本文主要研究内容
作者邓永春（2019）在《GNSS变形序列的特征提取与预报方法研究》一文中研究指出：全球卫星导航系统(GNSS)以其简单高效、全天候观测和精度高的优点,被广泛应用到变形监测等诸多领域中。对于小范围变形监测利用差分技术可以有效削弱卫星钟差、电离层误差、对流层误差和接收机钟差等系统误差,GNSS监测坐标序列仅受多路径误差和随机噪声的影响,有必要研究其误差特征及削弱技术,以提高变形体监测精度,进而对其作出科学解释。本文以GNSS变形序列为研究对象,以多路径误差的提取与特征分析和变形信息的实时提取为目标,进行了相关研究,具体研究内容和结论为:1)介绍了目前应用较广泛的三种主要GNSS时间序列降噪方法:经验模态分解(EMD)、小波(WAVELET)、盲源分离(BSS),分析三种不同方法在GNSS时间序列降噪过程中主要的优势和存在的问题。引进EMD降噪方法的最新成果改进的自适应噪声完备经验模态分解(ICEEMDAN),通过仿真对比实验,表明EMD及其改进算法中ICEEMDAN方法在降噪过程中对模态混叠和端点效应有了较大的改进;选用不同的小波基和小波分解层数寻找小波阈值降噪方法最合理的小波基和小波分解层数,表明选用小波基haar小波、分解层数3能兼顾小波降噪效果和计算效率;盲源分离方法主要选择独立分量分析(ICA)和特征值分解(EVD)两种分解方法,ICA降噪方法降噪效果更优,EVD降噪效果较稳定。2)基于三种不同降噪方法的优点提出了 EMD-WAVELET-BSS耦合模型,充分利用EMD方法的自适应分解能力,将时间序列分解成一系列的内禀模态函数(IMF),分离出IMF中的高频和低频部分,然后充分利用小波方法对高频部分的降噪能力和盲源分离对低频部分的盲分离降噪能力分别对分解信号中的高频和低频部分降噪,主要采用将不同方法分离的噪声作为第二通道,进行双通道的时间序列降噪,通过仿真实验和实测数据的对比实验,表明ICEEMDAN-WAVELET-ICA方法在GNSS时间序列降噪中效果更好。3)分析了 GNSS时间序列中的多路径误差的主要特性,利用多路径的周日重复性,建立基于坐标域的恒星日滤波多路径模型,建立全球定位系统(GPS)系统的多路径模型。研究深度学习中的支持向量机(SVM),建立基于遗传算法的支持向量机(GASVM)参数优化的预测网络模型,预测GNSS多路径误差时间序列。通过恒星日滤波多路径预测模型与支持向量机建立的多路径预测模型对比实验,表明GPS单系统支持向量机多路径误差预测模型与恒星日滤波误差模型预测效果基本相当;GNSS多系统的多路径误差周日重复特性难以确定,但可以利用GASVM对多路径误差建模,通过对统计结果的分析表明多系统多路径建立的模型比单系统的多路径误差建立的模型精度略低,但预测精度基本达到预期。4)在实测的基础上对GNSS时间序列加入变形信息,基于GASVM构建平稳状态下GNSS时间序列的预测模型,该模型只会预测未发生变形状况下的时间序列发展情况,通过求取预测残差的方式获取变形信息。利用统计量对求取的变形信息分析,结果表明该实验方案可行。图[29]表[9]参[89]
Abstract
quan qiu wei xing dao hang ji tong (GNSS)yi ji jian chan gao xiao 、quan tian hou guan ce he jing du gao de you dian ,bei an fan ying yong dao bian xing jian ce deng zhu duo ling yu zhong 。dui yu xiao fan wei bian xing jian ce li yong cha fen ji shu ke yi you xiao xiao ruo wei xing zhong cha 、dian li ceng wu cha 、dui liu ceng wu cha he jie shou ji zhong cha deng ji tong wu cha ,GNSSjian ce zuo biao xu lie jin shou duo lu jing wu cha he sui ji zao sheng de ying xiang ,you bi yao yan jiu ji wu cha te zheng ji xiao ruo ji shu ,yi di gao bian xing ti jian ce jing du ,jin er dui ji zuo chu ke xue jie shi 。ben wen yi GNSSbian xing xu lie wei yan jiu dui xiang ,yi duo lu jing wu cha de di qu yu te zheng fen xi he bian xing xin xi de shi shi di qu wei mu biao ,jin hang le xiang guan yan jiu ,ju ti yan jiu nei rong he jie lun wei :1)jie shao le mu qian ying yong jiao an fan de san chong zhu yao GNSSshi jian xu lie jiang zao fang fa :jing yan mo tai fen jie (EMD)、xiao bo (WAVELET)、mang yuan fen li (BSS),fen xi san chong bu tong fang fa zai GNSSshi jian xu lie jiang zao guo cheng zhong zhu yao de you shi he cun zai de wen ti 。yin jin EMDjiang zao fang fa de zui xin cheng guo gai jin de zi kuo ying zao sheng wan bei jing yan mo tai fen jie (ICEEMDAN),tong guo fang zhen dui bi shi yan ,biao ming EMDji ji gai jin suan fa zhong ICEEMDANfang fa zai jiang zao guo cheng zhong dui mo tai hun die he duan dian xiao ying you le jiao da de gai jin ;shua yong bu tong de xiao bo ji he xiao bo fen jie ceng shu xun zhao xiao bo yu zhi jiang zao fang fa zui ge li de xiao bo ji he xiao bo fen jie ceng shu ,biao ming shua yong xiao bo ji haarxiao bo 、fen jie ceng shu 3neng jian gu xiao bo jiang zao xiao guo he ji suan xiao lv ;mang yuan fen li fang fa zhu yao shua ze du li fen liang fen xi (ICA)he te zheng zhi fen jie (EVD)liang chong fen jie fang fa ,ICAjiang zao fang fa jiang zao xiao guo geng you ,EVDjiang zao xiao guo jiao wen ding 。2)ji yu san chong bu tong jiang zao fang fa de you dian di chu le EMD-WAVELET-BSSou ge mo xing ,chong fen li yong EMDfang fa de zi kuo ying fen jie neng li ,jiang shi jian xu lie fen jie cheng yi ji lie de nei bing mo tai han shu (IMF),fen li chu IMFzhong de gao pin he di pin bu fen ,ran hou chong fen li yong xiao bo fang fa dui gao pin bu fen de jiang zao neng li he mang yuan fen li dui di pin bu fen de mang fen li jiang zao neng li fen bie dui fen jie xin hao zhong de gao pin he di pin bu fen jiang zao ,zhu yao cai yong jiang bu tong fang fa fen li de zao sheng zuo wei di er tong dao ,jin hang shuang tong dao de shi jian xu lie jiang zao ,tong guo fang zhen shi yan he shi ce shu ju de dui bi shi yan ,biao ming ICEEMDAN-WAVELET-ICAfang fa zai GNSSshi jian xu lie jiang zao zhong xiao guo geng hao 。3)fen xi le GNSSshi jian xu lie zhong de duo lu jing wu cha de zhu yao te xing ,li yong duo lu jing de zhou ri chong fu xing ,jian li ji yu zuo biao yu de heng xing ri lv bo duo lu jing mo xing ,jian li quan qiu ding wei ji tong (GPS)ji tong de duo lu jing mo xing 。yan jiu shen du xue xi zhong de zhi chi xiang liang ji (SVM),jian li ji yu wei chuan suan fa de zhi chi xiang liang ji (GASVM)can shu you hua de yu ce wang lao mo xing ,yu ce GNSSduo lu jing wu cha shi jian xu lie 。tong guo heng xing ri lv bo duo lu jing yu ce mo xing yu zhi chi xiang liang ji jian li de duo lu jing yu ce mo xing dui bi shi yan ,biao ming GPSchan ji tong zhi chi xiang liang ji duo lu jing wu cha yu ce mo xing yu heng xing ri lv bo wu cha mo xing yu ce xiao guo ji ben xiang dang ;GNSSduo ji tong de duo lu jing wu cha zhou ri chong fu te xing nan yi que ding ,dan ke yi li yong GASVMdui duo lu jing wu cha jian mo ,tong guo dui tong ji jie guo de fen xi biao ming duo ji tong duo lu jing jian li de mo xing bi chan ji tong de duo lu jing wu cha jian li de mo xing jing du lve di ,dan yu ce jing du ji ben da dao yu ji 。4)zai shi ce de ji chu shang dui GNSSshi jian xu lie jia ru bian xing xin xi ,ji yu GASVMgou jian ping wen zhuang tai xia GNSSshi jian xu lie de yu ce mo xing ,gai mo xing zhi hui yu ce wei fa sheng bian xing zhuang kuang xia de shi jian xu lie fa zhan qing kuang ,tong guo qiu qu yu ce can cha de fang shi huo qu bian xing xin xi 。li yong tong ji liang dui qiu qu de bian xing xin xi fen xi ,jie guo biao ming gai shi yan fang an ke hang 。tu [29]biao [9]can [89]
论文参考文献
论文详细介绍
论文作者分别是来自安徽理工大学的邓永春，发表于刊物安徽理工大学2019-07-08论文，是一篇关于时间序列论文,降噪论文,多路径误差论文,预测论文,安徽理工大学2019-07-08论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自安徽理工大学2019-07-08论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：时间序列论文; 降噪论文; 多路径误差论文; 预测论文; 安徽理工大学2019-07-08论文;