环境负载对GNSS坐标时间序列噪声特性的影响研究

基于中国大陆构造环境监测网络的连续GNSS观测数据,选取云南省25个测站的坐标时间序列研究地表质量变化对建立噪声模型的影响。计算陆地水负载、大气压负载和非潮汐海洋负载引起的测站非线性变化,采用极大似然估计对不同噪声组合进行分析,分别建立负载改正前后各GNSS测站的最优噪声模型,同时估计速度的不确定度。结果发现,云南省GNSS测站各分量的噪声特性主要表现为闪烁噪声+白噪声(FN+WN);环境负载改正能够改变坐标时间序列的最优噪声模型;用加入环境负载改正后建立的最优噪声模型估计各测站的速度不确定度,对于E、N、U分量,分别有72%、80%、68%的测站的速度不确定度变小。     

海潮模型差异对GNSS坐标时间序列周期信号及噪声特性影响分析

选取FES2004、EOT11a、TPXO7.2和Chinasea2010等4种海潮模型分别对23个CMONOC沿海测站进行海潮负荷位移改正,分析不同海潮模型对中国沿海区域测站坐标时间序列的影响。定量比较高频潮波参数模型间差异对周期信号的影响,结果表明,周日、半日潮波参数差异对海潮负荷位移改正后序列长周期信号、周年信号和半周年信号功率的影响最大可达4.3%、2.6%、2.0%和9.1%、0.7%、9.6%。基于Chinasea2010和TPXO7.2海潮模型的OTL改正使WN+FN+RWN测站噪声组合所占比例增至43%,而基于FES2004模型的OTL改正对测站速度不确定度的改善最大,39%的测站得到60%~98%的改善。     

基于奇异谱分析的GNSS坐标时间序列粗差探测与噪声估计

考虑到传统谐波模型难以精确描述GNSS坐标时间序列的非线性变化,导致信号和噪声不能很好地分离,进一步影响粗差探测和噪声估计,本文提出一种基于奇异谱分析的粗差探测与噪声估计算法。首先采用奇异谱分析方法分离出GNSS坐标时间序列中的信号与噪声,然后基于IQR准则探测噪声中的粗差,最后采用最小二乘方差分量估计（LS_VCE）方法定量估计各噪声分量。算例表明,相比于传统基于谐波模型的算法,该算法的粗差探测准确率更高,且估计的噪声分量与真值更接近。     

对流层延迟对高差较大GPS测站短基线时间序列的影响分析

选择5对IGS测站短基线作为研究对象,使用两种不同的基线解算方案进行数据处理,基于小波分析方法研究对流层延迟估计对高差较大GPS测站短基线时间序列的影响。结果表明,对于高差大于100 m的短基线,不估计对流层延迟会使高程方向时间序列出现虚假的季节性变化,周年振幅影响最大可达17.7 mm,估计对流层延迟后该季节信号显著减弱;此外,还发现不估计对流层延迟时,测站间天顶总延迟差异与基线高程方向产生的偏差具有一定的相关性。     

顾及GNSS坐标时间序列中季节信号的CEEMD降噪方法

针对互补集合经验模态分解（complementary ensemble empirical mode decomposition,CEEMD）在GNSS坐标时间序列降噪过程中需要选取筛选准则的问题,提出一种顾及GNSS坐标时间序列中季节信号的CEEMD降噪方法。首先利用CEEMD方法对GNSS坐标时间序列进行分解,然后计算各本征模态函数（intrinsic mode function,IMF）的平均周期,将平均周期低于120 d的IMF分量作为噪声分量扣除,并重构剩余分量为信号分量。利用该方法对中国大陆227个GNSS垂向坐标时间序列进行降噪,并与以连续均方误差和相关系数为筛选准则的CEEMD降噪方法的结果进行对比。结果表明,本文方法未出现过度降噪,而其他2种方法均导致部分测站的季节信号被扣除;在未过度降噪站点,本文方法GNSS坐标时间序列的RMS、幂律噪声和速度不确定度的平均改正率分别为19.13%、88.29%和86.46%,优于其他2种方法。     

LOESS用于GNSS垂向坐标时间序列噪声识别与提取

针对GNSS垂向坐标时间序列噪声复杂、精度较差等特点,采用局部加权回归模型(locally weighted regression, LOESS)对中国大陆构造环境监测网络中289个GNSS站的垂向坐标时间序列进行降噪分析。首先利用LOESS方法对预处理后的时间序列进行降噪处理,得到降噪后的时间序列及噪声序列;然后采用Durbin-Watson(DW)检验对降噪后的噪声序列进行自相关性检验,同时采用Wilcoxon秩和检验方法对降噪前后序列的标准差、噪声项、速度不确定度等指标进行显著性检验;最后采用降噪前后序列的信噪比及前3个指标来定量评价降噪效果。结果表明,各测站降噪后的噪声序列不存在自相关性,采用LOESS方法降噪处理后各评价指标均有显著改正,表明LOESS方法能够有效减少GNSS垂向坐标时间序列中的噪声,进一步提高GNSS垂向坐标时间序列的精度。     

基于DIA的GNSS坐标时间序列异常值探测

为解决GNSS坐标时间序列中存在异常值导致地壳形变分析受到影响的问题,首先将经典数据探测法DIA(detection, identification, adaptation)引入GNSS坐标时间序列分析中,基于谐波模型构造相应的统计量;然后采用计算效率更高的改进DIA算法进行异常值探测;最后采用模拟数据和中国大陆地壳运动观测网络(陆态网络)CMONOC实测数据对DIA算法和传统3σ法进行比较。结果表明,DIA算法能够有效探测出GNSS坐标时间序列中的异常值,准确率高于传统3σ法。相较于传统DIA算法,改进后的DIA算法计算效率显著提高。     

中国沿海海洋站GNSS坐标时间序列噪声模型的建立与分析

选取中国沿海海洋站中与验潮室并址的22个GNSS基准站近9 a的观测资料,利用最大似然估计法分析各站时间序列的噪声特性,建立最优噪声模型;然后顾及有色噪声,利用最优噪声模型估计测站速度,并与纯白噪声模型和GLOBK获取的速度及误差进行对比分析。结果表明：1）沿海海洋站的GNSS时间序列均含有有色噪声,各分量的噪声特性不完全一致,E方向和U分量均以白噪声+闪烁噪声为主,N分量以白噪声+闪烁噪声和白噪声+一阶马尔科夫噪声+随机漫步噪声为主。2）全国沿海3个海区N、E分量的白噪声和闪烁噪声基本呈现越往南噪声越大的规律,南海海区U分量的白噪声和闪烁噪声最大。3）顾及有色噪声的速度中误差是仅考虑白噪声和GLOBK估计的速度中误差估计值的5～10倍,这种差异比内陆观测站的要大。4）在对海洋站GNSS时间序列进行速度分析时,为获取正确的速度值,应该先准确判断噪声的类型,再顾及有色噪声的影响估计测站速度。     

利用主成分分析法分析GNSS坐标时间序列

利用主成分分析法对陆态网224个GNSS基准站坐标时间序列进行分析.首先对基准站原始坐标序列进行突变项拟合、粗差剔除、缺失数据插值补齐等预处理;然后对预处理后的站点残差坐标时间序列分N、E、U方向组建时间序列矩阵进行主成分分析,根据各方向主分量及其相应的空间特征向量分析站点空间响应分布特征、共模误差以及异常站点的影响....     

插补GNSS坐标时间序列的改进DINEOF算法

针对GNSS坐标时间序列插补中数据插值经验正交函数（data interpolating empirical orthogonal functions,DINEOF）算法受低相关度站点影响、连续长空缺插值效果欠佳的问题,提出相关数据插值经验正交函数（coefficient data interpolating empirical orthogonal functions,CDINEOF）算法。首先计算目标站点与其周围站点数据的相关度,然后筛选出相关度较高的数据构建观测矩阵,最后采用DINEOF算法对观测矩阵中的缺失数据进行插补。通过模拟数据和实测数据验证新方法的可行性,并与DINEOF算法和多项式插值法的结果进行对比分析。模拟数据实验结果表明,当观测数据存在连续长空缺时,CDINEOF算法的插值效果优于DINEOF算法和多项式插值法。实测数据实验结果表明,CDINEOF算法在保留方差最大化方面效果最好,与DINEOF算法和多项式插值法相比分别提升了11.8%和6.7%。     

优化EWT-NLM的自适应GNSS高程时间序列降噪方法

提出一种引入样本熵（SE）优化的经验小波变换（EWT）结合非局部均值（NLM）滤波的组合自适应降噪方法。该方法使用SE确定全部经验模态分量中低频有效信号界限,叠加其余中高频分量后进行NLM滤波处理,之后重构滤波信号与有效信号为最终降噪信号,从而达到滤除高频噪声的目的。模拟数据与实测数据的实验结果表明,优化的EWT-NLM方法整体优于EMD、EWT方法,RMSE分别降低13.41%/10.63%（实测数据/模拟数据）、7.13%/5.78%,信噪比分别提升22.03%/22.54%、9.72%/7.42%。     

长基线时间序列季节项提取和重构方法分析

运用经验模态分解（EMD）、集合经验模态分解（EEMD）和完备总体经验模态分解（CEEMD）3种方法对原始基线时间序列进行分解,得到各自时间序列的本征函数模态分量（IMF）、相关系数及周期性强度,进而确定其季节项分量,同时通过比较季节项和原始基线时间序列的叠加功率谱图优选分解方法。结果表明,CEEMD方法对基线时间序列季节项提取和重构效果最佳。     

基于SSA-Sn法的GNSS坐标时间序列粗差探测

针对GNSS高程坐标时间序列中含有粗差、高程坐标时间序列不平稳、非线性变化导致异常值探测困难等问题,提出一种奇异谱分析SSA与S_n估计量相结合的粗差探测方法。利用实验模拟数据和实测数据分别对该方法的探测效果同常规3σ法和MAD法进行对比,结果表明,SSA-S_n粗差探测方法的总体探测效果更好,能够满足GNSS坐标时间序列高可靠性的需求。