[发明专利]一种坐标时间序列周期项的提取方法

说明书

本发明涉及一种坐标时间序列周期项的提取方法，属于定位导航技术领域。方法包括：获取原始坐标时间序列，计算原始坐标时间序列的功率谱；将原始坐标时间序列进行R次随机重排，计算每次随机重排后的功率谱；根据每次重排后，每个频点的原始功率谱密度值、以及重排功率谱密度值确定每个频点的置信水平；置信水平越大，该频点为噪声的概率越低；置信水平越小，该频点为噪声的概率越大；在原始功率谱中，挑选出置信水平大于置信阈值的频点，得到去噪后的功率谱；在去噪后的功率谱中进行周期项的提取。本发明通过随机重排计算每个频点的置信水平，去除了噪声对周期项提取的影响，提高了周期性提取的科学性和准确性。

技术领域

本发明涉及一种坐标时间序列周期项的提取方法，属于定位导航技术领域。

背景技术

坐标时间序列中包含显著的非线性变化(尤其是垂直方向上)，研究表明，非线性变化的振幅可以达到1～2cm。然而，基准站的坐标时间序列作为地球参考框架建立和维持的关键基础数据，这种非线性变化会对地球参考框架的精度和稳定性产生影响，因此研究坐标时间序列的非线性变化是进一步提升参考框架精度和稳定性的重要途径。

坐标时间序列中的非线性变化主要包括：1.由地球物理效应引起的基准站坐标真实的非线性变化，比如环境负载(包括大气负载、水文负载、非潮汐海洋负载等)和热膨胀效应等；2.由数据处理模型不完善或其他系统误差引起的虚假的非线性变化，比如天线相位中心误差和光压模型误差等；3.其他未模型化的因素引起的形变以及观测噪声。从非线性变化的来源来看，其主要表现形式是各种周期性变化，即不同的周期项。因此，研究坐标非线性变化无法避开的一个问题就是坐标时间序列中周期项的探测识别和提取。

目前，坐标时间序列中周期项的提取方法主要有功率谱分析、小波分析、奇异值谱分析(Singular Spectrum Analysis,SSA)等。其中，功率谱分析是最直观、也是目前使用最多的方法。采用功率谱分析进行周期项的探测识别的主要思路是通过求取坐标时间序列的功率谱或功率谱密度，进而在频域对潜在的周期项进行探测。

传统的功率谱估计方法主要是基于傅里叶变换，包括：相关函数法、周期图法等，其中相关函数法以时间序列的相关函数为媒介，通过求取相关函数的傅里叶变换的得到相应的功率谱；周期图法则直接对时间序列做傅里叶变换求得功率谱。后续，有人提出通过对已有时间序列进行建模来获取相应的功率谱，比较常用的是最大熵谱估计法。

无论是传统的功率谱估计方法还是后续提出的现代功率谱估计方法，在得到坐标时间序列的功率谱后，只能通过人工或者设置阈值的方式对潜在的周期项进行探测识别，而坐标时间序列中往往包含着噪声，噪声会对潜在的周期信号产生影响，甚至掩盖较小的周期信号，进而导致潜在的周期信号无法被识别或错将噪声识别为周期信号，导致周期项提取的准确性较低。

发明内容

本申请的目的在于提供一种坐标时间序列周期项的提取方法，用以解决现有周期项提取准确性低的问题。

为实现上述目的，本申请提出了一种坐标时间序列周期项的提取方法的技术方案，包括以下步骤：

1)获取原始坐标时间序列，计算原始坐标时间序列的功率谱，称为原始功率谱；所述原始功率谱包括频点、以及频点对应的原始功率谱密度值；

2)将原始坐标时间序列进行R次随机重排，计算每次随机重排后的坐标时间序列的功率谱，称为重排功率谱；所述重排功率谱中包括频点、以及频点对应的重排功率谱密度值；R大于设定次数阈值；

3)根据每次重排后，每个频点的原始功率谱密度值、以及重排功率谱密度值计算每个频点对应的置信水平；所述置信水平越大，该频点为噪声的概率越低；置信水平越小，该频点为噪声的概率越大；

4)在原始功率谱中，挑选出置信水平大于置信阈值的频点，得到去噪后的功率谱；

5)在去噪后的功率谱中进行周期项的提取。