EMD用于GPS时间序列降噪分析

针对GPS位置时间序列噪声成分复杂、建模困难、噪声与信号难以有效分离等特点,用自适应信号分析方法经验模态分解（EMD）对中国区域9个IGS站时间序列的N、E、U方向作降噪处理。首先对各方向分量作EMD分解,获取各方向噪声强度依次降低的一系列本征模态分量及其趋势项;其次利用相关系数辨别出噪声与信号的分界本征模态分量,并按重构方法重构各本征模态分量;最后用相关系数、信噪比、能量百分比等参数评价EMD方法降噪的有效性。结果表明,EMD方法能合理地分离序列中的信号与噪声,有效削弱噪声对GPS位置时间序列的影响,进一步提高GPS位置时间序列的精度。     

GPS高程时间序列降噪分析的改进EMD方法

针对经验模态分解(empirical mode decomposition,EMD)降噪过程中不能直接确定分界本征模态函数(intrinsic mode function,IMF)的K值,以及当高频噪声IMF分量个数少于低频IMF分量个数时,利用低频信号重构实现降噪的计算量较大等问题,提出一种新的EMD降噪方法。采用平均周期与能量密度乘积指标的方法来自动确定分界IMF的K值,将高频噪声IMF分量进行重构,然后用原始信号减去重构噪声,从而达到降噪的目的。利用模拟数据和BJFS站的实测GPS高程时间序列数据进行验证。实验结果表明,该方法能够直接确定分界IMF的K值,降低计算量,在GPS高程时间序列降噪中较传统EMD方法更可靠。     

基于SSA的GPS坐标序列去噪及季节信号提取

基于SSA技术对GPS时序的去噪及季节信号分离进行研究。通过对模拟数据及GPS实测数据的分析,并与经验模式分解EMD（empirical mode decomposition）和小波分析方法进行对比,结果表明,SSA、EMD和小波分析均是有效的去噪方法,但SSA去噪性能更优越,且能更有效和稳定地从GPS时序中提取周期项信号。     

EMD-Wavelet����ģ���ڶ�̬�������ݴ����е�Ӧ��

????????·????????????????GPS???ж?????????????????????η???????????????С????????????EMD????????????????????μ?????????????????EMD??Wavelet????????????????????????е?????????С????????EMD?????????????н???EMD?????????????????????????????????????С???Wavelet??Kalman?????Kalman?????EMD?????EMD??Wavelet??????????????????????С????????????????????????????EMD??Wavelet?????GPS??????μ??????????????????     

HHT������IGS����վʱ�����з����е�Ӧ��

???t????????????????????????????2000-2006?????????????У?????????????????????????????????????????????仯?????в???????????????仯???????-0.533 mm/a??-2.083 mm/a?????????????Hilbert?任????????Hilbert?????????-???-??????Hilbert?????????????????????????????????????3 cycle/a????????????????????????????????351???????????????????????仯?????????????н???EMD????????????sym6??db8С???????????б??????????EMD????????????????????????EMD??????????и??????????????????????     

HHT-EEMD用于IGS站高程时间序列分析

利用经验模态分解（EMD）和整体经验模态分解（EEMD）方法,将BJFS站2000~2015年高程时间序列进行分解,发现其不仅存在1 a、0.5 a、0.25 a、2个月、1个月以及长周期等周期项,还存在以往方法很难探测出来的近似2 a周期信号。与EMD分解结果对比,整体经验模态分解可以明显减弱模式混叠现象。对各分量进行Hilbert 变换（HHT）,得到时间-频率-能量的Hilbert 频谱图。结果表明,年周期和2 a周期变化是高程运动的主要贡献项。利用小波变换方法对比验证EEMD的分解结果表明,与小波分析相比,EEMD重构信号与高程序列差异的RMS更小,证明了HHT-EEMD方法在数据资料分析过程中的有效性。对环境负载及GRACE负载造成的测站位移进行功率谱分析得出,环境负载确实会造成IGS站高程时间序列的1 a、0.5 a以及季节性运动,GRACE负载还验证了2 a信号的存在。     

一种确定分界IMF分量的改进EMD方法

针对经验模态分解(empirical mode decomposition, EMD)降噪过程中采用相关系数(p)准则确定分界本征模态函数(intrinsic mode function, IMF)分量K值存在不准确性的问题，选用复合评价指标(T)，综合考虑曲线平滑度(r)与均方根误差(RMSE)2个指标值，提出一种改进的EMD降噪方法。利用9个模拟数据和2个陆态网基准站的实测GPS高程时间序列数据进行验证，结果表明，复合评价指标比单一的相关系数指标所确定的分界IMF分量K值更准确，能够更可靠地识别噪声与信号的分界点，使降噪效果更佳。     

共模误差PCA与ICA提取方法的比较

为消除共模误差CME,目前广泛应用的主成分分析法（PCA）基于观测数据的二阶统计量（方差和协方差）将观测网残差分解成一组不相关的随时间变化的模态和对应的空间响应,而GPS时间序列分布具有非高斯特征,二阶统计量不能完全描述其随机特性。本文假设区域网CME 与其他误差相互统计独立,则可以采用独立分量分析（ICA）法。采用模拟数据对ICA提取CME的精确性和有效性进行验证,并与PCA结果进行对比。结果表明,ICA能够有效地提取观测网CME。     

���ھ���ģ̬�ֽ��GPS�ɽ�ˮ���仯�о�

???й????????????2000~2004???????????????λ???????GAMIT????????????????????????У???????t?????????????????????仯?????????????????????????GPS??????????з??????????????????????????????????????????′?????????????????????????????GPS?????????仯??????????????????′??????????????GPS??????????仯??????????     

Hilbert-Huang�任�ڹ��峱�����е�Ӧ��

??(HHT) Hilbert??Huang????????????б???峱??????????????????????????????б????????????????Hilbert?任????????????Hilbert???