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。     

PCA空间滤波在高频GPS定位中的应用研究

利用主成分分析法(PCA)对高频GPS时间序列进行空间滤波,并结合Karhunen-Loeve展开法(KLE)对其结果进行判定,可有效地提取共模误差,提高单历元定位精度。通过对四川GPS连续观测网的计算分析表明,PCA方法可较好地减弱区域共模误差,并能准确地反映共模误差的空间分布,且精度优于传统的堆栈法,这对高频GPS技术的应用和发展具有重要意义。     

基于独立分量法的新疆GNSS时间序列共模误差分析CSCD

共模误差(CME)是区域连续全球卫星导航系统(GNSS)网中的主要误差来源之一.针对GNSS时间序列具有非高斯分布特征,基于二阶统计量的主成分分析(PCA)难以准确提取出CME分量问题,采用具有高阶统计量的独立分量分析(ICA)对CME进行提取.以2011—2018年新疆区域GNSS坐标时间序列为例,将PCA滤波效果进行对比验证,分析了CME对GNSS坐标时间序列的影响,并对CME序列进行周期分析.结果表明:前6个独立分量包含CME分量,这可能与卫星轨道、地表质量负荷和时钟误差有关,ICA滤波后东(N)、北(E)、天顶(U)三个方向的均方根(RMS)值分别降低31.83%、32.29%、35.49%,速度不确定度分别降低44.14%、38.49%、43.32%,各测站的周期项振幅较滤波前更一致,有效地剔除了CME,提高了坐标时间序列的精度.     

GPS坐标时序共模误差提取方法研究

针对GPS坐标时序数据中存在的共模误差(CME),研究利用堆栈滤波(SF)、网络反演滤波(NIF)和主成分分析(PCA)三种方法进行剔除,以提高GPS监测区域地表位移的精度.通过构建GPS坐标时序模型,去除明显构造运动,提取噪声残差时序,将隐含在噪声残差时序中的区域CME利用SF、NIF、PCA方法提取出来.以日本房总半岛2019—2021年GPS坐标时序为例,比较三种方法和GPS站点空间分辨率对CME提取的影响,分析CME去除前后慢滑移地表位移的变化.研究结果表明：SF、NIF、PCA方法提取CME的结果基本一致;GPS站点空间分辨率降低,提取的CME离散度增大;CME对慢滑移地表水平位移的大小和方向均会产生影响,需进行剔除.     

陆态网络坐标时间序列中共模误差剔除与赫尔默特坐标变换的关系

共模误差存在于测站GPS坐标时间序列中,影响测站坐标和速度估计,在一定范围内其剔除过程与坐标转换等价。为研究共模误差剔除与赫尔默特坐标变换的等价关系,采用相关系数加权叠加滤波法分别计算500km和2 000km陆态网络区域网基准站坐标时间序列的共模误差,并选取公共点进行坐标转换。结果表明,平均相关系数为0.69的500km区域网基准站的较差和中误差都较小,在0.25mm以内,而平均相关系数为0.34的2 000km区域网基准站的较差和中误差与500km区域网相比至少大两倍,可达1mm,影响共模误差计算的准确性。因此,对于500km尺度以内的小区域网,可以用坐标转换的方法替代共模误差剔除,对于尺度大于500km的区域网,需根据测站间相关系数的大小及一致性选择共模误差剔除方法。     

GPS动态监测形变信息提取技术

采用GPS技术对矿区地表移动进行动态监测,针对长距离差分动态定位精度受多因素残余误差的影响,利用主成分分析法(PCA)进行空间滤波,分离区域站点相关的共模误差,以提高坐标序列精度。为进一步分析矿区地表移动受多源影响,采用解决盲信号分离问题的独立分量分析法(ICA),提取各测站形变信息。通过实例与仿真分析,结果表明,利用PCA空间滤波可提高3个分量坐标序列精度分别为46.1%,71.0%及36.8%;基于特征矩阵联合似对角化算法(JADE)进行ICA分解,能够实现各测站形变信息的提取。     

GPS坐标时间序列广义共模误差分离方法

共模误差是GPS坐标时间序列的主要误差来源之一。针对传统的共模误差分离方法存在一定的局限性,甚至分离出错误的共模误差分量问题,该文根据共模误差的潜在起源,提出了一种依据地理环境因素、多尺度评价体系的GPS时间序列广义共模误差分离方法。该方法将相关系数、距离、经纬度、本地效应、地表环境负载效应、主分量贡献率、噪声模型特性等作为评价因子,为大区域、大尺度下GPS坐标序列共模误差,提供了可行的估计方法。实验分析结果表明,该文提出的共模误差分离方法能准确提取出GPS坐标序列中的共模误差,为进一步提高GPS坐标序列精度提供依据。     

顾及有色噪声影响的CGCS2000下我国CORS站速度估计

研究基于计算获取的CGCS2000(中国大地坐标系统2000)下我国国家CORS(全球导航卫星系统连续运行参考站)网1999年至2009年坐标时间序列,首先采用主成分空间滤波方法(PCA)提取CGCS2000框架下国家CORS网坐标时间序列中公共误差(common mode errors,CME)的时空特性;其次,采用功率谱分析方法分析空间滤波后的国家CORS站坐标残差时间序列的噪声性质,采用最大似然法定量估计坐标残差时间序列中的有色噪声分量;最后,采用加权最小二乘法评定顾及不同噪声影响的CGCS2000框架下的国家CORS网年速度估值和实际精度.研究结果表明:采用空间滤波可提高CGCS2000框架下国家CORS网成果的精确性和可靠性,空间滤波后北、东和高方向的平均坐标重复性相对于滤波前分别减小了26%、22%和46%,滤波后国家CORS站高度方向平均振幅减少近64%.在CGCS2000框架下我国CORS站坐标时间序列中白噪声不是噪声的主要成分,白噪声、闪烁噪声和随机漫步噪声的噪声性质是国家CORS站坐标时间序列的基本特征;我国CORS站有色噪声在水平方向和高度方向表现出一定的规律性,顾及有色噪声的速度误差估值比只考虑白噪声的速度误差估值一般大2～6倍,速度估值偏差一般在2%～10%.     

小尺度区域GNSS网三种时空滤波方法研究

针对时空滤波提取GNSS连续坐标时间序列中的共模误差对探测地壳微形变信息至关重要的问题,该文探索了小尺度区域内叠加滤波、主成分分析、独立分量分析等时空滤波方法的特性,基于华北地区13个GNSS测站连续3年的坐标时间序列进行时空滤波,并对比分析不同方法的滤波效果。结果显示,3种方法滤波后均不同程度地降低了坐标时间序列的离散度;区域叠加滤波与主成分分析提取的共模误差空间响应一致,滤波后的标准差基本相同,表明提取共模误差的性质相同,都以二阶统计量为主要信息;独立分量分析滤波后坐标时间序列的标准差较高,这与区域叠加滤波和主成分分析过度滤波有关。     

GPS时间序列噪声特性分析——尼泊尔与藏南为例

选取喜马拉雅地震带上尼泊尔与藏南地区16个IGS台站近三年的GPS时间序列数据,通过编程计算进行详细分析。利用GPS单站、单日解观测序列James L.Davis周期模型对所有IGS台站进行线性变化速率,周期、半周期系数及残差序列的提取。对残差序列中存在数据缺失的时间段,采用3次样条差值拟合方法补齐缺失数据,按照3倍中误差限差原则剔除孤立点。对提取的残差序列所包含的非构造运动引起的时空相关噪声,应用主成分PCA/KLE方法对整个测区的共模误差(CME)进行分析,对剔除CME后的噪声采用功率谱分析方法确定该地区的噪声类型为"闪烁噪声+白噪声"。     

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。     

顾及共模误差的大区域GPS网坐标时间序列噪声分析

噪声分析对GPS时间序列分析有着重要影响,然而针对时间跨度较长的大尺度GPS网的共模误差相关研究较少。本文选取了平均基线长度大于2000 km的欧洲地区9个GPS台站2006-2014年的数据,使用主成分分析法剔除坐标时间序列的共模误差,同时利用极大似然估计的方法对滤波前后的时间序列进行了噪声分析。结果表明,欧洲地区广域GPS网的噪声模型存在多样性,各个分量具有不同的噪声特性,主要表现为白噪声+闪烁噪声、白噪声+幂率噪声,少部分台站N、E两个方向含有随机漫步噪声。经过空间滤波后,部分台站最优噪声模型发生改变,但仍以白噪声+闪烁噪声、白噪声+幂率噪声为主。滤波对N、E方向速度场影响为0.2 mm/a,U方向速度场影响为0.5 mm/a。     

利用改进3σ法获得残差序列的共模误差提取

针对GNSS坐标时间序列的异常值、缺失点插值和共模误差问题，该文采用一种经验模态分解(EMD)与3σ组合算法处理异常值，获取干净的残差时间序列，然后使用Matlab软件的fillmissing函数进行插补，获得连续的时间序列，最后利用独立成分分析(ICA)和主成分分析(PCA)方法对残差序列进行共模误差的提取，分析共模误差的影响。研究结果表明，与LS-3σ相比，EMD-3σ方法的探测率提高了0.2%,说明新算法的探测效果更好。PCA和ICA方法滤波后的RMS值分别平均减少了约22.01%、10.96%,说明PCA和ICA均能有效地提取残差时间序列的共模误差，提高坐标时间序列的精度，且PCA比ICA效果更好。     

川滇GNSS垂向周期信息地球物理意义探索

针对全球导航卫星系统(GNSS)坐标时间序列共模误差(CME)物理起源不明确的问题,该文利用地球物理资料通过格林函数计算质量负荷在垂直方向上引起的地表形变,分别与主成分分析(PCA)和独立成分分析(ICA)分离的分量进行对比,探索周期信号的地球物理意义。结果显示,PCA的时空滤波效率略强于ICA,但ICA提取的周年信号更接近真实情况,其地球物理起源可能与土壤湿度和大气湿度引起的地表形变密切相关,川滇地区CME的主要成分可能为土壤湿度引起的地表形变。该结果为研究川滇地区地壳形变特征、探寻区域CME的物理起源提供了科学依据。     

中国境内IGS站共性误差提取方法比较

共性误差是连续运行观测站存在的一种时空间相关的误差,剔除GPS站点时间序列中的共性误差,对于提高站点坐标时间序列的精度及形变分析具有重要作用。目前,已提出的提取共性误差的方法主要有主成分分析法(PCA)和离散霍特林展开(KLE)两种。本文针对国内主要IGS站,利用GAMIT10.6解算IGS站观测数据获得坐标时间序列,并采用时间序列误差建模的方式分析周期项所含部分,进而获得残差序列。在残差序列基础上,采用不同方法提取共性误差,分析其共性误差对时间序列精度的影响,讨论各方法的优劣情况,得出提取共性误差的最优方法。     

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。     

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。     

共模误差对陆态网测站速度场估计的影响

本文基于52个陆态网连续运行观测站和中国境内及周边10个IGS站近5年的坐标时间序列,利用相关系数加权的叠加滤波法定量计算坐标序列中存在的共模误差,并使用CATS软件分别估计测站各分量剔除共模误差前后的坐标时间序列的速度及其精度,结果显示:在E、N、U分量上,相对于原始坐标时间序列,由剔除共模误差的坐标时间序列整理而得的测站各分量估计速度与陆态网发布速度偏差的均值分别减小了7.32%,1.87%,7.84%,同时各分量估计速度的精度均值也分别提高了33.43%,21.11%,59.26%,这表明在估计区域的测站速度场时,若不剔除原始坐标序列中存在的共模误差,测站的运动速度及其精度可能会被不恰当地估计,即利用剔除共模误差后的坐标时间序列而得结果理论上更加准确可靠。     

陆态网络共模误差的提取研究

针对"中国大陆构造环境监测网络"中的共模误差问题,该文提出了一种新的提取共模误差的方法,该方法在区域叠加滤波中引入坐标时间序列相关系数作为权重因子。基于陆态网络中时间跨度大于4年的154个基准站坐标时间序列,利用相关系数加权叠加滤波方法提取其中的共模误差并分析其特征。结果显示,滤波后测站残差坐标时间序列之间的相关性明显减小,N、E、U 3个分量的相关系数分别平均减少30.33%、19.86%、23.24%。所有测站残差坐标时间序列滤波后的RM_S在N、E、U3个分量分别平均减少9.5%、9.1%、26.1%,与区域叠加滤波结果相比分别提高了2.1%、1.2%、4.5%。结果表明,相关系数加权叠加滤波方法比区域叠加滤波方法提取共模误差更有效。     

武汉市CORS坐标时间序列中共模误差分析

基于武汉市CORS近十年连续观测的单日解坐标时间序列进行数学建模,获取了残差坐标时间序列数据,分析了测站坐标时间序列的周期性变化。为了有效地提取武汉CORS基准站坐标时间序列中的共模误差,采用空间叠加滤波算法以及相关系数叠加滤波算法对其进行空间滤波,并对比分析2种方法的滤波效果。结果表明,武汉CORS基准站单日解坐标时间序列之间存在显著的相关性,2种方法均能有效提取武汉区域共模误差,相关系数叠加滤波算法的滤波效果略优于空间叠加滤波算法。