自适应测站高的GNSS-R潮位监测研究

针对已有的GNSS-R反演潮位过程中由测站与潮位基准面高度的不确定性带来的误差,该文提出了一种 自适应测站高优化方法.该方法通过更新Lomb-Scargle谱分析噪声频率的阈值,可有效剔除噪声主频,从而提高GNSS-R反演潮位的精度.基于30 s采样间隔的GNSS的L2波段数据进行潮位反演的实验表明,该文提出的方法有效提高了GNSS-R反演潮位的精度.与传统反演方法相比,反演潮位与验潮站观测潮位之间的均方根误差降低了28.3％,相关系数提升了12.3％.同时,该文还证实了所提出方法求解出的自验潮站基准面起算的测站高度,可进一步应用于无验潮站或验潮站数据中断情况下的GNSS潮位反演.     

遥感影像条带噪声去除的小波变分法

为了避免条带噪声去除过程中丢失影像细节，提出一种基于小波变分法去除遥感影像条带噪声。首先，对含有条带噪声的遥感影像进行小波分解；其次，通过构建的条带保留变分模型（SPVM）去除低层高频分量（含条带噪声）中的细节信息而保留条带噪声，从而有效分离出低层高频分量（含条带噪声）中的细节信息；通过构建的条带去除变分模型（DVM）去除高层高频分量（含条带噪声）中的条带噪声，从而有效地保留高层高频分量（含条带噪声）中的细节信息；最后，通过小波重构，获得去噪影像。试验证明本文方法在去除条带噪声的同时基本没有丢失影像细节，去噪后的影像对比度及质量都是最优的。     

大桥GPS动态监测去噪方法

针对从GPS实际监测到的信号中去除噪声,提取真实信号的问题,该文对EMD去噪法、小波阈值去噪法,EMD小波去噪3种方法进行了比较,并通过实例分析得出:3种方法均可滤除噪声,但效果各不相同;EMD对信号分解具有良好的自适应性,但在滤除噪声时可能因为模态混叠的原因造成过滤不完全,各分量中可能均含有一定量的噪声;小波滤波噪声效果和小波基、阈值函数及分解层数选择有关,具有主观性;对于EMD小波混合去噪方法,提出先用EMD自适应方法进行分解,分解出噪声主导分量和信号主导分量;对于高频噪声主导分量,可能含有少量有用信号,故须再用小波阈值法过滤出有用信号;而对于信号主导分量,再用小波滤除多余噪声,最后进行逆变换得到重构后的信号。实例表明EMD小波混合去噪方法能很好地去除噪声,是一种高效的去噪方法。     

小波去噪激光雷达数据树冠高度反演

针对光学遥感图像记录的地表物体反射太阳辐射能量的高低不能较好地反映地表林木冠层高度这一问题,该文利用小波去噪对激光雷达数据进行去噪处理,分别计算小波去噪和高斯去噪后信号的信噪比(SNR)、均方根误差(RMSE);评价去噪效果,发现利用小波去噪得到的信号SNR均大于13db、RMSE均小于0.007 0,去噪效果优于高斯去噪;根据树木垂直结构以及回波原理利用回波分析法,确定回波开始以及地面回波位置来反演树木冠顶高度;将反演得到的树高进行对比分析,并利用实测数据对反演结果进行检验,发现本文反演结果与实测数据具有较好的相关性,反演结果稳定、精度较高。     

联合LMD与EMD的GNSS站坐标时间序列去噪方法

针对GNSS站坐标时间序列信噪不易分离的问题,在传统EMD去噪方法的基础上,本文提出了一种联合LMD与EMD的坐标时间序列去噪方法。该方法首先采用LMD分解原始坐标时间序列,基于连续均方误差（CMSE）原则分离高频噪声与低频信号,保持低频分量不变;然后对高频分量进行EMD去噪;最后以2次分解所得低频信号之和作为去噪后时间序列。以仿真数据与8个GNSS基准站实测数据进行试验,通过多种评价指标进行精度评估。结果表明,与传统EMD方法相比,联合LMD与EMD的方法能够更加精确地去除坐标时间序列中的噪声。     

模平方阈值去噪法在沉降监测中的应用

针对现有去噪方法中存在的噪声信号提取、粗差定位等问题,该文基于小波阈值去噪的原理,提出一种基于软阈值改进的模平方阈值去噪法。通过仿真数据实验对比分析了软阈值去噪法、加权平均阈值去噪法及模平方阈值去噪法的去噪实际效果,并应用于汽车试验场沉降数据预处理。实验结果表明,基于模平方的阈值去噪法能够较好地保留观测信号原始信息,并且可以有效地去除噪声,其去噪效果优于软阈值和加权平均阈值去噪法,能在汽车试验场沉降数据处理中得到较好的应用。     

结合双树复小波变换的四阶偏微分影像去噪方法

针对低阶偏微分方程去噪模型通常会使图像的灰度趋于分段常量而产生阶梯效应的问题,结合小波多尺度分解在图像处理中的应用,提出一种结合双树复小波变换(DT-CWT)的四阶偏微分方程(PDE)影像去噪模型。首先采用DT-CWT对噪声影像进行多尺度分解,保留分解后的低频分量不变,其他层复高频分量采用四阶PDE去噪模型去噪,然后重构相应层的高、低频分量,得到最终去噪后影像。对不同噪声强度下的ZY-3卫星影像去噪实验的结果表明,采用本文方法去除遥感影像噪声相比现有方法得到的去噪结果信噪比平均提高了1~2 d B,提高了去噪影像的结构相似度,在有效去除影像高斯噪声的同时能够较好地保留图像细节信息。     

GNSS-R水位反演的技术精度研究

针对地表物体反射信号引起的多路径效应是影响GNSS定位精度的重要误差源的问题,该文采用GNSS静态观测数据中的信噪比反演水面高度的方法,对水面高度进行反演,从而实现对水面高度变化的实时监测。为了验证水位反演的精度,利用平静湖面及海面上的GNSS静态观测数据,提取卫星高度角0～30°区间的卫星信噪比。采用二阶多项式拟合的方法去除趋势项,并利用Lomb-Scargle方法进行频谱分析,获取反射信号频率,从而反演天线相位中心到水面的垂直距离,进而确定GNSS-R技术反演水面高的能力。实验结果表明:GNSS-R技术在平静水面上的反演精度为厘米级,在海面上为分米级。因此,利用GNSS反射信号中的信噪比可以实现对水面高度的实时监测。     

一种去除遥感影像混合噪声的集成BM3D方法

BM3D（block matching and 3D filtering）是一种有效的高斯噪声去除方法，但对遥感影像中常含有的高斯和脉冲混合噪声去除效果具有局限性；而集成方法是去除混合噪声的有效方式。针对BM3D去噪的缺点，结合其去噪优势，研究发展了一种集成BM3D方法，并改进了一种噪声量估算方法M-Liu法，用于先验噪声估算，作为算法的输入参数。算法验证结果表明，集成BM3D法具有较好的去噪特性，能兼顾影像噪声去除和细节信号的保留，优于同类方法，可为图像去噪提供一种新的方法，对于遥感影像后期应用性研究具有一定的意义。     

GNSS-R潮位监测抗差估计EI北大核心CSCD

针对GNSS-R反演潮位过程中,由测站天线相位中心与潮位基准面高度的不确定性造成的误差,本文提出了基于抗差估计的优化方法。通过确定观测值的最优权重,削弱水面高度粗差反演值,求解高精度测站高度,进而提高GNSS-R反演潮位的精度。基于HNLC、SC02、TDAM、TPW2这4个IGS GNSS连续运行跟踪站的数据,进行潮位反演试验,结果表明,与传统反演方法相比,本文方法计算所得测站高度分别提升了1.01、1.31、16.2、1.22 cm,反演潮位的均方根误差分别降低了26.7%、34.4%、84%、31.6%。同时,还证明了本文方法求解出的自潮位基准面起算的测站高度,可应用于后续无验潮站或验潮站数据中断情况下潮位的反演。     

海洋平台GNSS RTK监测数据的CVCEEMDAN-WT-SSA去噪算法

针对GNSS-RTK技术在海洋平台变形位移监测过程中的多路径效应误差与随机噪声,本文提出一种基于交叉证认改进的具有自适应白噪声的完整集成经验模态分解(CVCEEMDAN)、小波阈值(WT)降噪方法及奇异谱分析(SSA)相结合的联合去噪算法。首先对原始信号进行CEEMDAN分解,使用交叉证认方法识别噪声与有效信号IMF分量;然后利用WT和SSA分别对噪声和有效信号分量作去噪处理,重构处理后的信号,获得真实变形监测结果。结果表明：本文算法具有自适应性,且相比EMD、EEMD、CEEMDAN、ACCEEMDAN-WT-SSA算法具有更好的去噪效果,可有效去除海洋平台变形监测中的多路径误差及随机噪声,成功获取真实的监测信号结果。     

一种自相关函数绝对值均值变点的去噪方法

针对CEEMD去噪基于能量准则判定分界点存在稳定性差的问题,该文以噪声和有用信号各自的自相关函数特点之间的差异为基础,提出了一种基于自相关函数绝对值均值变点的CEEMD去噪方法。该方法利用噪声和有用信号各自的自相关函数值存在差异的特点,实现了噪声和信号模态分界点的定量判定,对发现的噪声模态分量,采用小波软阈值法去噪,保留了存在于噪声模态分量中有用的信号。bjfs和auck两个CORS站20余年的高程时间序列数据,实验结果表明:该方法可以定量判定噪声和信号模态的分界点,去噪后信噪比提高14%以上,而且采用均方根误差指标统计的高程时间序列预报精度提高了44%以上。提出了一种基于自相关函数绝对值均值变点的CEEMD去噪方法,实现了CORS站高程坐标分量数据的去噪。     

结合二维EMD与自适应高斯滤波的遥感卫星影像去噪

传统的遥感影像去噪方法在去除影像噪声时，往往会造成去噪后影像细节信息丢失和模糊的问题。本文将二维EMD去噪理论用于遥感影像的去噪，提出了二维EMD与自适应高斯滤波相结合的遥感影像改进去噪算法。在去噪时能够保留低频信息不变，只对影像高频信息进行二维EMD分解后的不同频率IMF分量图作自适应高斯滤波去噪，从而更好地对含噪影像进行去噪。两组试验对比分析表明：本文算法具有较大的峰值信噪比、平均梯度和结构相似性，具有较小的均方根误差；并且边缘检测结果也表明，噪声在被滤掉的同时，经本文算法去噪后的影像能较多和更好地保留原始影像的细节信息和边缘轮廓信息，具有更好的去噪效果。     

GNSS-R海洋遥感方法研究

对利用全球导航定位系统（GNSS）的海洋反射信号（GNSS-R）反演海面要素的方法进行了详细讨论。在归纳国外研究成果的基础上，系统地整理和阐述了利用GNSS-R反演海洋要素的理论模型、方法以及反演流程，特别对GNSS-R的信号特征以及功率波形进行了详细讨论和公式推导。     

利用小波分解的GNSS-R雪厚反演改进算法

基于全球导航卫星系统反射测量(global navigation satellite system reflectometry, GNSS-R)数据的雪厚反演具有低成本、低功耗、全天时采集数据的特点,但利用GNSS信噪比观测值进行雪厚反演时,观测值受噪声信号功率影响较大,反演精度较低。基于此,提出一种基于小波分解的雪厚反演改进算法,利用小波分解良好的去噪效果,在不改变原始信号中的频率组成的情况下,较好地将噪声功率与信号功率分离。通过北极黄河站2017年年积日第32—100天采集的信噪比数据对此算法进行验证,由于黄河站雪厚变化复杂,同时对比分析了不同积雪状态下该算法的适用性。结果表明,所提反演算法与现有的雪厚反演算法相比,单天时间尺度上的反演结果与实测值的最大偏差由13.71 cm下降到9.43 cm,反演结果与实测值的中误差由7.08 cm下降到5.98 cm,反演结果本身的标准差由8.19 cm下降到7.07 cm,数据利用率由82.60%提升到89.31%。在雪面消融、积累、稳定时,反演结果与实测值的中误差分别由9.02 cm、10.30 cm、7.59 cm下降到5.82 cm、5.64 cm、7.17 cm,平均绝对误差分别由6.77 cm、7.52 cm、7.00 cm下降到5.39 cm、4.72 cm、6.73 cm。可见,在复杂的积雪变化下,所提改进算法反演结果的精度和可靠性有明显的改善。     

基于Wallis滤波的改进小波去噪方法研究

边缘信息是影像最重要的高频信息,在去除噪声的同时应尽量保留。介绍一种改进的小波去噪方法,不仅大大减少了算法的时间复杂度,而且用Wallis滤波对小波变换后的小波系数进行处理,在进一步压制噪声的同时增强了影像的对比度。实验结果表明,该方法不仅效率高,而且能较好地突出细节信号,效果优于普通的小波阈值去噪。     

基于深度学习的高分辨率卫星遥感影像条带噪声去除

受到成像环境、硬件条件等因素的限制，高分辨率卫星遥感影像上普遍存在条带噪声的现象，其严重影响了影像的辐射质量和可用性。本文针对传统条带去除方法存在的适应性差、去噪效率低、依靠先验知识等不足，提出了一种基于深度学习卷积神经网络的条带噪声去除方法。本方法首先利用不同尺度的卷积层进行特征提取，然后对多尺度的特征图进行特征融合得到去噪底图，通过残差学习的方法在底图上预测存在的噪声分量，最后用噪声影像减去条带噪声分量实现噪声的去除。以模拟和真实获取的噪声影像为实验数据，将本文提出的方法与一些经典的去噪方法进行实验结果对比分析，实验结果表明本文提出的基于深度学习的条带噪声去除方法能够在保留影像地物细节的情况下，能以优异的速度达到最高的定量指标和最好的视觉效果，充分证明了本文方法的优越性。     

利用GNSS-R信号进行交通车流检测

为了有效检测交通状况,提出了一种使用GNSS-R （导航卫星反射）信号进行车流检测的方法。该方法利用两种天线分别接收导航卫星直射信号和反射信号,使用通用接收机进行信号采集后,在软件接收机中进行信号处理解算,获得直射通道和反射通道的相关功率,以及卫星的高度角。然后使用反演介电常数的方法对车辆进行探测,获得交通车流状况。通过试验验证,该方法能够有效地对探测区域内的车辆进行检测,证明了使用GNSS-R进行交通车流检测的可行性。     

基于变分模态分解的变形监测数据去噪方法

为了提高变形监测数据的去噪精度及可靠性,基于变分模态分解(variational mode decomposition,VMD)构建一种新的变形监测数据去噪方法。首先,建立VMD高频噪声分量判定标准,引入T指标用于确定VMD去噪的最优K值。然后,将剔除高频噪声后的VMD分量进行叠加重构,建立VMD变形监测数据去噪方法。最后,通过仿真信号、桥梁、大坝变形监测数据去噪实例,对比分析VMD、小波及经验模态分解(empirical mode decomposition,EMD)去噪方法。实验结果表明,VMD对仿真信号去噪的相关系数、均方根误差、信噪比等指标均较大程度上优于小波及EMD去噪方法,理论上证实了VMD去噪方法的有效性及可靠性;VMD对桥梁、大坝变形监测数据去噪的结果比小波、EMD具有更好的精度及光滑性,同时较好地保留了局部变形特征信息。     

一种新的去除遥感影像混合噪声组合滤波方法

提出了一种三层组合滤波的去噪方法,在小波BayesShrink阈值与自适应中值滤波的基础上增加第三层Wiener滤波,利用Wiener滤波对信噪比高的信号去噪效果好的特点可有效去除残留的混合噪声,为了在去噪过程中保留影像的边缘,在滤波过程中加入了边缘提取算法,对影像的细节进行保留使去噪后的影像更加清晰。试验表明,本文提出的三层滤波方法在去除遥感影像常见的高斯与脉冲混合噪声时,效果要明显优于传统的两层组合滤波算法。