Centre dedocumentation
scientifique

An analytic expression for the phase noise of the goldstein–werner filter / Scott Hensley in IEEE Transactions on geoscience and remote sensing, vol 57 n° 9 (September 2019)  

Public [article]  inIEEE Transactions on geoscience and remote sensing > vol 57 n° 9 (September 2019) . - pp 6499 - 6516 Titre : An analytic expression for the phase noise of the goldstein–werner filter Type de document : Article/Communication Auteurs : Scott Hensley, Auteur Année de publication : 2019 Article en page(s) : pp 6499 - 6516 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications [Termes descripteurs IGN] bruit thermique [Termes descripteurs IGN] corrélation temporelle [Termes descripteurs IGN] densité spectrale de puissance [Termes descripteurs IGN] filtrage du bruit [Termes descripteurs IGN] filtre de Goldstein [Termes descripteurs IGN] image radar moirée [Termes descripteurs IGN] interféromètrie par radar à antenne synthétique [Termes descripteurs IGN] phase [Termes descripteurs IGN] pouvoir de résolution spectrale [Termes descripteurs IGN] rapport signal sur bruit [Termes descripteurs IGN] transformation de Fourier Résumé : (auteur) Interferogram filtering for noise reduction is a key to many radar interferometric applications. Repeat pass radar interferometry often uses data with less than ideal correlation levels resulting from either long spatial or temporal baselines or changes between observations leading to high levels of temporal correlation. To maximize the utility of such pairs filtering the interferogram to get maximal noise reduction is often needed. One technique that has proved quite useful in the geophysical community is power spectral or Goldstein–Werner filtering of the interferogram whereby a power-weighted version of the Fourier transform is used to enhance fringe visibility. Although this paper defining the filter briefly touched upon the spatial resolution and noise reduction induced by the filter, it did not provide a useful formula for predicting the phase noise after filtering. This paper derives a formula for the phase noise obtained from power spectral filtering albeit under the restriction of several simplifying assumptions to make the problem analytically tractable. In particular, it is assumed that the interferometric phase is locally well approximated by a linear phase ramp with nonlinear phase perturbations small in a spectral energy sense compared to the linear term. Numéro de notice : A2019-343 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2019.2906549 date de publication en ligne : 25/04/2019 En ligne : http://doi.org/10.1109/TGRS.2019.2906549 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93378 [article]

Decomposition of geodetic time series: A combined simulated annealing algorithm and Kalman filter approach / Feng Ming in Advances in space research, vol 64 n°5 (1 September 2019)  

Public [article]  inAdvances in space research > vol 64 n°5 (1 September 2019) . - pp Titre : Decomposition of geodetic time series: A combined simulated annealing algorithm and Kalman filter approach Type de document : Article/Communication Auteurs : Feng Ming, Auteur ; Yuanxi Yang, Auteur ; Anmin Zeng, Auteur ; Bin Zhao, Auteur Année de publication : 2019 Article en page(s) : pp Langues : Anglais (eng) Descripteur : [Termes descripteurs IGN] algorithme du recuit simulé [Termes descripteurs IGN] bruit (théorie du signal) [Termes descripteurs IGN] bruit blanc [Termes descripteurs IGN] bruit rose [Termes descripteurs IGN] données GPS [Termes descripteurs IGN] filtre de Kalman [Termes descripteurs IGN] méthode du maximum de vraisemblance (estimation) [Termes descripteurs IGN] série temporelle [Termes descripteurs IGN] variation saisonnière [Vedettes matières IGN] Traitement de données GNSS Numéro de notice : A2019-399 Thématique : POSITIONNEMENT Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.asr.2019.05.049 date de publication en ligne : 10/06/2019 En ligne : https://doi.org/10.1016/j.asr.2019.05.049 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93519 [article]

Influence of stochastic modeling for inter-system biases on multi-GNSS undifferenced and uncombined precise point positioning / Feng Zhou in GPS solutions, vol 23 n° 3 (July 2019)  

Public [article]  inGPS solutions > vol 23 n° 3 (July 2019) Titre : Influence of stochastic modeling for inter-system biases on multi-GNSS undifferenced and uncombined precise point positioning Type de document : Article/Communication Auteurs : Feng Zhou, Auteur ; Danan Dong, Auteur ; Xin Li, Auteur ; Harald Schuh, Auteur Année de publication : 2019 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Navigation et positionnement [Termes descripteurs IGN] bruit blanc [Termes descripteurs IGN] décalage d'horloge [Termes descripteurs IGN] erreur systématique inter-systèmes [Termes descripteurs IGN] estimation statistique [Termes descripteurs IGN] modèle stochastique [Termes descripteurs IGN] positionnement par GNSS [Termes descripteurs IGN] positionnement ponctuel précis Résumé : (auteur) The focus of this study is on proper modeling of the dynamics for inter-system biases (ISBs) in multi-constellation Global Navigation Satellite System (GNSS) precise point positioning (PPP) processing. First, the theoretical derivation demonstrates that the ISBs originate from not only the receiver-dependent hardware delay differences among different GNSSs but also the receiver-independent time differences caused by the different clock datum constraints among different GNSS satellite clock products. Afterward, a comprehensive evaluation of the influence of ISB stochastic modeling on undifferenced and uncombined PPP performance is conducted, i.e., random constant, random walk process, and white noise process are considered. We use data based on a 1-month period (September 2017) Multi-GNSS Experiment (MGEX) precise orbit and clock products from four analysis centers (CODE, GFZ, CNES, and WHU) and 160 MGEX tracking stations. The results demonstrate that generally, the positioning performance of PPP in terms of convergence time and positioning accuracy with the final products from CODE, CNES, and WHU is comparable among the three ISB handling schemes. However, estimating ISBs as random walk process or white noise process outperforms that as the random constant when using the GFZ products. These results indicate that the traditional estimation of ISBs as the random constant may not always be reasonable in multi-GNSS PPP processing. To achieve more reliable positioning results, it is highly recommended to consider the ISBs as random walk process or white noise process in multi-GNSS PPP processing. Numéro de notice : A2019-199 Thématique : POSITIONNEMENT Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1007/s10291-019-0852-0 date de publication en ligne : 09/04/2019 En ligne : https://doi.org/10.1007/s10291-019-0852-0 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92654 [article]

Signaux et systèmes / André Quinquis (2019)

Public Titre : Signaux et systèmes : signaux, filtrage et décision Type de document : Guide/Manuel Auteurs : André Quinquis, Auteur ; Ali Mansour, Auteur ; Emanuel Radoi, Auteur Editeur : Paris : Lavoisier Année de publication : 2019 Collection : Information numérique - Traitement, interprétation, communication Importance : 361 p. Format : 16 x 24 cm ISBN/ISSN/EAN : 978-2-7462-4859-5 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement du signal [Termes descripteurs IGN] autocorrélation [Termes descripteurs IGN] bruit thermique [Termes descripteurs IGN] distribution de Gauss [Termes descripteurs IGN] filtrage du signal [Termes descripteurs IGN] fonction aléatoire [Termes descripteurs IGN] phénomène de Gibbs [Termes descripteurs IGN] signal analogique [Termes descripteurs IGN] signal analytique [Termes descripteurs IGN] théorème de Plancherel [Termes descripteurs IGN] transformation de Fourier [Termes descripteurs IGN] variable aléatoire Index. décimale : 24.20 Traitement du signal Résumé : (Editeur) Dans notre société moderne, où la technologie a envahi la vie de tous les jours, l'information devient essentielle. Le traitement du signal joue un rôle crucial pour mieux interpréter les observations reçues et extraire l'information pertinente et utile pour une décision quelle qu'en soit la finalité. De nos jours, le traitement des signaux et des systèmes trouve ses applications dans des domaines variés comme la surveillance, le numérique, l'automatisme, la santé, les télécommunications, la cyberdéfense, les capteurs intelligents, l'internet des objets, l'astronomie, la guerre électronique, la robotique, etc. Cet ouvrage présente d'une manière originale et didactique les concepts fondamentaux du traitement de signal en abordant plus d'une centaine de questions que les étudiants ou les personnes non-spécialistes de la discipline se posent. Armés d'une longue expérience dans l'enseignement supérieur et dans la recherche en France et à l'étranger, les auteurs apportent des éléments de réponse dans un langage clair, concis et mathématiquement accessible au public. Les concepts fondamentaux sont traités via des questions illustrées d'exemples, renforçant le bon sens physique et facilitant l'appréhension de notions trop souvent réputées ardues. L'ouvrage est ainsi rendu accessible au public le plus large : ingénieurs généralistes, étudiants préparant des DUT, BTS, diplômes d'ingénieurs, licences et masters scientifiques. Si l'exercice de dialectique qui consiste, pour convaincre, à proposer simultanément questions et réponses afférentes s'avère parfois réducteur, force est de constater que les auteurs ont su maintenir une très grande ouverture dans leur exposition qui devrait inciter beaucoup de dubitatifs du traitement du signal, de tous bords, à consulter leur ouvrage. Note de contenu : 1. Quelle est la définition physique d’un signal ? 2. Comment distingue-t-on le signal d’un bruit ? 3. Comment définir les observations, les données et les informations ? 4. Qu’est-ce que la théorie du signal et quelles sont ses applications ? 5. Comment peut-on classifier les signaux ? 6. Comment décrit-on un signal temporel en fonction de la nature, discrète ou continue, de ses axes ? 7. Qu’est-ce qu’un signal à bande étroite ? 8. Qu’est ce que l’impulsion de Dirac ? 9. Qu’est ce que la fonction d’Heaviside ? 10. Que représente la composante continue d’un signal ? 11. Quelle est l’effet de la modulation d’amplitude sur le spectre d’un signal ? 12. Quelles sont les principales différences entre les types de modulations analogiques ? 13. Quelles sont les avantages des modulations numériques sur les analogiques ? 14. A quoi sert la transformée de Fourier ? 15. Pourquoi change-t-on d’espace de représentation de signaux ? 16. Quelles sont les propriétés de la transformée de Fourier ? 17. A quoi sert la décomposition en série de Fourier ? 18. Quelles sont les conditions de Dirichlet ? Quelles sont les définitions de la série de Fourier ? 19. Quelle est la définition de la série de Fourier Complexe ? Quelles sont ses propriétés ? 20. Comment peut-on simplifier la décomposition en série de Fourier d’un signal périodique pair ? 21. Que décrit la dualité temps-fréquence ? 22. Si x(t) est un signal réel et impair alors quelles sont les propriétés de sa TF ? 23. Quelle est la transformée de Fourier de la fonction porte ? Quelle est la transformée de Fourier d’un échelon ? 24. Quelle est l’allure de la TF d’un signal gaussien ? 25. Comment peut-on énoncer le principe d’incertitude en théorie du signal ? 26. Quel est le sens physique de la fonction d’autocorrélation ? 27. Quelles sont les propriétés de l’autocorrélation des signaux déterministes ? 28. Quelle est la particularité de l’autocorrélation d’un signal périodique ? 29. Quelle est la différence entre la corrélation de deux fonctions de L2(R) et leur convolution ? 30. Quelles sont les définitions de la puissance et de l’énergie moyennes d’un signal complexe ou réel ? 31. Quelle est la différence entre la DSP et la DSE ? 32. Que traduit physiquement l’identité de Parseval pour des signaux à énergie finie ? 33. Comment s’énonce l’identité de Parseval pour des signaux périodiques ? 34. Si un signal est à énergie finie, que peut-on dire de sa puissance moyenne ? Comment calculer son énergie ? 35. En utilisant Parseval, calculer de deux façons différentes l’énergie de x(t) = te−tu(t) ? 36. Quelle est la principale propriété de la DSP d’un signal périodique ? 37. Comment calcule-t-on la DSP d’un signal continu s’il est périodique ? S’il n’est pas périodique ? 38. Comment fait-on pour passer d’un signal analogique à un signal numérique ? 39. A quoi servent les CNA et CAN ? 40. Qu’appelle-t-on bruit de quantification ? 41. Quel est le domaine d’application du théorème d’échantillonnage ? 42. Qu’appelle-t-on « effet de repliement de spectre » ? 43. Pourquoi appliquer un filtre passe-bas avant l’échantillonnage d’un signal ? . 1 44. Qu’est-ce qu’un échantillonneur bloqueur ? 45. Est-on obligé de respecter la fréquence de Shannon pour échantillonner un signal passe-bande ? 46. Que devient la restitution d’un signal sinusoïdal si on ne respecte pas la fréquence limite de Shannon ? 47. Quelles sont les applications du théorème de Plancherel ? 48. Quel est l’effet d’un échantillonnage temporel dans le domaine spectral ? 49. Pourquoi doit-on introduire la transformée de Fourier discrète TFD? 50. Quelle est la relation entre la TFD et la TZ ? 51. Quelles sont les particularités de la TFD ? 52. Quelles sont les erreurs liées au calcul de la TFD ? 53. Que traduit le phénomène de Gibbs ? 54. Qu’est ce qu’un signal causal ? 55. Qu’est-ce qu’un signal analytique ? 56. Quel est l’effet de la transformée de Hilbert ? 57. Quelle est la définition d’une fonction aléatoire ? 58. Qu’est ce qu’un signal aléatoire ? 59. Quelles sont les grandeurs les plus intéressantes pour caractériser une variable aléatoire ? 60. Quelles sont les propriétés importantes d’une densité de probabilité ? 61. Quel est le lien entre une densité de probabilité et une fonction de répartition ? 62. Quelles sont les propriétés les plus intéressantes des fonctions caractéristiques d’une variable aléatoire ? 63. Comment calcule-t-on la densité de probabilité d’une fonction d’une variable aléatoire : changement des variables ? 64. Comment estime-t-on une densité de probabilité ? 65. Comment définit-on les moments d’une variable aléatoire ? 66. Comment estime-t-on les moments d’une variable aléatoire ? 67. Comment définit-on la stationnarité au sens strict et au sens large d’un signal aléatoire ? 68. Quelle est l’interprétation de la stationnarité au sens large ? 69. Pourquoi l’ergodisme d’un processus aléatoire induit-il des simplifications dans un problème ? 70. Si un processus est stationnaire, est-il toujours ergodique ? 71. Comment définit-on la densité de probabilité conditionnelle ? 72. Comment peut-on caractériser deux variables aléatoires décorrélées ? 73. Comment peut-on caractériser deux variables aléatoires indépendantes 74. Quelle est la densité de probabilité de la somme de deux variables aléatoires indépendantes ? 75. Quelle est la définition d’une variable aléatoire uniforme ? 76. Quelle est l’interprétation du théorème de la limite centrale ? 77. Quelle est la définition d’une densité de probabilité gaussienne ? 78. Que peut-on dire de la loi de la quadration d’une variable gaussienne ? 79. Quelle est la définition de la densité de probabilité de Rayleigh ? 80. Si X, Y,Z et T sont les composantes d’un vecteur gaussien centré alors que valent E{XY ZT } et E{XY Z} ? 81. Qu’est-ce qu’un processus stochastique gaussien ? 82. Qu’est ce qu’un processus aléatoire Markovien ? 83. Comment définit-on un bruit blanc et quelles sont ses propriétés ? 84. Comment définit-on un bruit pseudo-blanc et quelles sont ses propriétés ? 85. Comment est défini le bruit thermique ? 86. Un bruit pseudo-blanc peut-il être à densité de probabilité gaussienne ? 87. Comment définit-on la bande spectrale équivalente du bruit ? 88. Comment choisit-on le nombre de niveaux de quantification pour numériser les réalisations d’une variable aléatoire ? 89. Quelles sont les différences entre les moments et les cumulants d’une variable aléatoire ? 90. Quelles sont les propriétés des cumulants ? 91. Quelle est la « valeur la plus probable » d’une variable aléatoire continue ? Quelle est la différence entre « valeur plus probable », « moyenne » et « médiane » ? 92. Comment calcule-t-on la valeur moyenne d’une variable aléatoire continue ? 93. Comment interprète-t-on l’écart type ? 94. Comment définit-on le coefficient de corrélation ? 95. A quoi servent l’asymétrie « Skewness » et l’aplatissement « kurtosis » ? 96. Comment calculer la moyenne d’une variable aléatoire uniforme ? 97. Comment définit-on la fonction de corrélation dans le cas aléatoire ? 98. Quelle est la différence entre les notions de corrélation et de covariance ? 99. Comment peut-on caractériser le contenu spectral d’un signal aléatoire ? 100. Quelles sont les principales propriétés de la fonction d’intercorrélation ? 101. Quelle est l’expression de la matrice de corrélation d’un processus aléatoire stationnaire ? 203 102. Comment définir la densité spectrale de puissance dans le cas aléatoire ? 103. Quelle est l’erreur d’estimation sur la fonction de corrélation ? Sur la densité de probabilité ? 104.Quels sont les différents modes de convergence pour une variable aléatoire ? 105. Quelle est la distinction entre l’inégalité de Biennaymé-Tchebychev etle théorème de la limite centrale ? 106. Est ce qu’on peut générer un signal non-stationnaire ? Que peut-on dire sur la stationnarité des signaux modulés ? 107. Qu’appelle-t-on « système linéaire, continu et invariant » ? 108. Pourquoi la convolution joue-t-elle un si grand rôle en traitement du signal ? 109. Quel est le lien entre la convolution et le filtrage ? 110. Soit un filtre linéaire analogique de réponse impulsionnelle h(t) excité par un signal x(t). Quelle est l’expression de sa sortie y(t) ? 111. Quelles sont les propriétés vérifiées par la transformée en Z ? 112. Quelles sont les relations entre les transformées de Fourier, de Laplace et en Z ? 113.Quelle est la différence entre la fonction de transfert et le gain complexe ? 114. Que représente un pôle pour une fonction de transfert ? 115. A quoi peut servir la transformée de Laplace ? 116. Quelle définition donne-t-on à la bande passante ? 117. Comment définit-on la fréquence de coupure sur une courbe de gain ? 118. Quelle est l’expression type de la fonction de transfert pour un filtre d’ordre deux ? 119. Quelle est l’atténuation d’un filtre en fonction de son ordre ? 120. Qu’est-ce que la représentation de Bode ? 121. A partir de la fonction de transfert d’un filtre passe-bas normalisé, comment obtient-on les passe-haut, passe-bande correspondants ? 122. Comment se comporte un système en fonction de la position des pôles de sa fonction de transfert ? 123. Si le signal d’entrée d’un système réel est sinusoïdal, comment se comporte le signal de sortie ? 124. Pour un système linéaire, comment définit-on le retard de phase et le retard de groupe ? 125. Comment déterminer la stabilité d’un système analogique ? 126. Quelle est la condition de stabilité d’un filtre numérique ? 127. Qu’appelle-t-on système réalisable ? 128. Pourquoi un filtre idéal n’est-il pas réalisable physiquement en temps réel ? 129. Un filtre linéaire retardant un signal sans déformation est-il réalisable en temps réel ? 130. A quoi sert le théorème des résidus ? 131. Comment retrouver de deux façons différentes la réponse impulsionnelle d’un système linéaire discret ? 132. Qu’est-ce qu’un modèle ARMA? 133. Comment définit-on un gabarit ? 134. Que représentent les filtres de Butterworth, Tchebychev, Cauer ? 135. Quelle est la particularité, au niveau de la réponse impulsionnelle, d’un filtre discret non-récursif ? 136. A quoi sert une fenêtre d’apodisation ? 137. Comment synthétise-t-on un filtre numérique récursif par la méthode de l’invariance impulsionnelle ? 138. Qu’est-ce que la transformee bilineaire (TBL) ? 139.Comment synthétiser un filtre numérique à réponse impulsionnelle finie ? 140. Quelles sont les différences entre les filtres RIF et RII ? 141. Quelles sont les paramètres caractéristiques à prendre en compte pour l’implantation d’un filtre numérique ? 142. Quelles sont les propriétés intéressantes d’un filtre à minimum de phase ? 143. Que nous apprend la formule des interférences ? 144. Comment calculer la moyenne d’un signal aléatoire continu x(t,w) par filtrage ? 145. Qu’appelle-t-on « moyenne linéaire » et « moyenne exponentielle » d’un signal numérique ? 146. Comment mesure-t-on, en pratique, la fonction de transfert d’un système linéaire ? 147. Quelle information peut-on extraire de la fonction de cohérence ? 148. Quels sont les avantages et inconvénients des communications numériques ? 149. Quel est le principe d’une chaîne de communication ? 150. Quels sont les intérêts des techniques de modulation ? 151. Quels sont les principaux paramètres dictant le choix d’un type de modulation ? 152. Donner le sens physique d’un rapport signal sur bruit 153. Définir : détection, estimation, déconvolution, classification 154. Quels sont les quatre principaux critères de détection à structure libre ? 155. Comment définit-on la probabilité d’erreur dans un problème de détection ? 156.Comment évaluer l’erreur commise sur la réception d’un signal binaire transmis dans un canal fortement bruité ? 157. Quel est le critère d’optimisation utilisé dans la théorie du filtre adapté ? 158.Comment détecte-t-on un signal déterministe noyé dans un bruit guaussien ? 159. Quels sont les différents types d’estimateurs bayésiens ? 160. Comment estime-t-on la corrélation d’un processus stationnaire au second ordre ? 161. Quelle est la différence entre le corrélogramme et le périodogramme? 162. Quel est le principal défaut du périodogramme standard ? Comment y remédier ? 163. Quelles sont les qualités attendues d’un estimateur ? 164. Qu’apporte l’analyse spectrale paramétrique par rapport à l’analyse spectrale classique ? 165. Quel est l’intérêt du filtrage de Wiener ? 166. Qu’apporte le filtrage de Kalman ? 167. Qu’apporte la représentation d’état d’un système ? 168. Quelles sont les limitations inhérentes à l’analyse spectrale appliquée aux signaux non-stationnaires ? 169. Qu’est-ce que le spectrogramme ? 170. Comment définit-on une représentation de Wigner-Ville ? 171. Qu’apporte au traitement des signaux non-stationnaires la transformée en ondelettes ? 172. Quel est le principe des méthodes homomorphiques ? 173. Pourquoi dans plusieurs applications une analyse au second ordre Estelle insuffisante ? 174. Qu’appelle-t-on bicorrélation d’un processus ? Numéro de notice : 26023 Thématique : MATHEMATIQUE Nature : Manuel de cours Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92402

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
26023-01	24.20	Livre	Centre de documentation	Physique	Disponible

Bruit de scintillation dans les séries temporelles de positions GNSS / Paul Rebischung (2018) 

Public contenu dans 27èmes Journées de la Recherche de l'IGN / Journées Recherche de l'IGN 2018, 27es Journées (22 - 23 mars 2018; Cité Descartes, Champs-sur-Marne - Marne-la-Vallée, France) (2018)   Titre : Bruit de scintillation dans les séries temporelles de positions GNSS : origines et conséquences Type de document : Article/Communication Auteurs : Paul Rebischung , Auteur ; Kristel Chanard , Auteur ; Laurent Métivier , Auteur ; Zuheir Altamimi , Auteur Congrès : Journées Recherche de l'IGN 2018, 27es Journées (22 - 23 mars 2018; Cité Descartes, Champs-sur-Marne - Marne-la-Vallée, France), Commanditaire Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN Année de publication : 2018 Langues : Français (fre) Descripteur : [Vedettes matières IGN] Géodésie spatiale [Termes descripteurs IGN] bruit blanc [Termes descripteurs IGN] bruit rose [Termes descripteurs IGN] coordonnées GNSS [Termes descripteurs IGN] données GRACE [Termes descripteurs IGN] incertitude des données [Termes descripteurs IGN] modèle mathématique [Termes descripteurs IGN] position [Termes descripteurs IGN] positionnement par GNSS [Termes descripteurs IGN] série temporelle Résumé : (Auteur) La présence de bruit corrélé dans les séries temporelles de positions de stations GNSS a été mise en évidence il y a déjà 20 ans. On a pu depuis observer que le spectre des séries de positions GNSS suit de près une loi de puissance, correspondant à du «bruit de scintillation» ou «bruit rose», masqué par une modeste quantité de bruit blanc aux plus hautes fréquences. L’origine du bruit de scintillation dans les séries de positions GNSS reste cependant débattue. Ce bruit de scintillation est souvent décrit comme intrinsèque aux systèmes GNSS, c’est-à-dire qu’il serait dû à des erreurs dans les observations GNSS ou dans leur modélisation. Cependant, aucune source d’erreur n’a été identifiée jusqu’à présent qui pourrait expliquer le niveau de bruit de scintillation observé et ses corrélations spatiales. Nous examinons ici une autre source possible de bruit de scintillation : les déformations de la surface terrestre dues aux transports de masses en surface, dites déformations de surcharge. Cette étude est motivée par la présence de bruit de puissance dans les séries temporelles de coefficients de Stokes de bas degrés et ordres déterminés par la mission gravimétrique GRACE. En comparant séries de positions GNSS et séries de déformations de surcharge dérivées des données GRACE, nous montrons qu’environ un tiers du bruit de scintillation observé sur la composante verticale des séries GNSS peut être expliqué par des déformations de surcharge – mais seulement quelques pour cent sur les composantes horizontales. Nous discutons finalement d’autres sources «physiques» possibles de bruit de scintillation, ainsi que des conséquences de la présence de ce type de bruit sur la modélisation des séries de positions GNSS et sur la construction du repère international de référence terrestre (ITRF). Numéro de notice : C2018-041 Thématique : POSITIONNEMENT Nature : Communication nature-HAL : ComSansActesPubliés-Unpublished Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91162

Documents numériques

peut être téléchargé Bruit de scintillation dans les séries temporelles... - diaporama de présentation Adobe Acrobat PDF

Characterizing noise in daily GPS position time series with overlapping Hadamard variance and maximum likelihood estimation / Chang Xu in Survey review, vol 49 n° 355 (October 2017)  

Permalink

Denoising of natural images through robust wavelet thresholding and genetic programming / Asem Khmag in The Visual Computer, vol 33 n°9 (September 2017)  

Permalink

GPS coordinate time series measurements in Ontario and Quebec, Canada / Hadis Samadi Alinia in Journal of geodesy, vol 91 n° 6 (June 2017)  

Permalink

Multivariate analysis of GPS position time series of JPL second reprocessing campaign / A. R. Amiri-Simkooei in Journal of geodesy, vol 91 n° 6 (June 2017)  

Permalink

Modified residual method for the estimation of noise in hyperspectral images / Asad Mahmood in IEEE Transactions on geoscience and remote sensing, vol 55 n° 3 (March 2017)  

Permalink

Study of the effects on GPS coordinate time series caused by higher-order ionospheric corrections calculated using the DIPOLE model / Liansheng Deng in Geodesy and Geodynamics, vol 8 n° 2 (March 2017)  

Permalink

Dictionary learning for promoting structured sparsity in hyperspectral compressive sensing / Lei Zhang in IEEE Transactions on geoscience and remote sensing, vol 54 n° 12 (December 2016)  

Permalink

On the spectral combination of satellite gravity model, terrestrial and airborne gravity data for local gravimetric geoid computation / Tao Jian in Journal of geodesy, vol 90 n° 12 (December 2016)  

Permalink

Estimating the intrinsic dimension of hyperspectral images using a noise-whitened eigengap approach / Non-répertorié in IEEE Transactions on geoscience and remote sensing, vol 54 n° 7 (July 2016)  

Permalink

Caractérisation des signaux et des bruits des séries temporelles du géocentre et des paramètres de rotation de la Terre (EOP) / Bachir Gourine in Bulletin des sciences géographiques, n° 30 (2015 - 2016)

Permalink