[发明专利]一种静态重力观测数据重力固体潮改正提取方法

摘要

本发明公开了一种静态重力观测数据重力固体潮改正提取方法，属于物理大地测量领域，主要包括：以原始静态重力观测数据序列为基础，构造新的静态重力观测数据序列；通过经验模态分解方法进行处理；利用经验模态分解方法处理原始静态重力观测数据序列，得到残余分量作为零漂从原始数据中去掉；对本征模函数进行频谱分析，得到新的静态重力数据序列；新的静态重力数据序列和原去掉零漂后的静态重力观测数据序列组成一个二维数据矩阵；对这个二维数据矩阵通过多通道奇异谱分析处理，将结果中去掉零漂后的那行静态重力观测数据的重构序列中聚集在日周期和半日周期的信号进行累加，获得重力固体潮改正数据。本发明提取的重力固体潮具有较高的精度。

主权项

1.一种静态重力观测数据重力固体潮改正提取方法，其特征在于：包括以下步骤：步骤1：以原始静态重力观测数据序列XN＝{x1,x2,…,xN}为基础，构造新的静态重力观测数据序列其中，N为静态重力观测数据序列的个数，N＝1,2,…；n＝2N；步骤2：采用经验模态分解方法对新的静态重力观测数据序列进行分解，获得本征模函数IMFs数据序列和残余值rn(t)：步骤3：截取经过经验模态分解方法处理后的本征模函数IMFs数据序列和残余值rn(t)，获得原静态重力观测数据序列位置处对应的部分，即获得原静态重力观测数据序列XN经过经验模态分解后的结果值；步骤4：将残余值rn(t)作为原始静态重力观测数据序列零漂值，从原序列中减掉，得到扣除零漂后的静态重力观测数据序列X′N；以新的静态重力观测数据序列X′N代替原始静态重力观测数据序列XN，重复步骤1‑3，获得新的静态重力观测数据序列X′N经过经验模态分解后的本征模函数IMFs数据序列和残余值；步骤5：构造多通道奇异谱分析输入矩阵；多通道奇异谱分析输入矩阵包括2行N列，其中第1行的构造过程为：对步骤4中获得的本征模函数IMFs数据序列进行频谱分析，找到频率谱中日周期和半日周期信号集中项；对IMFs日周期和半日周期的信号进行累加获得第1行静态重力数据序列{x1,x2,…,xN}；第2行为去掉零漂后的静态重力观测数据序列X′N；步骤6：通过多通道奇异谱分析方法对输入矩阵进行处理，获得输入矩阵中的第2行重建成分；具体包括如下步骤：步骤6.1：对输入矩阵构造嵌入矩阵，具体方法为：将第1行静态重力数据序列嵌入维数设为D，D为m天的数据个数，m小于全部重力数据序列测量天数的1/2；序列长度设为N，则多维的轨迹矩阵X1为：同样，利用第2行静态重力数据序列，构造轨迹矩阵X2：多通道奇异谱分析轨迹矩阵表示如公式(1)所示：其中，X大小为2D×(N‑D+1)；步骤6.2：利用经验正交函数分析方法进行分解，具体包括如下步骤：步骤6.2.1：通过多通道奇异谱分析轨迹矩阵X，计算协方差函数矩阵C，如式(2)所示：C＝XXT    (2)；步骤6.2.2：分别计算出协方差函数矩阵C的特征值λ和与特征值λ对应的特征向量v；并将计算出的特征值λ按从大到小的顺序，各特征向量v与各自对应的λ一一对应的原则，进行排列；即：λ1≥λ2≥…≥λ2D和此顺序下对应的特征向量v1,v2,…,v2D；步骤6.2.3：计算轨迹矩阵X的正交函数分解量，得到下式(3)：其中：i＝1,2,…2D；j＝1,2,…N‑D+1；v(d,j)为协方差函数矩阵C的特征向量的集合，即时间经验正交函数；y(i,d)为与协方差函数矩阵C的特征向量的集合对应的时间主成分集合；步骤6.3：重建第2行重力数据序列；具体方法如下：使用时间主成分集合和时间经验正交函数，按下式重建重力数据序列原序列及其部分原序列：第1行为：第2行为：d表示重建的静态重力数据序列的第d个重建成分；根据式(4)计算第2行重力数据序列重建成分；步骤7：对第2行重建成分进行频谱分析，选择频率为日周期和半日周期的项对应的重建成分进行累加求和，获得重力固体潮改正值。