西龙池上水库GPS基准站坐标时间序列特征研究

《西龙池上水库GPS基准站坐标时间序列特征研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、西龙池上水库GPS基准站坐标时间序列特征研究摘要对西龙池上水库GPS基准站从2009年7月至2010年6月的坐标时间序列进行了研究。阐述了GPS坐标时间序列的获取方法，采用频谱分析法分析其周期特征，结果表明上水库基准站的水平和高程方向分别存在近似90天和60天的周期，而年周期和半年周表现并不明显；通过求谱指数和极大似然估计法分析了西龙池上水库基准站坐标时间序列的噪声特征，结果表明其包含有色噪声，通过比较不同噪声模型下的极大似然值，确定白噪声+闪烁噪声+随机漫步噪声模型为最佳噪声模型。关键词GPS坐标时间序列；基准站

2、；周期特征；噪声特征中图分类号P227文献标识码A文章编号1674-6708(2013)82-0104-020引言GPS变形监测系统中，监测点的位移是基于基准点保持静止这一前提的,基准点位置的变化将直接影响监测点的位移量，从而扰乱各类监测点的变形监测成果。因此有必要对基准点的运动进行分析，以确保基准点的位移量在设计要求范围内。本论旨在分析西龙池上水库GPS基准站的坐标时间序列，合理分析坐标序列中的各种信号来源，并初步揭示其成因，针对坐标时间序列，尝试建立合理的数学模型和随机模型来描述其周期特征和噪声特征。1坐标时间

3、序列的获取1.1基线解算基线处理采用的是MIT和SIO共同研制的GAMIT软件，该软件是世界上最优秀的GPS数据处理软件之一。采用IGS事后精密星历，选择联合解算的11个IGS永久跟踪站为WUHN、BJFS、LHAZ、USUD、SHAO、KIT3、P0L2、URUM、KUNM、TNML、SUWN,解算策略为：1）采用广播星历中的卫星钟差参数；2）采用根据伪距观测值计算的接收机钟差；3）采用LC观测值；4）采用萨斯塔莫宁模型进行对流层延迟改正，并用分段线性法每两个小时估计一个折射量偏差参数；5）卫星及接收机天线的相位

4、中心偏差改正采用GAMIT缺省值；6）顾及潮汐改正；7）截止高度角15°,历元间隔30s；8）采用松弛IGS轨道。1.2网平差平差的基准站为SHAO、BJFS、URUM、KUNM、LHAZ、SUWN、USUD、TNMLo由于ITRF2005框架坐标中，上述几个IGS跟踪站的坐标通过速度场归算得到，因此其精度有限，为了防止约束平差时IGS跟踪站的误差影响TN01、TN02的坐标，采用最小约束平差法，将距离TN01、TN02较近且观测质量好、数据连续的SHAO站固定，得到各测点的最小约束平差坐标。为防止由于框架定向、尺

5、度不一致引起的不同期坐标差异，本文仔细分析了最小约束平差的结果，将与之较吻合的5个IGS跟踪站作为公共点，进行7参数转换，统一各期观测值之间的旋转和尺度因子。2周期特征由于地球的运动和各种地球物理现象的存在，比如季节变换、重力、水文动力等，基准站会保持周期性的变化，反应在坐标时间序列上就是周期特征，不同的物理现象则会导致不同的周期。频谱分析是研究时间序列周期变化的重要方法，它通过计算各谐波频率的振幅，找出最大振幅所对应的主频，从而揭示变化周期。该方法有助于确定准确周期并可判别具有隐蔽性和复杂性的周期，但其是完全频域

6、化的分析方法，无法同时兼顾时间序列在时域内的特性，对于非平稳数据的分析也存在一定缺陷。由于本文涉及的时间序列存在间断，故采用Lomb-Scargle周期图法进行分析，得到的结果为：1）基准站TN01和TN02的周期性趋于一致，有相同或相近的运动趋势；2）基准站N方向和E方向主要周期为0.24年和0.31年，而U方向的主要周期为0.15年，三个方向的周期并不严格一致；3）水平方向功率谱数值为107数量级，而高程方向达到了108数量级，可见高程方向的周期特征比水平方向更为明显；4）对于时间跨度较短的时间序列，并不一定能

7、提取出年周期、半年周期等长周期项，相反可以提取出较短的周期项。3噪声特征3.1求谱指数GPS噪声可以用一种被称之为無律过程的统计模型来描述。不同的谱指数对应不同的噪声类型，当时为白噪声，时为闪烁噪声，时为随机漫步噪声。除白噪声以外的其它噪声统称为有色噪声。通过计算谱指数可以直接辨别GPS坐标时间序列的噪声特性，但不能确定具体的噪声类型，计算得到TN01北、东、高程方向谱指数分别为-0.4246、-0.4316、-0.7602,TN02为-0.5074、-0.4302、-0.7631。可以看出基准站所有坐标分量的谱指

8、数值均介于-1〜0之间，由此可知其不具有纯白噪声（k=0）的特性。从而可以得出结论，基准站TN01和TN02坐标分量既含有白噪声，又含有有色噪声。3.2极大似然估计通过极大似然估计法求不同噪声模型下的极大似然值可以进一步研究噪声的特性，确定噪声的类型。极大似然估计法的优点为精确度高并可同时估计噪声分量等参数。本文选取四种噪声模型：白噪声（WN）、白噪声+闪烁