顧及有色噪聲的gps位置時間序列中斷探測法_明鋒

1、第４１卷第６期２０１６年６月武漢大學(xué)學(xué)報信息科學(xué)版ＧｅｏｍａｔｉｃｓａｎｄＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅｏｆＷｕｈａｎＵｎｉｖｅｒｓｉｔｙＶｏｌ４１Ｎｏ６Ｊｕｎｅ２０１６收稿日期：２０１４－１２－２３項目資助：國家高技術(shù)研究發(fā)展計劃（８６３計劃）（２０１３ＡＡ１２２５０１）；國家自然科學(xué)基金（４１３７４０１９，４１０２０１４４００４，４１４７４０１５）；地理信息工程國家重點實驗室開放研究基金（ＳＫＬＧＩＥ２０１５－Ｚ－１－１）。第

2、一作者：明鋒，博士生，主要從事動態(tài)大地測量數(shù)據(jù)處理研究。ｇｅｏｄｅｓｙ＿ｘｄ＠１６３ｃｏｍＤＯＩ：１０１３２０３／ｊｗｈｕｇｉｓ２０１４０６０３文章編號：１６７１－８８６０（２０１６）０６－０７４５－０７顧及有色噪聲的ＧＰＳ位置時間序列中斷探測法明鋒１，２楊元喜２曾安敏２，３景一帆４１信息工程大學(xué)地理空間信息學(xué)院，河南鄭州，４５０００１２地理信息工程國家重點實驗室，陜西西安，７１００５４３西安測繪研究所，陜西西安，７１００５４４信息工程

3、大學(xué)導(dǎo)航與空天目標(biāo)學(xué)院，河南鄭州，４５０００１摘要：ＧＰＳ位置時間序列中經(jīng)常會出現(xiàn)信息中斷，造成數(shù)據(jù)不連續(xù)，進(jìn)而導(dǎo)致測站速度及其不確定度的估計有偏。因此，時間序列中斷探測是動態(tài)大地測量數(shù)據(jù)處理的重要內(nèi)容。在基于ｔ－檢驗的序貫格局轉(zhuǎn)換分析法（ｓｅｑｕｅｎｔｉａｌｔ－ｔｅｓｔａｎａｌｙｓｉｓｏｆｒｅｇｉｍｅｓｈｉｆｔｓ，ＳＴＡＲＳ）算法的基礎(chǔ)上，顧及ＧＰＳ位置時間序列的噪聲特性，提出了一種考慮有色噪聲的ＳＴＡＲＳ算法（ＣＯＬ－ＳＴＡＲＳ）。

4、該算法首先利用一階自回歸模型（ａｕｔｏ－ｒｅｇｒｅｓｓｉｖｅ，ＡＲ（１））模型進(jìn)行噪聲“白化”，然后再進(jìn)行數(shù)據(jù)中斷探測。經(jīng)模擬數(shù)據(jù)和實測數(shù)據(jù)分析，改進(jìn)后的ＣＯＬ－ＳＴＡＲＳ算法在一定程度上降低了中斷探測的誤判，能提高ＧＰＳ位置時間序列中斷探測的準(zhǔn)確率。同時，也對ＳＴＡＲＳ算法的參數(shù)設(shè)置以及濾波對中斷探測的影響分別進(jìn)行了討論。關(guān)鍵詞：ＧＰＳ位置時間序列；中斷；有色噪聲；ＡＲ（１）模型；ｔ－檢驗中圖法分類號：Ｐ２２７文獻(xiàn)標(biāo)志碼：ＡＧＰＳ位置

5、時間序列中斷指由于接收機故障、天線更換、地震、框架變換、數(shù)據(jù)解算時分析策略和模型的改變以及其他一些未知外界環(huán)境的影響，導(dǎo)致數(shù)據(jù)中斷［１，２］，即在某一時刻發(fā)生突然的且對其后序列均產(chǎn)生持續(xù)影響的跳躍。由接收機故障、更換天線、地震等因素導(dǎo)致的中斷可以通過測站觀測日志確定，而由于框架變換、解算策略和模型的變化導(dǎo)致的中斷則可以通過ＧＰＳ數(shù)據(jù)重處理而消除，但是重處理后的時間序列中仍存在未知原因?qū)е碌闹袛?。Ｓａｎｔａｍａｒａ對全球ＧＰＳ?shù)據(jù)再處理解

6、的分析表明２６％的中斷來源不明［３］。Ｇａｚｅａｕｘ對Ｓｃｒｉｐｐｓ軌道和永久陣列中心（ＳｃｒｉｐｐｓＯｒｂｉｔａｎｄＰｅｒｍａｎｅｎｔＡｒｒａｙＣｅｎｔｅｒ，ＳＯＰＡＣ）解算的ＧＰＳ位置時間序列進(jìn)行了分析，發(fā)現(xiàn)仍有三分之一未知原因的中斷，且其大小比其他已知原因的中斷要小［４］。ＧＰＳ位置時間序列中的中斷影響測站的穩(wěn)定性，使測站速度及不確定度估計有偏，在ＩＧＳ測站穩(wěn)定性分析［５］、地殼形變、建立全球或局部參考框架時都必須對其進(jìn)行建模以消

7、除不利影響［６］。目前，已有多位學(xué)者研究了ＧＰＳ位置時間序列中的中斷探測算法。Ｗｉｌｌｉａｍｓ分析了ＧＰＳ位置時間序列中的中斷特性，利用離線的變化點探測算法進(jìn)行中斷探測［４］，該方法算法簡單，但其假設(shè)數(shù)據(jù)序列服從正態(tài)分布，這種假設(shè)并不符合實際。Ｐｅｒｆｅｔｔｉ利用ＤＩＡ（ｄｅｔｅｃｔｉｏｎｉｄｅｎｔｉｆｉｃａｔｉｏｎａｄａｐｔａｔｉｏｎ）技術(shù)對意大利ＧＰＳ基準(zhǔn)網(wǎng)位置時間序列進(jìn)行了中斷探測，結(jié)果表明大約７０％的中斷能夠被探測出來［７］。Ｄ

8、ＩＡ技術(shù)同樣基于正態(tài)分布假設(shè)，且每次只能檢測一個中斷，搜索一般從第一個歷元開始，當(dāng)時間序列跨度較大時，計算非常耗時。Ｖｉｔｔｉ引入圖像分段中的分段平滑函數(shù)進(jìn)行中斷探測，該算法理論和實現(xiàn)都較復(fù)雜［８］。Ｇａｚｅａｕｘ對第一次ＧＰＳ中斷探測實驗（ｄｅｔｅｃｔｉｏｎｏｆｆｓｅｔｓｉｎＧＰＳｅｘｐｅｒｉｍｅｎｔ，ＤＯＧＥｘ）中各參與者提交的探測方法和探測效果進(jìn)行了分析比較，結(jié)果表明，探測正確率高的方法其誤判率也高，而探測正確率低的方法其誤判率也

9、低［４］。本文基于序貫中斷探測方法［９］，顧及ＧＰＳ位置時間序列中的有色噪聲的影響，利用一階自回歸（ａｕｔｏ－ｒｅｇｒｅｓｓｉｖｅ，ＡＲ（１））模型對有色噪聲進(jìn)行建模，濾波后得到“近似”正態(tài)分布的白噪聲序列，在第４１卷第６期明鋒等：顧及有色噪聲的ＧＰＳ位置時間序列中斷探測法ＳＴＡＲＳ的探測效果，本文首先采用ＤＯＧＥｘ中的ＤＰＣＦ測站模擬數(shù)據(jù)，其高程分量時間序列如圖１所示。為了使試驗更專注于中斷探測，數(shù)據(jù)中沒有模擬粗差。同時，采用實測數(shù)據(jù)

10、對本文算法進(jìn)行了驗證。數(shù)據(jù)來源于ＳＯＰＡＣ提供的剔除粗差后的ＢＬＹＴ站位置時間序列，時間跨度為１９９４０３７０～２０１３６６４４，如圖２所示。ＳＯＰＡＣ也提供了中斷探測結(jié)果，可以用來進(jìn)行對比驗證。圖１測站ＤＰＣＦ高程時間序列Ｆｉｇ１ＴｉｍｅＳｅｒｉｅｓｏｆＳｔａｔｉｏｎＤＰＣＦ（ＵｐＣｏｍｐｏｎｅｎｔ）圖２測站ＢＬＹＴ高程時間序列Ｆｉｇ２ＴｉｍｅＳｅｒｉｅｓｏｆＳｔａｔｉｏｎＢＬＹＴ（ＵｐＣｏｍｐｏｎｅｎｔ）從圖１可以看出，ＤＰＣＦ站高

11、程方向上在１９９５５、２００００時刻附近有２個明顯的中斷；從圖２可以看出，ＢＬＹＴ站高程方向在歷元１９９５０、１９９５５時刻附近有２個間隔較短的連續(xù)中斷。根據(jù)上述初步的“人工診斷”信息，經(jīng)進(jìn)一步的數(shù)據(jù)檢查，各測站數(shù)據(jù)劃分如表１所示，計算得到的ＡＲ（１）模型系數(shù)也一并列于表中。表１ＤＰＣＦ站和ＢＬＹＴ站數(shù)據(jù)劃分方案及ＡＲ（１）模型系數(shù)Ｔａｂ１ＳｃｈｅｍｅｏｆＤａｔａＤｉｖｉｄｉｎｇａｎｄＡＲ（１）ＭｏｄｅｌＣｏｅｆｆｉｃｉｅｎｔｏｆＳｔａ

12、ｔｉｏｎＤＰＣＦａｎｄＢＬＹＴ測站ａｂｃＤＰＣＦ１９９３５２５０～１９９５５６４７ρ＝０４６７１１１９９５５６７４～１９９９７８６４ρ＝０７３４４９１９９９７９１９～２００８９９１１ρ＝０７１０１２ＢＬＹＴ１９９４０３７０～１９９５９９８６１９９６００１４～１９９９９９８６ρ＝０４９８８６２０００００１４～２０１３６６４４ρ＝０６２７３８從表１可以看出，各分段數(shù)據(jù)中ＡＲ（１）模型系數(shù)ρ均滿足０＜ρ＜１，表明模擬數(shù)據(jù)和實測數(shù)據(jù)經(jīng)去趨勢后的