GNSS观测时间序列包含复杂的非线性构造运动,如地面质量荷载、模型残差、周围环境因素等。由于环境因素的复杂性,季节性信号可能具备准周期时变的特征,传统的时间序列分析模型很难模型化。因此,可以采用一种双向长短期记忆(Bidirectiona...GNSS观测时间序列包含复杂的非线性构造运动,如地面质量荷载、模型残差、周围环境因素等。由于环境因素的复杂性,季节性信号可能具备准周期时变的特征,传统的时间序列分析模型很难模型化。因此,可以采用一种双向长短期记忆(Bidirectional Long Short-Term Memory,BiLSTM)循环神经网络与变分模态分解(Variational Mode Decomposition,VMD)联合的信号重构方法。首先利用VMD强大的分解能力将GNSS信号进行频域剖分并将其分为多项子信号和噪声项,再基于BiLSTM强大的学习能力对GNSS信号进行训练建模。结果表明,BiLSTM+VMD模型能充分挖掘信号的时频域特征,提高信号重构的精度和稳定性,GNSS N、E、U三分量重构结果均方根误差(Root Mean Squared Error,RMSE)都表现出不同程度的降低,尤其水平方向效果更为显著,相比EMD与VMD方法,E方向离散度分别降低了61%和19%,N方向离散度分别降低了20%和14%。这为GNSS观测时间序列中信号提取与模型参数估计提供了一个有价值的模型。展开更多
GNSS广泛地应用于各行各业,但是存在卫星导航信号落地功率低,极易受到各种有意和无意的电磁干扰影响,会对卫星导航应用造成严重的威胁.随着卫星导航的广泛应用,卫星导航信号受干扰问题引起了国际的广泛关注.全球卫星导航系统国际委员会(...GNSS广泛地应用于各行各业,但是存在卫星导航信号落地功率低,极易受到各种有意和无意的电磁干扰影响,会对卫星导航应用造成严重的威胁.随着卫星导航的广泛应用,卫星导航信号受干扰问题引起了国际的广泛关注.全球卫星导航系统国际委员会(International Committee on Global Navigation Satellite Systems,ICG)为此成立了专门的卫星导航干扰检测与削弱(IDM)工作组,旨在开展各国在该领域的政策法规、相关技术及IDM系统建设的研讨与交流.本文介绍和分析了ICG IDM的重要进展及研究态势,并对干扰检测定位理论技术及国内外卫星导航干扰监测系统的研究进展进行了梳理,对深化卫星导航干扰监测的理论与技术研究及保障卫星导航安全具有重要的技术借鉴与研究支撑.展开更多
全球导航卫星系统GNSS对流层天顶湿延迟(zenith wet delay,ZWD)随机噪声不仅影响ZWD估计值大小,还会影响ZWD的趋势项变化。为揭示ZWD随机游走过程噪声(random walk process noise,RWPN)的时空变化特征,本文选取全球20个IGS(Internationa...全球导航卫星系统GNSS对流层天顶湿延迟(zenith wet delay,ZWD)随机噪声不仅影响ZWD估计值大小,还会影响ZWD的趋势项变化。为揭示ZWD随机游走过程噪声(random walk process noise,RWPN)的时空变化特征,本文选取全球20个IGS(International GNSS Service)测站,基于JPL(Jet Propulsion Laboratory)、GFZ(Helmholtz-Centre Potsdam-German Research Centre for Geosciences)和CODE(Center for Orbit Determination in Europe)分析中心2010至2020年对流层产品,从不同地理位置和不同时间序列分析GNSS ZWD随机游走过程噪声的变化范围和特征;并且在扣除ZWD的趋势项和主要周期项后,进一步揭示了ZWD残差信号分量构成。结果表明:不同地理位置湿延迟RWPN具有显著差异,年均值范围在0.01~0.146 mm/√s之间,且在大气集中的中低纬地区湿延迟RWPN值较大,在大气相对稀薄的极地地区其值较小;同一测站的湿延迟RWPN具有明显的周年、半周年和季节性特征,极差值高达0.12 mm/√s以上;通过对ZWD残差值分析,发现ZWD残差信号除包含白噪声外,还具有4.8 h至2.43 d的高频信号分量。展开更多
文摘GNSS观测时间序列包含复杂的非线性构造运动,如地面质量荷载、模型残差、周围环境因素等。由于环境因素的复杂性,季节性信号可能具备准周期时变的特征,传统的时间序列分析模型很难模型化。因此,可以采用一种双向长短期记忆(Bidirectional Long Short-Term Memory,BiLSTM)循环神经网络与变分模态分解(Variational Mode Decomposition,VMD)联合的信号重构方法。首先利用VMD强大的分解能力将GNSS信号进行频域剖分并将其分为多项子信号和噪声项,再基于BiLSTM强大的学习能力对GNSS信号进行训练建模。结果表明,BiLSTM+VMD模型能充分挖掘信号的时频域特征,提高信号重构的精度和稳定性,GNSS N、E、U三分量重构结果均方根误差(Root Mean Squared Error,RMSE)都表现出不同程度的降低,尤其水平方向效果更为显著,相比EMD与VMD方法,E方向离散度分别降低了61%和19%,N方向离散度分别降低了20%和14%。这为GNSS观测时间序列中信号提取与模型参数估计提供了一个有价值的模型。
文摘GNSS广泛地应用于各行各业,但是存在卫星导航信号落地功率低,极易受到各种有意和无意的电磁干扰影响,会对卫星导航应用造成严重的威胁.随着卫星导航的广泛应用,卫星导航信号受干扰问题引起了国际的广泛关注.全球卫星导航系统国际委员会(International Committee on Global Navigation Satellite Systems,ICG)为此成立了专门的卫星导航干扰检测与削弱(IDM)工作组,旨在开展各国在该领域的政策法规、相关技术及IDM系统建设的研讨与交流.本文介绍和分析了ICG IDM的重要进展及研究态势,并对干扰检测定位理论技术及国内外卫星导航干扰监测系统的研究进展进行了梳理,对深化卫星导航干扰监测的理论与技术研究及保障卫星导航安全具有重要的技术借鉴与研究支撑.
文摘全球导航卫星系统GNSS对流层天顶湿延迟(zenith wet delay,ZWD)随机噪声不仅影响ZWD估计值大小,还会影响ZWD的趋势项变化。为揭示ZWD随机游走过程噪声(random walk process noise,RWPN)的时空变化特征,本文选取全球20个IGS(International GNSS Service)测站,基于JPL(Jet Propulsion Laboratory)、GFZ(Helmholtz-Centre Potsdam-German Research Centre for Geosciences)和CODE(Center for Orbit Determination in Europe)分析中心2010至2020年对流层产品,从不同地理位置和不同时间序列分析GNSS ZWD随机游走过程噪声的变化范围和特征;并且在扣除ZWD的趋势项和主要周期项后,进一步揭示了ZWD残差信号分量构成。结果表明:不同地理位置湿延迟RWPN具有显著差异,年均值范围在0.01~0.146 mm/√s之间,且在大气集中的中低纬地区湿延迟RWPN值较大,在大气相对稀薄的极地地区其值较小;同一测站的湿延迟RWPN具有明显的周年、半周年和季节性特征,极差值高达0.12 mm/√s以上;通过对ZWD残差值分析,发现ZWD残差信号除包含白噪声外,还具有4.8 h至2.43 d的高频信号分量。
