小波分解与EMD在变形监测应用中的比较

为分析经验模式分解(Empirical Mode Decomposition, EMD)在GPS动态变形监测应用中的可行性和有效性,利用模拟数据和振动台的GPS实测数据分析比较了EMD和小波分析在信号去噪和多尺度分解上的能力.结果表明:EMD和小波均能较准确地提取结构振动信息,但当噪声较大时小波去噪和多尺度分解稳定性略优于EMD,而EMD则基于数据本身具有自适应性,不受小波基选择和分解层数的影响.     

基于EMD和小波的GPS/BDS变形监测中的多路径误差削弱方法

针对GPS/BDS实时监测坐标序列中多路径误差的周日重复特性和高频随机噪声,分别采用EMD以及EMD与小波阈值去噪相结合的方法对现有坐标序列构建多路径时序模型,并通过恒星日滤波削弱后续坐标序列中具有强相关性的多路径误差。实测数据的处理结果表明,EMD可以很好地去除GPS/BDS实时监测序列中的高频随机噪声并削弱多路径误差的影响,提高实时监测精度50%左右,EMD和小波组合方法较单EMD效果稍好。     

基于SSA的GPS坐标序列去噪及季节信号提取

基于SSA技术对GPS时序的去噪及季节信号分离进行研究。通过对模拟数据及GPS实测数据的分析,并与经验模式分解EMD（empirical mode decomposition）和小波分析方法进行对比,结果表明,SSA、EMD和小波分析均是有效的去噪方法,但SSA去噪性能更优越,且能更有效和稳定地从GPS时序中提取周期项信号。     

VMD-SG-WT去噪法及其在混沌去噪中的应用

为对混沌信号进行降噪,提出基于变分模态分解(VMD)的混合去噪(VMD-SG-WT)方法,首先基于各分量间的最小巴氏距离确定VMD分解模态参数,通过VMD将混沌信号分解成多个本征模态函数(IMFs);然后分别计算各个IMF分量与原始信号间的相关因数,根据相关关系指标确定IMF分量的含噪程度,对有效成分主导的信息分量重构进行Savitzky-Golay平滑滤波,对噪声主导的噪声分量重构进行小波降噪处理;最后利用平滑的信息分量与小波去噪的噪声分量进行重构,得到最终去噪的信号。采用VMD-SG-WT去噪法对Lorenz系统产生的仿真信号和实测的太阳黑子数序列进行降噪处理,并与局部投影去噪法、小波去噪法、经验模态分解(EMD)去噪法和单一VMD去噪法进行对比。结果表明:VMD-SG-WT去噪法能够有效对混沌信号进行降噪,去噪效果相对优于其他去噪方法的去噪效果。     

基于CEEMDAN的GNSS变形监测去噪方法

为了提高GNSS变形监测数据去噪的有效性和可靠性,提出一种自适应完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN)去噪方法。首先将GNSS变形序列经CEEMDAN分解为若干特征模态函数;其次引入排列熵理论确定高低频分界值K,利用小波分析对高频分量进行去噪,去噪后与低频分量重构得到去噪序列;最后通过仿真和实测边坡GNSS变形监测数据,利用信噪比、均方根误差、相关系数等指标对比分析CEEMDAN、EMD和小波去噪方法。结果表明,CEEMDAN方法的去噪效果和精度优于EMD和小波去噪方法,证明了本文所提方法的有效性和可靠性。     

去噪小波包能量法在水声信号识别中的应用

对小波包能量法进行改进,提出了一种新的方法———去噪小波包能量法,该算法对信号小波去噪后,再用小波包能量法提取信号的特征;应用去噪小波包能量法研究了不同的小波去噪方法对水声信号分类识别率的影响,在实测信号样本集上用BP神经网络进行了识别实验。结果显示软阈值、硬阈值、弹性阈值3种标准的小波去噪方法均能明显提高信号识别率,其中最为显著的是软阈值标准去噪,信号的识别率可由未去噪的53 .3%提高到98. 3%,表明算法的有效性。     

去噪小波包能量法在水声信号识别中的应用

对小波包能量法进行改进，提出了一种新的方法——去噪小波包能量法，该算法对信号小波去噪后，再用小波包能量法提取信号的特征；应用去噪小波包能量法研究了不同的小波去噪方法对水声信号分类识别率的影响，在实测信号样本集上用BP神经网络进行了识别实验。结果显示软阈值、硬阈值、弹性阈值3种标准的小波去噪方法均能明显提高信号识别率，其中最为显著的是软阈值标准去噪，信号的识别率可由未去噪的53．3％提高到98．3％，表明算法的有效性。     

小波阈值法在JCZ系列超宽频带地震仪记录的地震数据中的应用及探讨

为了对JCZ系列超宽频带地震仪采集到的地震数据进行有效去噪,探讨小波阈值法在不同地震数据中去噪的实际效果。首先介绍小波法的基本理论与去噪标准,探讨不同小波基的选取、不同分解、重建尺度与阈值的选取及处理方式对小波阈值法最终去噪效果产生的影响;使用控制变量法,选取武汉水院地震台的记录数据,探讨如何获得较好的去噪效果。为了比较小震和中强震两种情况下相同方法的处理效果,将选择好的小波基与几何尺度用于震例数据去噪发现,在实际地震去噪处理中基于样本数估计选取的阈值具有一定局限性,且相同阈值在不同震级的震例数据中具有不同的去噪结果。最后使用小波阈值对JCZ系列超宽频带地震仪采集到的地震数据进行去噪发现,小波阈值去噪对于P波初动的识别判断也具有一定意义。     

基于经验小波变换的GNSS多路径误差改正

多路径误差是影响GNSS测量精度的主要因素及误差改正难点。将经验小波变换(EWT)算法在分解复杂信号上的优势与GNSS多路径误差的周日重复特性相结合,提出基于EWT的多路径误差提取及改正新方法。将能量熵与相关系数相结合来定义筛选系数,并将其变化显著的点作为含噪分量及信息分量的分界点;通过对含噪分量进行去噪并与信息分量重构的方式建立基于EWT的去噪新方法。模拟和实测数据实验表明,EWT能较好地提取及改正GNSS多路径误差,并且其效果显著优于EMD及小波分析方法。     

基于提升小波的单历元GPS变形监测信号的去噪

介绍提升小波阈值收缩法去噪的基本原理和方法,利用该方法对含噪的GPS单历元变形监测数据进行去噪,提取真实变形信息。实际数据处理结果表明,相比第一代小波,提升小波变换去噪效果更好,计算速度更快。     

EMD-Wavelet����ģ���ڶ�̬�������ݴ����е�Ӧ��

????????·????????????????GPS???ж?????????????????????η???????????????С????????????EMD????????????????????μ?????????????????EMD??Wavelet????????????????????????е?????????С????????EMD?????????????н???EMD?????????????????????????????????????С???Wavelet??Kalman?????Kalman?????EMD?????EMD??Wavelet??????????????????????С????????????????????????????EMD??Wavelet?????GPS??????μ??????????????????     

基于双树复小波的变形监测数据去噪分析

将双树复小波引入到变形监测数据去噪中，从信号分解、去噪过程和去噪质量3个方面综合评价其可行性和有效性。理论分析和算例表明，信噪分离的质量会对阈值估计、阈值去噪和信号重构产生较大影响，信噪分离较好的信号能在一定程度上削弱阈值函数存在的缺陷；双树复小波的分解效果优于传统离散小波，能较好地表现出细节部分的频率信息，使变形信号的周期性变化特征更为明显，可以应用于变形监测数据分析。     

基于完备经验模态分解自相关消噪技术的GNSS高精度动态变形监测研究

为了更好地消除混杂在变形序列中的噪声,利用完备经验模态分解（CEEMD）将形变信号自适应分解为不同尺度的振动模态。针对分解分量中信号和噪声区分标准不唯一的问题,构造一种CEEMD与自相关分析相结合的去噪算法,实现有效信号和随机信号的分离。将该算法应用在仿真实验和GNSS变形监测实测数据处理中,并与传统的小波去噪方法进行比较。结果表明,该算法避免了小波基选择带来的影响。     

С��������GPS�񶯼�������е�Ӧ��

?????????????????????GPS ??????????????Ч???????????????GPS?????????????в???С???????????????????????????Ч?????????????????????????????     

改进的小波阈值函数对变形监测数据的去噪研究

基于小波分析中传统的阈值函数,结合其他学者提出的小波阈值函数,提出一种改进的小波阈值函数,并将其应用于变形监测数据的去噪处理。理论分析和算例表明,新的小波阈值去噪函数能够有效去除噪声。     

地铁隧道地表变形小波去噪及灰色-时序组合预测模型研究

以青岛地铁3号线地表变形横向观测线实测数据为例,开展小波去噪及时序组合预测模型的研究。首先,采用小波理论对观测值进行粗差剔除与去噪处理,根据均方误差最低、信噪比最高的原则,证实dmey小波1层分解、rigrsure软阈值小波去噪方法是最优的。其次,给出地铁隧道地表变形灰色-时序组合预测模型表达式,选用等维新息GM(1,1)模型和残差时间序列模型进行地表变形叠合预测。最后,通过小波去噪后时间序列预测模型、小波去噪前灰色-时序组合预测模型、小波去噪后灰色-时序组合预测模型进行计算分析,结果表明小波去噪后灰色-时序组合模型预测精度最高,并分析了各模型预测精度差别的成因。     

基于PCA及提升小波组合算法提取建筑物结构振动信号

针对监测结果受测量噪声和多路径等GPS误差影响的问题,提出基于PCA及提升小波的组合算法来提取建筑物结构振动信号。利用PCA空间滤波分离区域站点相关的共模误差,然后利用提升小波变换对振动信号进行降噪,用于提取结构振动信号。以香港某高楼在台风荷载作用下的观测数据为例进行实验,结果表明,此算法有效提高了变形监测的精度。