共查询到19条相似文献,搜索用时 234 毫秒
1.
介绍了GPS时间序列分析方法与理论,并对时间序列分析软件CATS的安装、使用及其基本原理进行了详细阐述。CATS主要使用的两种计算方法:频谱分析法和最大似然估计法;不同的噪声模型(主要是白噪声加有色噪声)来分析时间序列中的噪声以及它们对速度误差的影响。利用CATS可以方便的为研究者获得参数,进行上层研究。 相似文献
2.
《测绘科学技术学报》2018,(4)
在GPS时间序列数据补全问题中,针对在空间点位分布稀疏、观测值连续缺失情况下传统补全效果不佳的问题,提出了一种基于深度学习的补全方法。针对时间序列中存在连续大量缺失的情况,设计了基于长短时记忆神经网络的补全模型;使用待补全站时间序列中可用的数据训练模型,合并使用日期数据增强训练效果,使模型学习到隐式蕴含在序列中的时空相关知识,预测序列缺失处的值。用IGS基准站SHAO的1999—2017年有缺失的时间序列进行实验;并与时间序列预测的传统经典方法 Seasonal ARIMA进行了比较。实验结果表明:在待补全站观测值缺失较多时,提出的方法依然可以取得很好的补全效果;在补全较长连续缺失时,无论是在预测精度还是对原始序列形态的模拟上,表现均优于Seasonal ARIMA。 相似文献
3.
GPS时间序列周期信号的精准提取对趋势的估计具有重要的影响。相较于传统的常数振幅周期信号模型,已有研究表明GPS时间序列周期信号的振幅是随时间变化的。实际的GPS时间序列存在异常值,且在提取周期信号过程中会产生新的异常值。针对以上两点,该文提出了一种基于Huber函数M估计(HM)的GPS坐标时间序列时变振幅周期信号估计方法:采用关于时间的多项式函数来建立时变振幅模型,由HM方法及交替方向乘子法求解。通过模拟数据及实际GPS站点数据将HM方法与小波分解方法、奇异谱分析方法和滑动最小二乘方法进行比较,结果表明HM方法在估计精度上要优于其他3种方法,弥补了已有方法在时变振幅情形下会吸收噪声以及噪声较强时对周期信号提取能力较弱的不足。 相似文献
4.
天顶对流层延迟(zenith tropospheric delay,ZTD)是影响GPS定位精度的关键因素,为了提高ZTD的预测精度,提出一种基于相空间重构的高斯过程回归预测模型。针对ZTD时间序列的混沌特性,利用国际GNSS服务(International GNSS Service,IGS)站提供的ZTD数据,采用Cao方法确定嵌入维数,对ZTD数据进行相空间重构,探究高斯过程(Gaussian process,GP)模型对12个位于南、北半球不同纬度等级IGS站的ZTD预测精度和准确性。为了验证GP模型的有效性,将预测结果分别与原始数据和反向传播(back propagation,BP)神经网络模型预测结果作对比分析,进一步探究不同时间对ZTD预测精度的影响,并分析了经度和海拔对ZTD预测精度的影响。结果表明,GP模型预测结果的均方根误差(root mean square error,RMSE)达到mm级,GP模型与理论值的相关性达到0.997,预测精度指标明显优于BP神经网络模型;GP模型在南半球的预测精度高于北半球,且在高纬地区的RMSE小于3.6 mm,更适用于高纬地区的对流层延迟预测;在研究时域内,GP模型在大部分站点对晚上的预测精度高于白天,经度对ZTD预测精度的影响不明显,海拔与ZTD预测精度呈正比。 相似文献
5.
GPS坐标时间序列中不仅包含白噪声,还包含闪烁噪声、随机漫步噪声等有色噪声,这些噪声将影响GPS应用的可靠性,甚至可能对一些地球物理现象做出错误的解释,因此降低GPS坐标时间序列中有色噪声的影响、提高GPS精度是一个重要和基本的问题。提出了一种滑动L2优化估计方法(ML2),通过选取合适的窗口建立L2优化模型,再利用交替迭代乘子法求解每段时间序列的优化问题,并逐年滑动得到整段GPS坐标时间序列的估计。实验结果表明,ML2方法与奇异谱分析、小波分解、滑动普通最小二乘法相比具有更好的重构效果。 相似文献
6.
7.
基于GPS多路径时间序列,分别采用Vondrak滤波、经验模式分解(EMD)和小波滤波3种方法构建了GPS多路径误差修正模型,并将其用于削弱多路径效应.通过对模拟数据及实测数据的分析表明,3种方法都能有效地分离不同噪声水平下时间序列中的信号和噪声.同时,利用3种方法构建的多路径修正模型可有效地削弱多路径效应的影响,提高GPS定位精度,但3种方法的优缺点各有不同. 相似文献
8.
针对传统的GPS时间序列最小二乘(LS)谐波函数模型方法不能精确提取GPS垂向时间序列的周期项信号问题,该文以云南地区2011年1月—2017年6月连续观测的27个GPS基准站数据为例,使用主成分分析(PCA)获得27个测站的共模误差,然后分别使用奇异谱分析(SSA)和LS方法对PCA滤波前后的测站时间序列进行周期项信号提取.实验结果表明,原始时间序列分别减去SSA、PCA-SSA、LS和PCA-LS提取周期项信号的RMS减少百分比平均为25.66%、17.23%、16.76%、16.76%;原始时间序列与4种方法提取周期项信号的相关系数平均为0.66、0.55、0.54、0.54,说明SSA提取的周期项信号要优于其他3种方法,将SSA应用于云南地区GPS垂向时间序列的周期项信号提取是可行和有效的. 相似文献
9.
研究了GPS干涉反射技术GPS-IR(GPS-Interferometric Reflectometry);在利用GPS卫星SNR信号进行积雪深度探测的基础上构建了支持向量机SVM(Support Vector Machine)辅助的GPS SNR雪深时间序列反演模型;对积雪深度进行时间序列预报和与传统GPS-IR积雪探测模型进行精度对比分析。实验结果显示,相比传统GPS-IR雪深反演模型,SVM辅助的GPS SNR雪深时间序列反演模型的雪深预报结果的精度更高,也更符合实测雪深的变化趋势,可为地面积雪雪深反演提供新方法。 相似文献
10.
基于高斯过程的GPS高程转换模型 总被引:1,自引:0,他引:1
针对GPS高程转换的小样本、非线性特点,基于高斯过程算法提出了具有概率意义的GPS高程转换模型。利用高斯过程采用4种不同建模方案建立了GPS高程转换模型,并与平面拟合、二次曲面拟合、支持向量机方法进行了精度对比。同时构建了基于高斯过程的GPS高程转换结果置信区间估计方法,分析了结果的可靠性。实例分析证实,高斯过程方法针对4种方案均获得很高精度,并且精度指标优于其余3种方法;各GPS点的实测正常高均在置信区间内,证实高斯过程方法具有很好的可靠性。 相似文献
11.
李炎寅 《测绘与空间地理信息》2020,(1):89-92
针对自适应卡尔曼滤波只适用于滤除高斯分布的白噪声,本文提出了融合小波变换和自适应卡尔曼滤波的算法。该算法利用小波变换的多尺度分解,将GPS高频的监测时间序列进行多层分解,重构出新的GPS监测时间序列,将其作为新的自适应卡尔曼滤波初始值,进行滤波处理。将融合算法的滤波结果与单一的自适应卡尔曼滤波结果进行对比分析,结果表明融合算法的滤波效果较为显著。同时,对融合算法滤除的噪声信息进行统计分析,结果表明融合算法滤除的噪声符合正态分布,进一步说明了该融合算法的有效性,为GPS的高频率、高精度的监测提供了技术支持。 相似文献
12.
13.
基于经验模态分解的GPS基线解算模型 总被引:1,自引:1,他引:0
非建模系统误差是影响高精度GPS基线解算精度的一个重要因素,文章给出基于经验模态分解的GPS基线解算模型,有效消弱系统误差对基线解的影响。在现有经验模态分解理论的基础上,定义经验模态分解的多尺度分解与重构结构,并由此给出基于经验模态的系统趋势分离模型,依据累积标准化模量的均值随尺度的变化确定系统误差与噪声分离尺度的选择标准。给出基于经验模态分解的GPS基线解算的技术路线,首先计算GPS相位双差观测方程的浮点解残差序列,分离出系统误差并用于修正GPS双差观测值,重新计算双差浮点解,采用Lambda算法固定整周模糊度,计算固定基线解,从而消弱系统误差对基线解算的影响,提高基线固定解的可靠性。并采用实测GPS数据验证模型,F-ratio指数与W-ratio指数表明系统误差消弱后,基线固定解可靠性得到明显提高,重新计算的残差序列表明系统误差得到很好的消弱。 相似文献
14.
GPS变形监测系统中消除噪声的一种有效方法 总被引:21,自引:1,他引:21
GPS变形监测系统的观测资料可看成为与时间有关的数据序列,应用小波分析理论,研究了时间序列观测数据的误差消除问题。结果表明,借助于小波分解与重构,可有效地从强噪声干扰的观测数据序列中提取变形特征。该方法解决了传统处理技术对非平稳、非等时间间隔观测数据序列滤波的局限性问题。 相似文献
15.
全球定位系统(global positioning system, GPS)坐标时序去除同震形变和震前稳态速度场后,采用加权非线性最小二乘估计震后对数弛豫时间,可更准确地提取震后对数弛豫项,从而可以分析震后弛豫项对测站位移的独立物理贡献,并为震后余滑和黏滞性松弛效应等现象的分析提供参考。以日本2009—2019年GPS坐标时序为例,估计2011年Mw 9.0地震震后对数弛豫时间,发现不同站点的对数弛豫时间与其震中距关系显著,且服从高斯分布。据此,构建高斯函数加常数模型,可由震中距概略估计震后对数弛豫时间。高斯分布曲线的峰值、峰值位置、半宽度信息、最低位置分别为3.5 a、0 km、262 km、0.5 a,由此得出震后对数弛豫项影响时间大于0.5 a的站点主要集中在震中距约524 km范围内。震后弛豫效应区域分布的差异性显著,对数弛豫时间越长的区域,弛豫项水平位移表征越大,其中存在两个平均弛豫时间2.5 a的中心区域,与震后余滑的中心区域及时间相吻合。 相似文献
16.
随机误差和多径效应作为GPS变形监测中的主要误差源,严重影响着GPS测量精度。针对这一问题,本文将主成分分析(Principal Component Analysis,PCA)模型引入GPS变形监测领域,首先利用传统PCA方法将测量数据转换至特征空间,通过剔除小特征值对应的特征向量实现对高斯分布随机噪声的抑制,然后将多径噪声作为色噪声进行分析,提出一种广义PCA方法利用多径噪声的时间相关性对其进行滤除,基于实际工程测试数据的实验结果表明,相对于传统的小波噪声抑制方法,所提方法可以获得更好的噪声抑制性能。 相似文献
17.
18.
采用GPS监测运营期大跨度桥梁时,受到交通载荷和观测噪声的影响,GPS监测序列中的振动信号(mm级)完全被湮没,如何从监测序列中提取桥梁变形信息及其振动特性是桥梁健康检测的重要内容。文中利用EMD方法对GPS监测序列进行处理,得到一定数量的本征模态函数(IMF),选取特定的IMF做信号重构和功率谱分析,得到桥梁变形信息和振动特性,相较于传统FFT方法,能准确识别结构振动频率,同时提取变形特征。 相似文献
19.
非差GPS定位中,通常采用以观测值服从高斯白噪声条件的估计准则进行参数求解。研究表明卫星端误差、传播路径误差、测站环境误差等会破坏观测值的白噪声特性,并且未模型化误差同样具有不利影响。这不仅破坏了估计准则的假设条件,而且部分非白噪声有可能被状态参数吸收,影响估计的准确性。本文将观测值白噪声、有色噪声和未模型化误差一同纳入GPS非差随机模型,以验后残差来表征GPS数据的随机特性,进行Allan方差分析,研究噪声成分及其参数。结果表明,GPS非差噪声组合主要为WN+GM,相位白噪声为2.392mm,GM过程噪声为4.450mm/s,相关时间为52.074s,伪距白噪声为0.936m,GM过程噪声为0.833m/s,相关时间为14.737s,相位的GM过程噪声与卫星相关性较大,而其余噪声则与测站相关性较大,大量分析结果表明GPS非差随机模型并不服从高斯白噪声假设,有待精化。 相似文献