利用小波与奇异谱分析提升GNSS站坐标精度

"小波多尺度分解和奇异谱分析是两种用于处理非线性时间序列数据的有效工具，尤其在 GNSS 站坐标时间序列分析中，它们能够揭示复杂的地球物理现象和季节性影响。随着 GNSS 技术的发展，对测站坐标时间序列的深入分析变得越来越重要，因为这有助于提高 GPS 站坐标的精度。尽管目前的国际地球参考框架（ITRF）已经实现了毫米级精度，但许多 IGS 站的坐标时间序列显示出显著的非线性趋势，尤其是在垂直方向，变化幅度可达1到2厘米。这表明，仅依赖线性速度模型来描述地表点的运动是不够的，需要考虑非线性因素。 为了精确描述这种非线性运动，通常有两种方法：一是直接根据坐标时间序列的运动趋势建模，不涉及具体物理机制；二是探究产生形变的物理原因，通过分析这些因素来校正坐标。已有研究表明，大气负荷、水文负载和海洋负载等对 GPS 测站的垂向位移有显著影响。然而，尚未建立一个综合多种机制的非线性变化理论改正模型。 奇异谱分析（SSA）是一种无须先验信息的时间序列分析方法，它在气候学、测量学和海洋学等领域有着广泛应用。SSA 能够识别并强化周期信号，通过重构时间序列来降低噪声的影响，特别适合分析具有长周期成分的数据。然而，对于较短周期如季节性和月周期，SSA 可能会将其视为噪声而忽视。为了解决这个问题，需要结合其他方法来削弱这种影响。 另一方面，小波多尺度分解是一种能够在不同尺度上分析信号的方法，它可以捕捉时间序列中的局部特征和瞬态变化。在 GNSS 站坐标时间序列中，小波分析能够帮助识别不同时间尺度上的非线性运动模式，比如快速变化的短期效应和慢变的长期趋势。通过小波系数的分析，可以更准确地分离出各种物理过程对坐标变化的贡献，进一步提升坐标估计的精度。 综合运用小波多尺度分解和奇异谱分析，可以更全面地理解和解释 GNSS 站坐标时间序列中的非线性行为，这对于理解地球动力学过程、监测地壳形变以及改进地球参考框架的稳定性具有重要意义。这两种方法的结合使用，为分析和建模复杂的地球物理现象提供了强大的工具，有助于推动 GNSS 技术在地壳动态监测和地球科学研究中的应用。"