融合BiLSTM和VMD的GNSS坐标时间序列重构  

作　　者：何玉红[1] 姚笛[1] 刘净利[1] 孙志丽[1] 娄艳华[1] 

机构地区：[1]濮阳职业技术学院建筑工程学院,河南濮阳457000

出　　处：《濮阳职业技术学院学报》2024年第3期22-25,51,共5页Journal of Puyang Vocational and Technical College

基　　金：河南省科技攻关项目“北斗+视角城市公共空间人群感知与运动行为分析方法”(222102210336)。

摘　　要：GNSS观测时间序列包含复杂的非线性构造运动,如地面质量荷载、模型残差、周围环境因素等。由于环境因素的复杂性,季节性信号可能具备准周期时变的特征,传统的时间序列分析模型很难模型化。因此,可以采用一种双向长短期记忆(Bidirectional Long Short-Term Memory,BiLSTM)循环神经网络与变分模态分解(Variational Mode Decomposition,VMD)联合的信号重构方法。首先利用VMD强大的分解能力将GNSS信号进行频域剖分并将其分为多项子信号和噪声项,再基于BiLSTM强大的学习能力对GNSS信号进行训练建模。结果表明,BiLSTM+VMD模型能充分挖掘信号的时频域特征,提高信号重构的精度和稳定性,GNSS N、E、U三分量重构结果均方根误差(Root Mean Squared Error,RMSE)都表现出不同程度的降低,尤其水平方向效果更为显著,相比EMD与VMD方法,E方向离散度分别降低了61%和19%,N方向离散度分别降低了20%和14%。这为GNSS观测时间序列中信号提取与模型参数估计提供了一个有价值的模型。

关 键 词：GNSS BiLSTM VMD分解 模型重构 信号提取 

分 类 号：P228.4[天文地球—大地测量学与测量工程]