经验模态分解在GPS/伪卫星基线解算中的应用

"基于经验模态分解的GPS/伪卫星组合基线解算模型，通过EMD方法处理系统误差，提高定位精度" 文章标题所提及的“基于经验模态分解的GPS/伪卫星组合基线解算模型”是一种利用经验模态分解（Empirical Mode Decomposition, EMD）技术改进GPS和伪卫星（Pseudo-Satellite, PLS）定位系统的基线解算方法。EMD是一种数据驱动的时间序列分析方法，它可以将复杂信号分解为一系列简化的内在模态函数（IMF），从而揭示信号的不同时间尺度特征。 在GPS/伪卫星定位中，基线解算是确定地面接收机间距离的关键步骤，通常涉及到双差分观测值，这有助于减少部分系统误差。然而，非建模的系统误差如多路径效应、大气延迟、卫星时钟误差等，仍然会影响基线解算的精度和可靠性。论文提出的模型利用EMD的多尺度分析能力，对双差分残差序列进行分解，通过累积标准化模量的均值随足幅变化来选择系统误差与噪声分离的适当尺度。这种方法有助于区分系统误差和随机噪声，进而建立系统趋势分离模型，有效削弱非建模系统误差对基线解算的影响。 实验结果证明，这种模型能够显著削弱双差残差序列中的系统误差，从而增强整周模糊度的固定解可靠性。这意味着在进行基线向量解算时，定位的精度有明显提升，尤其是在高程方向上，这对于需要高精度定位的领域，如地壳运动监测、变形观测和工程测量等，具有重要意义。 此外，GPS/伪卫星组合定位技术因其能增加可视卫星数量、改善几何图形结构，一直以来都被视为提高定位精度的有效手段，特别是在城市环境或地形复杂的地区。伪卫星通过地面发射类似GPS的信号，补充了传统GPS卫星覆盖的不足，增强了定位系统的稳健性和可用性。 这篇2010年的论文提出了一种创新的GPS/伪卫星定位误差处理方法，通过EMD技术分离并削弱系统误差，提高了基线解算的精度和稳定性，为高精度定位应用提供了理论支持和技术参考。这一研究对于后续的GPS/伪卫星组合定位系统优化设计具有重要价值，进一步推动了相关领域的科技进步。