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...     

多核函数法对GNSS大空间域共模误差的识别

根据GNSS时序资料3分量E,N和U误差的构成和地壳微形变分析的需求,提出了基于多核函数大空间域共模误差识别的实用方法。并以川滇地区GNSS连续观测资料为例进行了实际计算与应用,获得了如下看法或结果:1)基于多核函数可有效识别大空间尺度GNSS时序3分量中的共模误差;2)进一步明确了GNSS连续站水平向时序观测值中共模误差是其误差的主要组成部分;3)通过对共模误差白噪声的剔除性处理可以更有效地分辨微形变或弱动态变化信息。     

共模误差对GNSS坐标时间序列影响分析

以我国西南地区44个GNSS站在ITRF2008框架下约6年的高精度GNSS坐标时间序列为例,研究CME对高精度GNSS坐标时间序列的影响。用PCA方法提取序列中的CME并分析其对高精度GNSS坐标时间序列特征参数的影响。研究结果表明,CME对高精度GNSS时间序列的振幅、相位、噪声类型及测站速率均有不同程度的影响,主要体现在滤波后44个测站N、E、U方向序列标准差分别提高75%、70%、57%;滤波前后测站U方向约50%的测站速率有1～2 mm的差异。可见,在高精度时间序列建模、地壳蠕动形变分析、毫米级参考框架建立等高精度GNSS数据应用领域中CME的影响不容忽视。     

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。     

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.     

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。     

共模误差对坐标时间序列分析的影响

基于2013年至2018年环渤海地区GPS基站6年的观测数据,研究了共模误差对坐标时间序列分析的影响。首先利用主成分分析方法提取环渤海区域27个基准站的共模误差,以N、E、U三个方向的第一主成分来计算共模误差;然后使用最大似然估计法得到各测站剔除共模误差前后的噪声。发现在消除共模误差后,N,E,U方向的相对坐标时间序列得到改善,白噪声,闪烁噪声和随机行走噪声明显减小。结果表明,共模误差的剔除有效的提高了坐标时间序列分析的精度。     

基于小波变换的GNSS单差观测序列周跳探测方法

在卫星定位应用领域,GNSS周跳的探测和修复仍然是载波相位测量中的一个重要问题。近年来,在站星双差观测序列、星间单差观测序列都进行了周跳探测研究。小波分析方法是一种在时域和频域上同时具有良好的局部化特性的分析方法,利用小波对信号进行分析时可以提取信号的突变点。本文利用小波变换对星间单差观测序列进行了周跳探测,通过算例探讨了该方法的应用效果。     

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。     

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。     

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”.     

基于时间序列相似度的城市功能区识别研究

随着城市化的快速发展,城市空间结构愈发复杂,城市功能区的快速有效识别对资源的有效配置和城市规划具有重要意义.传统的功能区识别缺乏对居民这一城市空间活动主体的动态表征,而长时间序列的出租车数据能动态表征居民出行行为,进而反映城市空间结构.动态时间扭曲(DTW)距离比传统的欧氏距离更能有效挖掘高维数据,泛化后的LB_Keo...     

基于时间序列Sentinel-1A数据的水稻识别

基于时间序列的Sentinel-1A数据,利用光谱相似性方法(SSM)对广东省台山县汶村镇和海宴镇进行了水稻识别。首先将SSM应用于时间序列SAR图像中,计算光谱相似度;再通过设置阈值获得初始水稻种植面积图;最后消除斑点噪声,获得水稻种植面积图。结果表明,基于VH极化图像,利用SSM和阈值法获得的水稻种植面积图的总体精度最高为97.34%,Kappa系数为0.94。因此,时间序列Sentinel-1A数据对于识别水稻或其他作物具有很大的潜力。     

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。     

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。     

一种基于时序数据的动态聚类分析方法

本文基于灰色关联度和模糊聚类分析原理及多目标决策技术,提出了一种基于时间序列数据的动态聚类分析方法,并以复杂的城市化进程为例加以应用,得出了一些有意义的结果。实践证明,该方法适合于多指标、多时段的(复杂)动态系统建模。     

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。     

EMD在GNSS时间序列周期项处理中的应用

全球导航卫星系统（global navigation satellite system,GNSS）位置时间序列蕴含有丰富的构造和非构造变形信息,具有成分复杂、建模困难、非构造信息难以有效分离等特点,利用自适应的经验模态分解（empirical mode decomposition,EMD）方法对川滇地区24个GNSS连续站时间序列作周期项修正。结果表明,周期项的修正十分必要,EMD方法能够根据每个台站信号的自身特性,自适应地提取不同频率、振幅的周期成分,这也更符合实际情况;相较于谐波模型,EMD方法对原始时间序列在N、E、U方向的改正均更加精确有效。使用修正后的连续站时间序列模拟流动观测,发现经过5～6 a/期观测即可得到相对可靠的台站运动速度,并通过距离较近的实际连续观测站对流动观测站周期项改正,验证了EMD方法的稳定性和可靠性,这也为流动GNSS观测实施、周期修正和资料使用提供了参考意见和理论依据。