Cgcs2000框架站點(diǎn)非線性運(yùn)動(dòng)模型的構(gòu)建方法
【專(zhuān)利摘要】本發(fā)明提供一種CGCS2000框架站點(diǎn)非線性運(yùn)動(dòng)模型的構(gòu)建方法，包括：采用基于奇異譜分析的時(shí)間序列粗差探測(cè)和時(shí)間序列缺失值插補(bǔ)方法對(duì)框架站點(diǎn)日解時(shí)間序列進(jìn)行預(yù)處理，得到干凈、完整的時(shí)間序列；對(duì)預(yù)處理后的時(shí)間序列進(jìn)行奇異譜分解，得到站點(diǎn)時(shí)間序列主成分分量，結(jié)合最大熵方法、非參檢驗(yàn)以及振蕩對(duì)識(shí)別方法，對(duì)站點(diǎn)時(shí)間序列信噪分離，提取出有用信號(hào)，對(duì)站點(diǎn)進(jìn)行動(dòng)態(tài)特性分析；采用基于奇異譜分析方法的時(shí)間序列預(yù)測(cè)方法，對(duì)提取出的有用信號(hào)進(jìn)行站點(diǎn)位置預(yù)測(cè)，基于預(yù)測(cè)結(jié)果建模，得到站點(diǎn)非線性運(yùn)動(dòng)模型。本方法從多個(gè)方面提高了所構(gòu)建得到的非線性運(yùn)動(dòng)模型的精度，可以長(zhǎng)期動(dòng)態(tài)對(duì)CGCS2000框架進(jìn)行高精度維護(hù)和更新。
【專(zhuān)利說(shuō)明】CGCS2000框架站點(diǎn)非線性運(yùn)動(dòng)模型的構(gòu)建方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于國(guó)家高精度地心坐標(biāo)框架及大地基準(zhǔn)維護(hù)【技術(shù)領(lǐng)域】，具體涉及一種CGCS2000框架站點(diǎn)非線性運(yùn)動(dòng)模型的構(gòu)建方法。
【背景技術(shù)】
[0002]我國(guó)于2008年7月I日啟用了中國(guó)地心坐標(biāo)系統(tǒng)CGCS2000和相應(yīng)的坐標(biāo)參考框架，建立精確的CGCS2000框架站點(diǎn)運(yùn)動(dòng)模型，是維持CGCS2000框架精確性和穩(wěn)定性的重要基礎(chǔ)。
[0003]目前，在建立CGCS2000框架站點(diǎn)運(yùn)動(dòng)模型過(guò)程中，主要存在以下不足:(I)在對(duì)日解時(shí)間序列進(jìn)行缺失值插補(bǔ)時(shí)，常常無(wú)法對(duì)缺失時(shí)間較長(zhǎng)的時(shí)間段進(jìn)行可靠的插值；(2)在進(jìn)行信噪分離時(shí)，需要對(duì)站點(diǎn)的運(yùn)動(dòng)特性及噪聲特性進(jìn)行一定的先驗(yàn)假設(shè)，由此得到的信噪分離結(jié)果在一定程度上取決于先驗(yàn)假設(shè)的準(zhǔn)確性。(3)采用線性模型對(duì)站點(diǎn)位置進(jìn)行預(yù)報(bào)，忽略由各種因素引起的非線性運(yùn)動(dòng)。上述三種不足，整體上降低了所建構(gòu)得到的CGCS2000框架站點(diǎn)運(yùn)動(dòng)模型的精度，難以滿足精度及實(shí)時(shí)性要求較高的許多科學(xué)研究和工程監(jiān)測(cè)項(xiàng)目的需要，也不適應(yīng)當(dāng)今精密定位和導(dǎo)航的需求。

【發(fā)明內(nèi)容】

[0004]針對(duì)現(xiàn)有技術(shù)存在的缺陷，本發(fā)明提供一種CGCS2000框架站點(diǎn)非線性運(yùn)動(dòng)模型的構(gòu)建方法，從多個(gè)方面提高了所構(gòu)建得到的非線性運(yùn)動(dòng)模型的精度。
[0005]本發(fā)明采用的技術(shù)方案如下:
[0006]本發(fā)明提供一種CGCS2000框架站點(diǎn)非線性運(yùn)動(dòng)模型的構(gòu)建方法，包括以下步驟:
[0007]SI,采用基于奇異譜分析的時(shí)間序列粗差探測(cè)SSA-1QR和時(shí)間序列缺失值插補(bǔ)SSA-M方法對(duì)CGCS2000框架站點(diǎn)的日解時(shí)間序列進(jìn)行預(yù)處理，得到干凈、完整的框架站點(diǎn)時(shí)間序列；
[0008]S2，對(duì)預(yù)處理后的所述框架站點(diǎn)時(shí)間序列進(jìn)行奇異譜分解，得到站點(diǎn)時(shí)間序列三個(gè)不同方向上的主成分分量，結(jié)合最大熵方法、非參檢驗(yàn)以及振蕩對(duì)識(shí)別方法，對(duì)站點(diǎn)時(shí)間序列進(jìn)行信噪分離，提取出有用信號(hào)，然后對(duì)站點(diǎn)進(jìn)行動(dòng)態(tài)特性分析；
[0009]S3，采用基于奇異譜分析方法的時(shí)間序列預(yù)測(cè)方法，對(duì)提取出的所述有用信號(hào)進(jìn)行站點(diǎn)位置預(yù)測(cè)，基于預(yù)測(cè)結(jié)果建模，得到CGCS2000框架站點(diǎn)非線性運(yùn)動(dòng)模型。
[0010]優(yōu)選的，SI具體包括以下步驟:
[0011]SI I，對(duì)所述日解時(shí)間序列進(jìn)行探測(cè)分析，標(biāo)記站點(diǎn)時(shí)間序列中缺失值的位置；
[0012]S12，采用SSA-M迭代-交叉驗(yàn)證方法，估計(jì)得到最佳的嵌入維數(shù)M和最佳的重構(gòu)階次P ；以所述嵌入維數(shù)M和所述重構(gòu)階次P作為模型參數(shù)，構(gòu)建得到高精度模型；
[0013]S13，利用所述高精度模型，結(jié)合SSA-1QR準(zhǔn)則，探測(cè)所述日解時(shí)間序列的粗差值并剔除，將所述粗差值標(biāo)記為缺失值；
[0014]S14，利用SSA-M對(duì)Sll探測(cè)得到的缺失值和S13標(biāo)記的缺失值進(jìn)行缺失值插補(bǔ)，得到插補(bǔ)后的時(shí)間序列；
[0015]S15，對(duì)S14得到的所述時(shí)間序列重復(fù)探測(cè)，如果探測(cè)到缺失值或粗差值，則重復(fù)S11-S14，直到探測(cè)不到缺失值或粗差值為止，最終得到干凈、完整的框架站點(diǎn)時(shí)間序列。
[0016]優(yōu)選的，S2具體包括以下步驟:
[0017]S21，對(duì)預(yù)處理后的所述框架站點(diǎn)時(shí)間序列進(jìn)行偽數(shù)據(jù)-奇異譜分解，得到站點(diǎn)時(shí)間序列三個(gè)不同方向上的主成分分量；
[0018]S22，采用非參檢驗(yàn)法識(shí)別各方向主成分分量的趨勢(shì)項(xiàng)；采用振蕩對(duì)識(shí)別方法和最大熵方法識(shí)別各方向主成分分量的震蕩項(xiàng)；
[0019]S23，線性疊加識(shí)別出的所述趨勢(shì)項(xiàng)和所述震蕩項(xiàng)，重構(gòu)得到所述有用信號(hào)。
[0020]優(yōu)選的，S21中，對(duì)預(yù)處理后的所述框架站點(diǎn)時(shí)間序列進(jìn)行偽數(shù)據(jù)-奇異譜分解，具體為:
[0021]在所述框架站點(diǎn)時(shí)間序列的首尾兩端分別添加長(zhǎng)度為M的構(gòu)造數(shù)據(jù)，得到新的時(shí)間序列；其中，所述構(gòu)造數(shù)據(jù)通過(guò)SSA-P預(yù)測(cè)方法得到；
[0022]對(duì)所述新的時(shí)間序列采用奇異譜分析方法進(jìn)行分解。
[0023]優(yōu)選的，S3中，采用基于奇異譜分析方法的時(shí)間序列預(yù)測(cè)方法，對(duì)提取出的所述有用信號(hào)進(jìn)行站點(diǎn)位置預(yù)測(cè)，具體為采用等階滑動(dòng)預(yù)測(cè)方法對(duì)站點(diǎn)位置預(yù)測(cè)。
[0024]優(yōu)選的，所述采用等階滑動(dòng)預(yù)測(cè)方法對(duì)站點(diǎn)位置預(yù)測(cè)，具體包括以下步驟:
[0025]S31，設(shè)S2提取出的所述有用信號(hào)的信號(hào)長(zhǎng)度為L(zhǎng)，令i=l ；
[0026]S32，在所述有用信號(hào)的尾端添加Pl個(gè)零數(shù)據(jù)，得到新構(gòu)造的第i初始時(shí)間序列；
[0027]S32，對(duì)所述第i初始時(shí)間序列進(jìn)行奇異譜分解，并選取預(yù)設(shè)數(shù)目的RCs值對(duì)尾端的Pl個(gè)數(shù)據(jù)重新賦值，得到第i時(shí)間序列；其中，所述第i時(shí)間序列的信號(hào)長(zhǎng)度為L(zhǎng)+P1 ；
[0028]S33，在所述第i時(shí)間序列的尾端添加Pl個(gè)零數(shù)據(jù)，去除所述第i時(shí)間序列頭端的Pl個(gè)數(shù)據(jù)，得到新構(gòu)造的第i+Ι初始時(shí)間序列，然后令i=i+l，循環(huán)S32-S33，直到預(yù)測(cè)長(zhǎng)度達(dá)到需要目標(biāo)為止。
[0029]優(yōu)選的，S32中，對(duì)尾端的Pl個(gè)數(shù)據(jù)重新賦值，具體為:
[0030]通過(guò)迭代循環(huán)的形式對(duì)尾端的Pl個(gè)數(shù)據(jù)重新賦值，直至相鄰兩次迭代循環(huán)之間的差值足夠小時(shí)，停止迭代過(guò)程，輸出賦值后的時(shí)間序列。
[0031]優(yōu)選的，S3之后，還包括:
[0032]S4，對(duì)所述CGCS2000框架站點(diǎn)進(jìn)行平差解算，得到站點(diǎn)周解序列和線性速度值，以所述站點(diǎn)周解序列和線性速度值作為真值，對(duì)所述CGCS2000框架站點(diǎn)非線性運(yùn)動(dòng)模型進(jìn)行驗(yàn)證。
[0033]本發(fā)明的有益效果如下:
[0034]本發(fā)明提供一種CGCS2000框架站點(diǎn)非線性運(yùn)動(dòng)模型的構(gòu)建方法，采用了高精度、可靠時(shí)間序列預(yù)處理方法，通過(guò)自適應(yīng)濾波方法完成信噪分離，并借助自動(dòng)化程度更高、無(wú)先驗(yàn)假設(shè)的預(yù)測(cè)方法SSA-P對(duì)站點(diǎn)位置預(yù)測(cè)，基于預(yù)測(cè)結(jié)果建模，從而得到高精度的CGCS2000框架站點(diǎn)非線性運(yùn)動(dòng)模型，可以長(zhǎng)期動(dòng)態(tài)對(duì)CGCS2000框架進(jìn)行高精度維護(hù)和更新。
【專(zhuān)利附圖】

【附圖說(shuō)明】[0035]圖1為本發(fā)明提供的CGCS2000框架站點(diǎn)非線性運(yùn)動(dòng)模型的構(gòu)建方法的流程示意圖。
【具體實(shí)施方式】
[0036]以下結(jié)合附圖對(duì)本發(fā)明進(jìn)行詳細(xì)說(shuō)明:
[0037]如圖1所示，本發(fā)明提供一種CGCS2000框架站點(diǎn)非線性運(yùn)動(dòng)模型的構(gòu)建方法，包括以下步驟:
[0038]SI,采用基于奇異譜分析的時(shí)間序列粗差探測(cè)SSA-1QR (Singular SpectrumAnalysis-1nter Quartile)和時(shí)間序列缺失值插補(bǔ) SSA-M (Singular Spectrum Analysisfor Missing Data)方法對(duì)CGCS2000框架站點(diǎn)的日解時(shí)間序列進(jìn)行預(yù)處理，得到干凈、完整的框架站點(diǎn)時(shí)間序列；
[0039]本步驟具體通過(guò)以下方式實(shí)現(xiàn):
[0040]SI I，對(duì)所述日解時(shí)間序列進(jìn)行探測(cè)分析，標(biāo)記站點(diǎn)時(shí)間序列中缺失值的位置；
[0041]S12，采用SSA-M迭代-交叉驗(yàn)證方法，估計(jì)得到最佳的嵌入維數(shù)M和最佳的重構(gòu)階次P ；以所述嵌入維數(shù)M和所述重構(gòu)階次P作為模型參數(shù)，構(gòu)建得到高精度模型；
[0042]S13，利用所述高精度模型，結(jié)合SSA-1QR準(zhǔn)則，探測(cè)所述日解時(shí)間序列的粗差值并剔除，將所述粗差值標(biāo)記為缺失值；
[0043]S14，利用SSA-M對(duì)Sll探測(cè)得到的缺失值和S13標(biāo)記的缺失值進(jìn)行缺失值插補(bǔ)，得到插補(bǔ)后的時(shí)間序列；
[0044]S15，對(duì)S14得到的所述時(shí)間序列重復(fù)探測(cè)，如果探測(cè)到缺失值或粗差值，則重復(fù)S11-S14，直到探測(cè)不到缺失值或粗差值為止，最終得到干凈、完整的框架站點(diǎn)時(shí)間序列。
[0045]采用上述方法對(duì)日解時(shí)間序列進(jìn)行預(yù)處理，利用SSA-1QR進(jìn)行粗差探測(cè)時(shí)，因獲取殘差的過(guò)程未對(duì)數(shù)據(jù)結(jié)構(gòu)進(jìn)行任何先驗(yàn)假設(shè)，因此其得到的殘差值更為真實(shí)，借助IQR粗差識(shí)別準(zhǔn)則可以更好的完成時(shí)間序列粗差識(shí)別過(guò)程。利用SSA-M可以將時(shí)間序列缺失值和粗差值進(jìn)行重新插補(bǔ)，從而可得到完整、干凈的時(shí)間序列，保證在正確探測(cè)粗差和恢復(fù)缺失數(shù)據(jù)的前提下，最大限度的降低人為噪聲的引入量，得到高精度、可靠的站點(diǎn)時(shí)間序列。
[0046]S2，對(duì)預(yù)處理后的所述框架站點(diǎn)時(shí)間序列進(jìn)行奇異譜分解，得到站點(diǎn)時(shí)間序列三個(gè)不同方向上的主成分分量，結(jié)合最大熵方法(Maximum Entropy Method, MEM)、非參檢驗(yàn)以及振蕩對(duì)識(shí)別方法，對(duì)站點(diǎn)時(shí)間序列進(jìn)行信噪分離，提取出有用信號(hào)，然后對(duì)站點(diǎn)進(jìn)行動(dòng)態(tài)特性分析；
[0047]本步驟具體通過(guò)以下方式實(shí)現(xiàn):
[0048]S21，對(duì)預(yù)處理后的所述框架站點(diǎn)時(shí)間序列進(jìn)行偽數(shù)據(jù)-奇異譜分解，得到站點(diǎn)時(shí)間序列三個(gè)不同方向上的主成分分量；其中，偽數(shù)據(jù)-奇異譜分解方法與傳統(tǒng)奇異譜分析方法最大的差別在于，在對(duì)原始時(shí)間序列進(jìn)行分析前，在所述框架站點(diǎn)時(shí)間序列的首尾兩端分別添加長(zhǎng)度為M的構(gòu)造數(shù)據(jù)，得到新的時(shí)間序列；其中，所述構(gòu)造數(shù)據(jù)通過(guò)SSA-P(Singular Spectrum Analysis for Prediction)預(yù)測(cè)方法得到；然后對(duì)所述新的時(shí)間序列采用傳統(tǒng)奇異譜分析方法進(jìn)行分解。所添加的構(gòu)造數(shù)據(jù)可稱(chēng)為偽數(shù)據(jù)，添加偽數(shù)據(jù)的主要目的為:傳統(tǒng)奇異譜分析方法分解得到的RCs (重建主成分，Reconstructed Components)成分往往在首端尾端存在的較為嚴(yán)重的數(shù)據(jù)“漂移”現(xiàn)象，而利用偽數(shù)據(jù)-奇異譜分解方法則可以很好的解決該問(wèn)題。
[0049]S22，采用非參檢驗(yàn)法識(shí)別各方向主成分分量的趨勢(shì)項(xiàng)；采用振蕩對(duì)識(shí)別方法和最大熵方法識(shí)別各方向主成分分量的震蕩項(xiàng)；
[0050]S23,線性疊加識(shí)別出的所述趨勢(shì)項(xiàng)和所述震蕩項(xiàng)，重構(gòu)得到所述有用信號(hào)。
[0051]與傳統(tǒng)方法相比，本發(fā)明旨在建立高精度的框架站點(diǎn)非線性運(yùn)動(dòng)模型，因此對(duì)于時(shí)間序列中信號(hào)部分的分離極為重要，直接決定了后續(xù)非線性模型的精度及可靠性。本步驟采用的基于奇異譜分析的信噪分離方法，其最為核心的部分在于信噪分離過(guò)程中未對(duì)站點(diǎn)的運(yùn)動(dòng)形式作任何的先驗(yàn)假設(shè)，從而保證重構(gòu)信號(hào)的準(zhǔn)確性，其通過(guò)自適應(yīng)濾波的方法完成時(shí)間序列的分解，最大程度保證了信噪分離的正確性。
[0052]S3，采用基于奇異譜分析方法的時(shí)間序列預(yù)測(cè)方法，該預(yù)測(cè)方法可用符號(hào)SSA-P表示，對(duì)提取出的所述有用信號(hào)進(jìn)行站點(diǎn)位置預(yù)測(cè)，基于預(yù)測(cè)結(jié)果建模，得到CGCS2000框架站點(diǎn)非線性運(yùn)動(dòng)模型?？梢詫⒈景l(fā)明建立得到的CGCS2000框架站點(diǎn)非線性運(yùn)動(dòng)模型用符號(hào) NLM-CGCS2000 表示。
[0053]本步驟中，采用等階滑動(dòng)預(yù)測(cè)方法對(duì)站點(diǎn)位置預(yù)測(cè)。具體為:
[0054]S31，設(shè)S2提取出的所述有用信號(hào)的信號(hào)長(zhǎng)度為L(zhǎng)，令i=l ；
[0055]S32，在所述有用信號(hào)的尾端添加Pl個(gè)零數(shù)據(jù)，得到新構(gòu)造的第i初始時(shí)間序列；
[0056]S32，對(duì)所述第i初始時(shí)間序列進(jìn)行奇異譜分解，并選取預(yù)設(shè)數(shù)目的RCs值對(duì)尾端的Pl個(gè)數(shù)據(jù)重新賦值，得到第i時(shí)間序列；其中，所述第i時(shí)間序列的信號(hào)長(zhǎng)度為L(zhǎng)+P1 ;其中，采用以下方式對(duì)尾端的Pl個(gè)數(shù)據(jù)重新賦值:通過(guò)迭代循環(huán)的形式對(duì)尾端的Pl個(gè)數(shù)據(jù)重新賦值，直至相鄰兩次迭代循環(huán)之間的差值足夠小時(shí)，停止迭代過(guò)程，輸出賦值后的時(shí)間序列。
[0057]S33，在所述第i時(shí)間序列的尾端添加Pl個(gè)零數(shù)據(jù)，去除所述第i時(shí)間序列頭端的Pl個(gè)數(shù)據(jù)，得到新構(gòu)造的第i+Ι初始時(shí)間序列，然后令i=i+l，循環(huán)S32-S33，直到預(yù)測(cè)長(zhǎng)度達(dá)到需要目標(biāo)為止。
[0058]通過(guò)上述方法，得到CGCS2000框架站點(diǎn)非線性運(yùn)動(dòng)模型，通過(guò)該模型，可推算站點(diǎn)在任意時(shí)刻的坐標(biāo)，同時(shí)該模型也可完成站點(diǎn)過(guò)去任意時(shí)刻坐標(biāo)值的回推，因此保證了既可以實(shí)現(xiàn)不同國(guó)際上ITRF框架不同歷元下的框架點(diǎn)坐標(biāo)到CGCS2000的高精度歸算，同時(shí)也可以實(shí)現(xiàn)站點(diǎn)任何時(shí)刻的預(yù)測(cè)，保證了框架信息的實(shí)時(shí)性。另外，由于模型建立過(guò)程中考慮了站點(diǎn)非線性運(yùn)動(dòng)特性，因此本發(fā)明得到的模型精度較之傳統(tǒng)線性模型精度更高。
[0059]S3之后，還包括:
[0060]S4，對(duì)所述CGCS2000框架站點(diǎn)進(jìn)行平差解算，得到站點(diǎn)周解序列和線性速度值，以所述站點(diǎn)周解序列和線性速度值作為真值，對(duì)所述CGCS2000框架站點(diǎn)非線性運(yùn)動(dòng)模型進(jìn)行驗(yàn)證。當(dāng)非線性運(yùn)動(dòng)模型比線性模型更為接近周解結(jié)果時(shí)，可認(rèn)為非線性模型較之傳統(tǒng)的線性模型精度更高。
[0061]具體的步驟為:(I)首先采用本發(fā)明提供的方法對(duì)我國(guó)的CGCS2000基準(zhǔn)站的日解時(shí)間序列進(jìn)行信噪分離及建模，獲得站點(diǎn)的非線性運(yùn)動(dòng)模型；(2)利用GAMIT/Globk軟件解算站點(diǎn)的線性速率和站點(diǎn)的周解時(shí)間序列；(3)由于站點(diǎn)的周解時(shí)間序列具有精度高且能反映站點(diǎn)非線性運(yùn)動(dòng)特性的優(yōu)點(diǎn)，因此可以周解時(shí)間序列作為高精度的參考值，以此求解站點(diǎn)的非線性運(yùn)動(dòng)模型以及利用Gamit/Globk軟件解算的線性速率值相對(duì)于周解時(shí)間序列的精度；實(shí)驗(yàn)結(jié)果表明，站點(diǎn)的非線性運(yùn)動(dòng)模型值比傳統(tǒng)線性速率值具有更高的精度，由此驗(yàn)證了本發(fā)明提出的建模方法的有效性和可靠性。
[0062]綜上所述，本發(fā)明提供的CGCS2000框架站點(diǎn)非線性運(yùn)動(dòng)模型的構(gòu)建方法，采用了高精度、可靠時(shí)間序列預(yù)處理方法，通過(guò)自適應(yīng)濾波方法完成信噪分離，并借助自動(dòng)化程度更高、無(wú)先驗(yàn)假設(shè)的預(yù)測(cè)方法SSA-P對(duì)站點(diǎn)位置預(yù)測(cè)，基于預(yù)測(cè)結(jié)果建模，從而得到高精度的CGCS2000框架站點(diǎn)非線性運(yùn)動(dòng)模型，可實(shí)現(xiàn)國(guó)家級(jí)CGCS2000框架點(diǎn)高精度維護(hù)，同時(shí)實(shí)現(xiàn)GNSS實(shí)測(cè)點(diǎn)位到CGCS2000的厘米級(jí)或毫米級(jí)歸算；而且，還可以計(jì)算站點(diǎn)坐標(biāo)在任意時(shí)刻的坐標(biāo)，實(shí)現(xiàn)不同國(guó)際上ITRF框架不同歷元下的框架點(diǎn)坐標(biāo)到CGCS2000的歸算。因此，可以長(zhǎng)期動(dòng)態(tài)對(duì)CGCS2000框架進(jìn)行高精度維護(hù)和更新。
[0063]以上所述僅是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出，對(duì)于本【技術(shù)領(lǐng)域】的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明原理的前提下，還可以做出若干改進(jìn)和潤(rùn)飾，這些改進(jìn)和潤(rùn)飾也應(yīng)視本發(fā)明的保護(hù)范圍。
【權(quán)利要求】
1.一種CGCS2000框架站點(diǎn)非線性運(yùn)動(dòng)模型的構(gòu)建方法，其特征在于，包括以下步驟: SI，采用基于奇異譜分析的時(shí)間序列粗差探測(cè)SSA-1QR和時(shí)間序列缺失值插補(bǔ)SSA-M方法對(duì)CGCS2000框架站點(diǎn)日解時(shí)間序列進(jìn)行預(yù)處理，得到干凈、完整的框架站點(diǎn)時(shí)間序列； S2，對(duì)預(yù)處理后的所述框架站點(diǎn)時(shí)間序列進(jìn)行奇異譜分解，得到站點(diǎn)時(shí)間序列三個(gè)不同方向上的主成分分量，結(jié)合最大熵方法、非參檢驗(yàn)以及振蕩對(duì)識(shí)別方法，對(duì)站點(diǎn)時(shí)間序列進(jìn)行信噪分離，提取出有用信號(hào)，然后對(duì)站點(diǎn)進(jìn)行動(dòng)態(tài)特性分析； S3，采用基于奇異譜分析方法的時(shí)間序列預(yù)測(cè)方法，對(duì)提取出的所述有用信號(hào)進(jìn)行站點(diǎn)位置預(yù)測(cè)，基于預(yù)測(cè)結(jié)果建模，得到CGCS2000框架站點(diǎn)非線性運(yùn)動(dòng)模型。
2.根據(jù)權(quán)利要求1所述的CGCS2000框架站點(diǎn)非線性運(yùn)動(dòng)模型的構(gòu)建方法，其特征在于，SI具體包括以下步驟: SI I，對(duì)所述日解時(shí)間序列進(jìn)行探測(cè)分析，標(biāo)記站點(diǎn)時(shí)間序列中缺失值的位置； S12，采用SSA-M迭代-交叉驗(yàn)證方法，估計(jì)得到最佳的嵌入維數(shù)M和最佳的重構(gòu)階次P ；以所述嵌入維數(shù)M和所述重構(gòu)階次P作為模型參數(shù)，構(gòu)建得到高精度模型； S13，利用所述高精度模型，結(jié)合SSA-1QR準(zhǔn)則，探測(cè)所述日解時(shí)間序列的粗差值并剔除，將所述粗差值標(biāo)記為缺失值； S14，利用SSA-M對(duì)Sll探測(cè)得到的缺失值和S13標(biāo)記的缺失值進(jìn)行缺失值插補(bǔ)，得到插補(bǔ)后的時(shí)間序列； S15，對(duì)S14得到的所述時(shí)間序列重復(fù)探測(cè)，如果探測(cè)到缺失值或粗差值，則重復(fù)S11-S14，直到探測(cè)不到缺失值或粗差值為止，最終得到干凈、完整的框架站點(diǎn)時(shí)間序列。
3.根據(jù)權(quán)利要求1所述的CGCS2000框架站點(diǎn)非線性運(yùn)動(dòng)模型的構(gòu)建方法，其特征在于，S2具體包括以下步驟: S21，對(duì)預(yù)處理后的所述框架站點(diǎn)時(shí)間序列進(jìn)行偽數(shù)據(jù)-奇異譜分解，得到站點(diǎn)時(shí)間序列三個(gè)不同方向上的主成分分量； S22，采用非參檢驗(yàn)法識(shí)別各方向主成分分量的趨勢(shì)項(xiàng)；采用振蕩對(duì)識(shí)別方法和最大熵方法識(shí)別各方向主成分分量的震蕩項(xiàng)； S23，線性疊加識(shí)別出的所述趨勢(shì)項(xiàng)和所述震蕩項(xiàng)，重構(gòu)得到所述有用信號(hào)。
4.根據(jù)權(quán)利要求3所述的CGCS2000框架站點(diǎn)非線性運(yùn)動(dòng)模型的構(gòu)建方法，其特征在于，S21中，對(duì)預(yù)處理后的所述框架站點(diǎn)時(shí)間序列進(jìn)行偽數(shù)據(jù)-奇異譜分解，具體為: 在所述框架站點(diǎn)時(shí)間序列的首尾兩端分別添加長(zhǎng)度為M的構(gòu)造數(shù)據(jù)，得到新的時(shí)間序列；其中，所述構(gòu)造數(shù)據(jù)通過(guò)SSA-P預(yù)測(cè)方法得到； 對(duì)所述新的時(shí)間序列采用奇異譜分析方法進(jìn)行分解。
5.根據(jù)權(quán)利要求1所述的CGCS2000框架站點(diǎn)非線性運(yùn)動(dòng)模型的構(gòu)建方法，其特征在于，S3中，采用基于奇異譜分析方法的時(shí)間序列預(yù)測(cè)方法，對(duì)提取出的所述有用信號(hào)進(jìn)行站點(diǎn)位置預(yù)測(cè)，具體為采用等階滑動(dòng)預(yù)測(cè)方法對(duì)站點(diǎn)位置預(yù)測(cè)。
6.根據(jù)權(quán)利要求5所述的CGCS2000框架站點(diǎn)非線性運(yùn)動(dòng)模型的構(gòu)建方法，其特征在于，所述采用等階滑動(dòng)預(yù)測(cè)方法對(duì)站點(diǎn)位置預(yù)測(cè)，具體包括以下步驟: S31，設(shè)S2提取出的所述有用信號(hào)的信號(hào)長(zhǎng)度為L(zhǎng)，令i=l ； S32，在所述有用信號(hào)的尾端添加Pl個(gè)零數(shù)據(jù)，得到新構(gòu)造的第i初始時(shí)間序列；S32，對(duì)所述第i初始時(shí)間序列進(jìn)行奇異譜分解，并選取預(yù)設(shè)數(shù)目的RCs值對(duì)尾端的Pl個(gè)數(shù)據(jù)重新賦值，得到第i時(shí)間序列；其中，所述第i時(shí)間序列的信號(hào)長(zhǎng)度為L(zhǎng)+P1 ； S33，在所述第i時(shí)間序列的尾端添加Pl個(gè)零數(shù)據(jù)，去除所述第i時(shí)間序列頭端的Pl個(gè)數(shù)據(jù)，得到新構(gòu)造的第i+1初始時(shí)間序列，然后令i=i+l，循環(huán)S32-S33，直到預(yù)測(cè)長(zhǎng)度達(dá)到需要目標(biāo)為止。
7.根據(jù)權(quán)利要求6所述的CGCS2000框架站點(diǎn)非線性運(yùn)動(dòng)模型的構(gòu)建方法，其特征在于，S32中，對(duì)尾端的Pl個(gè)數(shù)據(jù)重新賦值，具體為: 通過(guò)迭代循環(huán)的形式對(duì)尾端的Pl個(gè)數(shù)據(jù)重新賦值，直至相鄰兩次迭代循環(huán)之間的差值足夠小時(shí)，停止迭代過(guò)程，輸出賦值后的時(shí)間序列。
8.根據(jù)權(quán)利要求1所述的CGCS2000框架站點(diǎn)非線性運(yùn)動(dòng)模型的構(gòu)建方法，其特征在于，S3之后，還包括: S4,對(duì)所述CGCS2000框架站點(diǎn)進(jìn)行平差解算，得到站點(diǎn)周解序列和線性速度值，以所述站點(diǎn)周解序列和線性速度值作為真值，對(duì)所述CGCS2000框架站點(diǎn)非線性運(yùn)動(dòng)模型進(jìn)行驗(yàn)證。
【文檔編號(hào)】G06F19/00GK103902817SQ201410095520
【公開(kāi)日】2014年7月2日 申請(qǐng)日期:2014年3月14日 優(yōu)先權(quán)日:2014年3月14日
【發(fā)明者】成英燕, 王曉明, 程鵬飛, 秘金鐘 申請(qǐng)人:中國(guó)測(cè)繪科學(xué)研究院