一、GPS数据处理中的粗差探测及剔除（论文文献综述）
佟雪佳[1]（2021）在《CPⅢ平面控制网粗差探测研究》文中认为高速铁路建设必须满足高平顺性、高稳定性、高精度等要求。在CPⅢ平面控制网测量过程中,粗差的出现是不可避免的,而粗差会对平差结果产生严重的影响。所以在CPⅢ平面控制网数据处理过程中,正确探测粗差是非常重要的。以往的粗差探测方法大多采用传统粗差探测方法,即本文提到的整体粗差探测法。但在整体粗差探测法中,粗差探测与严密定权相互影响,若先进行严密定权,则观测值中的粗差就会对严密定权产生影响,导致严密定权不准确。若先进行粗差探测,则会导致观测值中的部分粗差未被探测到,得不到最优无偏估计,影响后续平差计算。所以探测粗差与严密定权两者之间谁先谁后都不准确,因此,如何准确地探测出粗差是一个值得研究的问题。首先,在CPⅢ平面控制网数据处理中,近似坐标的计算是非常关键的环节,若近似坐标计算不准确,线性模型与非线性模型偏差过大,就会产生模型误差,使近似坐标偏离准确值,导致粗差的误判,从而会对后续的平差计算和粗差探测产生严重的影响,所以正确的计算近似坐标是非常重要的。本文针对传统近似坐标计算方法,提出了线性模型近似坐标计算方法,提高了近似坐标的准确性。其次,整体粗差探测法是由于探测粗差与严密定权两者之间相互影响,本文针对整体粗差探测法存在的问题提出了一种新的粗差探测方法,即分项粗差探测法。分项粗差探测法是通过巴尔达数据探测法将水平方向观测值和距离观测值分开进行粗差探测,即对单一的观测值进行粗差探测,也就不存在粗差探测与严密定权相互影响的问题,很好的解决了整体粗差探测法中存在的问题。最后,本文根据分项粗差探测法与整体粗差探测法的思路通过MATLAB软件进行程序的设计与编写,通过大量实验对两个粗差探测方法进行验证,证明了分项粗差探测法比整体粗差探测法更加准确。
陈康慷[2]（2020）在《低轨纳米卫星的星载GNSS精密定轨研究》文中进行了进一步梳理全球大地测量观测系统（GGOS）预期在2020年实现以相对精度为10-9或更高的精度在地球参考框架中监测大地测量参数及其随时间的变化。为实现这一雄心勃勃的目标,GGOS需依靠当前及未来的地面、空中和空间各类卫星组网构成综合立体的监测体系。立体监测卫星平台可以搭载多种传感器和仪器,监测陆地、海洋、冰川和地球重力场及其时间变化。低轨卫星（LEO）从空间观测地球可以覆盖地表大块区域,而且可以同时采用多光谱、雷达、电磁波、激光等多种技术手段均匀一致地采集数据,具有独特的测量优势。对地观测卫星（如测高、SAR和重力场测量）本身的轨道精度直接影响测地结果的精度。星载GNSS已经成为对地观测卫星精确轨道确定（POD）的重要手段。星载GNSS定轨的精度高,效率也高。近年来随着小卫星（如基于Cube Sat标准化的10cm大小单位的纳米卫星）的日益普及,适应纳米卫星轨道确定的GNSS有效载荷研制需求也越来越迫切。我们采用现有商用单频GNSS接收机开发了一种小型通用GNSS板卡,作为纳米卫星的定轨载荷,具备重量轻（1.6 g）,尺寸小（12.2 x 16.0 x 2.4 mm3）,功耗低（100m W）等特点。两个原型板卡分别搭载在Astrocast-01（575 km）和Astrocast-02（500 km）两颗3 Unit纳米卫星上,已成功在轨运行,并提供精确的导航定位和定时服务。本文围绕一种适用于低轨纳米卫星POD的有效载荷,系统分析了GNSS接收机在热环境变化、真空和辐照测试中的结果和性能;然后,详细讨论了星载GNSS接收机在轨导航解（NAVSOL）实时定位、定速和定时精度的评估模型与方法,分析了各种在轨试验数据;利用星载实测GNSS伪距和相位原始观测数据,采用后处理模式进行了卫星精密轨道解算与分析;最后,成功地对纳米卫星实现了激光测距（SLR）观测,利用获取的激光观测数据对低轨卫星星载GNSS测定的轨道进行了外部检核。此外,GNSS精密钟差测定及其对精密单点定位（PPP）和LEO精密轨道确定的影响也做了附属研究。本文的具体研究工作主要包括:（1）详细介绍了Cube Sat精密轨道确定有效载荷的设计,包括GNSS板卡和SLR小型激光后向反射器阵列;升级改进商用现货GNSS接收机固件,并对接收机和天线进行真空、温度变化和辐射测试。系统测试结果表明,所选用的低成本接收机具备在预定轨道高度为卫星提供导航、定轨和定时的能力。（2）提出了约化动力学轨道拟合和卫星轨道高斯摄动方程相结合的Cube Sat卫星轨道沿迹向的经验加速度拟合模型,并采用卫星宏模型和大气密度模型建立了Cube Sat大气阻力先验改正模型,有效提高了卫星定轨和轨道预报精度。将上述改进算法,嵌入Bernese GNSS软件进行约化动力学轨道确定,评估了GNSS有效载荷的在轨表现和NAVSOL的质量。通过引入完整的动力学模型（包括高阶地球重力场、大气阻力和太阳辐射压力）改进轨道,并可添加随机脉冲参数逼近动态测量信息,有效提高了基于星载NAVSOL数据的定轨精度。计算结果表明,尽管有电离层误差和轨道模型剩余误差的影响,NAVSOL单天轨道拟合的RMS约在2～5 m之间。（3）试验分析了GNSS有效载荷的在轨性能。监测了星载接收机钟漂变化,并分析了其与GNSS板卡温度变化的关系;分别基于星载接收机导航解的位置和速度信息定轨,分析了导航解卫星位置和速度含有的系统误差;分析了多GNSS系统组合相对于GPS单系统在轨导航定位及定轨精度的改进;利用高采样的NAVSOL数据估计了卫星轨道机动对卫星轨道和卫星速度变化的影响,进而评估了星载小型推进器的性能。结果表明:Astrocast-01在轨导航解的轨道误差（RMS）在径向、切向和法向分别为4.3m,2.6m和2.2m;Astrocast-02在轨导航解的轨道误差（RMS）在径向、切向和法向分别为2.9m,2.3m和1.1m。（4）研究了低成本单频GNSS接收机星载观测值载噪比（C/N0）对观测误差的影响,分析了星上实测GNSS原始观测值的数据质量。基于L1伪距和相位观测值的GRAPHIC组合,有效消除了电离层误差并削弱了伪距观测值噪声影响,显着提高了星载单频GNSS定轨精度。利用安装在纳米卫星底部直径为1cm的激光后向反射棱镜阵列,计算分析了激光观测链路预算,成功地对两颗纳米卫星进行了激光测距观测和轨道质量检核,为未来低轨大型纳米卫星星座多技术观测及定轨模型优化提供了解决方案。结果表明:采用星上实测GNSS观测值进行动力学定轨,单频伪距事后轨道的SLR检核精度约为0.9m。（5）提出了GNSS精密钟差产品综合的抗差最小二乘估计方案,该方法不仅顾及各分析中心不同参考钟影响,还有效补偿了各分析中心钟差产品的系统误差,并控制了异常误差的影响。利用LEO卫星精密定轨和PPP实验,验证了本文提供的GNSS精密钟差综合产品的性能。
苏利娜[3]（2020）在《基于GPS时间序列的震后形变分析和机制研究》文中提出自上世纪90年代以来,GPS由于高精度、大范围、全天候等特性,被广泛应用于大地测量和地球动力学的许多领域,揭示了许多其它手段难以认知的地球物理现象。GPS观测的位置变化完整地捕获了整个地震周期的地壳形变,包括地壳应力积累引起的震间形变,断层突然破裂产生的同震形变,地壳和上地幔逐步恢复到稳态的震后形变,从而成为了地壳形变主要监测手段之一。近年来,由于GPS连续站的广泛应用,高时间分辨率的时间序列捕捉到清晰的震后形变过程,吸引了许多研究者的关注。一方面,从GPS时间序列分析来看,无论是参考框架的维持还是站点的数学模型建立,探测时间序列中存在的震后形变并建立合适的模型都是今后GPS时间序列分析工作中不可避免的重要部分。另一方面,从震后形变背后的物理含义来看,GPS观测捕捉到的震后形变时空演化信息与岩石圈的深部物理状态直接相关,利用GPS观测的震后形变信息作为约束,可以研究余滑、粘弹性松弛等震后形变机制,进而推演断裂带的力学性质和岩石圈流变学结构。GPS时间序列处理和震后形变数据处理和分析是基础,而震后形变机制的研究是前者的物理解释,两者相互促进。针对震后形变的GPS时间序列的数据处理和背后的物理机制的研究具有系统性和重要的研究意义。因此,本文主要工作围绕GPS时间序列震后形变的分析和震后形变机制研究两部分展开。本文以GPS数据处理和时间序列分析为基础,以震后形变提取为重点,编写了一套针对震后形变分析的GPS时间序列处理软件,在此基础上分析震后形变的时间和空间特征。此外,以2015年Mw7.8尼泊尔Gorkha地震为例,应用提取的GPS震后形变作为约束,研究Gorkha地震的震后形变机制。具体研究的内容和成果包括以下几个方面:（1）预处理是GPS时间序列分析的基础,是时间序列分析程序的重要组成部分,包括粗差探测、空间滤波、空缺插值等。编写的预处理程序利用滑动窗口法探测并剔除粗差;集成了叠栈法、主成分分析和Karhunen-Loeve变换三种空间滤波方法,可按需选择;改进了Dong et al.（2006）的插值方法,提出基于模型和空间相关性的插值方法,从而避免局部信号的影响,并分析了该插值方法对速度、周期和噪声的影响。（2）由于GPS连续站的广泛应用,越来越多的站点受到地震的影响,筛选受影响的站点并建模成为时间序列分析的重要工作。为了避免人工筛选的繁杂工作和可能存在的疏漏,本文提出了综合检校法自动探测同震和震后形变,通过多个震例证明该方法的可靠性和高效性。针对震后形变时间序列的建模,本文提出了综合考虑数据自身特性和震后形变空间相关性的迭代PCA参数估计方法,利用蒙特卡罗方法合成的1000组数据证明了迭代PCA方法在参数估计上表现更稳定可靠,相比单站建模或者分步PCA方法,估算的参数精度大幅提升。（3）基于分布全球的37个地震,利用编写的数据处理软件自动探测受地震影响的站点并利用迭代PCA方法估算模型参数。统计不同地震、不同模型的衰减常数特征发现不同地震的衰减时间常数具有差异性,且与震中、震级、深度等因素没有直接关系;分析震后模型的衰减时间常数的时间特征,发现震后时间越久,参与计算的观测值的时间窗越长,估算的震后衰减时间常数越大。（4）目前尼泊尔地震震后形变的研究主要基于弹性分层或者弹性半空间模型来反演余滑,基于水平分层模型或者在青藏高原中下地壳增加粘弹性层来模拟震后粘弹性松弛。接收函数、大地测量数据反演、电阻率和温度剖面等许多证据表明了青藏高原下部存在介质不均匀特性,而介质属性控制了断层位错如何传递到地表形变。因此,本文建立了考虑地形起伏、地球曲率和介质不均匀的三维有限元模型来研究尼泊尔地震的震后余滑和粘弹性松弛。结果表明,GPS观测的震后形变与粘弹性松弛效应的方向和量级均不匹配,可以被破裂下方发生的余滑较好的解释。震后形变时间演化显示震后形变由快转慢,余滑在震后4.8年内一直处于主导作用,粘弹性松弛量级较小但对震后形变的贡献小幅增大。此外,利用弹性均匀模型下不同泊松比的同震形变差等效估计孔隙回弹,发现孔隙回弹量级比较小,对震后形变贡献较小。（5）通过不同模型对比评估地形起伏、曲率、介质属性、破裂模型等因素对粘弹性松弛、余滑和孔隙回弹的影响,为今后的建模提供参考。研究发现:地形和地球曲率对粘弹性松弛和余滑影响比较小;粘滞系数模型对粘弹性松弛影响较大,是影响粘弹性松弛的重要因素;双粘弹性特性的Burgers体与Maxwell体的震后松弛形态基本一致,量级存在差异,Burgers体是指数衰减的Kelvin体和线性增加的Maxwell体叠加,震后松弛更快;不同的破裂模型产生的粘弹性松弛和孔隙回弹,在量级和细节上存在差异,是影响粘弹性松弛和孔隙回弹形态和大小的重要因素。
刘宇[4]（2020）在《基于环境负荷的山东区域CORS站时间序列分析》文中提出连续运行参考站系统（Continuous operation reference station system,CORS）是集卫星定位技术、计算机网络技术、数字通讯技术等高新技术与一身的产物,是目前现代测绘体系重要的基础设施,CORS站能给为用户提供高精度的导航与定位服务,并且在建立和维持区域坐标参考框架稳定上发挥着不可忽视的作用,目前随着科技的进步,CORS站的观测精度已经得到了大幅度的提高,其水平方向上的精度已经达到3mm,高程方向上的精度相对水平方向较低,但也已经达到了 6mm左右,根据大量的研究资料可以看出,在全球框架下,中国大陆每年的水平运动速度可以达到几十毫米,在垂直方向上每年的年变化幅度也能达到厘米级,通过分析CORS站时间序列的特征,可以获得某一区域的地壳形变特征,但是CORS站坐标时间序列会存在各种各样的误差,环境负荷（大气负荷、海平面变化负荷,陆地水负荷）是影响CORS站非线性变化的重要因素之一,根据研究可以发现,环境负荷对于地壳形变的影响已经达到CM级,在高精度的区域地壳形变研究中已经成为了不可忽视的因素,此外区域CORS网中还存在共模误差、有色噪声等的影响,因此如果要进行高精度的区域地壳形变研究和CORS站坐标时间序列分析,就要对这些误差进行精确地计算并剔除。山东地区CORS站已经积累了大量的GNSS观测数据,这为研究山东地区地壳形变特征提供了坚实的数据基础,本文利用山东地区21个CORS基准站的2015年6月至2019年7月共4年的数据,通过GAMIT/GLOBKR软件解算获得坐标时间序列,在该基础上进行以下几方面研究。（1）介绍了目前CORS站时间序列分析和环境负载计算的研究现状,并给出了本文的研究路线。（2）针对本文所需要使用的数学方法和原理进行了解释和推导,首先介绍了目前使用的地球模型,并且根据Farrell负荷理论推导了球谐函数公式,然后介绍了 CORS站时间序列分析所需要用到的方法及理论。（3）利用功率谱和小波分析等方法对CORS站U方向时间序列进行了周期性分析,可以看出山东区域CORS站具有明显的年周期、半年周期、季节周期以及2年的长周期,并且利用主成分分析方法对区域CORS站组成的GPS网进行了共模误差的提取,并在原始时间序列中进行扣除得到了精度更高的时间序列,为下文的分析打下了基础。（4）利用全球大气、土壤水、海平面变化模型结合区域高精度模型,基于Farrell负荷理论计算了环境负荷对于山东区域地壳形变的影响。（5）将滤波后的时间序列扣除环境负载影响后,观察扣除前后时间序列的标准差变化以及谱指数变化,分析环境负荷对于CORS站时间序列的影响。
蔡华[5]（2020）在《GPS/BDS变形监测基准稳定性与自动化》文中指出GNSS变形监测以基准点为参考,解算各监测点与基准点之间的基线来获得监测点相对于基准点的坐标,监测点的坐标变化反映的是变形体的变形。实际上,基准点并不是稳定不变的,如果基准点发生变动,监测点的位移中包含有基准点的位移,不能准确反映变形体的变形。而目前基准稳定性监测采用后处理,监测结果在时间上滞后,并且数据处理复杂。在此背景下,本文提出用长基线或域外基准来监测基准稳定性,即联测IGS站或更高等级CORS站,将他们的精确坐标构建的基准作为参考,自动化解算CORS站和基准点间的长基线,获得基准点的坐标时间序列。分析坐标时间序列,识别出不稳定的基准点。对原有变形监测系统进行升级优化和自动化,使得系统可以提供高精度的相对位移和保证整个监测网络的稳定性。改进后的系统可用于各种露天工程变形监测项目与地质灾害监测项目。本文主要研究内容如下:1、阐述了GNSS基线解算和基准稳定性的相关理论,分析了长基线解算的误差影响因素和处理策略,分析了基准稳定性监测理论。2、大范围高精度北斗/GNSS基准稳定性自动化监测分析软件（BSMA）的研制。在现有短基线变形监测的基础上加入长基线解算模块、精密星历和网络文件自动下载模块,实现准实时或事后基准点坐标解算。可处理主流GNSS接收机混合数据,能处理GPS L1、L2和北斗B1、B2信号。实现了区域CORS站与变形监测基准站之间200km的位移解算。3、利用基准点稳定性监测软件解算实际数据,分析软件稳定性、可靠性和精度。使用后处理模式分别解算了位于临海地带、地震断裂带、山脉高原地带不同网型、不同时长的数据,验证了软件能稳定的进行长基线基准点稳定性监测。利用区域CORS网测试软件实时运行情况,结果表明软件能自动化无人值守的进行监测。分别用BSMA和GAMIT解算美国CORS站两年的数据并做对比分析,表明BSMA与GAMIT解算出的基准点的位移趋势有很强的一致性。基准稳定性分析结果表明算例中P300站可能存在局部构造运动;其余各测站不存在明显的局部非构造运动趋势。4、分析了多路径对动态监测的影响,提出用天线阵列的方法,利用线性内插的多路径来改正原始动态定位坐标序列,在强多路径的环境下精度最高可提升50%。
吕佳凝[6]（2020）在《基于GPS-InSAR数据融合的地表三维形变模型建立方法研究》文中进行了进一步梳理随着空间大地测量技术的发展与进步,GPS、InSAR作为两种新型对地观测技术其在地壳运动监测、地质灾害预警与防治等方面的应用愈发显现重要性。然而这两类技术的优缺点明显,GPS技术在对地观测时可根据接收机频率调整观测时长,因此具有较高时间分辨率,而InSAR受限于SAR卫星的重返周期,其对地观测时间分辨率较低;GPS受限于设备的购置与安装费用,对地观测模式是空间分辨率低的点观测,而InSAR对地观测模式属于大面积带状观测,空间分辨率较高;GPS对地表水平形变的监测精度较高,而InSAR对垂直形变具有较高的监测精度。因此GPS技术与InSAR技术的优势具有较强的互补性,两类不同观测数据的融合不仅可以满足地表变形监测对高时空域分辨率的需求,还可以进一步提高监测精度。如何将这两种不同观测数据进行最优融合作为地学领域热点研究内容不仅具有重大的科学意义,还对国家防灾减灾工作具有现实意义。本文依托近代大地测量数据处理理论对GPS-InSAR融合算法做了以下相关研究:1.分析了InSAR、GPS两类观测数据中主要误差影响性质,针对两类观测数据之间的系统性差异,提出基于拟合推估的GPS-InSAR融合算法。算法以InSAR观测值中难以避免的系统误差入手,以高精度GPS三维形变作为先验信息,利用InSAR成像几何关系将高精度GPS三维形变投影到InSAR视线向上进而为InSAR观测值施加强约束,应用拟合推估算法同时去拟合InSAR观测值中残余误差的整体趋势性影响和局部随机误差的影响,进一步提高GPS-InSAR融合解算地表三维形变场的精度。经模拟实验和实测实验验证,基于拟合推估算法的GPS-InSAR联合解算函数模型能较好的削弱InSAR观测值中残余误差,很大程度上提高解算出的三维形变场的精度。2.针对常规GPS-InSAR融合多为静态平差求解,只能获取地表的平均三维形变速率,无法动态的反映地表形变特征,论文提出基于Kalman滤波的GPS-InSAR数据联合解算模型。该方法利用时序的GPS、InSAR观测数据之间的时空关联性建立三维地表形变的状态方程,基于卡尔曼滤波算法实现地表三维形变动态估计,得到地表三维形变序列结果,提高形变场的时间分辨率。此方法能有效地融合不同传感器和不同成像几何获取的不同时间跨度的GPS、InSAR观测数据,基于初始形变场,可以解算不论是GPS数据亦或InSAR数据在任一获取时刻的三维形变场。该算法成功应用于西安形变场的解算中,实验结果表明该算法不仅能大大提高变形监测的时间分辨率,还能获取高精度的地表时序三维形变场。3.对汶川Mw7.9级地震进行了精细化滑动分布反演。将本文提出的基于拟合推估的GPS-InSAR融合模型应用与2008年汶川Mw7.9级地震同震三维形变场的建立。获取了震区高精度同震三维形变场。并以获取的高精度三维形变场为约束,利用Okada弹性矩形位错理论对汶川地震破裂带进行了断层滑动分布反演。实验结果表明相较于单一数据约束下的断层滑动分布结果,基于拟合推估的GPS-InSAR联合解算的高精度三维形变场可以对断层滑动分布提供更精细化的反演。
周海龙[7]（2019）在《环渤海区域GPS坐标时间序列特征分析》文中进行了进一步梳理GPS以其高精度、实时性、全天候等优点广泛应用于地壳形变、地震学、地球动力学等领域研究中。随着中国大陆构造环境监测网络（简称“陆态网络”）的不断完善,GPS连续站的密集布设,以及GPS数据精度的不断提高,为我国地壳运动提供了丰富的数据资料。本文以环渤海区域GPS基准站2013年至2018年共6年的观测数据为基础,从噪声特性、共模误差、测站速度、速度场等多方面进行分析,以获得环渤海区域更精确的地壳运动规律,具体工作及成果如下:1.利用最大似然估计法估计了环渤海区域27个测站坐标时间序列在不同噪声模型下的噪声量级及时间序列参数。通过对比发现,测站中存在有色噪声且占主要成分,仅考虑白噪声模型会高估白噪声的量级,并低估时间序列参数的不确定度,给时间序列分析带来误差,因此在对时间序列参数估计时不能忽视有色噪声的影响。针对最佳噪声模型的确定,这里采用谱指数和最大似然估计两种方法分别从定性和定量两方面进行确定。结果表明,测站的最佳噪声模型主要有WN+FN和WN+FN+RWN两种模型组合,绝大多数测站的最佳噪声模型为WN+FN,其中WN+FN+RWN模型主要分布在基岩类型为土层的基准站上,WN+FN模型主要分布在基岩类型为基岩的基准站上。2.分析了共模误差对坐标时间序列分析的影响。利用主成分分析方法提取环渤海区域27个基准站的共模误差,以N、E、U三个方向的第一主成分来计算共模误差,其中第一主成分对三坐标分量（N、E、U）的特征值贡献率分别达到47.28%、48.94%、64.16%;并用最大似然估计法和最小二乘谱分析方法对剔除共模误差前后测站的噪声、坐标时间序列参数进行了估计。结果显示:剔除共模误差后,各方向白噪声、闪烁噪声和随机游走噪声的量级得到明显降低,其中白噪声的噪声量级在N、E、U方向上平均降低20.07%、13.74、26.17%,闪烁噪声的噪声量级在N、E、U方向上平均降低49.35%、37.74%、40.71%,表明共模误差同时具有白噪声和有色噪声特性;N、E、U方向相对坐标时间序列标准差平均改善分别为21.17%、22.5%、23.47%,且速度、周年振幅、初相的不确定度明显下降,平均下降了 19.03%、16.35%、29.38%。结果表明,共模误差的剔除有效的提高了坐标时间序列分析的精度。并用快速傅里叶变换对共模误差进行频谱分析。3.研究了环渤海区域地壳运动规律。利用经验模态分解与最小二乘拟合相结合估计站速度的方法,对剔除共模误差后的坐标时间序列进行速度估计,获得精度更高的测站速度,并给出环渤海区域水平和垂直运动速度场。最后使用EEMD提取非线性趋势项并求取各测站垂直方向的瞬时速率,获得环渤海地壳运动的实时状况。目前环渤海区域垂向运动速率普遍在减缓逐渐趋于稳定,但也有个别测站处于活跃状态比如HECX、HELY、HETS、SDYT、TJBH、TJWQ等,需要重点监测。
朱开银[8]（2019）在《稳健WTLS在GPS高程拟合中的应用》文中研究指明在测绘地理信息领域中,最小二乘法（least squares,简称LS）是最基本的也是应用最为广泛的数据处理方法,但是这种方法的应用有一个前提条件,那就是该方法在进行参数估值计算时认为系数矩阵中是不存在偶然误差的,偶然误差只存在于观测向量中。然而在具体的数据采集过程中,由于受到各种实际条件的限制,从而使得系数矩阵不完全精确,为了考虑系数矩阵中可能存在的偶然误差,在近几十年中发展了总体最小二乘法（total least squares,简称TLS）,总体最小二乘法从被提出开始就被广泛的应用研究,涉及的领域涵盖多个方面。考虑到数据采集时不等精度的问题,加权总体最小二乘法（weighted total least squares,简称WTLS）也逐渐被学者所提出。在进行数据采集时容易受到各种因素的影响,使得数据中不仅含有偶然误差,也可能含有粗差,此时用加权总体最小二乘法进行数据处理将不会得到可靠的结果。针对这一情况,本文基于杨元喜教授所提出的稳健估计IGG—Ⅲ方案与加权总体最小二乘法,将两种方法组合形成了稳健加权总体最小二乘法（robust weighted total least squares,简称RWTLS）。为了对该方法的可靠性与有效性进行评估,采用了单位权方差和模型的参数估计结果作为评价指标。通过模拟的实验数据和实际算例数据,将该方法与最小二乘法、加权总体最小二乘法进行对比实验。模拟数据的分组实验结果表明:当观测数据中的粗差个数和粗差大小在不断增加时,最小二乘法、加权总体最小二乘法所得的参数估计结果与单位权方差都在呈线性变化;而采用稳健加权总体最小二乘法所得的参数估计结果与单位权方差均比较稳定,这表明稳健加权总体最小二乘法能够很好抵抗数据中存在的粗差,进一步也证明了该方法能够定位和识别数据中的粗差,其得到的结果也比最小二乘法和加权总体最小二乘法所得结果要可靠。在实际数据实验中,通过对结果进行评价和分析得到了与模拟实验一样的结论。曲面拟合是GPS高程拟合中的一种常见的拟合方法,在传统的高程拟合中,进行模型参数估计时通常采用的是只考虑观测向量中误差的最小二乘法进行估值计算。为了考虑系数矩阵中的误差和观测向量中可能存在的粗差,本文采用稳健加权总体最小二乘法来对高速铁路CPI点的GPS测量数据进行平面拟合与二次曲面拟合处理,通过对数据进行分组实验,将该方法与基于最小二乘法、总体最小二乘法、加权总体最小二乘法下的平面拟合与二次曲面拟合进行比较与分析。实验结果表明:在建模数据中不含有粗差的情况下,总体最小二乘法、加权总体最小二乘法与稳健加权总体最小二乘法所得结果的单位权方差与标准差要小于最小二乘法所得结果的单位权方差与标准差,而在数据中含有粗差的情况下,采用稳健加权总体最小二乘法所得的结果的单位权方差与标准差要小于最小二乘法、总体最小二乘法、加权总体最小二乘法所得结果的单位权方差与标准差,这表明本文所采用的稳健加权总体最小二乘法来进行GPS高程拟合能够有效的定位和剔除数据中的粗差,所得到的结果比最小二乘法、总体最小二乘法、加权总体最小二乘法要更加稳健可靠。
刘琳[9]（2019）在《GNSS观测值精度估计及随机模型精化方法研究》文中提出自1973年美国开始研制GPS以来,前苏联、中国和欧盟相继启动了GLONASS、BDS、Galileo的建设,用以满足用户的高精度导航、定位和授时等需求。目前,卫星导航定位技术已在国家安全、经济、社会和人民生活等领域得到了广泛应用。在全球导航卫星系统（GNSS）数据处理中,仅当函数模型和随机模型均准确构建的情况下才能获得精确、可靠的解算结果。数据处理函数模型反映了伪距和载波相位观测值与坐标参数、大气延迟参数、模糊度参数等未知参数之间的函数关系,而随机模型重在描述观测值的先验统计特性。目前针对多频率多系统GNSS数据处理函数模型的研究已较为成熟,而关于随机模型的研究和应用则相对较少。研究多模多频GNSS观测值的精度估计方法,可为卫星导航定位解算提供必要先验信息;而建立符合真实规律的随机模型,确定合理的观测值权比关系,可为实现高精度定位及其应用提供重要保障。为此,本文围绕多系统观测值精度估计方法及随机模型精化方法展开研究,并基于大坝、特大桥梁等变形监测数据分析不同随机模型的应用效果。本文具体工作如下:（1）提出了可靠的多模GNSS载波相位单差残差估计方法和数据处理策略。针对站间单差残差估计的模糊度固定问题,提出了采用TurboEdit算法遍历单差M-W/GF序列,探测各弧段中存在的周跳并进行平滑。结果表明,序列平滑避免了约2周的原始模糊度偏差,提高了M-W和GF组合方法求解模糊度的正确率。同时提出了利用均值漂移策略实现OMC序列的粗差探测与剔除,从而基于干净的OMC序列,通过最小二乘参数估计获得可靠的载波相位单差残差序列。（2）分析了多模多频GNSS观测值单差残差序列变化规律。基于IGS CUT00站实测数据,对各系统各频率GNSS观测值的单差残差序列变化情况进行分析,结果表明:不同系统不同频率信号单差残差随高度角变化趋势不统一,各系统L2单差序列对高度角变化更为敏感且信号质量稍劣于L1。对比同类型接收机和混合接收机零基线实验结果,发现由于接收机内部配置、解码方式等具有差异性,导致信号噪声被不同程度地放大;GLONASS系统单差残差序列由于频间偏差影响而不收敛。（3）研究了基于高度角和载噪比的随机模型精化方法,构建了精化随机模型,并基于大坝和特大桥梁变形监测数据,评估了精化随机模型应用效果。本文在上述估计的单差残差序列基础上,估计不同系统双频观测值的精度,并建立了其与高度角和归一化载噪比的函数关系,给出不同形式的随机模型数学表达式。基于山西西龙池上水库和英国福斯路大桥GNSS实测数据,验证了不同经验随机模型及精化随机模型的应用效果。结果表明,在无明显遮挡环境下,经验随机模型和精化随机模型在动态和静态解算中效果相当;而在观测环境较差情况下,精化随机模型可显着减弱外界环境对大坝长期变形监测的影响,在遮挡方向上坐标分量残差变化显着。对于特大桥梁实时动态监测应用,精化载噪比模型可显着降低受遮挡测站变形序列的低频部分噪声,具有较大的实际应用价值。
蔡晓军[10]（2019）在《区域GPS坐标时间序列特性分析》文中提出近二十多年来,以GPS为代表的空间大地测量技术的观测精度不断提高,已经积累了大量高精度的坐标时间序列数据,为大地测量学和地球动力学研究提供了宝贵的数据基础,特别是在区域地壳形变分析、强震位移场检测、全球板块划分以及冰期后回弹等领域发挥了重要作用。然而,由于GPS坐标时间序列中同时包含了各类“信号”和“噪声”,而且信号类型多样,噪声来源复杂,水平和垂向分量上信号与噪声的表现形式差异较大。如何从含有噪声的原始时间序列中提取可靠的“信号”是当前研究的难点和热点。本文针对欧洲地区46个IGS站2000-2016年共16年的GPS坐标时间序列数据,研究了GPS坐标时间序列分析的相关理论、模型与方法,包括地球参考框架理论、GPS坐标时间序列预处理、季节信号分析以及趋势项和噪声特性分析等。本文的主要研究内容如下:1.对GPS坐标时间序列中的粗差探测与剔除、缺失数据插值、中断探测等问题进行分析,并分别采用模拟数据和实测数据进行验证。结果表明,MSSA-IQR能够较准确的探测出序列中的粗差。当缺失数据占整个时间序列的16.6%时,MSSA对于缺失数据的插值也能达到较好的精度;中断检测方面,采用sigseg程序检测并修复GPS位置时间序列中的突变项,通过实测数据验证其有效性。2.利用多通道奇异谱分析对GPS坐标时间序列的季节性信号进行分析,并与最小二乘估计、奇异谱分析方法进行对比;详细探究了环境负载、共模误差对区域网GPS坐标时间序列的影响,结果表明,在季节信号提取方面MSSA优于SSA;在环境负载扣除方面,直接扣除环境负载会对垂向分量的速度估计与RMS产生一定程度的影响。3.介绍了噪声模型理论,推导了几种常见的噪声模型的协方差形式和功率谱密度的表达式,以及基准站长期运动趋势的提取,探讨基准站点呈现出的运动规律,导出研究区域所有站点的GPS速度场。
二、GPS数据处理中的粗差探测及剔除（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、GPS数据处理中的粗差探测及剔除（论文提纲范文）
（1）CPⅢ平面控制网粗差探测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.3 存在问题 |
| 1.4 研究内容 |
| 2 CPⅢ平面控制网外业测量 |
| 2.1 CPⅢ平面控制网基础知识 |
| 2.2 CPⅢ平面控制网的布网方式 |
| 2.3 CPⅢ平面控制网的特点 |
| 2.4 CPⅢ平面控制网的技术指标 |
| 2.5 CPⅢ平面控制网的测量基准 |
| 2.6 CPⅢ平面控制网的精度匹配问题 |
| 2.7 本章小结 |
| 3 CPⅢ平面控制网中近似坐标的计算 |
| 3.1 传统近似坐标计算方法 |
| 3.1.1 分区无定向近似坐标计算方法 |
| 3.1.2 假定坐标系的建立及坐标计算 |
| 3.1.3 CPⅢ控制点近似坐标的计算 |
| 3.2 线性模型近似坐标计算方法 |
| 3.3 两种近似坐标计算方法结果对比 |
| 3.4 本章小结 |
| 4 CPⅢ控制网平差模型 |
| 4.1 方向观测值误差方程 |
| 4.2 距离观测值误差方程 |
| 4.3 自由网平差模型 |
| 4.4 约束平差模型 |
| 4.5 观测量先验权的确立 |
| 4.6 赫尔默特方差分量估计 |
| 4.7 CPⅢ平面控制网精度评定 |
| 4.7.1 水平方向中误差 |
| 4.7.2 距离中误差 |
| 4.7.3 坐标点位精度 |
| 4.7.4 相邻点位精度 |
| 4.8 本章小结 |
| 5 粗差探测原理与方法 |
| 5.1 整体粗差探测法 |
| 5.1.1 整体粗差探测法的思路 |
| 5.2 分项粗差探测法 |
| 5.2.1 分项粗差探测法的提出 |
| 5.2.2 分项粗差探测的思路 |
| 5.3 数据探测法 |
| 5.4 本章小结 |
| 6 粗差探测方法的程序设计与编写 |
| 6.1 CPⅢ平面控制网程序实现平台 |
| 6.2 MATLAB程序设计思路 |
| 6.3 MATLAB程序功能设计 |
| 6.4 MATLAB程序设计流程图 |
| 6.5 MATLAB程序实现 |
| 6.6 本章小结 |
| 7 实验验证 |
| 7.1 宝兰客专(甘肃段)CPⅢ平面控制网数据粗差探测结果对比 |
| 7.1.1 探测粗差前数据的解算结果精度 |
| 7.1.2 整体粗差探测法的数据处理结果 |
| 7.1.3 分项粗差探测法的数据处理结果 |
| 7.2 宝兰客专(DK1012-DK1018)CPⅢ平面控制网数据粗差探测结果对比. |
| 7.2.1 探测粗差前数据的解算结果精度 |
| 7.2.2 整体粗差探测法的数据处理结果 |
| 7.2.3 分项粗差探测法的数据处理结果 |
| 7.3 两种粗差探测法对人为添加粗差探测效果的比较 |
| 8 结论与展望 |
| 8.1 研究结论 |
| 8.2 研究展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间的研究成果 |
（2）低轨纳米卫星的星载GNSS精密定轨研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 精密定轨的研究现状及问题 |
| 1.2.1 导航卫星精密定轨 |
| 1.2.2 星载GNSS精密定轨及低轨卫星介绍 |
| 1.2.3 轨道确定的数据处理及质量控制 |
| 1.3 本文的主要研究内容及其意义 |
| 第二章 低轨卫星轨道确定的理论基础 |
| 2.1 概述 |
| 2.2 时间系统与坐标系统 |
| 2.2.1 时间系统 |
| 2.2.2 坐标系统 |
| 2.3 GNSS观测方程及其线性组合 |
| 2.3.1 基本观测模型 |
| 2.3.2 主要误差改正 |
| 2.3.3 观测值的线性组合 |
| 2.4 椭圆运动方程及开普勒轨道根数 |
| 2.4.1 椭圆运动的基本关系式 |
| 2.4.2 轨道根数与状态向量的相互转换 |
| 2.5 低轨卫星轨道确定 |
| 2.5.1 卫星运动方程及其数值解 |
| 2.5.2 初轨确定 |
| 2.5.3 精密定轨 |
| 2.5.4 Bernese GNSS软件及其改进 |
| 2.6 小结 |
| 第三章 一种适用于CUBESAT轨道确定的GNSS有效载荷 |
| 3.1 概述 |
| 3.2 CUBESAT轨道确定有效载荷的设计及试验分析 |
| 3.3 小卫星入轨快速识别 |
| 3.4 GNSS接收机星载导航解 |
| 3.4.1 导航解参数估计 |
| 3.4.2 导航解数据质量分析 |
| 3.4.3 基于导航解的接收机时钟在轨表现分析 |
| 3.5 小结 |
| 第四章 GNSS有效载荷在轨导航试验及定轨分析 |
| 4.1 概述 |
| 4.2 低轨卫星轨道摄动 |
| 4.2.1 轨道摄动力的先验模型 |
| 4.2.2 高斯摄动方程 |
| 4.3 GNSS载荷在轨导航性能评估及定轨分析 |
| 4.3.1 星载导航解精度评估与分析 |
| 4.3.2 利用星载导航解卫星速度信息完善CubeSat轨道确定及系统误差分析 |
| 4.3.3 轨道沿迹向经验常加速度的估计 |
| 4.3.4 基于星载导航解数据的精确轨道预报 |
| 4.4 GNSS载荷在轨导航试验分析 |
| 4.4.1 四个GNSS接收机在轨并行运行试验 |
| 4.4.2 GPS+Galileo试验 |
| 4.4.3 GPS+GLONASS试验 |
| 4.5 卫星轨道机动分析 |
| 4.6 小结 |
| 第五章 CUBESAT单频GNSS轨道测定及SLR轨道检核 |
| 5.1 概述 |
| 5.2 GNSS单频观测值的误差及改正 |
| 5.2.1 接收机测量误差 |
| 5.2.2 低轨卫星单频观测值的电离层误差及其改正 |
| 5.2.3 低轨卫星单频观测值的码偏差改正 |
| 5.3 事后轨道确定及结果分析 |
| 5.3.1 Kiwi原始观测数据处理及结果分析 |
| 5.3.2 Hawaii原始观测数据处理及结果分析 |
| 5.4 SLR CAMPAIGN及轨道检核 |
| 5.4.1 SLR链路预算的模拟计算分析 |
| 5.4.2 预报轨道的精度分析 |
| 5.4.3 SLR观测值检核Cube Sat轨道 |
| 5.5 小结 |
| 第六章 精密钟差产品综合方法及综合产品在LEO定轨中的测试 |
| 6.1 概述 |
| 6.2 IGS钟差产品的综合及验证 |
| 6.2.1 IGS钟差综合的原理和方法 |
| 6.2.2 IGS钟差综合的数据处理和比较分析 |
| 6.2.3 IGS综合钟差的PPP试验 |
| 6.3 IGMAS四系统精密钟差产品的综合及验证 |
| 6.3.1 iGMAS钟差产品综合的问题及策略 |
| 6.3.2 iGMAS钟差综合的数据处理和比较分析 |
| 6.4 综合钟差用于LEO精密轨道确定的试验 |
| 6.5 小结 |
| 第七章 总结及展望 |
| 7.1 主要研究成果总结 |
| 7.2 未来的工作展望 |
| 参考文献 |
| 攻读博士学位期间取得研究成果 |
| 致谢 |
（3）基于GPS时间序列的震后形变分析和机制研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究意义 |
| 1.2 GPS时间序列在监测地壳形变中的应用 |
| 1.3 GPS时间序列的震后形变和机制的研究现状 |
| 1.3.1 GPS时间序列的高精度处理 |
| 1.3.2 GPS时间序列的震后形变分析 |
| 1.3.3 震后形变机制 |
| 1.4 论文的主要研究内容 |
| 第2章 GPS时间序列处理和参数估计 |
| 2.1 GPS时间序列 |
| 2.1.1 GPS数据解算 |
| 2.1.2 GPS时间序列模型 |
| 2.2 GPS时间序列预处理 |
| 2.2.1 粗差探测和剔除 |
| 2.2.2 空间滤波 |
| 2.2.3 空缺插值 |
| 2.3 非线性参数估计方法 |
| 2.3.1 试错法 |
| 2.3.2 Levenberg-Marquardt算法 |
| 2.3.3 方法讨论 |
| 2.4 本章小结 |
| 第3章 GPS时间序列的震后形变探测估计和特征分析 |
| 3.1 同震和震后自动探测 |
| 3.1.1 自动识别同震和震后形变 |
| 3.1.2 实例及讨论 |
| 3.2 迭代PCA估计震后形变 |
| 3.2.1 迭代PCA方法 |
| 3.2.2 迭代PCA方法验证 |
| 3.2.3 实例及讨论 |
| 3.3 震后形变衰减常数的分析 |
| 3.3.1 衰减常数的时间特性 |
| 3.3.2 不同地震和模型下的震后衰减常数 |
| 3.4 本章小结 |
| 第4章 基于GPS时间序列约束的震后形变机制模拟分析—以2015年尼泊尔地震为例 |
| 4.1 尼泊尔地震背景 |
| 4.2 尼泊尔地震的震后形变 |
| 4.3 三维有限元模型的建立 |
| 4.4 震后形变机制的研究方法 |
| 4.4.1 余滑 |
| 4.4.2 粘弹性松弛 |
| 4.4.3 孔隙回弹 |
| 4.5 震后形变机制分析 |
| 4.5.1 模型验证 |
| 4.5.2 粘弹性松弛 |
| 4.5.3 余滑 |
| 4.5.4 孔隙回弹 |
| 4.5.5 震后形变的时间演化和形变机制 |
| 4.5.6 地震危险性 |
| 4.6 本章小结 |
| 第5章 震后形变机制的影响因素分析 |
| 5.1 地形和地球曲率对余滑和粘弹性松弛的影响 |
| 5.2 不均匀的介质属性对粘弹性松弛和余滑的影响 |
| 5.3 粘弹性介质模型对粘弹性松弛的影响 |
| 5.4 破裂模型对粘弹性松弛和孔隙回弹的影响 |
| 5.5 本章小结 |
| 第6章 结论与展望 |
| 6.1 研究内容和结论 |
| 6.2 存在的问题和展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（4）基于环境负荷的山东区域CORS站时间序列分析（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 研究主要内容及主要技术路线 |
| 1.4 本章小结 |
| 2 理论方法 |
| 2.1 负荷形变理论分析 |
| 2.2 时间序列分析理论与方法 |
| 2.3 章节小结 |
| 3 GPS数据处理 |
| 3.1 研究区域CORS站分布 |
| 3.2 基于GAMIT/GLOBK的GPS数据处理 |
| 3.3 坐标时间序列预处理 |
| 3.4 功率谱分析 |
| 3.5 小波分析 |
| 3.6 区域共模误差分析 |
| 3.7 本章小结 |
| 4 环境负载计算 |
| 4.1 环境负荷形变计算 |
| 4.2 移去恢复法 |
| 4.3 大气负荷影响分析 |
| 4.4 陆地水负荷影响分析 |
| 4.5 海平面变化负荷 |
| 4.6 环境总负荷引起的垂直形变 |
| 4.7 本章小结 |
| 5 基于环境负载的高精度时间序列分析 |
| 5.1 环境负荷评价指标 |
| 5.2 数据分析 |
| 5.3 环境负荷对噪声模型建立的影响 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 本文主要成果 |
| 6.2 展望 |
| 参考文献 |
| 作者简历 |
| 致谢 |
| 学位论文数据集 |
（5）GPS/BDS变形监测基准稳定性与自动化（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 GNSS变形监测应用研究现状 |
| 1.2.2 基准稳定性监测研究现状 |
| 1.3 本文研究内容 |
| 第2章 GNSS远场基准稳定性 |
| 2.1 长距离GNSS基线解算 |
| 2.1.1 GNSS观测方程 |
| 2.1.2 观测值的线性组合 |
| 2.1.3 长距离误差处理 |
| 2.1.4 中长基线解算策略 |
| 2.2 基准点稳定性分析 |
| 2.2.1 统计检验分析方法 |
| 2.2.2 粗差探测与剔除 |
| 2.2.3 基准点长期稳定性分析 |
| 2.3 本章小结 |
| 第3章 基准稳定性监测系统设计与实现 |
| 3.1 系统总体设计 |
| 3.2 系统各功能 |
| 3.2.1 配置管理 |
| 3.2.2 测区管理 |
| 3.2.3 测站管理 |
| 3.2.4 成果分析和展示 |
| 3.3 功能模块优化与监测自动化 |
| 3.3.1 数据下载模块 |
| 3.3.2 数据解算模块 |
| 3.3.3 成果展示模块 |
| 3.3.4 基准稳定性监测自动化 |
| 3.4 本章小结 |
| 第4章 实验案例与分析 |
| 4.1 基准稳定性监测 |
| 4.1.1 实时监测 |
| 4.1.2 后处理监测 |
| 4.2 基准稳定性分析 |
| 4.2.1 实验概述 |
| 4.2.2 粗差探测和剔除 |
| 4.2.3 坐标时间序列对比 |
| 4.2.4 速度场结果与对比 |
| 4.3 多路径对动态监测的影响分析 |
| 4.3.1 提取多路径效应 |
| 4.3.2 多路径相关性分析 |
| 4.3.3 多路径削弱 |
| 4.4 本章小结 |
| 总结与展望 |
| 致谢 |
| 参考文献 |
| 科研项目与发表的论文 |
（6）基于GPS-InSAR数据融合的地表三维形变模型建立方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 GPS技术在地表形变监测的研究进展 |
| 1.2.2 InSAR技术在地表形变监测的研究进展 |
| 1.2.3 GPS-InSAR数据融合的发展现状 |
| 1.3 论文的主要研究内容 |
| 1.4 论文的章节组织 |
| 第二章 GPS-InSAR数据融合原理及方法 |
| 2.1 高精度GPS测量原理及数据处理 |
| 2.1.1 GPS静态相对定位基本原理 |
| 2.1.2 GPS数据处理的基本流程 |
| 2.1.3 GPS数据处理误差分析 |
| 2.2 InSAR测量原理及数据处理 |
| 2.2.1 InSAR干涉测量的基本原理 |
| 2.2.2 InSAR数据处理的基本流程 |
| 2.2.3 InSAR数据处理误差分析 |
| 2.3 GPS-InSAR数据融合基本方法 |
| 2.3.1 直接分解法 |
| 2.3.2 解析优化法 |
| 2.3.3 最小二乘法 |
| 2.4 本章小结 |
| 第三章 拟合推估在GPS-InSAR数据联合解算地表三维形变应用研究 |
| 3.1 引言 |
| 3.2 拟合推估基本原理 |
| 3.3 基于拟合推估的GPS-InSAR数据融合模型 |
| 3.4 算例分析 |
| 3.4.1 模拟数据算例分析 |
| 3.4.2 实测数据算例分析 |
| 3.5 本章小结 |
| 第四章 基于Kalman滤波的GPS-InSAR数据融合建立时序三维形变场 |
| 4.1 引言 |
| 4.2 Kalman滤波模型基本原理 |
| 4.3 基于Kalman滤波的GPS-InSAR融合模型建立 |
| 4.4 算例分析 |
| 4.5 本章小结 |
| 第五章 联合GPS-InSAR数据反演汶川Mw7.9 级地震断层滑动分布 |
| 5.1 引言 |
| 5.2 反演基本原理 |
| 5.2.1 断层几何参数的非线性反演 |
| 5.2.2 断层滑动分布的线性反演 |
| 5.3 基于拟合推估的GPS-InSAR融合模型解算汶川Mw7.9 级地震同震三维形变场 |
| 5.3.1 研究区域背景 |
| 5.3.2 震区InSAR数据及下采样 |
| 5.3.3 震区GPS数据与插值 |
| 5.3.4 基于拟合推估的GPS-InSAR融合模型解算震区三维形变场 |
| 5.4 断层滑动分布反演 |
| 5.4.1 断层模型的建立 |
| 5.4.2 断层滑动分布反演 |
| 5.4.3 断层正演模拟验证 |
| 5.5 本章小结 |
| 结论与展望 |
| 结论 |
| 展望 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（7）环渤海区域GPS坐标时间序列特征分析（论文提纲范文）
| 摘要 |
| Abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容及结构 |
| 1.4 本章小结 |
| 2 坐标时间序列分析方法 |
| 2.1 GPS坐标时间序列拟合模型 |
| 2.2 主成分分析法 |
| 2.3 谱指数法 |
| 2.4 最大似然估计法 |
| 2.5 经验模态分解 |
| 2.6 本章小结 |
| 3 环渤海区域GPS坐标时间序列噪声分析 |
| 3.1 研究区域概况及数据来源 |
| 3.2 数据预处理 |
| 3.3 不同噪声模型下坐标时间序列分析 |
| 3.4 最佳噪声模型的确定 |
| 3.5 本章小结 |
| 4 共模误差对坐标时间序列分析的影响 |
| 4.1 主成分分析法提取共模误差 |
| 4.2 共模误差对噪声分析的影响 |
| 4.3 共模误差的谱分析 |
| 4.4 本章小结 |
| 5 环渤海区域地壳运动规律 |
| 5.1 共模误差对测站速度估计的影响 |
| 5.2 速度场分析 |
| 5.3 垂直方向的瞬时速率 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者简历 |
| 致谢 |
| 学位论文数据集 |
（8）稳健WTLS在GPS高程拟合中的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题依据和背景 |
| 1.2 国内外的研究及应用 |
| 1.2.1 国外的研究与应用 |
| 1.2.2 国内的研究与应用 |
| 1.3 研究内容和技术路线 |
| 1.3.1 论文研究内容 |
| 1.3.2 论文研究技术路线图 |
| 1.3.3 论文结构安排 |
| 1.4 章节小结 |
| 第2章 从最小二乘法到加权总体最小二乘法 |
| 2.1 最小二乘法简述 |
| 2.2 总体最小二乘法 |
| 2.2.1 总体最小二乘平差理论 |
| 2.2.2 总体最小二乘平差奇异值分解法 |
| 2.2.3 总体最小二乘平差迭代法 |
| 2.3 加权总体最小二乘法 |
| 2.3.1 加权总体最小二乘法简述 |
| 2.3.2 加权总体最小二乘平差高斯—赫尔默特法 |
| 2.3.3 加权总体最小二乘平差牛顿—高斯法 |
| 2.4 章节小结 |
| 第3章 稳健估计理论 |
| 3.1 稳健估计理论 |
| 3.1.1 偶然误差与粗差 |
| 3.1.2 稳健估计 |
| 3.2 稳健加权总体最小二乘法 |
| 3.2.1 稳健加权总体最小二乘法的提出 |
| 3.2.2 稳健加权总体最小二乘法解算方法 |
| 3.2.3 稳健加权总体最小二乘法的解算步骤 |
| 3.3 章节小结 |
| 第4章 稳健加权总体最小二乘法实验评估 |
| 4.1 实验设计 |
| 4.2 模拟数据实验 |
| 4.2.1 数据与实验设计 |
| 4.2.2 实验结果分析 |
| 4.3 实际数据实验 |
| 4.3.1 数据与实验设计 |
| 4.3.2 实验结果分析 |
| 4.4 章节小结 |
| 第5章 稳健加权总体最小二乘在GPS高程拟合中的应用研究 |
| 5.1 高程拟合问题综述 |
| 5.2 二次曲面拟合方法 |
| 5.2.1 基于LS二次曲面拟合方法 |
| 5.2.2 基于TLS二次曲面拟合方法 |
| 5.2.3 基于WTLS二次曲面拟合方法 |
| 5.2.4 基于RWTLS二次曲面拟合方法 |
| 5.3 对比实验设计 |
| 5.3.1 实验数据中不含粗差 |
| 5.3.2 实验数据中含有粗差 |
| 5.4 实验结果与分析 |
| 5.4.1 实验数据中不含粗差 |
| 5.4.1.1 平面拟合模型 |
| 5.4.1.2 二次曲面拟合模型 |
| 5.4.2 实验数据中含有粗差 |
| 5.4.2.1 平面拟合模型 |
| 5.4.2.2 二次曲面拟合模型 |
| 5.4.3 实验结果分析 |
| 5.5 章节小结 |
| 总结与展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间取得学术成果 |
（9）GNSS观测值精度估计及随机模型精化方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状及趋势 |
| 1.2.1 GNSS发展现状 |
| 1.2.2 观测数据质量分析研究现状 |
| 1.2.3 随机模型研究现状 |
| 1.3 本文主要研究内容 |
| 2 多系统定位数据处理基础理论与方法 |
| 2.1 GNSS数据处理函数模型 |
| 2.1.1 非差函数模型 |
| 2.1.2 单差函数模型 |
| 2.1.3 双差函数模型 |
| 2.2 常见的GNSS线性组合观测值 |
| 2.2.1 同类型不同频率观测值线性组合 |
| 2.2.2 不同类型观测值线性组合 |
| 2.3 参数估计方法 |
| 2.3.1 最小二乘原理 |
| 2.3.2 卡尔曼滤波(Kalman filtering)估计方法 |
| 2.4 观测值质量分析指标 |
| 2.4.1 卫星可见性 |
| 2.4.2 三维位置精度因子 |
| 2.4.3 多路径效应组合 |
| 2.5 小结 |
| 3 GNSS观测值精度估计方法 |
| 3.1 GNSS数据处理方法 |
| 3.1.1 数据处理函数模型 |
| 3.1.2 M-W/GF组合值平滑及粗差剔除 |
| 3.1.3 非差观测值精度估计 |
| 3.1.4 观测值数据处理和质量评估策略 |
| 3.2 GNSS观测值质量分析 |
| 3.2.1 数据来源 |
| 3.2.2 卫星可见性及PDOP序列分析 |
| 3.2.3 多路径效应组合 |
| 3.3 GNSS观测值精度估计及分析 |
| 3.3.1 接收机内部噪声评估及分析 |
| 3.3.2 短基线GNSS观测值精度评估及分析 |
| 3.4 小结 |
| 4 随机模型精化方法研究 |
| 4.1 GNSS数据处理经验随机模型 |
| 4.1.1 等权模型 |
| 4.1.2 高度角随机模型 |
| 4.1.3 载噪比随机模型 |
| 4.2 随机模型精化方法 |
| 4.2.1 基于高度角的随机模型精化方法 |
| 4.2.2 基于载噪比的随机模型精化方法 |
| 4.3 西龙池上水库变形监测应用实例分析 |
| 4.3.1 实验数据描述 |
| 4.3.2 基于高度角的精化随机模型 |
| 4.3.3 基于载噪比的精化随机模型 |
| 4.3.4 单历元实时动态实验 |
| 4.3.5 静态实验 |
| 4.4 福斯桥结构健康监测应用实例分析 |
| 4.5 小结 |
| 5 总结与展望 |
| 5.1 研究总结 |
| 5.2 研究展望 |
| 参考文献 |
| 致谢 |
（10）区域GPS坐标时间序列特性分析（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究现状 |
| 1.2.1 GPS坐标时间序列季节信号建模研究 |
| 1.2.2 GPS坐标时间序列噪声特性研究 |
| 1.2.3 区域网时空滤波研究 |
| 1.3 研究内容 |
| 1.3.1 章节安排 |
| 1.3.2 论文的主要工作 |
| 第二章 GPS坐标时间序列数据预处理 |
| 2.1 基于多通道奇异谱的IQR统计量粗差探测和剔除 |
| 2.1.1 问题背景描述 |
| 2.1.3 MSSA方法原理介绍 |
| 2.1.4 交叉验证确定模型最优参数M和 P |
| 2.1.5 IQR统计量粗差探测方法 |
| 2.2 基于MSSA方法的缺失数据插值 |
| 2.2.1 确定插值模型的最优参数 |
| 2.2.2 MSSA插值缺失数据 |
| 2.3 模拟数据及实测GPS时间序列分析 |
| 2.3.1 模拟数据分析 |
| 2.3.2 实测数据分析 |
| 2.3.3 结果分析 |
| 2.4 GPS坐标时间序列中断探测 |
| 2.4.1 问题背景描述 |
| 2.4.2 实测GPS时间序列中断探测分析 |
| 2.5 本章小结 |
| 第三章 GPS坐标时间序列季节信号分析 |
| 3.1 GPS坐标时间序列季节信号成因分析 |
| 3.2 研究区域与数据来源 |
| 3.3 GPS坐标时间序列季节信号提取 |
| 3.3.1 LSE季节信号提取 |
| 3.3.2 SSA与 MSSA滞后窗口M的选择 |
| 3.3.3 MSSA中周期成分判定准则 |
| 3.3.4 GPS坐标时间序列季节信号分析 |
| 3.4 环境负载影响分析 |
| 3.4.1 问题背景描述 |
| 3.4.2 环境负载数据来源与处理方法 |
| 3.4.3 从环境负载数据中提取季节性信号 |
| 3.4.4 环境负载对GPS时间序列的影响分析 |
| 3.5 区域GPS网空间滤波 |
| 3.5.1 区域时空滤波方法 |
| 3.5.2 GPS坐标时间序列相关性分析 |
| 3.5.3 实测数据及其结果分析 |
| 3.5.4 共模误差对时间序列周年振幅和RMS的影响分析 |
| 3.6 本章小结 |
| 第四章 趋势项与噪声特性分析 |
| 4.1 问题背景描述 |
| 4.2 极大似然估计 |
| 4.3 噪声模型及其功率谱 |
| 4.3.1 幂律噪声(Power-law Noise) |
| 4.3.2 白噪声 |
| 4.3.3 广义高斯马尔可夫噪声 |
| 4.3.4 闪烁噪声和随机漫步噪声 |
| 4.3.5 组合噪声 |
| 4.3.6 速率不确定度的估算 |
| 4.4 实测数据趋势项与噪声特性分析 |
| 4.4.1 测站噪声特性分析 |
| 4.4.2 季节信号、环境负载及CME对最优噪声的综合影响 |
| 4.4.3 季节信号、环境负载和CME对测站速度及不确定度的影响 |
| 4.5 本章小结 |
| 第五章 GPS时间序列在区域地壳形变中的应用 |
| 5.1 研究区域地壳运动概述 |
| 5.2 获取研究区域三维形变速度场 |
| 5.3 本章小结 |
| 总结与展望 |
| 参考文献 |
| 致谢 |
四、GPS数据处理中的粗差探测及剔除（论文参考文献）
- [1]CPⅢ平面控制网粗差探测研究[D]. 佟雪佳. 兰州交通大学, 2021(02)
- [2]低轨纳米卫星的星载GNSS精密定轨研究[D]. 陈康慷. 长安大学, 2020(06)
- [3]基于GPS时间序列的震后形变分析和机制研究[D]. 苏利娜. 中国地震局地质研究所, 2020(03)
- [4]基于环境负荷的山东区域CORS站时间序列分析[D]. 刘宇. 山东科技大学, 2020(06)
- [5]GPS/BDS变形监测基准稳定性与自动化[D]. 蔡华. 西南交通大学, 2020(07)
- [6]基于GPS-InSAR数据融合的地表三维形变模型建立方法研究[D]. 吕佳凝. 长安大学, 2020(06)
- [7]环渤海区域GPS坐标时间序列特征分析[D]. 周海龙. 山东科技大学, 2019(05)
- [8]稳健WTLS在GPS高程拟合中的应用[D]. 朱开银. 成都理工大学, 2019(02)
- [9]GNSS观测值精度估计及随机模型精化方法研究[D]. 刘琳. 武汉大学, 2019(06)
- [10]区域GPS坐标时间序列特性分析[D]. 蔡晓军. 长安大学, 2019(01)