基于EMD分解的盲源分离模型以及在多路径削弱中的应用

通过阐述EMD和广义特征值的盲源分离的相关理论,并严密推导了相关公式,系统地分析了2种方法的优势,在此基础上,提出一种基于EMD分解的广义特征值盲源分离算法获取多路径误差模型,可有效削弱多路径效应误差。实验结果表明:新算法得到的标准差最小,较原始坐标序列的标准差分别减小约80%、90%、77%;与EMD方法相比,N方向标准差减小了33.3%,E方向标准差减小了59.2%,U方向标准差减小了30.8%;与Wavelet方法相比,N方向标准差减小了6.8%,E方向标准差减小了16.3%,U方向标准差减小了10.7%。新模型对BDS坐标序列中多路径误差进行更为有效的削弱,为GNSS变形监测提供了有力的技术支持。