权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Erweiterung des stochastischen Modells von GPS-Beobachtungen durch Modellierung physikalischer Korrelationen

通过物理相关性建模扩展 GPS 观测的随机模型

基本信息

批准号：
30246717
负责人：
Professor Dr.-Ing. Bernhard Heck
金额：
--
依托单位：
Geodätisches Institut (GIK)
依托单位国家：
德国
项目类别：
Research Grants
财政年份：
2006
资助国家：
德国
起止时间：
2005-12-31 至 2011-12-31
项目状态：
已结题

来源：
https://gepris.dfg.de/gepris/projekt/30246717?language=en
关键词：
Erweiterung des stochastischen Modells von

项目摘要

Grundlage des stochastischen Modells bei der Auswertung von GPS-Trägerphasenmessungen ist bisher meist eine skalierte Einheitsmatrix oder eine Diagonalmatrix mit elevationsabhängigen Varianzen, obwohl Kovarianzmatrizen dieses Typs nur eine grobe Approximation an die tatsächlich gültigen Verhältnisse darstellen. Insbesondere enthalten Zeitreihen von GPS-Phasenmessungen hochsignifikante zeitliche und räumliche Korrelationen, die im traditionellen Modell nicht berücksichtigt sind. Eine Verfeinerung des stochastischen Modells soll in drei Stufen erreicht werden. Der erste Schritt befasst sich mit der verbesserten Modellierung von Varianzfunktionen auf der Grundlage von analytischen Varianzmodellen, der Waveletanalyse von Residuenzeitreihen und der Analyse des Signal-zu-Rausch-Verhältnisses; die Effizienz dieser drei alternativen Verfahren soll anhand eines einheitlichen Datenmaterials geprüft werden. Im zweiten Schritt soll die zeitliche Korrelationsstruktur analysiert und mittels stochastischer Prozesse (AR(I)MA: AutoRegressive (Integrierte) Moving Average, bzw. empirische Autokorrelationsfunktionen) modelliert werden. Der dritte Schritt umfasst die Erweiterung auf räum-zeitliche Korrelationen, wozu die Untersuchung empirischer Kreuzkorrelationsfunktionen erforderlich ist. Wegen der Größe der hiermit entstehenden, voll besetzten Kovarianzmatrizen sind weitere nummerische Probleme bei der Berechnung der Matrizeninversen zu lösen.

Grundlage des stochastischen models bei der Auswertung von GPS-Trägerphasenmessungen ist bisher meist eine skalierte Einheitsmatrix oder eine对角矩阵mit elevationsabhängigen Varianzen， obwohl Kovarianzmatrizen dieses type nur eine grobe Approximation and die tatsächlich g<s:1> ltigen Verhältnisse darstellen。Insbesondere enthalten Zeitreihen von GPS-Phasenmessungen hochsignante zeitliche und räumliche Korrelationen, die in traditionellen model（传统模型），是一种具有广泛应用价值的模型。[3]随机模型的验证。(1)在此基础上，建立了一种新的分析模型，建立了一种新的分析模型，建立了一种新的小波分析模型，建立了一种新的分析模型Signal-zu-Rausch-Verhältnisses；die Effizienz dieser drei alternativen Verfahren soll and handines einheitlichen Datenmaterials gepreprft werden。[3] [j] [j] [j] [j] [j] .中国证券市场。经验的autokorrelationsfuncktionen)模型。Der dritte Schritt unfast die Erweiterung auf räum-zeitliche Korrelationen, wozu die Untersuchung imperiischer kreuzkorrelationsfuncktionen erforderlich ist。Wegen der Größe der hiermit entstehenen， voll besetzten Kovarianzmatrizen和weitere numerische problem beder Berechnung der Matrizeninversen zu lösen。