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.     

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。     

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.     

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。     

区域GPS季节性信号的提取与物理成因分析

针对传统的最小二乘法不能够精确提取区域垂向GPS坐标时间序列中季节性信号的问题,该文以云南地区27个连续站近10 a观测数据为例,分别使用多通道奇异谱分析(MSSA)和奇异谱分析(SSA)方法对GPS连续站垂向的季节性信号进行提取,并定量对比环境负载形变与GPS季节性信号的关系。实验结果表明,MSSA比SSA提取效果更好,MSSA提取的27个GPS季节性信号的方差贡献率比SSA高6%,环境负载形变是引起云南地区大部分GPS连续站季节性变化的主要因素,研究结果对于获取真实的区域地壳构造运动具有一定参考作用。     

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。     

地震对GPS站坐标时序共模误差的影响分析

通过选取日本7个IGS基准站在东日本大地震前后各3a的坐标时间序列,提取并分析此区域的共模误差的特点和地震对其的影响,以及共模误差对基准站噪声时序的影响。结果表明:滤波后测站各方向坐标时序平均均方根相较于过滤前明显减少,测站坐标可靠性和精确性得到明显提高;地震的发生导致其N、U方向均值分别增大2.1倍和1.5倍;共模误差在N、E、U方向均表现出明显的周期特性,其周期特性在地震前后几乎截然相反,地震对其周期特性的影响必须充分考虑。     

GPS网起始数据的误差分析

应用5种GPS控制网起算点坐标误差的分析方法,分析了某地铁二号线西延伸线工程GPS控制网的起算点坐标误差,成功地剔除了误差超限的起算点。     

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坐标时间序列广义共模误差分离方法

共模误差是GPS坐标时间序列的主要误差来源之一。针对传统的共模误差分离方法存在一定的局限性,甚至分离出错误的共模误差分量问题,该文根据共模误差的潜在起源,提出了一种依据地理环境因素、多尺度评价体系的GPS时间序列广义共模误差分离方法。该方法将相关系数、距离、经纬度、本地效应、地表环境负载效应、主分量贡献率、噪声模型特性等作为评价因子,为大区域、大尺度下GPS坐标序列共模误差,提供了可行的估计方法。实验分析结果表明,该文提出的共模误差分离方法能准确提取出GPS坐标序列中的共模误差,为进一步提高GPS坐标序列精度提供依据。     

GPS网先验误差的选择与加权配置

分析了先难误差对于GPS网平差的意义，指出先验误差的计算及确定的一些方法；最后说明如何在GPS网平差中进行加权配置。     

GPS网先验误差的选择与加权配置

分析了先验误差对于GPS网平差的意义 ,指出先验误差的计算及确定的一些方法 ;最后说明如何在GPS网平差中进行加权配置。     

GPS网形与GPS网质量的关系分析

基于GPS静态相对测量,基线数据处理采用双差观测值单基线解算的一般模式,讨论GPS网基线解算和3维无约束平差的公式,得出GPS网的质量与基线向量质量和GPS网结构有关,而与网形和点位无关,并通过实验数据,分析验证了这一观点,提出了一些有益的结论。     

GPS误差分析

尽管ＧＰＳ已成为高精度的导航定位系统,但它仍存在一些重大误差,只有理解这些误差,才有可能削弱这些误差和和了解ＧＰＳ系统的局发性。     

GPS连续站垂向位置时间序列共模误差的识别与估计

目前的研究已明确了在GPS时序结果中存在着所谓共模误差.对于水平向通过"欧拉-滤波"法可对观测数据水平位置的共模误差进行估计,但对垂向共模误差的估计却无能为力.因此,本文利用"均值-滤波"方法对垂向共模误差进行了识别与估计,结果表明:GPS连续站垂向时序观测资料同样包含着非常明显的共模误差;综合利用"均值-滤波"方法可...     

区域GPS网与地面网3维联合处理

随着GPS和传统地面测量技术的发展，两种技术的组合应用常常是适宜的选择。显然，有关GPS网与地面网联合处理的研究在GPS测量技术应用中是重要的。本文对区域GPS网与地面网3维联合平方差方法进行了研究，给出了相应的函数模型，解决了经典3维平差中天文经纬度缺乏和垂直折光差改正两个关键技术问题，此外，为节省计算机存储和运算时间，笔者建议采用变带宽存储法和剖面极小化算法，文章的最后简要介绍了CPSTGD数据处理软件。     

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。     

GPS中的电离层误差与单频长边网测量

本文根据ＧＰＳ中电离层误差的特性,介绍了码、载波相位扩散技术的原理以及将单频ＧＰＳ接收机用于长边网测量的实践。     

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。