摘要
共模误差(common mode error,CME)是 GNSS 坐标序列的主要误差来源之一。本文采用区域
叠 加 滤 波 、 主 成 分 分 析 (principal component analysis , PCA) 和 多 通 道 奇 异 谱 分 析 (multi-
channel singular spectrum analysis,MSSA)3 种滤波方法对美国板块边界观测监测网下平均
基线长度为 410 km 的 119 个测站约 10 a(2007-12—2017-12)数据进行处理。结果显示,3 种
方法的整体共模误差剔除百分比依次为 29.83%、36.91%、26.71%,均能提高坐标精度;相对
而言,主成分分析法滤波效果更好,能更好地剔除测站共模误差。
Abstract
Common mode error (CME) is one of the main error sources in GNSS coordinate
series. We use regional stacking filtering, principal component analysis (PCA) and
multi-channel singular spectrum analysis (MSSA) to compute CME and their results.
The data of 119 stations under the Plate Boundary Observation monitoring network
are from December, 2007 to December, 2017. The mean baseline of these stations
is about 410 km. After CME is removed, the mean RMS of three methods declined
29.83%, 36.91%, and 26.71% respectively. PCA can better eliminate CME than
stacking filtering and MSSA.
译
关键词
GNSS; 坐标序列; 共模误差
Keywords
GNSS; coordinate time series; common mode error
译
共 模 误 差 (common mode error , CME) 是 指 GNSS 坐 标 序 列 中 一 种 与 空 间 相 关 的 误 差 。
Wdowinski 等
[1]
首次提出区域内所有测站均受到具有空间相关性的 CME 的影响,并采取区域叠加
滤波法剔除 CME。Nikolaidis 等
[2]
改进了区域叠加滤波法,提出用加权叠加滤波法剔除 CME。Dong
等
[3]
分别采用主成分分析(principle component analysis,PCA)法和 K-L(Karhunen-Loeve)展
开法对比剔除 CME 的效果。田云峰等
[4]
提出采用加权叠加滤波法来剔除 CME。周茂盛等
[5]
提出利
用 多 通 道 奇 异 谱 分 析 法(multichannel singular spectrum analysis,MSSA)剔 除 CME 的 新 思
路。此外,众多学者深入研究分析了 CME 的空间特征及其起源与影响因子
[6-12]
,致力于提高 GNSS
坐标序列的精度和可靠性。
区域叠加滤波和 PCA 法是剔除 CME 的传统滤方法,前者假设 CME 均匀分布,并不适用于大空间
尺度网;PCA 理论上更加严谨,但仍存在假设 CME 服从高斯分布、没有充分利用高阶主成分等不
足
[12]
。而 MSSA 可从无先验信息的数据中提取出尽可能多的可靠信息,如坐标序列的趋势项、季
节性信号及噪声。