PCA空间滤波在高频GPS定位中的应用研究

利用主成分分析法(PCA)对高频GPS时间序列进行空间滤波,并结合Karhunen-Loeve展开法(KLE)对其结果进行判定,可有效地提取共模误差,提高单历元定位精度。通过对四川GPS连续观测网的计算分析表明,PCA方法可较好地减弱区域共模误差,并能准确地反映共模误差的空间分布,且精度优于传统的堆栈法,这对高频GPS技术的应用和发展具有重要意义。

GPS网共模误差的空间响应分析

对共模误差的空间变化进行分析。以美国南加州及周边区域的GPS台站网中3个站台为中心,通过划分9个不同的尺度空间,采用基于主成分分析(PCA)的空间滤波方法,对每个空间尺度GPS坐标序列共模误差进行提取,探讨不同空间尺度下GPS网共模误差的空间响应特性,为子区域的划分提供相应的理论基础。

PCA与Welch相结合的开采沉降实时观测坐标序列分析

针对矿区开采沉降GPS变形监测坐标序列中存在的共模误差,利用PCA主成分分析方法,将高频单历元解算中的测站之间相关性误差提取并消除。利用Welch频谱法分析PCA空间滤波消除共模误差的周期频率特性。最后,处理某矿区实时GPS变形监测网中的观测沉降数据,验证了PCA空间滤波方法在去除共模误差的可行性,提高了矿区开采沉降GPS观测精度。