申请/专利权人：苏交科集团股份有限公司

申请日：2023-08-23

公开（公告）日：2024-04-02

公开（公告）号：CN117807369A

主分类号：G06F18/10

分类号：G06F18/10;G06N7/01;G06N5/04;G06N20/00;G06F17/16

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：本发明公开一种基于变分贝叶斯独立分量分析的GNSS时间序列降噪方法与系统，考虑现有常用的GNSS时间序列降噪方法的局限性，提出在独立主分量分析顾及GNSS时间序列高阶统计信息时，引入了贝叶斯推理构建贝叶斯网络训练模型，通过参数训练重构噪声，实现原始时间序列降噪的方法。该方法以扣除趋势项或趋势项和周期项的残差时间序列为输入，通过对噪声参数进行迭代学习，获得残差时间序列噪声最优估计，并且使得主分量顺序稳定，具有较强的自适应性，获得更好的降噪效果。本发明的GNSS时间序列降噪方法提高了GNSS时间序列精度和模型参数估计的可靠性。

主权项：1.一种基于变分贝叶斯独立分量分析的GNSS时间序列降噪方法，其特征在于，包括以下步骤：针对GNSS观测文件和相关文件，采用JPL-GipsyX软件进行数据解算，获得GNSS测站在N、E、U方向时间序列；针对GNSS时间序列中的线性趋势变化、非线性周期变化、阶跃、震后弛豫位移以及观测噪声等四类信号，建立满足单站、单方向的坐标时间序列谐波模型；对获取的GNSS测站N、E、U方向时间序列进行预处理，得到所有测站三个方向的残差时间序列；分别构建测站三个方向的残差时间序列矩阵；根据GNSS时间序列特性，选择合适的源信号模型构建变分贝斯独立分量分析模型；输入时间序矩阵对所构建的变分贝斯独立分量分析模型进行训练，训练结果包含多个噪声分量和混合矩阵；对输出的多个噪声分量分别计算贡献率，确定主要噪声分量；通过主要噪声分量和混合矩阵重构噪声；将重构的噪声从原始时间序列中扣除，完成GNSS时间序列降噪；并计算扣除前后的残差时间序列距离相关系数，以及残差坐标时间序列的标准差变化。

全文数据：

权利要求：

百度查询： 苏交科集团股份有限公司 基于变分贝叶斯独立分量分析的GNSS时间序列降噪方法与系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD