基于高斯模型的样本缺失GPS时间序列重构方法

• 作者: 周知红
• 来源期刊: 北京测绘
• 学科: 地球科学
• 关键词: GPS时间序列 信号重构 贝叶斯统计模型 先验分布
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 技术应用
• 页码范围: 255-259
• 页数: 5页
• 分类号: TN231.5|P228.4
• 字数: 3387字
• 语种: 中文
• DOI: 10.19580/j.cnki.1007-3000.2020.02.026

摘要

缺失样本的存在会造成GPS时间序列速度估计的不确定性,从而影响GPS时间序列的应用.针对该问题本文提出一种基于高斯模型的样本缺失GPS时间序列重构方法,首先利用高斯概率密度函数对GPS时间序列的先验分布进行建模,在此基础上构建全概率贝叶斯统计模型,采用期望最大(Expectation Maximization,EM)算法对模型参数(隐变量)进行迭代更新并计算其最大似然估计值,最终完成信号重构.分别对随机缺失和分段连续缺失两种情况进行实验分析,结果表明所提方法相对于传统插值方法可以获得更好的重构性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周知红		3	5	2.0	2.0