共模误差(Common mode error, CME)广泛存在于区域GNSS网坐标时间序列中，严重影响形变参数的估计与季节性信号的提取。为提高序列的精度，常采用主成分分析（Principal component analysis, PCA）进行时空滤波去除。由于种种原因，GNSS时间序列不可避免地含有缺值，传统思路是利用某种插值方法补全缺失值再采用PCA滤波，然而插值方法仅适用于处理低缺失率的时间序列，对于缺失较多的情形，插值不当可能会造成伪信息。此外，GNSS坐标时间序列是不等精度序列，其精度序列随坐标序列一起由国际官方机构给出。经典PCA方法未顾及时间序列的精度信息。团队基于低秩最优逼近理论提出了一种扩展的主成分分析方法（Extended PCA, EPCA），可直接处理含缺值不等精度时间序列，无需事先插补缺失值。相比于团队此前提出的改进主成分分析（Modified PCA, JoG, 2014）和加权主成分分析（Weighted MPCA, RS, 2018），扩展的方法不仅滤波效果更好（图1）且更加节省时间（图2）

图1 MPCA和EPCA提取的CME的RMSE

图2 计算时间对比（F1为MPCA与EPCA计算时间比值（不加权），F2和F3为MPCA与EPCA计算时间比值（加权））

该研究成果发表于地球科学和遥感领域知名期刊《IEEE TGRS》，研究工作获得了国家自然科学基金项目（41974002，42274005，42192532）的资助。

论文引用：

Kunpu Ji, Yunzhong Shen, Qiujie Chen, Tengfei Feng, (2023). Extended Principal Component Analysis for Spatiotemporal Filtering of Incomplete Heterogeneous GNSS Position Time Series. IEEE Transactions on Geoscience and Remote sensing. Doi:10.1109/TGRS.2023.3277460.