顧及有色噪聲的gps位置時(shí)間序列中斷探測(cè)法_明鋒

1、第４１卷第６期２０１６年６月武漢大學(xué)學(xué)報(bào)信息科學(xué)版ＧｅｏｍａｔｉｃｓａｎｄＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅｏｆＷｕｈａｎＵｎｉｖｅｒｓｉｔｙＶｏｌ４１Ｎｏ６Ｊｕｎｅ２０１６收稿日期：２０１４－１２－２３項(xiàng)目資助：國(guó)家高技術(shù)研究發(fā)展計(jì)劃（８６３計(jì)劃）（２０１３ＡＡ１２２５０１）；國(guó)家自然科學(xué)基金（４１３７４０１９，４１０２０１４４００４，４１４７４０１５）；地理信息工程國(guó)家重點(diǎn)實(shí)驗(yàn)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(dòng)態(tài)大地測(cè)量數(shù)據(jù)處理研究。ｇｅｏｄｅｓｙ＿ｘｄ＠１６３ｃｏｍＤＯＩ：１０１３２０３／ｊｗｈｕｇｉｓ２０１４０６０３文章編號(hào)：１６７１－８８６０（２０１６）０６－０７４５－０７顧及有色噪聲的ＧＰＳ位置時(shí)間序列中斷探測(cè)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(guó)家重點(diǎn)實(shí)驗(yàn)室，陜西西安，７１００５４３西安測(cè)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(shí)間序列中經(jīng)常會(huì)出現(xiàn)信息中斷，造成數(shù)據(jù)不連續(xù)，進(jìn)而導(dǎo)致測(cè)站速度及其不確定度的估計(jì)有偏。因此，時(shí)間序列中斷探測(cè)是動(dòng)態(tài)大地測(cè)量數(shù)據(jù)處理的重要內(nèi)容。在基于ｔ－檢驗(yàn)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(shí)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(cè)。經(jīng)模擬數(shù)據(jù)和實(shí)測(cè)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(cè)的誤判，能提高ＧＰＳ位置時(shí)間序列中斷探測(cè)的準(zhǔn)確率。同時(shí)，也對(duì)ＳＴＡＲＳ算法的參數(shù)設(shè)置以及濾波對(duì)中斷探測(cè)的影響分別進(jìn)行了討論。關(guān)鍵詞：ＧＰＳ位置時(shí)間序列；中斷；有色噪聲；ＡＲ（１）模型；ｔ－檢驗(yàn)中圖法分類號(hào)：Ｐ２２７文獻(xiàn)標(biāo)志碼：ＡＧＰＳ位置

5、時(shí)間序列中斷指由于接收機(jī)故障、天線更換、地震、框架變換、數(shù)據(jù)解算時(shí)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(shí)刻發(fā)生突然的且對(duì)其后序列均產(chǎn)生持續(xù)影響的跳躍。由接收機(jī)故障、更換天線、地震等因素導(dǎo)致的中斷可以通過測(cè)站觀測(cè)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(shí)間序列中仍存在未知原因?qū)е碌闹袛唷＃樱幔睿簦幔恚幔颍釋?duì)全球ＧＰＳ數(shù)據(jù)再處理解

6、的分析表明２６％的中斷來源不明［３］。Ｇａｚｅａｕｘ對(duì)Ｓｃｒｉｐｐｓ軌道和永久陣列中心（ＳｃｒｉｐｐｓＯｒｂｉｔａｎｄＰｅｒｍａｎｅｎｔＡｒｒａｙＣｅｎｔｅｒ，ＳＯＰＡＣ）解算的ＧＰＳ位置時(shí)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(shí)間序列中的中斷影響測(cè)站的穩(wěn)定性，使測(cè)站速度及不確定度估計(jì)有偏，在ＩＧＳ測(cè)站穩(wěn)定性分析［５］、地殼形變、建立全球或局部參考框架時(shí)都必須對(duì)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(shí)間序列中的中斷探測(cè)算法。Ｗｉｌｌｉａｍｓ分析了ＧＰＳ位置時(shí)間序列中的中斷特性，利用離線的變化點(diǎn)探測(cè)算法進(jìn)行中斷探測(cè)［４］，該方法算法簡(jiǎn)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(shí)際。Ｐｅｒｆｅｔｔｉ利用ＤＩＡ（ｄｅｔｅｃｔｉｏｎｉｄｅｎｔｉｆｉｃａｔｉｏｎａｄａｐｔａｔｉｏｎ）技術(shù)對(duì)意大利ＧＰＳ基準(zhǔn)網(wǎng)位置時(shí)間序列進(jìn)行了中斷探測(cè)，結(jié)果表明大約７０％的中斷能夠被探測(cè)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(cè)一個(gè)中斷，搜索一般從第一個(gè)歷元開始，當(dāng)時(shí)間序列跨度較大時(shí)，計(jì)算非常耗時(shí)。Ｖｉｔｔｉ引入圖像分段中的分段平滑函數(shù)進(jìn)行中斷探測(cè)，該算法理論和實(shí)現(xiàn)都較復(fù)雜［８］。Ｇａｚｅａｕｘ對(duì)第一次ＧＰＳ中斷探測(cè)實(shí)驗(yàn)（ｄｅｔｅｃｔｉｏｎｏｆｆｓｅｔｓｉｎＧＰＳｅｘｐｅｒｉｍｅｎｔ，ＤＯＧＥｘ）中各參與者提交的探測(cè)方法和探測(cè)效果進(jìn)行了分析比較，結(jié)果表明，探測(cè)正確率高的方法其誤判率也高，而探測(cè)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(cè)方法［９］，顧及ＧＰＳ位置時(shí)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(duì)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(shí)間序列中斷探測(cè)法ＳＴＡＲＳ的探測(cè)效果，本文首先采用ＤＯＧＥｘ中的ＤＰＣＦ測(cè)站模擬數(shù)據(jù)，其高程分量時(shí)間序列如圖１所示。為了使試驗(yàn)更專注于中斷探測(cè)，數(shù)據(jù)中沒有模擬粗差。同時(shí)，采用實(shí)測(cè)數(shù)據(jù)

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

11、程方向上在１９９５５、２００００時(shí)刻附近有２個(gè)明顯的中斷；從圖２可以看出，ＢＬＹＴ站高程方向在歷元１９９５０、１９９５５時(shí)刻附近有２個(gè)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(cè)站數(shù)據(jù)劃分如表１所示，計(jì)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(cè)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(shí)測(cè)數(shù)據(jù)經(jīng)去趨勢(shì)后的