和许多其他地球物理现象一样，GNSS基准站坐标所涉及噪声可以描述成一个幂律过程，其随时间的变化具有如下的功率谱形式：
式中，f表示频率；Px(f)表示功率谱密度；P0和f0表示正态化常数；κ为谱指数，表示功率谱在双对数空间里的斜率。
自然过程的低频部分较高频部分噪声功率强，其谱指数范围为-3～-1。这样的非静态过程称为“分形布朗运动”，其中包括κ＝-2的经典布朗运动(或称随机漫步过程)。-1＜κ＜1的静态过程叫做“分形高斯”过程，包括不相关白噪声(κ＝0)。多数动态过程包含闪烁噪声(κ＝-1)，例如太阳黑子的变化、地球绕自转轴的抖动、海底洋流以及原子钟测量时间时的不确定性等。
Zhang等人(1997)比较了上述三种特殊类型噪声与速率不确定度之间的关系。对于振幅为a0，数据采样间隔为T，观测数据个数为n的纯白噪声过程，其估计速率的方差为：
对于振幅为b-1，数据采样间隔为T，观测数据个数为n的闪烁噪声过程，有(www.xing528.com)
对于振幅为b-2，数据采样间隔为ΔT，观测数据个数为n的随机漫步噪声过程，有
由此可见，速度估计的方差与噪声类型、振幅、采样频率及数据个数有关。对白噪声有：
∝1/n3(∝为正相关)；对闪烁噪声有：
∝1/n2；对随机漫步噪声有：
∝1/n。噪声类型在很大程度上影响了测站速度的不确定度(估计误差)。
目前，基准站坐标时间序列中包含相关有色噪声的结论已得到了广泛认可(Mao等，1999；Williams，2003，2004，2006；Zhang等，1997)。纯白噪声的假设会导致速率不确定度的过低估计，如Zhang等人(1997)认为使用白噪声＋闪烁噪声模型代替白噪声模型时测站速率的不确定度将增大3～6倍。与此类似，Mao等人(1999)得出结论：如果忽略相关噪声的影响，其速率不确定度将被过低估计达一个数量级。了解基准站坐标的时变噪声特征有助于获取模型参数估计的实际不确定度，正确分类及量化噪声分量对于合理应用GNSS坐标时间序列数据具有重要的作用。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
