变形监测数据小波去噪分解尺度确定方法

小波去噪作为一种数据处理方法,分解尺度的选择对去噪效果有影响。在论述基于均方根误差变化率的方法、基于总体评价指标的综合法、多指标融合法和复合评价指标法4种小波去噪分解尺度确定方法的基础上,通过仿真实验和变形监测实测数据的去噪处理对比分析,结果表明,基于均方根误差变化率的方法对处理低噪声信号有良好效果,多指标融合法只能确定小波分解尺度的大致范围,基于总体评价指标的综合法和复合评价指标法可以准确判定小波分解尺度,且不受噪声影响。     

基于经验模分解的陀螺信号消噪

陀螺随机漂移是影响惯性导航精度的重要因素。小波消噪方法对异常噪声效果不明显,且对小波基和分解尺度等因素依赖性较强。提出陀螺信号经验模分解(EMD)消噪方法,将信号进行经验模分解得到一个本征模态函数(IMF)组,先基于2sigma准则处理异常噪声IMF分量,再利用相关系数确定高频噪声IMF分量个数,将噪声分量去除以实现陀螺信号消噪。详细对比小波方法与EMD方法,利用交叠式Allan方差分析两者的消噪效果,通过惯导算例进一步验证EMD方法的实效性。结果表明,相比小波方法,EMD消噪法能剔除异常噪声,可以更有效地抑制陀螺漂移。     

大坝变形监测数据的小波分析处理方法

引入小波分析方法对大坝变形监测数据的处理,实现了对离散型的变形数据的尺度分解,对变形趋势的分析。并且对变形数据在滤波、消噪等方面,对分解层次中的偶然误差特性分析,以及阀值的选取方法进行了比较,表明利用小波变换的方法对变形数据的分析处理是有效、可行的。     

多指标融合的小波去噪最佳分解尺度选择方法1

借助最小均方根误差、信噪比及光滑度变化随小波分解尺度增加的收敛特性,提出了一种多指标融合的小波去噪最佳分解尺度选择方法。该方法利用信息熵来融合小波去噪过程中不同方面的变化特征,能够更全面地反映小波去噪结果与分解尺度间的对应关系;通过定量识别融合指标变化的拐点,能够有效识别小波去噪的最佳分解尺度。针对不同类型的去噪信号进行实验分析并与现有方法进行比较,验证了本文提出方法的有效性与优越性。     

一种可靠的小波去噪质量评价指标

针对传统评价指标应用于小波去噪质量评价的局限性,提出了一种复合评价指标。将各备选参数的去噪信号的均方根误差与平滑度进行归一化操作,利用变异系数定权的方法将两种指标线性组合,所得到的新指标即为复合评价指标。该指标值越小,表明其去噪效果越好,所选参数越优。理论分析证明该指标具有明确的几何和物理意义,确定了信号细节信息和逼近信息的最佳比例;多组数据分析表明该方法所确定的最佳去噪信号效果较好,简单快速且准确率高。因此,该方法是一种可靠的小波去噪质量评价指标,可以解决小波分析中诸如分解层次、小波基函数等最优参数选择的问题,服务于工程实践。     

基于小波阈值的海洋磁力测量数据消噪方法

波浪噪声和随机噪声是影响海洋磁力测量数据处理精度的重要因素。基于小波变换理论,研究了海洋磁力测量数据中的波浪和随机噪声的消除方法。首先对带有噪声的实测磁异常数据进行频谱分析,确定相应的多分辨分析尺度。分别采用滑动拟合法、基于小波高频系数置零的消噪方法、基于小波阈值消噪方法进行消噪计算。实例计算表明:基于小波阈值消噪方法能够将磁异常中的噪声和真实的高频信息分离开来,进一步提高了消噪的精度和可靠性。     

经验模式分解的尺度阈值滤波在变形分析中的应用

本文将信号处理领域的经验模式分解算法应用于变形信息的提取中,通过引入阈值函数,建立了基于经验模式分解的尺度阈值滤波模型,采用优化模型确定了经验模式分解的次数。分别通过模拟试验和实测数据与小波阈值法和多项式拟合法进行了比对,分析表明:在低噪声情况下,三种方法都有一定的滤波效果;在高噪声情况下,经验模式分解的尺度阈值滤波法具有与小波阈值去噪法相等的精度,而且瞬时强噪声识别能力更好,优于多项式拟合法。     

结合模平方的双树复小波变形监测数据滤波

针对变形监测数据的去噪问题,该文在分析离散小波变换去噪不足的基础上,提出了一种基于模平方的双树复小波变形监测数据滤波方法。该方法利用双树复小波变换的完全重构、近似平移不变性和较好的方向选择性等特点,通过最小尺度空间的小波系数得到噪声强度,并结合模平方处理法确定各层的阈值,经重构阈值处理后的各层小波系数即得到去噪后的信号;经算例,并与传统离散小波变换对比分析。结果表明:双树复小波变换的分解效果优于传统离散小波变换,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。该方法去噪更彻底,进一步提高了消噪的精度和可靠性,可作为变形监测数据降噪处理的新方法。     

变形监测信号消噪的不确定度

变形表现为一种弱信号,误差呈现为强噪声。小波包分解消噪是对分解中所得到的高频部分再继续细分,因此具有更精细的消噪能力。采用最优小波包基进行信号重构的过程中,信号有一定的损失。若将消噪过程近似成拟合,拟合误差符合正态分布,可以采用假设检验法估计信号重构误差的区间,进而确定信号重构误差的不确定度,评价小波包消噪的质量。     

基于小波去噪法的基坑监测数据处理

受各种因素影响,地铁基坑监测数据除含有真实变形信息外,还存在噪声。应用MATLAB实现小波分析对监测数据的去噪处理和粗差探测仿真实验。实例表明,选取恰当的小波基函数和小波分解层数,通过小波分析的带通滤波的功能,能够对原始信号有效分频,从而在不同尺度上将粗差和噪声分离达到识别的效果。去噪之后的信号曲线有较好的光滑性,更能反映基坑周边土体的变形规律。     

NINO3海面温度异常时间序列的小波分析

本文对连续小波变换和离散小波变换进行了简要介绍,对连续小波变换中小波函数与尺度的选取、小波尺度与Fourier频率的关系等进行了阐述。结合太平洋中部地区1871年至2005年6月期间NINO3海面温度异常时间序列进行了小波功率谱分析,提取了其时频特征,分析结果与主要厄尔尼诺和拉尼娜事件的发生时间吻合较好。最后,利用离散小波分解与重构对时间序列进行消噪处理,并对不同层数强制消噪效果进行了比较。     

小波消噪技术在非陀螺寻北系统中的应用

为消除基座扰动对非陀螺寻北系统测量精度的影响,采用小波消噪技术对系统的输出信号进行处理。提出了利用信号在多尺度下小波变换系数中,其有用信号为平稳信号,而干扰噪声的模极大值并不随小波分解尺度增加而减少的特性,来确定基座扰动在时域上的作用点,消除影响后再进行小波变换消噪的方法。通过实验证明,该方法能有效提高系统的寻北精度,并增强系统在大幅度基座扰动下快速寻北的鲁棒性。     

小波包多阈值去噪法及其在形变分析中的应用

在GPS变形监测领域,传统的小波去噪只保留低频上的有用信息,很容易去掉中频以及高频上的有用信息。小波包分析方法是近几年发展起来的一种新的小波分析方法,它同时考虑了各个频段上的有用信息,因此是一种更为精细的去噪方法。小波包去噪的关键是对小波包分解系数选取合适的阈值准则并进行阈值处理,但传统的小波包去噪并没有对此进行充分的研究。本文针对传统小波、小波包分析的不足,提出了一种基于频率顺序并依据信息类型分段的多阈值准则小波包去噪法。通过理论分析与实际应用,结果表明新方法能够高效剔除各频段的噪声,同时当采样频率较低时能有效保留去噪信号中频率高达10-1 Hz数量级的有用信息,其去噪能力优于传统的小波、小波包等其它去噪方法,因此可以广泛应用于高精度GPS变形监测领域中。     

动态变形数据的EMD卡尔曼滤波降噪模型

文章介绍了kalman滤波与经验模态分解的基本原理,定义了经验模态分解的多尺度分解与合成结构。结合kalman滤波与经验模态分解(EMD)理论提出一种新的动态变形数据降噪模型。文章首先对动态变形信号进行EMD分解,选择合适的高频分解模量进行kalman滤波降噪,然后进行经验模态重构获得降噪后的动态变形信号,达到降噪的效果;最后采用单历元解算的变形数据序列进行模型验证,并与小波降噪模型、直接EMD降噪模型对比,视觉评价与量化结果表明此方法最优。     

EEMD滤波技术在GPS动态监测数据去噪中的应用

为了削弱结构动态监测中GPS随机噪声的影响,本文研究了一种基于集成经验模态分解(EEMD)技术的滤波方法。根据信号自身尺度分解信号,基于分解产生的本征模态函数(IMF)的Fourier变换频谱特征,构造了EEMD时空滤波器。对不同信噪比的仿真非平稳数据进行去噪处理并与小波去噪法相比较,各项指标表明基于EEMD滤波器的去噪方法与小波去噪方法效果相当,但避免了小波基的选择,具有更大的自适应性。应用于GPS动态监测数据的去噪结果表明该方法能有效分解信号消除GPS高频噪声及低频噪声的影响,提取有用振动信号,为进一步结构分析提供有效数据。     

时序数据去噪中的小波策略及评价指标

引入评价时序数据去噪效果的均方根变化量、互相关系数、信噪比及平滑度4项指标,分析了不同小波策略的去噪效果与指标间的关系。结果表明,不同于小波分解重构阶段,小波策略阶段的去噪均方根误差与4项指标存在正相关趋势,且归一化后的综合指标与去噪均方根误差归一化值存在0.95的正相关性,在实测时序数据分析中,可用归一化后的综合指标代替未知的去噪均方根误差来评价去噪效果,并以去噪残差分布作为去噪可靠性定性指标。     

基于小波模极大值改进算法的变形模型研究

变形监测中获得的观测资料不可避免地存在着噪声,如何从受噪声干扰的数据序列中提取特征信息,提高变形监测的精度是变形监测系统所涉及的关键技术问题之一。本文把小波模极大值与变形监测相结合,给出了改进的小波模极大值变形监测模型。该模型把阈值去噪和Witkin尺度跟踪理论结合,有效恢复了信号。与传统的去噪方法相比,该算法有着更高的精度,提高了信噪比,有更好的去噪效果。     

地物反射率探测激光雷达回波信号的小波去噪

从能量、图形、统计多角度出发,提出了由信噪比、平滑度等6项指标组成的小波消噪效果评价体系,对各算法去噪后信号作出全面客观评价。实验结果表明,基于3σ准则的阈值法与模极大值法相结合的小波去噪方法可以有效地去除噪声,效果优于其他方法。     

基于小波消噪的动态灰色桥墩沉降预测模型

桥墩由于受到自重、活荷载、地面沉降等因素的影响,其沉降量数据中白噪声明显。通过选择RMSE、NSR等评价指标来建立相应的小波基函数,结合基于小波消噪技术的动态灰色理论预测模型,以动态新信息修正模型,进而对滤波后的估计值进行补偿以提高消噪效果。结果分析表明,该模型克服了传统预测模型的缺陷,改进了滤波效果,证明了该方法的可行性及有效性。     

小波去噪法在变形监测数据处理中的应用

以某组变形监测数据为研究对象,详细探讨了Matlab小波去噪函数中确定各种参数的方法,再通过得出的最佳参数对实验数据进行处理。结果表明,小波去噪有很好的数据处理能力。