Исследования возмущений ионосферы и GPS-сигналов методами интерферометрии и вейвлет-анализа (1102988), страница 3
Текст из файла (страница 3)
Затем однотипные данные объединяются ианализируются с большей статистической точностью, нежели от одной ячейки.Нарис.1представленпримертакогообъединениядляинтерферометрической обработки данных 6 ячеек подсети Детройта 14.07.2005г с00 до 4.00 UTC (спокойная геомагнитная обстановка, Dst~30нТл). ВыделенныеПИВ имеют акусто-гравитационную природу (максимальная скорость составила<V>, m/secCells: 6 Base IGS: adri adri brig brig det1 det12005-7-14 00:01 -- 04:00438600400354.1244.5205.298.8151.5-90256.3 283.179.42000281.1191.50141.790Direction, deg (0 - North)Рис.
2. Пример распределенияскоростей выделенных ПИВ всекторах распространения.Рис. 1. Пример распределения по направлениям для ПИВ, выделенных ПОCRASS GPS.101801180 м/с). Преимущественное направление движения структур – с севера на юг снебольшой (в среднем до 30 м/сек) западной компонентой. Распределениенаивероятных значений скоростей ПИВ в каждом секторе приведено на рис. 2).Среднесекторные значения скоростей варьируются от 80 до 440 м/c.Полученные результаты, а также распределения ПИВ по размерам, совпадают сданными других исследователей [11-13] и показывают работоспособностьсозданного ПО и возможность его использования для оценки параметровнеоднородных структур для среднеширотной ионосферы.В Главе 3 изложен разработанный метод статистического анализа вейвлетспектров, приводятся результаты исследования его работы в различныхситуациях и примеры применения при анализе данных радиозондированияионосферы.
Метод продемонстрировал большие возможности при анализенизкочастотных компонент исследуемого сигнала, в том числе и при наличиикратковременных сбоев по сравнению со спектральным анализом.Использование вейвлетов в нашей работе связано с их применением всовременной геофизике для анализа и обработки сложных сигналов и полей,нестационарных во времени или неоднородных в пространстве, с различныминеизвестными интервалами локализации информации.
В п. 3.1. приводятсяобщие сведения о вейвлет-спектраx временных последовательностей и ихсвойствах [17]. Рассмотрены используемые в работе типы вейвлетпреобразований, обычно применяемые для анализа сложных сигналов, такие какWАVE, МНАТ и вейвлеты Морлетта до 6 порядка включительно. Предложенкритерий выбора оптимального интервала преобразования, а тип вейвлетфункции выбирается на основе решения тестовых задач, моделирующихосновные особенности реальных сигналов.С целью оптимизации использования вычислительных мощностей в работеразработана методика использования статистического подхода при анализевейвлет-спектров, изложенный в п.3.2.
Суть предлагаемого метода заключаетсяв анализе внутренней структуры каждого скелетона вейвлет-образа изучаемогосигнала для выявления составляющих периодик и последующей статистическойобработке результатов. Так получают совместные распределения параметра“детектированный период” от частоты его повторения для всех скелинг-функций.Величиной временного разрешения при таком методе обработки является размерячейки гистограммы, используемой для статистической обработки, что вионосферных исследованиях обычно составляет 3…5 мин.Для отработки методики, создания и тестирования алгоритмовавтоматического выделения периодов колебаний, содержащихся в тестовыхданных, было разработано специальное тестовое программное обеспечение.11Вероятность, %Приведем результаты анализа влияния шума на качество определенияпараметров сигнала. Для этого проводилось изменение отношения сигнал/шум вмодельной смеси сигналов и анализ получаемых затем результатов выделенияпериодик.Результатыстатистической обработки35для различных уровнейОтношение сигнал/шум30шума в сигнале приведены1 - нет шумана рис.
3. Видно, что при252 - 36всехуровняхшума3-920происходитвыделение4-415гармоник с заданными5 - 2.25периодами,дажедля6 - 1.510длиннопериодного колеба7-15ния. Анализ показывает,чтовремявключения02468101214гармоники также уверенноВыделенный периодопределяетсядлявсехуровней шума, даже дляРис. 3. Выделение гармоник из тестовогоколебаний, представленныхсигнала при различном соотношении сигнал/шум.однимпериодомванализируемой области.Согласно предложенной статистической процедуре оцениванияпараметров сигнала ясно, что выделение высокочастотных компонентпроисходит увереннее – вероятность их проявлениябольше, чем унизкочастотных просто потому, что таких периодик больше в исходном сигнале.Действительно, величина максимумов уменьшается почти линейно приувеличении периода и дополнительно падает вдвое при изменении отношениясигнал/шум в диапазоне [¥...1], причем во всем диапазоне приведенных условийметодика показала свою работоспособность.В работе предложен и использовался пороговый критерий оценки наличияструктуры, что особенно важно для систем автоматической обработки.Приведенные исследования для различных периодов позволяет установить порогв 3…5%.Особо исследовались случаи обработки сигналов с имитациейкратковременных сбоев.
Под сбоем понимается резкое изменение – скачок –амплитуды суммарного сигнала. На рис. 4. приведен пример смеси двухгармоник: периода T1=3 [усл. ед.] амплитуды A1=1 и T2=1 с A2=0.52 и двухимпульсов длительностью 0.1 и 0.025 амплитудой +/-500, появляющихся в смесигармоник на временах -10 и 5 соответственно.
Импульсная составляющая сигналаполностью маскирует его информационную структуру, обычно выделяемуюспектральным анализом. Одновременно предложенная методика обработки12вейвлет-спектров выделяет гармонические составляющие тестового сигнала –см. панель б). без дополнительной фильтрации.AmplitudeS ig n a l20-2-4-1 5-1 0-50T im e51015а)D is tr ib u tio n s iz e f o r d e te c tin g s tr u c tu r e s40Probability, %3530252015б)1050123456P e rio dРис. 4.
Пример обработки сигнала со сбоями.а) Тестовая смесь сигналов и импульсов.б) Выделение гармоник статистическим методом вейвлет-оценивания.Итак, предложенный метод оценки параметров сигналов при наличии сбоевв целом показал свою работоспособность по сравнению со спектральнымоцениванием – спектральный подход вообще не дает сколь-нибудьправдоподобных результатов в основной массе сбойных случаев и требуетособой фильтрации сбойных участков и затрат времени при обработке.Разработанная методика дает статистически одинаковые результаты повыделенным структурам для wave- и mhat- анализирующих вейвлетов.
Такжесохраняются приведенные выше зависимости надежности выделения отамплитуды шума. Применение вейвлетов Морлетта для выделения периодикоказалось нецелесообразным.В п. 3.3 рассмотрено использование подходов спектрального анализа ипредложенного метода вейвлет-анализа для выявления структур в ионосферныхсигналах, т.е. вопросы конкретной реализации созданной методики.13Экспериментальные исследования [10,11] показывают, что в системе GPSошибка в определении изменения TEC не превышает нескольких процентов,возрастая в максимуме до 5% в наиболее сложных геофизических ситуациях.Эти значения служит оценкой величины аддитивного шума, влияние которого наработу статистического метода рассмотрено выше и показано, что при такомуровне шума предложенные нами методики работают весьма эффективно.На рис.
5 приведены примеры результатов обработки по предложеннойметодике реальных сигналов и их сравнение со спектральным оцениванием. Дляиллюстрации использованы данные станции agmt за 28 сентября 2004 г.На рис. 5 а) представлена двухчасовая запись анализируемого сигнала,выделенного для спутника GPS N15. Рис. 5 б) показывает результаты вейвлетпреобразования изучаемого сигнала. На рис. 5 в) изображен результатстатистической обработки вейвлет-спектра по методике, изложенной выше в п.2 .Видноналичие локальных экстремумов гистограммы на временах,превышающих определенное ранее пороговое значение, отмеченное на рисункепунктиром.
Так выделены периодики 6 мин (соответственно - частоты 2.8 мГц),8 мин (2 мГц), 14…12 мин (1.2…1.4 мГц), 33…28 мин (0.5…0.6 мГц) и 40 мин(0,4 мГц). На рис. 3.8г) приведен пример спектра мощности флуктуаций в ТЕС(сплошная) и в L1 (пунктир). Максимумы в спектрах мощности сигналовсоответствуют выделенным с помощью вейвлет-анализа. Трудностиспектрального выделения низкочастотных компонент на данном примере хорошовидны и вейвлет-структура сигнала оказывается более информативной.В работе рассмотрены основные типичные примеры возникающих присбоях ситуаций и проведена их сравнительная обработка.
Проведенный анализ исравнение результатов различных подходов показывает возможностьиспользования разработанного метода и созданного на его базеспециализированного ПО для анализа ионосферных сигналов системы GPS.Более того, вейвлет-преобразование, как показано ранее в данной главе,возможно применять даже к сигналам, содержащим кратковременные сбои вданных. Практически это означает сбои до 1-2 мин, в некоторых случаях – до 5мин. При сбое спектральный анализ без специальной фильтрации сбоя вообщене дает результатов, а вейвлет-спектр содержит правдоподобную информацию охарактерных периодиках, действующих в сигнале.
Выбор пороговых значенийпри обработке в этом случае помогает уверенно фильтровать данные от сбоя.В п. 3.4. сформулированы основные результаты Главы 3.Все изложенные в данной главе методики реализованы в разработанномпри непосредственном участии автора диссертации программном комплексеCRASS (Complex Region Analysis Satellite Signals) GPS – комплексногорегионального анализа спутниковых сигналов GPS.14Рис.
5. Пример сравнения методик обработки сигналова) - экспериментальный сигнал, 28.09.2004, 08:30-10:30 UTC, GPS PRN 15,станция agmt; б) – карта коэффициентов W(a,b); в) – результат статистическойобработки вейвлет-спектра; г) результаты спектрального анализа исследуемыхсигналов.15В Главе 4 рассмотрены основные результаты исследований по 1)детектированию волновых структур, частот их появления, параметров и скоростираспространения в зависимости от геомагнитных условий, 2) анализу спектровволновых структур и их изменения в зависимости от геомагнитных условий и 3)исследованиям самой структуры сигнала (т.е.
временных квазипериодик всигнале) при использовании разработанных методов вейвлет- анализа.В п. 4.1. изложена общая характеристика используемых в работегеофизических данных периода за 2005г., т.е. с 01.01 по 31.12.2005, приведенаинформация о вспышках на Солнце в XL и XS- диапазонах (ИСЗ GOES),вариациях индексов Кр, Dst и зафиксированных в этот период магнитных бурь.Большая часть этих данные для удобства работы интегрированы в пакет CRASSGPS. Выбор для анализа именно 2005 года имеет несомненную ценность,поскольку позволяет рассмотреть не только крупные и уникальные события, но исравнить ионосферные эффекты от этих событий с «невозмущенным»состоянием среды.
Для детального анализа влияния на ионосферу изменениягеомагнитных условий во время активной фазы крупной магнитной бури и длясравнения полученных нами результатов с данными других авторов, мыиспользовали данные о гигантских магнитных бурях в период октября- ноября2003 г.В п. 4.2 приведена общая характеристика наблюдательных GPS подсетей,использованных в работе. В Калифорнии выбрано 25 станций, которые дают 33триангуляционные ячейки (по критерию – расстояния между станциями менее 50км), в районе Детройта выбрано 10 станций, образующих 8 измерительныхячеек, а в Европе выбрана сеть из 7 станций в районе Венеции, дающая 5 ячеекПолный объем анализируемых данных превышает 400 000 часовиндивидуальных наблюдений с интервалом 30 сек, более 50 Gb «сырой»информации, что составляет около 800 миллионов (8*108) индивидуальныхизмерений только фазы (!).
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
