值。本文以IGS再分析中心JPL产出的单日解坐标序列产品为研究对象,对站点坐标时间序列的数据预处理方法,噪声特性分析,地表质量负载形变模拟,站点时变季节性变化提取以及站点坐标质量负载形变修正等方面进行了研究,主要内容和结论如下.     

大空间尺度GPS网共模误差提取方法研究

基于全球分布均匀且时间跨度大于10a的138个IGS基准站坐标时间序列,分析了大空间尺度GPS网基准站坐标时间序列之间的相关性,发现部分测站之间的距离超过5 000km时仍存在较显著的相关性。针对目前共模误差提取方法存在的不足,引入相关系数作为权重因子,改进了区域叠加滤波算法。并利用IGS基准站坐标时间序列验证了此方法。结果表明,改进后的相关系数加权叠加滤波算法能够有效地提取大空间尺度GPS网坐标时间序列中的共模误差。     

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。     

顾及有色噪声影响的CGCS2000下我国CORS站速度估计

研究基于计算获取的CGCS2000(中国大地坐标系统2000)下我国国家CORS(全球导航卫星系统连续运行参考站)网1999年至2009年坐标时间序列,首先采用主成分空间滤波方法(PCA)提取CGCS2000框架下国家CORS网坐标时间序列中公共误差(common mode errors,CME)的时空特性;其次,采用功率谱分析方法分析空间滤波后的国家CORS站坐标残差时间序列的噪声性质,采用最大似然法定量估计坐标残差时间序列中的有色噪声分量;最后,采用加权最小二乘法评定顾及不同噪声影响的CGCS2000框架下的国家CORS网年速度估值和实际精度.研究结果表明:采用空间滤波可提高CGCS2000框架下国家CORS网成果的精确性和可靠性,空间滤波后北、东和高方向的平均坐标重复性相对于滤波前分别减小了26%、22%和46%,滤波后国家CORS站高度方向平均振幅减少近64%.在CGCS2000框架下我国CORS站坐标时间序列中白噪声不是噪声的主要成分,白噪声、闪烁噪声和随机漫步噪声的噪声性质是国家CORS站坐标时间序列的基本特征;我国CORS站有色噪声在水平方向和高度方向表现出一定的规律性,顾及有色噪声的速度误差估值比只考虑白噪声的速度误差估值一般大2～6倍,速度估值偏差一般在2%～10%.     

欧洲地区共模误差提取及分析

针对跨度较长时间序列共模误差噪声特征研究较少,选择空间滤波的方法对较长时间序列进行分析以满足参考框架建立的需要。选取欧洲地区58个IGS基准站2001—2011年的坐标时间序列,采用区域叠加滤波法、分区区域叠加滤波法和相关系数加权叠加滤波法求取共模误差,并以滤波后时间序列相关系数和残差时间序列标准差为标准对其进行对比分析;进而,利用极大似然估计的方法对每个区域共模误差及滤波前后坐标时间序列进行噪声分析。结果表明:分区区域叠加滤波法最适合欧洲地区共模误差的提取;共模误差主要成分是闪烁噪声,也包含白噪声、随机漫步噪声等;当时间序列长度较长时,N、E方向受共模误差影响较小,可忽略,U方向受共模误差影响较大,需要考虑。     

GPS时间序列噪声特性分析——尼泊尔与藏南为例

选取喜马拉雅地震带上尼泊尔与藏南地区16个IGS台站近三年的GPS时间序列数据,通过编程计算进行详细分析。利用GPS单站、单日解观测序列James L.Davis周期模型对所有IGS台站进行线性变化速率,周期、半周期系数及残差序列的提取。对残差序列中存在数据缺失的时间段,采用3次样条差值拟合方法补齐缺失数据,按照3倍中误差限差原则剔除孤立点。对提取的残差序列所包含的非构造运动引起的时空相关噪声,应用主成分PCA/KLE方法对整个测区的共模误差(CME)进行分析,对剔除CME后的噪声采用功率谱分析方法确定该地区的噪声类型为"闪烁噪声+白噪声"。     

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.      

温度与天气对IGS跟踪站联测的残差影响分析

针对一年中全球卫星导航系统(GNSS)服务(IGS)跟踪站联测残差影响较大等问题,总结平均温度变化、雨雪天气情况与IGS站联测残差的关系,判断影响IGS跟踪站联测残差的因素.适合我国境内及周边IGS站联测的基准站的稳定性检测,并使用标准化均方根误差平均值(NRMS)进行评价,在避免影响精度因素的情况下进行联测,提高精度.最后选取2018年CHAN站作为未知站点,对我国东北地区周边4个IGS站(BJFS、DAEJ、SHAO、ULAB)进行联测,利用GAMIT/GLOBK软件进行高精度基线处理,并选择2017年数据进行检核.实验结果表明平均温度变化与雨雪天气是影响IGS跟踪站联测残差的两项因素,平均温度与NRMS值呈负相关趋势,相关性大于60%.雨雪天气联测效果较差,较非雨雪天气NRMS值相差0.5mm左右,其中降雪天气联测精度最低,不建议雨雪天气进行联测任务.     

GPS坐标时间序列共模误差空间特性分析

对全球138个IGS站依据相关性进行聚类分类,采用相关系数加权叠加滤波计算了所选IGS站坐标时间序列中的共模误差,并分析了其空间特性。结果表明,共模误差主要受基准站空间分布、GPS网空间尺度以及基准站密度的影响,并且相关系数为负的测站之间仍存在共模误差。     

陆态网络共模误差的提取研究

针对"中国大陆构造环境监测网络"中的共模误差问题,该文提出了一种新的提取共模误差的方法,该方法在区域叠加滤波中引入坐标时间序列相关系数作为权重因子。基于陆态网络中时间跨度大于4年的154个基准站坐标时间序列,利用相关系数加权叠加滤波方法提取其中的共模误差并分析其特征。结果显示,滤波后测站残差坐标时间序列之间的相关性明显减小,N、E、U 3个分量的相关系数分别平均减少30.33%、19.86%、23.24%。所有测站残差坐标时间序列滤波后的RM_S在N、E、U3个分量分别平均减少9.5%、9.1%、26.1%,与区域叠加滤波结果相比分别提高了2.1%、1.2%、4.5%。结果表明,相关系数加权叠加滤波方法比区域叠加滤波方法提取共模误差更有效。     

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。     

GPS数据处理中IGS站点选取的研究

近年来,IGS基准站的选取是GPS数据处理中讨论的热点问题。但到目前为止,该问题仍然没有得到解决。从理论和实践两个方面对该问题进行研究,首先从理论上分析IGS基准站选取的几何意义和统计意义,然后利用已知精确坐标的IGS站点的GPS观测数据作为试验数据,从不同分布情况以及不同IGS站点个数两个方面,分析IGS站点选取对坐标内外符合精度的影响,最后给出对于不同要求高精度GPS数据处理的IGS站点选取原则。     

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。     

GPS坐标时序共模误差提取方法研究

针对GPS坐标时序数据中存在的共模误差(CME),研究利用堆栈滤波(SF)、网络反演滤波(NIF)和主成分分析(PCA)三种方法进行剔除,以提高GPS监测区域地表位移的精度.通过构建GPS坐标时序模型,去除明显构造运动,提取噪声残差时序,将隐含在噪声残差时序中的区域CME利用SF、NIF、PCA方法提取出来.以日本房总半岛2019—2021年GPS坐标时序为例,比较三种方法和GPS站点空间分辨率对CME提取的影响,分析CME去除前后慢滑移地表位移的变化.研究结果表明：SF、NIF、PCA方法提取CME的结果基本一致;GPS站点空间分辨率降低,提取的CME离散度增大;CME对慢滑移地表水平位移的大小和方向均会产生影响,需进行剔除.     

小波分析在垂向海潮特征信息去噪研究

目前国内外许多学者利用沿海GPS站点的高精度坐标时间序列进行海潮特征信息的提取研究,已取得一定成果,但高精度坐标时间序列中不可避免地存在许多噪声,极大影响海潮特征信息的提取。基于日本GMSD站的67d的高精度PPP坐标时间序列,利用小波分析进行去噪实验,经FFT变换后,将提取的结果与FES2004海潮模型的特征值比较。实验结果表明:经小波分析后,GPS站点的时间序列精度得到提高;经小波去噪后的反演精度均有不同程度的提高,最多达到0.14mm,而海潮特征值的量级为厘米级或者亚厘米级,说明小波分析对海潮特征值的提取精度有明显提高。     

PCA与KLE相结合的区域GPS网坐标序列分析

对于GPS区域网坐标序列中普遍存在的共模误差(CME),常规方法是利用堆栈空间滤波去除,通常假设CME是空域不变的;而主成分分析法(PCA)和Karhunen-Loeve(KLE)展开法都是把随时间变化的台站网时间序列分解成时间域的主分量和空间域的特征分量,不限制CME的本征。因此,本文尝试结合PCA和KLE方法对GPS区域网坐标序列进行空间滤波,并通过对美国中加州Carrizo平原的一个连续运行GPS监测网进行分析,表明PCA/KLE法可有效提取共模误差,提高站点坐标精度,增强空间滤波的稳健性。     

共模误差对陆态网测站速度场估计的影响

本文基于52个陆态网连续运行观测站和中国境内及周边10个IGS站近5年的坐标时间序列,利用相关系数加权的叠加滤波法定量计算坐标序列中存在的共模误差,并使用CATS软件分别估计测站各分量剔除共模误差前后的坐标时间序列的速度及其精度,结果显示:在E、N、U分量上,相对于原始坐标时间序列,由剔除共模误差的坐标时间序列整理而得的测站各分量估计速度与陆态网发布速度偏差的均值分别减小了7.32%,1.87%,7.84%,同时各分量估计速度的精度均值也分别提高了33.43%,21.11%,59.26%,这表明在估计区域的测站速度场时,若不剔除原始坐标序列中存在的共模误差,测站的运动速度及其精度可能会被不恰当地估计,即利用剔除共模误差后的坐标时间序列而得结果理论上更加准确可靠。     

利用小波包系数信息熵去除GNSS站坐标时间序列有色噪声

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。