顾及MLE的IGS坐标时间序列噪声模型特性分析

以30个GPS基准站坐标序列为对象,提出分别采用赤池信息量准则(AIC)与贝叶斯信息准则(BIC)噪声模型估计准则判定GPS时间序列噪声特性,对比分析GPS时间序列噪声模型特性,探讨不同噪声模型对GPS站速度及其不确定度的影响.结果表明GPS站坐标序列噪声模型主要表现为FN+WN、PL及FN+RW+WN噪声模型特性;FN+WN噪声模型对GPS站速度估计值的影响相对较小,但在U分量影响最为明显;此外,RW对站速度不确定度的影响不可忽略,正确获取模型参数估计的实际不确定度及改正噪声分量对于合理应用GPS坐标时间序列数据具有重要的意义.     

ETS对GPS站坐标时间序列噪声模型建立影响分析

间歇性震颤与滑移ETS是一种大陆地区地震观测中未知的弱震动信号,分析ETS运动对GPS测站的影响有助于建立更为准确的GPS基准站运动模型,为地球动力学研究提供有价值的参考资料。文中以20个GPS基准站为研究对象,对FN+WN、PL+WN、GGM+WN及FN+RW+WN 4种不同噪声模型组合进行噪声分析,探讨ETS对GPS站坐标时间序列噪声模型建立影响,结果表明:ETS引起GPS站坐标序列噪声模型发生变化,且可造成噪声模型的错误估计;在准确估计站速度及其不确定度时必须考虑间歇性震颤与滑移因素,否则可能导致过高估计站速度及其不确定度;随着间歇性震颤与滑移参数的增加,RW的占比显著增加。     

PANGA坐标时间序列噪声模型特性分析

选取PANGA观测网中的200个GPS基准站12年的坐标序列. 采用AIC模型估计准则噪声特性进行分析,并结合不同数据策略对噪声模型建立的影响进行探讨. 结果表明:不同数据策略对噪声模型建立的影响较小,基准站站坐标序列噪声模型主要表现为PL+WN噪声模型特性;不同随机模型对GPS站速度估计值的影响相对较小,但在U分量影响最为明显;对比不同策略处理下的周年振幅变化,E、N、U方向振幅值存在差异,最终确定了振幅位移的尺度.      

随机模型对IGS站速度及其不确定度影响分析

针对随机模型对站速度的影响,该文以45个国际GNSS服务(IGS)核心站坐标时间序列为研究对象,提出基于Fisher信息矩阵的KIC噪声模型估计准则,对WN、PL、FN+WN、FN+RW、FN+WN+RW备选随机模型进行分析。探讨不同随机模型对IGS站速度及其不确定度估计的影响。结果表明,IGS站坐标时间序列随机模型呈现出多样性,在进行噪声模型估计及其速度应用时应选择足够代表IGS随机模型的备选噪声模型。不同随机模型对IGS站速度估计值的相对影响较小,但对速度不确定度估计值影响不可忽略,尤其是RW分量对站速度不确定度的影响更加明显。     

CME对IGS基准站坐标序列噪声模型及速度估计影响分析

以50个IGS基准站坐标时间序列为研究对象,采用赤池信息量准则（BIC）模型估计准则对四种组合噪声特性进行估计分析,探讨共模噪声（CME）对IGS基准站坐标时间序列噪声模型及站速度影响. 结果表明CME会导致IGS基准站坐标序列噪声模型的有偏估计,并影响站速度的确定精度,准确估计基准站速度参数时应对CME进行修正;经CME修正后IGS基准站周年运动周年项振幅有所减小,高程方向更为明显,表明滤波后IGS基准站周年运动相对稳定.      

GNSS时序噪声模型估计准则可靠性分析

针对GNSS时间序列噪声难辨识问题，该文仿真100组不同时间跨度FNWN、PLWN、GGMWN、RWFNWN噪声背景的高程时间序列，并AIC、BIC、BIC＿tp噪声模型估计准则进行分析，论证不同估计准则的可靠性、适用性，并进一步探讨了时间跨度与噪声模型对站速度估计的影响。结果表明：AIC对RW、PL噪声分量比较敏感，相比其他准则更容易辨识出坐标序列中存在的RW噪声；当时间跨度大于20 a时，AIC、BIC、BIC＿tp模型估计准则的准确识别率一致性较好；对于FNWN模型，AIC估计准则的辨识率较差。随着时间跨度的增加，GNSS站速度的确定精度逐步提高。不同噪声模型假设下，站速度不确定度存在较大差异，准确的噪声模型辨识是获取可靠的站速度及不确定度的关键。     

不同解算策略对GPS坐标序列噪声模型建立及速度影响

解算策略选择与GPS站速度及参数模型估计密切相关,本文选取陆态网下121个GPS基准站2011—2019年时间序列作为研究对象,采用赤池信息量准则/贝叶斯信息量准则(AIC/BIC)最优噪声模型评价准则,探讨GAMIT、Bernese及二者联合解算策略(Comb)对GPS坐标序列噪声模型和速度估计的影响.?结果表明:不...     

格陵兰GNSS测站坐标时间序列噪声分析

自2007年来,格陵兰地区逐步建立了50多个GNSS连续观测站用以监测冰川质量变化导致的地壳回弹,至今已累计了超过15 a的坐标时间序列,这使得确定坐标时间序列的噪声特性成为可能。本文选取了格陵兰53个GNSS观测站自2008-2018年共10 a的坐标时间序列,利用功率谱分析和极大似然估计对其噪声特性进行了分析,并基于最优噪声组合估计了格陵兰测站的位移速度及其不确定度。利用贝叶斯信息准则作为评估依据的结果表明,闪烁噪声和白噪声+闪烁噪声的组合可以解释33%的测站噪声,幂律噪声可以解释52%的测站噪声,其余测站可用随机游走或一阶高斯马尔科夫噪声来解释。在利用极大似然估计分析测站坐标时间序列时,对于对97%的测站位移分量的速度估值而言,不同噪声模型的影响小于0.1 mm/a,最大为0.31mm/a,但不同的噪声模型会导致测站位移速度的不确定度的最大估值和最小估值之间存在1.3～7.1倍的差异。因此准确地确定测站坐标序列的噪声模型对于准确估计测站位移速度及其不确定度是十分重要的。     

GPS坐标时间序列严密三维噪声模型建立方法

积累多年的GPS基准站坐标时间序列被广泛应用于大地测量学与地球动力学研究。实现坐标时间序列中噪声与信号的有效分离并建立顾及不同分量噪声之间相关性的严密三维噪声模型,有助于确定测站线性以及非线性运动参数估值更加真实的不确定度。这对于精化速度场、合理解释地壳形变特征、建立毫米级的地球参考框架等研究具有重要的科学和现实意义。     

云南地区GPS基准站噪声模型分析

以云南地区陆态网27个全球定位系统(GPS)基准站在2011-2017年不同时间跨度的观测数据为例,使用赤池信息量和贝叶斯信息量估计准则(AIC/BIC)对解算结果进行分析,从而确定其最优有色噪声模型.结果表明,不同时间跨度基准站各坐标分量上噪声特性主要体现为白+闪烁噪声(WN+FN)、幂律噪声(PL)模型组合.部分基准站在北向和垂向的最优噪声模型会随着观测时间的累积而改变,PL模型所占比例有所下降,WN+FN模型所占比例有所上升.当时间跨度大于5 a时,基准站噪声模型的稳定性显著提高.随着坐标时间序列积累时长的增加,未知噪声分量出现的可能性也相应提高.     

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。     

GPS坐标时间序列噪声估计及相关性分析

比较分析了极大似然估计法、最小二乘方差分量估计法以及最小范数二次无偏估计法对GPS站坐标时间序列噪声的估计效果,确定最小范数二次无偏估计法为最优的噪声方差估计方法。在此基础上对中国及其周边区域20个IGS站坐标时间序列中各方向噪声方差进行一元线性回归分析。结果表明,中国及其周边区域IGS站不同方向的噪声间具有中等强度以上的相关性,其中N方向闪烁噪声与其他方向闪烁噪声的相关性要强于白噪声。水平方向的噪声振幅能够解释垂直方向噪声振幅变化的40%~60%,而N方向噪声振幅能够解释E方向噪声振幅变化的60%~80%,获得的线性回归方程具有使用价值。     

山东CORS坐标时间序列周期与噪声特征分析

针对不同区域的周期和噪声特性存在差异,以27个山东连续运行参考站(CORS)2015—2018年的坐标时间序列为研究对象,进行周期和噪声特征分析.结果 表明:坐标时间序列并没有严格的周期信号,U方向的周期运动较为规律;坐标分量的谱指数显示大部分站点可用白噪声(WN)+闪烁噪声(FN)的噪声模型进行描述;采用最大似然估计...     

顾及有色噪声影响的甘肃境内CMONOC基准站坐标时间序列分析

针对甘肃省境内19个CMONOC基准站坐标时间序列结果,采用极大似然估计法(MLE)探讨了各基准站的最优噪声模型,确定了基准站的速度场,并分析了甘肃省地壳运动状况.研究结果表明:甘肃省境内CMONOC基准站各坐标分量噪声特性存在较大的差异,"白噪声+闪烁噪声(WN+FN)"为最优噪声模型,能够更好地描述基准站坐标时间序...     

环渤海区域GPS坐标时间序列噪声分析

本文以环渤海区域GPS基准站2013年至2018年观测数据为基础,从噪声特性及时间序列参数方面进行分析。利用最大似然估计法估计环渤海区域27个测站坐标时间序列在不同噪声模型下的噪声量级及时间序列参数。针对最佳噪声模型,利用谱指数和最大似然估计两种方法分别从定性和定量确定。结果表明,测站的最佳噪声模型主要有WN+FN和WN+FN+RWN两种模型组合,绝大多数测站的最佳噪声模型为WN+FN,其中WN+FN+RWN模型主要分布在基岩类型为土层的基准站上,WN+FN模型主要分布在基岩类型为基岩的基准站上。     

Noise in multivariate GPS position time-series

A methodology is developed to analyze a multivariate linear model, which occurs in many geodetic and geophysical applications. Proper analysis of multivariate GPS coordinate time-series is considered to be an application. General, special, and more practical stochastic models are adopted to assess the noise characteristics of multivariate time-series. The least-squares variance component estimation (LS-VCE) is applied to estimate full covariance matrices among different series. For the special model, it is shown that the multivariate time-series can be estimated separately, and that the (cross) correlation between series propagates directly into the correlation between the corresponding parameters in the functional model. The time-series of five permanent GPS stations are used to show how the correlation between series propagates into the site velocities. The results subsequently conclude that the general model is close to the more practical model, for which an iterative algorithm is presented. The results also indicate that the correlation between series of different coordinate components per station is not significant. However, the spatial correlation between different stations for individual components is significant (a correlation of 0.9 over short baselines) both for white and for colored noise components.