小波多尺度分解和奇异谱分析在GNSS站坐标时间序列分析中的应用

为了有效地提取GNSS(global navigation satellite system)站坐标时间序列中的有用信息,提高坐标时间序列的建模精度,提出一种小波多尺度分解与奇异谱分析相结合的非线性运动建模方法,并利用全球11个测站20年(1999―2018年)的GPS(global positioning system)垂向坐标时间序列对所提方法进行了验证。首先,通过小波分解将坐标时间序列分解到不同尺度上;然后,对分解后的各层高频部分和低频部分进行奇异谱分析;最后,通过叠加合成得到原始坐标时间序列的拟合值,并对所提方法的拟合效果进行评估。结果表明,与单纯的奇异谱分析方法相比,所提方法能够更加准确地从含噪声的有限尺度时间序列中提取趋势和周期等有用信息,降低了部分周期项如季节周期项、月周期项被当作噪声剔除的概率,并且建模精度有26%的提高。