小波分析在垂向海潮特征信息去噪研究

陳 運，吳志露，何麗娜，2

(1.河海大學 地球科學與工程學院，江蘇 南京 211100;2.地理信息工程國家重點實驗室，陜西 西安 710054)

?

小波分析在垂向海潮特征信息去噪研究

陳 運1，吳志露1，何麗娜1，2

(1.河海大學 地球科學與工程學院，江蘇 南京 211100;2.地理信息工程國家重點實驗室，陜西 西安 710054)

目前國內外許多學者利用沿海GPS站點的高精度坐標時間序列進行海潮特征信息的提取研究，已取得一定成果，但高精度坐標時間序列中不可避免地存在許多噪聲，極大影響海潮特征信息的提取。基于日本GMSD站的67 d的高精度PPP坐標時間序列，利用小波分析進行去噪實驗，經FFT變換后，將提取的結果與FES2004海潮模型的特征值比較。實驗結果表明：經小波分析后，GPS站點的時間序列精度得到提高；經小波去噪后的反演精度均有不同程度的提高，最多達到0.14 mm，而海潮特征值的量級為厘米級或者亞厘米級，說明小波分析對海潮特征值的提取精度有明顯提高。

小波分析；時間序列；PPP；海潮特征信息；FFT

近年來，GPS技術發展日趨成熟，定位精度也越來越高，高精度的GPS技術逐漸應用于地球板塊運動、地殼形變監測、海平面變化監測和地球框架的構建等高精度領域[1-2]。

海潮負荷是進行精密單點定位(Precise Point Positioning，PPP)不可忽略的誤差源，在沿海區域進行高精度單點定位時需考慮。但同時，海潮負荷是海洋科學中重要的信息，可反映海洋潮汐的一些重要信息。不加入海潮改正的GPS精密單點定位坐標時間序列中包含有海潮信息，通過頻譜分析可將海潮特征信息提取出來，從而達到對潮汐觀測的目的，目前已有多位專家學者進行相關領域研究[3-6]。然而在高精度坐標時間序列中不可避免的存在著許多噪聲，這些噪聲無疑將影響坐標時間序列的精度以及對時間序列的進一步分析。小波分析具有良好的時頻局部性，目前已經被廣泛應用于形變分析中，并取得較好的結果[7-8]，是國際上極為活躍的研究方向[9]。通過小波變換可對信號的不同頻率成分進行分解，可將時間序列中高頻噪聲去除，提高反演精度。

本文基于GMSD兩個月的高精度PPP坐標時間序列，利用小波分析對時間序列進行去噪。海潮對于GPS定位影響主要集中在高程方向，故本文只對高程方向進行研究分析。

1 小波分析的基本理論及去噪模型

1.1 小波分析的基本理論

小波分析是20世紀80年代中期由傅里葉變換發展而來的一種時頻分析方法，性能較傅里葉變換更加優越，可以根據頻率的高低自動調節窗口大小，具有多頻率分析功能，目前已廣泛應用于調和分析、話音處理、圖像分割等[10]。

小波分析的基本思想是基于小波函數去表達或者逼近一個信號或者函數。對于任意信號函數f(x)，其小波變換定義為

ωf(a,b)=∫Rf(x)ψ(a,b)(x)dx=

(1)

式中：a為尺度因子；b為時間平移因子；ψ(a,b)為小波母函數。

1.2 小波去噪模型

小波分析應用主要是進行信號去噪，含有噪聲的一維信號：

s(k)=f(k)+ε·e(k)，k=0,1,…,n-1.

(2)

式中：s(k)為原始信號，f(k)為有用信號，e(k)為噪聲信號，ε為噪聲系數的標準差。

觀測序列中有用信號與噪聲在頻率域特征通常是不同的：有用信號在時域和頻域上是局部化的，表現為低頻特性或較為平穩的信號；而噪聲在時頻空間中的分布是全局性的，存在于整個觀測時域內，故在頻域上表現為高頻信號。小波分析在時域和頻域同時具有良好的局部化性質，可分離高頻與低頻信號，通過小波分析消除高頻噪聲，保留低頻有用信息。

對原始數據進行小波分析有3個步驟：

1)小波分解。根據具體問題與性質選擇合適的小波函數及其分解層次f，并對原始數s(k)進行f層分解。對于分解的層次的選擇，應根據信號變化情況以及數據采樣率，當信號波動性較強而采樣數點過稀時，過高的分解層次會對信號中確定性現象進行過濾，引起信號恢復時的失真。一般情況下，3層或4層分解即可獲得較好結果。

2)對小波分解的高頻系數進行處理。通過小波分解將真實信號與噪聲信號最大程度分離，最終達到削弱甚至消除噪聲誤差的影響。進行閾值去噪時，閾值的選擇有多種，可根據不同的分解目的選擇不同的閾值，進行軟閾值和硬閾值處理，硬閾值處理后信號比軟閾值處理后的信號較為粗糙。

3)信號重構。將小波分解的第f層低頻信號與經過閾值處理之后的1～f層的高頻系數進行重構，可得到消除噪聲之后的觀測時間序列估計值。

2 海潮反演模型

潮汐現象可視為由多個周期、振幅各異的分潮組成，按周期大致分為3類：①半日潮，如M2,N2,K2,S2分潮；②全日潮，如K1,P1,Q1,O1分潮；③長周期分潮，如Ssa,Sa,Msf等[11]。本文只對其中8種短期分潮進行研究，其周期如表1所示。

表1 短周期分潮的周期

海潮負荷主要由這8種不同頻率諧波組成，其數學式可表達為

).

(3)

式中：Δj(j=1，2，3)分別為觀測站N向、E向和U向的海潮負荷變形；Φk,j和Ak,j為對應分潮的初始相位和振幅；ωj為對應分潮的角速度。

在不加入海潮負荷改正的坐標時間序列中，假如對其他誤差源進行較好抑制與消除，時間序列中主要包含的信息將為海潮負荷信息，此時利用頻譜分析手段對坐標時間序列進行分析，將得到海潮負荷的振幅與相位，即海潮的特征值。快速傅里葉變換(Fast Fourier Transform，FFT)主要應用于離散數據在計算機上快速獲取信號頻域特征，借助MATLAB仿真平臺，利用FFT對坐標時間序列進行海潮負荷提取的研究。

3 實驗結果與分析

本文選取的GPS站點為日本的GMSD站，采樣時間為2014年年積日189～243，共67 d，采樣頻率為30 s，借助PPP解算軟件的動態模塊解算(不加入海潮改正)。衛星精密星歷與鐘差采用IGS提供的最終精密軌道(15 min)和精密鐘差(30 s)，將IGS提供的GMSD坐標為真實值，輸出站心坐標(N、E、U)，最終輸出67 d高精度垂向時間序列，結果如圖1所示。

圖1 GMSD站U方向的變化

Daubechies小波基具有緊支集正交，由于它具有良好的時頻分析性能， 目前已在許多工程領域中得到應用。因此，本文分析考慮采用Daubechies小波，經小波分析之后時間序列如圖2所示。

圖2 小波去噪后GMSD站U三個方向的變化

對去噪前后的時間序列進行統計分析，原始時間序列高程方向中誤差由7.86 cm降低為6.32 cm，精度提高1.5 cm；此外，從圖1、圖2中可知，一些毛刺得到很好的抑制，說明小波分析可提高時間序列的精度。

對濾波前后的時間序列進行FFT變換，頻譜分析結果如圖3、圖4所示。海潮負荷8種分潮的頻率分布在0.4 Hz與0.8 Hz附近。圖3、圖4中目標信號非常明顯，說明基于精密坐標時間序列提取海潮分潮特征信息是可行的。同時，比較兩種時間序列的頻譜結果，經過小波分析后，大部分高頻噪聲都被消除或者抑制，低頻有用的目標信號得到了保留。

圖3 原始時間序列頻譜結果

圖4 濾波之后頻譜結果

為進一步分析小波分析對海潮特征信息的提取的影響，本文將兩種方法的海潮特征值與目前比較流行的全球海潮模型FES2004進行比較，模型值特征值通過瑞典Onsala天文臺獲得。反演值與模型性的振幅差值如圖5所示。

圖5 濾波前后與模型值比較結果

從圖5可知，經過小波去噪之后，反演值與模型值差值均有不同程度減少，最大方向為K1分潮，達到0.14 mm，說明經小波去噪后，海潮模型的反演精度得到提高；而海潮模型數量級僅為mm～cm，因此相較于海潮模型本身的數值，小波去噪對于海潮特征信息提取精度的改正效果已非常明顯。

4 結論與建議

海潮負荷是精密單點定位中不可忽視的一個誤差源，目前基于GPS精密坐標時間序列對海潮模型的研究越來越多，但是坐標時間序列不可避免會包含有噪聲信號，而時間序列的精度決定最終海潮特征值的提取精度。本文考慮利用小波分析對坐標時間序列進行去噪試驗，并將兩種方法得到的海潮負荷特征值與FES2004模型值進行比較。實驗表明:①小波分析可提高時間序列的精度；②經小波去噪后，海潮特征信息的提取精度有所提高，最多可達0.14 mm，考慮到海潮模型特征值的數量級在mm～cm之間，小波分析已明顯提高海潮特征值的提取精度。

本次選擇站點較少，時間序列也較短，未來考慮利用站點的分布以及更長GPS時間序列對海潮特征信息進行進一步研究。

[1] 范朋飛.高精度GPS站點坐標時間序列分析與應用[D]. 西安：長安大學，2013.

[2] 袁林果，丁曉利，孫和平，等.利用GPS技術精密測定香港海潮負荷位移[J].中國科學(D輯：地球科學)， 2010 (6): 699-714.

[3] YUAN L G，DING X L，ZHONG P，et al. Estimates of ocean tide loading displacements and its impact on position time series in Hong Kong using a dense continuous GPS network[J].Journal of geodesy，2009， 83(11): 999-101.

[4] THOMAS I D，KING M A，CLARKE P J. A comparison of GPS， VLBI and model estimates of ocean tide loading displacements[J].Journal of Geodesy， 2007， 81(5): 359-368.

[5] ZHAO Q,ZHANG M,ZHANG,et al.，2014.Extraction of Ocean Tide Semidiurnal Constituents’ Vertical Displacement Parameters Based on GPS PPP and Harmonic Analysis Method[C]. China Satellite Navigation Conference (CSNC). Proceedings: Volume II， Lecture Notes in Electrical Engineering 304，DOI: 10.1007/978-3-642-54743-0_28.

[6] 張燕，吳云，施順英，等.GPS時間序列揭示地震前兆的初步探索[J].大地測量與地球動力學，2005(3):96-99.

[7] 黃聲享，劉經南.GPS變形監測系統中消除噪聲的一種有效方法[J].測繪學報，2002(2):104-107.

[8] 黃聲享，劉經南，柳響林.小波分析在高層建筑動態監測中的應用[J]. 測繪學報，2003(2):153-157.

[9] 許杭,王俊杰,高俊強.小波分析去噪在腰沙圍墾變形監測中的應用[J].測繪與空間地理信息，2016,39(3)：189-192.

[10] 張德豐.MATLAB小波分析[M].北京:機械工業出版社,2009.

[11] 陳宗鏞.潮汐學[M].北京：科學出版社，1980.

[12] 趙紅.海潮負荷影響及其模型精化研究[D]. 西安：長安大學，2013.

[13] 范士杰，劉焱雄，王振杰.日本3· 11特大地震的GPS震時和震后響應[J].武漢大學學報(信息科學版)，2012，37(2):191-194.

[14] 徐曉慶，方國洪，王新怡，等.渤、黃、東海潮汐的相對導納及N2，K2，P1和Q1分潮的經驗同潮圖[J].海洋科學進展，2011，29(3):293-306.

[責任編輯：李銘娜]

A study of de-noising of vertical tide characteristic data based on wavelet analysis of the

CHEN Yun1, WU Zhilu1,HE Lina1,2

(1.School of Earth Science and Engineering, Hohai University, Nanjing 211100，China;2.State Key Laboratory of Geo-information Engineering,Xi’an 710054,China)

Currently many scholars at home and abroad use high precision coordinate time series in coastal GPS stations to extract the characteristic information of the tide, which has made many achievements. But high precision coordinate time series contain lots of inevitable noise, which affect the extraction in the characteristic information. In this paper, based on 67 days coordinate time series of the result of precise point positioning (PPP) of the Japanese GPS station (GMSD), wavelet analysis is used to make de-noising experiments. After Fast Fourier Transform (FFT) method, by comparing the extraction with FES2004 tidal model of the eigenvalue.The results show as follows: the wavelet analysis can improve the accuracy of coordinate time series; wavelet analysis can improve the accuracy of eigenvalue, which is up to 0.14 mm. Compared with scale in mm～cm level between eigenvalue of the tide, the accuracy of wavelet analysis in inversion precision is quite required.

wavelet analysis; time series; PPP; tide characteristics; FFT

10.19349/j.cnki.issn1006-7949.2017.03.014

2016-03-07

國家自然科學基金資助項目(41404025)；地理信息工程國家重點實驗室開放基金(SKLGIE2014-M-2-2)；中央高校基本科研業務費專項資金資助(2014B03314)；大學生創新訓練課題(2015102941143).

陳 運(1995-)，女，本科生.

吳志露(1990-)，男，博士.

P228

A

1006-7949(2017)03-0065-04

引用著錄：陳運，吳志露，何麗娜.小波分析在垂向海潮特征信息去噪研究[J].測繪工程，2017，26(3)：65-68.