受外界随机干扰影响的光纤陀螺信号分析与处理

针对受外界随机干扰影响的光纤陀螺信号进行分析并作了相应处理。分别比较了小波变换和建立在AR模型基础上的Kalman滤波两种滤波方法,并用实测数据进行验证。结果表明,相对于小波变换,建立在AR模型基础上的Kalman滤波不仅能够削弱有色噪声的影响,还能够部分削弱高频噪声的影响,滤波效果较好;将小波变换和Kalman滤波两种方法的优点结合起来,可以获得更好的滤波效果,有效地削弱了信号中各种干扰噪声的影响。     

基于高阶AR模型的陀螺随机漂移模型

陀螺随机漂移是影响惯性导航和组合导航精度的重要因素。首先用周期函数拟合和小波变换两种方法分别对随机漂移中的周期噪声进行分析和处理;然后对相关噪声建立高阶AR模型;最后将该模型应用在GPS／INS组合导航Kalman滤波中,并对结果进行分析和比较。结果表明,相比于周期函数拟合,小渡变换不仅能够更好地削弱周期噪声的影响,还能够削弱高频白噪声的影响;相比于一阶马尔科夫过程,高阶AR模型能够更好地描述随机漂移中的相关噪声;基于小渡变换和高阶AR模型的GPS／INS组合导航具有明显的优势。     

顾及有色噪声的光纤陀螺信号的抗差谱分析

在惯导系统中，对光纤陀螺仪的零位漂移一般采取滤波的方法对其进行补偿或削弱。本文针对信号中含有低频有色噪声，在Kalman滤波和小波变换消噪不理想的情况下，提出一种新的处理零位漂移的方法。首先对信号中的有色噪声进行拟合和预报，然后对信号进行抗差谱分析，以期将有用信号、有色噪声以及周期噪声分离开。利用模拟数据对该方法进行验证，发现该方法能够剔除信号中的周期噪声，并能够削弱有色噪声的影响。     

联合区域叠加滤波法与小波变换去除GPS站坐标时间序列噪声

GPS站坐标时间序列中存在的周期性与非周期性误差严重影响了对测站运动特征的分析及其非线性变化的物理机制解释。因此,为削弱噪声的影响,本文首先利用区域叠加滤波法去除了南加利福尼亚地区16个测站时间序列的共模误差,以此削弱时间序列中存在的包括周年和半周年误差在内的周期性误差。为去除滤波后残留的噪声,对滤波后的信号进行静态离散小波变换,提取了周期为半周年以上的信号。结果表明,联合区域叠加滤波法与小波变换对GPS站坐标时间序列进行处理,既能够削弱周期性误差对信号的影响,又能较好地提取测站的非线性运动信号。     

基于复小波变换的SAR图像斑点滤波方法

斑点噪声的存在使得SAR图像的应用受到较大的限制.文中首先介绍了SAR图像斑点噪声模型以及几种常用的SAR斑点噪声抑制方法;然后对小波变换斑点噪声滤波方法进行分析,提出了基于二元树复小波变换的SAR图像滤波方法.实验比较表明,二元树复小波变换抑制SAR斑点噪声效果明显,较小波变换更具有优越性.     

基于复小波变换的SAR图像斑点滤波方法

斑点噪声的存在使得SAR图像的应用受到较大的限制.文中首先介绍了SAR图像斑点噪声模型以及几种常用的SAR斑点噪声抑制方法;然后对小波变换斑点噪声滤波方法进行分析,提出了基于二元树复小波变换的SAR图像滤波方法.实验比较表明,二元树复小波变换抑制SAR斑点噪声效果明显,较小波变换更具有优越性.     

基于小波的GPS基线解算精化处理技术及其应用

采用小波技术对GPS信号进行处理,提出基于小波变换的周跳与粗差的探测.利用基于小波变换的小波滤波法对于提高GPS双差相位观测值的信噪比具有较好的效果,对其相位观测值进行小波滤波,消除或削弱多路径效应和各种观测噪声,使其观测值得以净化.这种方法对于缩小模糊度搜索空间及提高模糊度解的有效性有明显的作用,从而提高基线解算的精度.     

干涉复小波复数域双变量滤波算法

针对复小波双变量滤波模型仅考虑小波复系数实部,忽略了系数的虚部,导致信号相位噪声的增加而影响滤波效果的问题,提出基于复小波变换的复数域双变量模型干涉图滤波算法。该算法将双变量贝叶斯估计算法从实数域推广到了复数域,用噪声复系数概率密度函数刻画了小波复系数实部与虚部的相关性,根据小波分解复系数来估计噪声方差和信号方差,建立了复小波复数域双变量滤波模型,求得了干涉图复系数的贝叶斯估计。试验结果表明,本算法对干涉图噪声有较强的抑制能力,保留了干涉图的边缘及细节信息,滤波性能优于传统的实数域复小波双变量滤波、Goldstein滤波、单小波滤波和最优化融合滤波方法。     

GPS多路径误差滤波方法比较研究

基于GPS多路径时间序列,分别采用Vondrak滤波、经验模式分解(EMD)和小波滤波3种方法构建了GPS多路径误差修正模型,并将其用于削弱多路径效应.通过对模拟数据及实测数据的分析表明,3种方法都能有效地分离不同噪声水平下时间序列中的信号和噪声.同时,利用3种方法构建的多路径修正模型可有效地削弱多路径效应的影响,提高GPS定位精度,但3种方法的优缺点各有不同.     

基于经验模式分解的滤波去噪法及其在GPS多路径效应中的应用

经验模式分解(Empirical Mode Decomposition,EMD)是一种新的信号处理技术,它是基于数据本身的,且能在空间域中将信号进行分解,从而可以区分噪声和有用信号。根据EMD分解白噪声而得到的本征模式函数(IMF)分量的能量密度与其平均周期的乘积为一常量这一特性,建立一种新的基于EMD滤波去噪方法,并将该方法应用于GPS多路径效应的研究中。通过对模拟数据与GPS实测数据的处理分析,得出以下主要结论:①EMD滤波去噪法与小波方法都能最大限度地削弱测量的随机误差,但EMD滤波去噪法比小波方法更直接,且不受测不准原理及小波函数选择的影响;②相比小波方法,EMD能够更有效地剔除瞬时强噪声,从而能够提取更精确的多路径效应重复性误差改正模型。