基于快速傅里叶变换法的地球自转参数周期性研究
2018-06-29郭忠臣
郭忠臣 ,邹 慧
1.宿州学院环境与测绘工程学院,宿州,234000;2.河南省地图院,郑州,450003
地球自转参数(Earth Rotation Parameters,ERP)包括极移(PMX、PMY)和日长变化(LOD),是地球参考框架(ITRF)和天球参考框架(ICRF)之间相互转换必不可少的参数[1-2]。当前有多种空间大地测量技术(VLBI、GNSS、SLR等)可精确测定ERP,但由于数据处理过程复杂,且不能实时得到高精度的ERP测定结果[3-5]。考虑到ERP在现代空间导航中的作用日渐显著,高精度ERP预报方法也成为当今亟待解决的问题之一[6]。对ERP预报需对其时间序列的有效信息进行提取,傅里叶变换因有诸多优势,在信号处理、物理学等领域已得到广泛应用,本文采用快速傅里叶变换(Fast Fourier Transform,FFT)法对ERP序列的周期性进行分析,为后续ERP预报提供基础。
1 基2时域抽取FFT算法原理
FFT是在离散傅里叶变换(Discrete Fourier Transform,DFT)基础上依据DFT的奇、偶、虚、实等特性发展而来的一种快速算法,其工作原理是将长序列的DFT依据其内在的周期性和对称性分解成许多较短序列的DFT之和[7-8]。
一组长度为N的序列x(n),其DFT变换为:
(1)
因DFT的计算量与N2成正比,故当序列较长时,为了减少DFT的计算量,可考虑将长序列x(n)的DFT分解成若干短序列的DFT之和。考虑到式(2)中WNnk的周期性、对称性和可约性,并将序列x(n)按照式(3)分成两组,则可推出由两个序列长度为N/2的DFT来表示的式(1),结果见式(4)。
(2)
(3)
其中,u=0,1,…,N/2-1
X(k)=DFT[x(n)]
=DFT[x(2u)]+DFT[x(2u+1)]
(4)
当N比较大时,对一次分解后的两个序列作DFT,较为复杂,故可对该序列进行多次分解,以简化运算。由于每步均按照输入序列属于偶数还是奇数进行,故称该方法为按时间抽取的FFT算法。
2 实验分析
本文采用的数据为IERS提供的EOP C04序列(http://hpiers.obspm.fr/eoppc/eop/),采样间隔为1 d,时间跨度取1962/01/01至2015/01/01,图1为IERS发布的原始数据。
由图1可判断出极移序列(PMX、PMY)和LOD序列具有明显的周期性和趋势项,不考虑除周期项与趋势项外的较小残差项,使用Matlab工具箱对极移序列的趋势项进行大致拟合,其余部分均作周期项以进行频谱分析,拟合结果见图2。
图1 ERP时间数据
图2 极移周期项分离结果
考虑到日长变化受固体地球潮汐项影响较大,对LOD预报时首先要对固体地球潮汐项进行改正。1981年,Yoder给出了计算固体潮的方法[9],后被IERS采用,本文所用改正模型见IERS Convention 2010,改正后的LOD记为LODR。图3给出了固体地球潮汐项对LOD的影响值,从图中可以看出,固体地球潮汐项对LOD的影响不能忽略。
图3 固体地球潮汐改正项对LOD的影响值 图4 扣除固体地球潮汐改正项后的LOD
图5 LODR周期项分离结果
与极移类似,不考虑除周期项与趋势项外的较小残差项,使用Matlab工具箱对LODR序列的趋势项进行大致拟合,其余部分均作周期项以进行频谱分析,拟合结果见图5。
利用Matlab编写FFT程序对扣除趋势项后的极移序列和LOD序列进行处理,处理结果见图6和图7,通过分析可知,极移受1.2周年项(Chandler项)和周年项的影响最大,LODR受周年项和半周年项的影响最大。
为进一步分析ERP序列的特性,依据其性质,可分别构建最小二乘模型对极移和LODR的周期项和趋势项进行分离,对极移和LODR构建的模型见公式(5)和(6)。
图6 极移功率谱图
图7 LOD功率谱图
极移最小二乘模型:
其中,ai、bi为趋势项的拟合系数,ci、di为各周期项的振幅,P1、P2分别为周年项和1.2周年项的周期,ωi为各周期项的相位,t为时间。
LODR最小二乘模型:
L(t)=a+bt+ccos(2×pi×t/P1+ω1)
+dcos(2×pi×t/P2+ω2)
(6)
其中,a、b为趋势项的拟合系数,c、d为各周期项的振幅,P1、P2分别为周年项和半周年项的周期,ωi为各周期项的相位,t为时间。
选择2005/01/01至2015/01/01年间10年数据代入极移和LODR最小二乘模型中迭代解算趋势项和周期项系数,并利用解算结果对原始序列的趋势项和周期项进行拟合,拟合结果见图8。由图8可知,对于极移,残差项的影响在-0.05 as~+0.05 as之间;对于LODR,残差项的影响在-0.5 ms~+0.5 ms之间。与原始序列相比,残差项的影响不容忽视,后续预报时需再对残差项进行建模处理。
3 结束语
本文利用Matlab编程实现了ERP序列周期性的提取,实验结果表明:
(1)极移主要受到1.2周年项和周年项的影响比较大,LOD主要受到周年项和半周年项的影响比较大。
图8 地球自转参数拟合结果
(2)ERP序列主要受到周期项和线性趋势项的影响,但扣除趋势项和周期项后,残差项影响依然较大,需构建其他模型对残差项进行分析。
本文仅对ERP序列的周期性进行了分析,并依据其特性构造最小二乘模型对周期项和趋势项进行提取,但通过实验可知,ERP序列中同样含有影响较大的残差项,下一步会构建函数模型,对剩余的残差序列进行分析,并对ERP序列进行预报。
参考文献:
[1]徐天河,王潜心,于素梅,等.利用区域网GPS/BDS数据确定地球自转参数[J].导航定位学报,2015,3(3):13-17
[2]Yao Y B,Yue S Q,Chen P.A new LS+AR model with additional error correction for polar motion forecast[J].Science China Earth Science,2013,56(5):818-828
[3]姚宜斌,岳顺强,陈鹏.一种适用于极移预报的附加误差修正的LS+AR新模型[J].中国科学:地球科学,2013,43(4):665-676
[4]魏二虎,常亮,刘经南.我国进行激光测月的研究[J].测绘信息与工程,2006,31(3):1-3
[5]张志斌,王广利,刘祥,等.中国VLBI网观测地球定向参数能力分析[J].武汉大学学报:信息科学版,2013,38(8):911-915
[6]魏二虎,万丽华,金双根,等.联合GNSS和SLR观测对地球自转参数的解算与分析[J].武汉大学学报:信息科学版,2014,39(5):581-585
[7]张登奇,李宏民,李丹.按时间抽取的基2 FFT算法分析及MATLAB实现[J].电子技术,2011,38(2):75-77
[8]胡林林,邓超兵,付龙.基于C的FFT算法在波长扫描干涉中的应用[J].工业控制计算机,2016,29(12):35-36
[9]Yoder F C,Williams J G,Parke E M.Short period tidal variations of earth rotation[J].Journal of Geophysical Research Solid Earth,1981,86(B2):881-891