基于GAN的GPS坐标时间序列降噪

来源：大地测量与地球动力学杂志2025年第5期北京时间：

作者：周新宇, 陈刚, 边家文

单位：1 中国地质大学(武汉)数学与物理学院, 武汉市鲁磨路388号, 430074,2 中国地质大学(武汉)海洋学院, 武汉市鲁磨路388号, 430074

摘要：将生成对抗网络(generative adversarial networks, GAN)应用于GPS坐标时间序列的降噪处理中, 通过生成器生成时间序列数据, 并利用判别器对生成数据与干净的时间序列数据进行区分。在训练过程中, 不断迭代优化生成器, 直至判别器无法区分生成数据与真实干净数据, 从而实现降噪效果。仿真实验结果表明, 与WNNM、BiLSTM和SSA等传统方法相比, GAN方法在残差振幅、残差谱指数和速度不确定度等关键指标上与原始噪声的相关指标最接近, 展现出更高效的降噪性能。真实数据的实验结果进一步验证了本文算法在实际GPS坐标时间序列降噪中的有效性。

关键词：GPS坐标时间序列,深度学习,GAN,信号降噪

基金资助：国家自然科学基金(42274012)