论文部分内容阅读
摘要：全球连续GPS观测站已积累了大量的观测数据,对GPS时间序列分析已成为一个研究热点。由于对观测精度要求越来越高,影响因素越来越多,发现时间序列中包含着非常丰富的、甚至原因不明确的各种信息,如何分离它们已成研究的难点。传统参数模型已无法解决这种复杂性的问题,而奇异谱分析(Singular Spectrum Analysis,SSA)是一种从时间序列自身出发的无参自适应的分析方法,它具有滤波、去噪、插值、探测周期信号及趋势的功能。目前,SSA方法已被广泛应用在时间分析中,而大地测量领域研究还较少。为此,本文详细分析了SSA方法在大地测量时间序列中的应用中存在的一些问题。具体研究工作和成果如下：1、详细介绍了SSA方法的基本原理,并在SSA方法的基础上,利用噪声与信号的赫斯特(Hurst)指数有显著的差异这一特性,提出了一种基于SSA的滤波法；然后,又对确定SSA重构分量的趋势及周期信号的判定方法进行了阐述。2、针对GPS动态变形监测中多路径效应误差存在很强的时间相关性的特点,利用本文提出的SSA滤波法对包含多路径误差的数据进行处理获取多路径改正模型,同时,又用小波、经验模式分解(Empirical Mode Decomposition, EMD)滤波法以及其他学者提出的SSA滤波法进行了比较。对最终的处理结果进行对比分析,实验结果表明,本文提出的SSA滤波法的去噪效果优于其他学者提出的SSA滤波法,与小波、EMD去噪效果相当,将得到多路径改正模型用于削弱多路径效应,可以显著提高定位精度。此外,本文提出的SSA滤波法还给出了嵌入维数L与重构阶次P的确定标准。3、结合美国加州ZIMM站的时间序列,利用SSA提取其高程方向的周期信号,并将其从高程时间序列中去除,顾及有色噪声的情形下,采用最大似然估计,对速率进行重新估计。结果显示：SSA方法可以有效地提取周期信号,且ZIMM站的周期信号振幅是时变的,在采用传统模型进行最小二乘拟合将会引入模型误差,在估计有色噪声的情况下,其速率受到模型误差的影响。4、针对电离层在时空上是非线性、非平稳的特征,利用IGS提供的电离层格网数据,将SSA方法引入到电离层TEC值预报,实验结果表明：相对于单一的ARMA预报模型,组合SSA与ARMA预报模型可以提高预报精度。图17幅,表10个,参考文献87篇。