GNSS基准站网数据处理方法及应用：方案设计与模型比较

1.数据处理策略

就全球GPS单日解坐标时间序列而言，若不采取任何措施减少测站的空间相关噪声，白噪声＋闪烁噪声是反映N、E、U三个方向噪声特性的最适合随机模型(Williams，et al.，2004)。由于各测站所处的环境不同，产生噪声的来源也可能互不相同，其噪声特性可能也不完全相同，且距Williams等(Williams，et al.，2004)的研究成果至今已有7年时间，累积的时间序列可能有助于探测低频随机漫步噪声的存在。同时考虑到测站变化的周期性特性，有色噪声的确定性以及GPS技术中可能存在的高斯马尔可夫随机误差，本节选取FN＋WN，FN＋VW，RW＋WN，FN＋RW＋WN，PL＋WN，FOGM＋RW＋WN以及BPPL＋WN七种噪声模型，采用CATS软件对所选取的11个基准站进行噪声分析(Williams，2008)。此外，采用QOCA对选取的11个基准站进行环境负载改正，并对改正后的时间序列采用上述模型重新进行噪声分析，以此研究环境负载对测站噪声特性的影响。

2.最优噪声模型评价准则(www.xing528.com)

考虑到MLE方法相对于频谱分析的优越性，我们采用MLE方法对中国区域IGS基准站坐标时间序列进行噪声分析。根据极大似然估计原理，不同的噪声模型组合将得到不同的极大似然对数值，数值越大，结果越可靠。然而噪声模型包含的未知参数越多，其MLE值越大(Langbein，2008)。为了确保结果的可靠性，不能简单选择MLE值较大的模型作为最优噪声模型。本节按照估计参数数目的多少将模型分为三类，选用Langbein提出的保守估计准则判断不同模型的优劣。首先分别计算FN＋WN及RW＋WN组合模型(两个未知参数)的MLE值，选取MLE值较大的模型作为零假设。然后将PL＋WN与FN＋RW＋WN模型(三个未知参数)的MLE值分别与零假设作比较，如果MLE差值大于2.6则拒绝零假设，认为该模型更优，否则接受零假设，认为所选的复杂模型无效。若PL＋WN及FN＋RW＋WN均优于零假设，则选择MLE值较大者作为“最优”模型。最后将BPPL＋WN与FOGM＋RW＋WN模型计算得到的MLE值与前面得到的“最优模型”比较，接受BPPL＋WN模型的阈值设为2.6，接受FOGM＋RW＋WN模型的阈值设为5.2(Langbein，2004，2008)。