李保金，李艳艳

( 山东科技大学测绘科学与工程学院，山东青岛 266590 )

0 引言

高频(1 Hz)和超高频(20～50 Hz)全球卫星导航系统(GNSS)定位技术的发展在地震学、气象学和火山学等多种领域的广泛应用[1-4]，对GNSS定位精度提出了更高的要求.影响高频GNSS定位精度的主要因素是GNSS信号中的各种噪声[5].短基线解算时，通过差分定位和误差改正模型可以有效地消除卫星钟差、接收机钟差、卫星轨道误差、对流层及电离层延迟等误差[6]，但难以处理信号中不具有相关性的多路径误差和随机误差.戴吾蛟等[6]指出小波去噪(WD)和经验模态分解(EMD)[7]对信号中的随机误差具有极为显著的剔除效果.敖敏思等[8]指出主成分分析(PCA)[9]方法对多路径误差可以做到有效地提取和消除.此外，GNSS坐标时间序列中还包含有未模型化的系统误差，如影响所有站点的共模误差(CME)[10-11].殷海涛等[12]指出PCA 方法可以有效剔除高频GNSS信号中的共模误差.然而，传统PCA 需要分别依次处理所有站点的 东(E)、北(N)、天(U)方向二维分量矩阵，未考虑所有站点各方向坐标时序的相关性.Tucker[13]于1963年提出了一种新的多元时间序列分析方法：多方向主成分分析(MPCA)，该方法将三维数据矩阵展开成二维数据矩阵，然后进行传统PCA，弥补了传统PCA 忽视各坐标分量之间相关性的缺陷.

针对GNSS的噪声特性，张昊楠等[14]于2013年提出了WD-PCA 组合方法，卢辰龙等[15]于2014年提出EMD-PCA 的组合方法.这两种组合方法较单一滤波方法均能有效削弱多路径效应及高频随机噪声，但都未考虑各坐标分……