关键词:
坐标时间序列
非线性变化
周期项提取
Lomb-Scargle周期图
显著性水平
摘要:
针对目前对坐标时间序列周期项探测的方式受噪声和旁瓣的影响较大,且不利于大规模数据处理的问题,提出了一种基于显著性水平的周期项自动探测识别方法,并利用仿真数据验证了其性能。然后利用该方法对全球分布的1 082个测站的坐标时间序列进行了周期项提取。研究结果表明,该方法能够在噪声和旁瓣的影响下实现对潜在周期项的自动探测和提取,并且具有良好的性能。在仿真实验中,当信噪比为-10 dB时仍具有70%的准确率。而通过对N、E、U这3个方向的实测数据的周期项进行提取,发现在全球范围内具有共性的周期项除了周年项和半周年项,还有时间跨度为120、88、71、59、50和14 d左右的周期项。这与相关学者的研究结果一致,证明了该方法的实用价值。