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。     

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。     

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。     

改进奇异谱分析方法的GPS时间序列分析

针对传统奇异谱分析方法具有相移现象缺点而不能有效分析,是由于不同形式的地球物理现象而包含有阶跃项、非线性趋势项、以及振幅随时间变化的季节项,从而呈现显著的非线性变化的时间序列,该文提出了一种用于拟合GPS时间序列的改进奇异谱分析方法。采用实际IGS站点数据将改进奇异谱分析方法与小波分析方法进行比较,结果表明,改进奇异谱分析方法在提取年以及半年季节项要优于小波分析方法。基于模拟数据计算表明:模拟信号和改进奇异谱分析方法重构信号残差的均方根小于1.8mm,改进奇异谱分析方法拟合精度显著优于传统奇异谱分析方法。改进奇异谱分析方法消除了传统奇异谱分析方法具有相移现象缺点。     

联合EMD-HD和小波分解的GNSS坐标时间序列降噪分析EI北大核心CSCD

针对经验模态分解(empirical mode decomposition,EMD)在GNSS坐标时间序列的降噪过程中存在筛选准则的选取和模态混叠效应等问题,本文引入Hausdorff距离(Hausdorff distance,HD)筛选准则并结合小波分解(wavelet decomposition,WD),提出EMD-HD&WD算法。通过对我国大陆构造环境监测网络149个GNSS测站的垂向坐标时间序列降噪处理,分别利用复合指标T值、测站的速度不确定度和闪烁噪声振幅验证算法的可靠性和普适性。结果显示:HD优于现有的筛选准则;EMD-HD&WD算法对测站的速度不确定度和闪烁噪声振幅的平均改正率均为88.4%。分析表明,本文算法能够有效识别和剔除噪声并且改善EMD的模态混叠效应,提高GNSS垂向坐标时间序列的模型精度。     

奇异谱分析在GNSS变形监测数据处理中的应用

为了更好地对桥梁的变形状态进行监测,评价桥梁运营的稳定性,本文将GNSS(Global Navigation Satellite System)用于桥梁变形监测中,并使用奇异谱分析(Singular Spectrum Analysis, SSA)对GNSS监测数据进行处理。研究了实现SSA的关键参数嵌入维数及有效主分量的确定方法。经SSA后提取得到变形监测数据中的趋势项成分与周期项成分,剔除了噪声项,对结果分析得出：桥梁在3个方向上都会产生周期性变形,变形幅度不一样但是周期及变形极值点都一致,并且只在一定范围内变化,理解为受日照、荷载影响产生的变形,这种可恢复性变形也表明桥梁的运营状态良好。     

LMD和小波阈值的GNSS坐标时间序列降噪应用

局部均值分解方法降噪过于粗糙,将认定为噪声的乘积函数(PF)分量直接剔除,导致有用信息丢失.为了有效提取GNSS站坐标时间序列的有用信息,该文提出一种局部均值分解和小波阈值相结合的降噪方法.通过局部均值分解将坐标时间序列分解为一系列PF分量和余项,依据消除趋势波动分析方法计算各PF分量的Hurst指数,利用小波阈值提取H≤1的PF分量中的有用信息,将提取出的信息与剩余PF分量叠加重构获得最终降噪的坐标时间序列.通过对5个测站的坐标时间序列进行实验,结果表明局部均值分解和小波阈值相结合的方法能够有效提取噪声分量中的有用信息,信噪比提高了27.8％,从而验证了该方法的有效性.     

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。     

小波和傅里叶变换在坐标时间序列分析中的应用

正确提取坐标时间序列中的特征信息是非线性变化分析的前提．根据傅里叶变换和小波变换各自的特点,提出将两种方法结合起来对时间序列在时域和频域上进行分析的算法．首先采用小波函数db4对坐标时间序列分解5层得到高频和低频部分,进而分析各次谐波的时域波形以及可能存在的突变信息和区间,再在快速傅里叶变换的基础上求得各次谐波的准确频率和幅值．研究结果表明,低频分析可以直观地得到“周年项”和“两年周期项”,而高频分析能够较准确提取“半周年项”、“一季项”等短周期．与单独采用傅里叶变换或小波变换相比,基于小波变换与傅里叶变换相结合的方法能够有效地提取坐标时间序列中的特征信息,具有较高的研究价值.      

GNSS高程时间序列周期项的经验模态分解提取

针对传统方法——常振幅常相位的周年+半周年谐波模型法不能准确提取GNSS高程时间序列中周期项问题,该文以中国区域10个IGS基准站在ITRF2008框架下2005—2015年高程时间序列为例,采用经验模态分解(EMD)提取各测站高程时间序列的周期项。对传统方法和EMD两种方法提取的周期项做Lomb_Scargle谱分析,用功率谱图分析了这两种方法提取序列周期项的能力。实验结果表明,EMD方法较传统方法更能准确、自适应地提取GNSS高程时间序列的周期项。     

GNSS位置时间序列分析理论与进展

GNSS时间序列分析对大地测量和地球物理领域研究具有重要意义。梳理和总结了大地测量时间序列特别是GNSS位置时间序列的研究现状和进展。重点介绍了GNSS时间序列分析的理论和方法,并同时指出了GNSS时间序列分析中存在的不足和下一步改进的方向。     

联合加权小波和EEMD的GNSS坐标时间序列降噪分析

针对GNSS坐标时间序列中有用信号与噪声难以准确分离这一问题,本文提出加权小波Z变换(weighted wavelet Z-transform, WWZ)和集合经验模态分解(ensemble empirical mode decomposition,EEMD)的降噪方法.通过对西北地区70个陆态网络连续站垂向坐标时间序列的降噪处理,分别采用均方根误差(root mean squared error,RMSE)、信噪比(signal to noise ratio,SNR)、闪烁噪声(flicker noise,FN)振幅及速度不确定度为评价指标,验证了本文方法的降噪效果在一定程度上优于小波降噪和EEMD降噪.结果显示：WWZ-EEMD相比小波降噪和EEMD降噪,降噪后信号序列RMSE分别降低了0.331 mm、 0.757 mm,SNR分别提高了1.911 dB、3.635 dB;FN振幅及速度不确定度均有明显改善,验证了本文降噪方法的有效性.     

改进的启发式分割算法在GNSS坐标时间序列阶跃探测中的应用

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。     

基于功率谱和小波谱在GNSS时间序列信号探测分析中的应用

GNSS坐标在观测过程中受多方面因素影响,产生各种误差,存在一些波动变化,根据波动变化特征可以分析探测存在的信号。本文主要利用功率谱、小波谱和小波熵对GNSS原始、去趋势项、差分处理3种情况下时间序列进行分析,通过对比显示,小波谱和小波熵对于非平稳信号探测比功率谱分析能力强,GNSS时间序列存在一个趋势项和一个年周期信号。     

联合LMD与EMD的GNSS站坐标时间序列去噪方法

针对GNSS站坐标时间序列信噪不易分离的问题,在传统EMD去噪方法的基础上,本文提出了一种联合LMD与EMD的坐标时间序列去噪方法。该方法首先采用LMD分解原始坐标时间序列,基于连续均方误差（CMSE）原则分离高频噪声与低频信号,保持低频分量不变;然后对高频分量进行EMD去噪;最后以2次分解所得低频信号之和作为去噪后时间序列。以仿真数据与8个GNSS基准站实测数据进行试验,通过多种评价指标进行精度评估。结果表明,与传统EMD方法相比,联合LMD与EMD的方法能够更加精确地去除坐标时间序列中的噪声。     

GNSS坐标时间序列的小波去噪

针对影响小波去噪质量的各种因素进行分析,确定最佳分解层次,利用软阈值法对GNSS坐标时间序列进行小波去噪,使用信噪比和均方根误差来衡量去噪效果。分析表明,阈值估计准则是小波去噪的关键,不同阈值的去噪结果存在明显差异,利用启发式Stein无偏风险阈值,对水平方向的坐标时间序列可以得到较为理想的去噪效果。     

基于成分聚类的高阶奇异谱分析及在GNSS 监测序列分析中的应用

高阶奇异谱分析(HSSA)相对于奇异谱分析对不同延时、嵌入维数变化有较好的鲁棒性,在信号处理、工程等领域有着广泛应用。针对高阶奇异谱分析应用中成分序列的选取凭经验过于主观的问题,在理论推导与分析的基础上,提出一种基于成分功率谱聚类的方法,并应用于实际GNSS监测序列的处理与分析,得到了具有明显以一天为周期的周期成分、趋势变化成分以及不规则变动成分,反映了不同因素造成的大桥索塔变形,为后续索塔变形的建模预报、安全评估提供了技术支撑,也说明方法的实用性。     

GNSS坐标时间序列分析理论与方法及展望

长期累积的全球卫星导航系统（Global Navigation Satellite System,GNSS）基准站坐标时间序列为大地测量学及地球动力学研究提供了基础数据。通过完善GNSS数据处理模型及策略,研究造成非线性运动的机制并进行有效建模,可以获得测站准确的位置和速度,不仅有助于合理解释板块构造运动,建立和维持动态地球参考框架,而且能更好地研究冰后回弹及海平面变化,反演冰雪质量变迁等地球动力学过程。首先从基准站坐标的精确获取、时间序列模型构建、时间序列信号分析等方面描述了GNSS坐标时间序列分析的理论与处理方法;其次,探讨了坐标时间序列噪声模型构建技术,给出了严密三维噪声模型构建方法;然后,疏理了坐标时间序列中非线性变化成因机制的研究进展;最后,总结了基于GNSS坐标时间序列的应用领域,并展望了其未来的发展方向。     

GNSS坐标时间序列噪声特征分析

为了研究我国目前建立的连续运行参考网络（CORS）GNSS基准站的坐标时间序列噪声特征是否与国际领域研究的成果相符合,对江苏CORS网连续3年24个分布均匀的GNSS基准站的数据进行处理,利用GAMIT软件获取了各基准站的坐标时间序列,并利用CATS软件采用最大似然估计法对坐标时间序列的噪声特征进行了分析,结果表明：GNSS基准站坐标时间序列不仅包含白噪声,还包含有色噪声;GNSS基准站坐标时间序列在N、E、U方向的噪声类型并不完全一致,其中N、E方向的最佳噪声模型为“WH＋FN＋RWN”,U方向的最佳噪声模型为“WH＋FN”.     

MSSA在GPS坐标序列分析中的应用

本文选取CMONOC位于云南省域的4个测站坐标序列作为试验对象,利用多通道奇异谱分析(MSSA)对序列进行缺失数据的插补及季节性信号的提取.试验结果表明,MSSA迭代插补精度在水平方向优于1.5 mm,在垂直方向上优于4 mm,表现均好于三次样条插值,而且当序列的缺失率升高、连续性减弱时依然不失其优越性;对比MSSA及...