با توجه به کاربرد وسیع سری‌های زمانی GPS مانند بررسی حرکات تکتونیک، تغییر پوسته زمین و دینامیک زلزله و ... ارائه‌ی روشی به‌منظور افزایش سرعت در آنالیز مؤلفه‌های واریانس اهمیت پیدا می‌کند. محققان نشان داده‌اند که تقریباً 90 درصد سری‌های زمانی GPS دارای ترکیب نویز سفید+فلیکر و درصد کمتری دارای ترکیب نویز سفید+رندم‌واک هستند. در برآورد نویز سه‌گانه (سفید، فلیکر و رندم‌واک) با روش بیشترین شباهت، محققان برای کاهش ابعاد از یک رابطه‌ی مثلثاتی استفاده کرده‌اند؛ به صورتی که با ثابت بودن انحراف معیار مجموع نویزها، وقتی یکی از نویزها افزایش یابد نویزهای دیگر کاهش می‌یابند. در تحقیقات اخیر محققان موفق به برآورد نویز سفید با روش تجزیه به مودهای ذاتی شده‌اند. در این پژوهش سعی بر این است ابتدا با استفاده از روش تجزیه به مودهای ذاتی نویز سفید تخمین زده شود و سپس با رابطه مثلثاتی مذکور بتوان نویز فلیکر یا رندم‌واک را تخمین زد. پیش‌بینی می‌شود در صورت موفقیت‌آمیز بودن این پروژه، مقادیر نویز به‌صورت آنی تخمین زده شود. درنهایت نتایج روش پیشنهادی با نتایـج برآورد مؤلفـه‌های واریانس با کمـترین مربعات (LS-VCE) مقایسه می‌شود. روش‌ها ابتدا روی سری‌های شبیه‌سازی‌شده مـورد آزمون قرار گرفت و پس از موفقیت آن، سری‌های زمانی واقعی GPS برای تائید اسـتفاده شـده است. در یک روش جدید دیگر با توجه به اینکه نویز سفید با روش تجزیه به مودهای ذاتی قابل‌استخراج و جداسازی است، ابتدا نویز سفید استخراج می‌شود و سپس مؤلفه‌های سری زمانی GPS شامل روند خطی، حرکات پریودیک با فرکانس‌های سالانه و نیم-سالیانه با روش کمترین مربعات استخراج می‌شود. با فرض اینکه باقیمانده نویز رنگی (فلیکر یا رندم‌واک) باشد، نوع نویز فلیکر یا رندم‌واک با استفاده از مقدار هارست مشخص می‌شود و اطلاعات آماری آن نویز قابل تخمین است(روش انحراف معیار). کاربرد دیگر مقدار هارست شناسایی مودهای ذاتی دارای نویز سفید پس از تجزیه‌ی سیگنال به مودهای ذاتی است. در این پژوهش تخمین نویز سفید با روش تجزیه به مودهای ذاتی نیز اساساً مورد بازبینی قرارگرفته است؛ ازجمله نحوه‌ی تجزیه و نحوه‌ی تشخیص مودهای دارای نویز سفید. در بین روش‌های تخمین هارست، ۱۲ روش بررسی شد و روش پریودوگرام-جعبه ای نتایج بهتری دارد. نتایج روش‌های جدید برای سری‌های زمانی GPS و شبیه‌سازی‌شده دارای نویز سفید+فلیکر بسیار کارآمد، اما برای سری‌های دارای نویز سفید+رندم‌واک با چالش‌هایی همراه است.
Ghorbanalizadeh Khangah M, Tehranchi R, Moghtased Azar K. Noise Analysis of GPS Time Series with Simulated Data Using EMD, Standard Deviation and Trigonometric Methods. JGST 2021; 11 (1) :91-106 URL: http://jgst.issgeac.ir/article-1-985-fa.html
قربانعلیزاده خانقاه میلاد، تهرانچی رامین، مقتصد آذر خسرو. آنالیز نویز سری‌های زمانی GPS به روش تجزیه‌ی سیگنال به مؤلفه‌های مود ذاتی، روش انحراف معیار و روش مثلثاتی. علوم و فنون نقشه برداری. 1400; 11 (1) :91-106
