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。     

大桥几何监测数据去噪方法研究

提出并优化了EMD小波组合去噪法对大桥监测结果进行去噪的过程,并与EMD去噪法、小波阈值去噪法进行比较。结果表明,优化的EMD小波去噪法是一种高效的大桥动态监测信号去噪方法,去噪效果最好。     

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。     

一种新小波阈值算法的变形监测数据去噪方法

针对传统小波阈值去噪算法中阈值估计不足的问题,在推导出高频信号中噪声影响幅度按1/2的规律逐渐减小后,提出一种新小波阈值估计算法,并将其应用于变形监测数据的去噪处理。理论分析和工程实例均表明,本文方法能够有效地克服软阈值法存在的恒定偏差,进一步提高去噪的精度和可靠性。     

基于CEEMDAN和小波包多阈值的GNSS高程时间序列去噪方法

为提高GNSS高程时间序列的去噪效果,以仿真信号和拉萨站2000~2020年高程时间序列为例,采用自适应噪声完备集合经验模态分解（complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN）方法将信号分解成若干个特征模态函数（intrinsic mode function,IMF）,对每个IMF分量进行小波包多阈值分解,依据不同节点能量占IMF总能量百分比选择不同的阈值准则,将降噪后的节点重构得到降噪后的IMF分量,进而得到降噪后的时间序列。利用信噪比、均方根误差等指标对比分析本文方法、EMD、CEEMDAN、小波去噪和小波包多阈值去噪等5种方法的去噪效果。结果表明,本文方法效果最优。     

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。     

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。     

一种改进小波阈值去噪方法的研究

针对传统小波阈值去噪分析的不足,分别从两个方面进行改进：1）根据小波系数在各尺度上的相关性,提出基于Lip指数阈值寻优的新方法;2）用构造的新小波阈值函数处理小波系数,克服了软阈值的高阶不可导和硬阈值函数的不连续,且计算方便。最后使用新方法对一组离散变形数据进行去噪处理,验证了其有效性和优越性。     

基于点云去噪的球形标靶中心拟合研究

以球形标靶作为同名特征点进行点云数据配准时，若标靶附近有干扰物或扫描的标靶点云含有大量噪声，会对点云配准质量造成很大影响。针对目前点云配准对标靶自身噪声有所忽略的问题，分析球形标靶的特点，探讨小波阈值去噪方法的适用性，并对去噪小波基函数的选取进行实验，提出球形标靶点云离散噪声小波阈值去噪方法。实验表明，标靶自身点云的去噪不可忽视。分析结果表明，该方法能够更有效地滤除球面外围粗差噪声，单个球形标靶的中心位置拟合精度提高约0.8 mm，相较标靶球未经去噪的拼接结果，扫描物特征检查点的坐标拼接误差减小约5 mm，点云总体配准精度提升约20％，是一种有效的点云数据配准预处理方法。     

基于小波分析的低信噪比天气雷达回波弱信号提取

针对低信噪比环境下的天气雷达回波弱信号提取问题,提出一种基于小波分析的弱信号提取算法。利用dbN小波函数对雷达回波进行小波域处理并重构信号,提取雷达回波信号的联合时频特征,并且使用FIR滤波方法和小波分析两种算法对数据去噪,得到两种算法在不同信噪比下的信噪比输出以及信噪比改善,证明在低信噪比环境下,小波分析算法的有效性和优越性。     

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。     

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。     

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。     

基于二维小波自适应阈值的海洋磁场资料去噪方法

构建海洋三维磁空间背景场模型时，解析延拓是实现不同高度磁场数据相互转换的关键。针对向下延拓数据中的高频信息极易被延拓算子放大，并包含在延拓后的磁场资料中，降低了三维磁空间背景场模型的构建精度，引入二维小波自适应阈值去噪方法，在不同小波分解阶层中设定自适应阈值，在向下延拓前去除磁测数据中的高频噪声，改善向下延拓结果。理论模型试验与实例分析表明，在不同噪声条件下，二维小波自适应阈值法可有效提高数据的信噪比，去噪效果优于传统的快速傅里叶（FFT）平滑法，从而有效改善频域迭代向下延拓结果，为三维磁空间背景场模型构建提供基础。     

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。     

改进阈值函数的提升小波在人工震源数据处理中的应用

针对由于软阈值函数存在恒定偏差及硬阈值函数存在不连续,从而导致信号去噪精度较低及出现伪吉布斯现象的问题,提出一种改进的阈值函数,并从数学上证明其连续性、渐进性及偏差性。将本文阈值函数用于加入了高斯白噪声的4种仿真信号中发现,其不仅可提升信号的信噪比,还可弥补由软、硬阈值函数引起的信号失真、震荡等缺点。将本文提出的阈值函数运用于气枪人工震源,可得到与仿真信号一致的结论,同时与带通滤波相比,本文提出的方法能够完整保留信号的相位与幅值信息,证明本文改进的阈值函数在提升气枪人工震源信号的信噪比方面具有一定的可行性。     

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。     

宽城台定点形变气压干扰小波分析及干扰排除

通过小波分解对宽城台定点形变仪器受气压干扰的典型事件进行分析,得出气压干扰在不同频段对不同仪器的干扰特征,并通过小波阈值去噪对各测项受气压干扰的观测数据进行干扰排除,取得较好的效果。     

Curvelet变换在位场数据去噪中的应用

为了解Curvelet变换在位场数据去噪处理中的效果,从Curvelet 变换的原理着手,通过对多矩形棱柱体模型进行Curvelet变换去噪和普遍应用的小波阈值去噪试验对比,验证了Curvelet变换去噪的有效性问题。将其应用于实测位场数据的处理中,取得了较好的效果。理论和实测数据的处理结果都表明, Curvelet变换在位场数据的去噪处理中是可行有效的。     

结合CEEMDAN的改进小波阈值地下水温观测数据去噪方法

提出一种结合自适应噪声完备集合经验模态分解方法(CEEMDAN)的改进小波阈值降噪算法,用于地下水温观测数据的去噪。在利用该方法与传统的去噪方法分别对仿真信号进行降噪后发现,该去噪方法性能更优,并且在对实际采集到的含有噪声及异常突变的地下水温数据进行处理方面,也展现出比传统单一滤波手段更好的效果。