留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

EMD在GNSS时间序列周期项处理中的应用

刘希康,  丁志峰,  李媛,  刘志广

downloadPDF
文章导航 > 武汉大学学报 ● 信息科学版  > 优先出版
刘希康, 丁志峰, 李媛, 刘志广. EMD在GNSS时间序列周期项处理中的应用[J]. 武汉大学学报 ● 信息科学版. doi: 10.13203/j.whugis20210029
引用本文: 刘希康, 丁志峰, 李媛, 刘志广. EMD在GNSS时间序列周期项处理中的应用[J]. 武汉大学学报 ● 信息科学版. doi: 10.13203/j.whugis20210029
shu
LIU Xikang, DING Zhifeng, LI Yuan, LIU Zhiguang. Application of EMD in GNSS Time Series Periodic Term Processing[J]. Geomatics and Information Science of Wuhan University. doi: 10.13203/j.whugis20210029
Citation: LIU Xikang, DING Zhifeng, LI Yuan, LIU Zhiguang. Application of EMD in GNSS Time Series Periodic Term Processing[J]. Geomatics and Information Science of Wuhan University. doi: 10.13203/j.whugis20210029
shu

EMD在GNSS时间序列周期项处理中的应用

doi: 10.13203/j.whugis20210029

  • 1 中国地震局地球物理研究所, 北京, 100081;

  • 2 中国地震局第一监测中心, 天津, 300180

基金项目: 

国家重点研发计划（2018YFC1503606）；中国地震局青年震情跟踪课题（2020010226，2021010511）；国家自然科学基金（41472180）

详细信息
    作者简介:

    刘希康,博士生,主要从事地表形变与地下结构方面工作。xikangliu@126.com

  • 中图分类号: P228

Application of EMD in GNSS Time Series Periodic Term Processing

  • 1 Institute of Geophysics, China Earthquake Administration, Beijing 100081, China;

  • 2 First Crust Monitoring and Application Center, China Earthquake Administration, Tianjin 300180, China

Funds: 

The National Key Research and Development Program of China (2018YFC1503606)

  • 摘要: 全球导航卫星系统（Global Navigation Satellite System，GNSS）位置时间序列蕴含有丰富的构造和非构造变形信息，并具有成分复杂、建模困难，非构造信息难以有效分离等特点，利用自适应的经验模态分解（Empirical Mode Decomposition，EMD）方法对川滇地区24个GNSS连续站时间序列作周期项修正。结果表明，周期项的修正十分必要，EMD方法能够根据每个台站信号的自身特性，自适应的提取不同频率、振幅的周期成分，这也更符合实际情况，相比于原始N、E、U方向时间序列的平均RMS（Root Mean Squareerror，RMS）分别降低了19.96%、11.57%和38.50%，是比谐波模型改正更精确、有效的方法。之后，使用修正后的连续站时间序列模拟流动观测，发现经过5~6年/期观测即可得到相对可靠的台站运动速度，并通过距离较近的实际连续观测站对流动观测站周期项改正，验证了EMD方法的稳定性和可靠性，这也为流动GNSS观测的实施，资料的使用和修正提供了参考意见和理论依据。
    Abstract: Global Navigation Satellite System(GNSS) position time series usually includes both tectonic and non-tectonic deformation information, have the characterizes of complex components, difficult modeling, and difficult to effectively separate the non-tectonic signals from original time series. How to remove the non-tectonic deformation information is very important for the accurate and effective application of the observation data. Empirical Mode Decomposition(EMD) is an adaptive time-frequency processing method, we use this method to correct the period term of 24 GNSS continuous station time series in Sichuan and Yunnan areas. The results show that the correction of the periodic term is necessary, EMD method is able to extract the periodic components of different frequencies and amplitudes adaptively according to each station's own characteristics, which is also more in line with the actual situation. The average Root Mean Square error(RMS) is reduced by 19.96%, 11.57% and 38.50% compared to the original time series of N, E and U direction, respectively. It is a more accurate and effective method than harmonic model correction. Then, we use the modified continuous station time series to simulate the mobile observations, found that relatively reliable motion velocities can be obtained after 5~6 years/period of observations. The stability and reliability of the EMD method were verified by correcting the period term of the mobile station with the actual continuous observation station at a closer distance, which also provides a reference and theoretical basis for the implementation of mobile GNSS observations and the correction of observation data.
  • [1] Dong D, Fang P, Bock Y, Chen M K, Miyazaki S. 2002. Anatomy of Apparent Seasonal Variations from GPS-Derived Site Position Time Series. Journal of Geophysical Research, 107:B4.
    [2] Jiang W, Yuan P, Chen H, et al. Annual Variations of Monsoon and Drought Detected by GPS:A Case Study in Yunnan, China[J]. Scientific Reports, 2017, 7(1):5874.
    [3] Davis J L, Wernicke B P, Tamisiea M E. On Seasonal Signals in Geodetic Time Series[J]. Journal of Geophysical Research, 2012, 117(B01403).
    [4] Chen Q, Van Dam T, Sneeuw N, et al. Singular Spectrum Analysis for Modeling Seasonal Signals from GPS Time Series[J]. Journal of Geodynamic, 2013, 72:25-35
    [5] Gruszczynska M, Rosat S, Klos A, et al. Multichannel Singular Spectrum Analysis in the Estimates of Common Environmental Effects Affecting GPS Observations[J]. Pure and Applied Geophysics, 2018,175(5).
    [6] Huang N E, Shen Z, Long S R, et al. The Empirical Mode Decomposition and the Hilbert Spectrum for Nonlinear and Non-Stationary Time Series Analysis[J]. Proceedings of the Royal Society of London A:Mathematical, Physical and Engineering Sciences, 1998, 454(1971):903-995
    [7] Chen C H, Wen S, Liu J Y, et al. Surface Deformation and Seismic Rebound:Implications and Applications[J]. Surveys in Geophysics, 2011, 32:291-313
    [8] Chen C H, Wen S, Yeh Ta-Kang, et al. Observation of Surface Displacements from GPS Analyses before and after the Jiashian Earthquake (M=6.4) in Taiwan[J]. Journal of Asian Earth Sciences, 2013, 62:662-671
    [9] C. H.Chen, C. H. Wang, S. Wen, Yeh T K, et al. Anomalous Frequency Characteristics of Groundwater Level before Major Earthquake in Taiwan[J]. Hydrology and Earth System Sciences, 2013, 17:1693-1703
    [10] Feng Wei, Ren Jinwei, Jiang Zaisen. GPS Station Short-Term Dynamic Characteristics of Micro Displacement before Menyuan M6.4 Earthquake[J]. Geodesy and Geodynamics, 2016, 7(4):237-244
    [11] Herring T A, King R W, McClusky S C. GAMIT Reference Manual:GPS Analysis at MIT, Version 10.4[R]. Massachusetts Institute of Technology, Cambridge, 2010
    [12] Van Dam, T. M., Wahr, J., Lavallée, D. A comparison of annualvertical crustal displacements from GPS and Gravity Recovery and Climate Experiment (GRACE) over Europe[J]. Journal of Geophysical Research:Solid Earth, 2007, 112, B03404.
    [13] Zhan Wei, Li Fei, Hao Weifeng, et al. Regional Characteristics and Influencing Factors of Seasonal Vertical Crustal Motions in Yunnan, China[J]. Geophysical Journal International, 2017, 210(3):1295-1304
    [14] Liang Hongbao, Zhan Wei, Li Jinwu. Vertical Surface Displacement of Mainland China from GPS Using the Multisurface Function Method[J]. Advances in Space Research, https://doi.org/10.1016/j.asr.2021.02.024
  • [1] 张文渊, 张书毕, 左都美, 丁楠, 刘鑫.  GNSS水汽层析的自适应代数重构算法 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20190387
    [2] 张文渊, 郑南山, 张书毕, 丁楠, 戚铭心, 王昊.  附加高水平分辨率PWV约束的GNSS水汽层析算法 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20210055
    [3] 郭春喜, 聂建亮, 田婕, 王斌, 靳鑫洋, 赵大江.  GNSS水准高程变化自适应融合的垂直形变分析 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20180408
    [4] 郭磊, 王甫红, 桑吉章, 张万威.  一种新的利用历元间位置变化量约束的GNSS导航算法 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20190062
    [5] 赵昂, 杨元喜, 许扬胤, 景一帆, 杨宇飞, 马越原, 徐君毅.  GNSS单系统及多系统组合完好性分析 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20180425
    [6] 张双成, 戴凯阳, 南阳, 张勤, 瞿伟, 李振宇, 赵迎辉.  GNSS-MR技术用于雪深探测的初步研究 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20150236
    [7] 王笑蕾, 张勤, 张双成.  基于EMD和WD联合算法的GPS水汽时间序列的周期性振荡分析 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20150596
    [8] 姚宜斌, 赵庆志, 罗亦泳.  附加虚拟信号精化水汽层析模型的方法 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20150444
    [9] 杨建雷, 金天, 黄智刚, 秦红磊, 崔吉慧.  GNSS信号多径误差非包络评估方法 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20140073
    [10] 占伟, 李斐, 朱爽, 张杰.  应用GPS连续观测修正流动观测垂向速率的分析与实验 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20140251
    [11] 喻敏, 王斌, 王文波, 郑雷.  联合EMD与核主成分分析的激光陀螺信号消噪 . 武汉大学学报 ● 信息科学版,
    [12] 郭际明, 黄长军, 喻小东, 陈元洪.  一种改进的二维经验模态分解SAR图像噪声抑制方法 . 武汉大学学报 ● 信息科学版,
    [13] 汤俊, 姚宜斌, 陈鹏, 张顺.  利用EMD方法改进电离层TEC预报模型 . 武汉大学学报 ● 信息科学版,
    [14] 姚铮, 刘琳琳, 张晓明, 陆明泉.  面向多接收模式的GNSS互操作信号调制 . 武汉大学学报 ● 信息科学版,
    [15] 金力, 崔晓伟, 陆明泉, 冯振明.  带相位和频率反馈环路的GNSS弱信号跟踪技术研究 . 武汉大学学报 ● 信息科学版,
    [16] 刘超, 王坚, 胡洪, 高井祥.  动态变形监测多路径实时修正模型研究 . 武汉大学学报 ● 信息科学版,
    [17] 刘超, 王坚, 许长辉, 高井祥.  基于经验模态分解的GPS/伪卫星组合基线解算模型 . 武汉大学学报 ● 信息科学版,
    [18] 李博峰, 沈云中, 冯延明.  利用三频GNSS进行长距离实时精密导航 . 武汉大学学报 ● 信息科学版,
    [19] 刘水强, 陈继业, 朱鸿鹏.  基于经验模式分解的数字高程模型数据伪装方法 . 武汉大学学报 ● 信息科学版,
    [20] 曹新运, 沈飞, 李建成, 张守建.  BDS-3/GNSS非组合精密单点定位 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20210198
  • 加载中
WeChat 点击查看大图
计量
  • 文章访问数:  50
  • HTML全文浏览量:  9
  • PDF下载量:  4
  • 被引次数: 0
出版历程
  • 收稿日期:  2021-01-19

EMD在GNSS时间序列周期项处理中的应用

doi: 10.13203/j.whugis20210029
  • 1 中国地震局地球物理研究所, 北京, 100081;
  • 2 中国地震局第一监测中心, 天津, 300180
    • 基金项目:

    国家重点研发计划（2018YFC1503606）；中国地震局青年震情跟踪课题（2020010226，2021010511）；国家自然科学基金（41472180）

    作者简介:

    刘希康,博士生,主要从事地表形变与地下结构方面工作。xikangliu@126.com

  • 收稿日期: 2021-01-19

  • 中图分类号: P228

摘要: 全球导航卫星系统（Global Navigation Satellite System，GNSS）位置时间序列蕴含有丰富的构造和非构造变形信息，并具有成分复杂、建模困难，非构造信息难以有效分离等特点，利用自适应的经验模态分解（Empirical Mode Decomposition，EMD）方法对川滇地区24个GNSS连续站时间序列作周期项修正。结果表明，周期项的修正十分必要，EMD方法能够根据每个台站信号的自身特性，自适应的提取不同频率、振幅的周期成分，这也更符合实际情况，相比于原始N、E、U方向时间序列的平均RMS（Root Mean Squareerror，RMS）分别降低了19.96%、11.57%和38.50%，是比谐波模型改正更精确、有效的方法。之后，使用修正后的连续站时间序列模拟流动观测，发现经过5~6年/期观测即可得到相对可靠的台站运动速度，并通过距离较近的实际连续观测站对流动观测站周期项改正，验证了EMD方法的稳定性和可靠性，这也为流动GNSS观测的实施，资料的使用和修正提供了参考意见和理论依据。

English Abstract

刘希康, 丁志峰, 李媛, 刘志广. EMD在GNSS时间序列周期项处理中的应用[J]. 武汉大学学报 ● 信息科学版. doi: 10.13203/j.whugis20210029
引用本文: 刘希康, 丁志峰, 李媛, 刘志广. EMD在GNSS时间序列周期项处理中的应用[J]. 武汉大学学报 ● 信息科学版. doi: 10.13203/j.whugis20210029
shu
LIU Xikang, DING Zhifeng, LI Yuan, LIU Zhiguang. Application of EMD in GNSS Time Series Periodic Term Processing[J]. Geomatics and Information Science of Wuhan University. doi: 10.13203/j.whugis20210029
Citation: LIU Xikang, DING Zhifeng, LI Yuan, LIU Zhiguang. Application of EMD in GNSS Time Series Periodic Term Processing[J]. Geomatics and Information Science of Wuhan University. doi: 10.13203/j.whugis20210029
shu

    全文HTML

参考文献 (14)

目录

    /

    返回文章
    返回

    我要投稿

    投稿攻略

    联系我们

    二维码

    版权所有 © 2013 《武汉大学学报·信息科学版》编辑部

    地址：武汉大学文理学部本科生院楼北5楼邮政编码：430072

    电话：027-68778465,68778045E-mail:whuxxb@vip.163.com

    本系统由 北京仁和汇智信息技术有限公司 开发    百度统计