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。     

利用经验模态分解和主成分分析的SAR图像相干斑抑制

对SAR图像应用对数加性噪声模型,将经验模态分解(Empirical mode decomposition, EMD)与主成分分析(Principal Component Analysis, PCA)相结合,提出了一种基于PCA的EMD相干斑抑制算法。根据对数SAR图像中相干斑噪声的统计特性和高斯白噪声经EMD分解后的能量分布模型,近似估算SAR图像经EMD分解后各层内蕴模态函数中所含噪声的能量;将内蕴模态函数利用PCA进行分解,根据PCA对含噪信号的分解特性和内蕴模态函数中噪声能量所占的比例,选择合适的成分分量重构内蕴模态函数,以进一步去除噪声保留有用的细节信息。仿真实验结果表明,本文方法在有效抑制相干斑噪声的同时可以较好地保持边缘纹理细节的清晰。     

惯性导航EEMD区间阈值降噪方法

陀螺随机误差是影响惯性导航系统精度的主要因素。在经验模态分解（EMD）和阈值降噪的基础上,提出一种基于集合经验模态分解（EEMD）的区间阈值的陀螺信号降噪方法。该方法利用EEMD方法将陀螺信号分解多个本征模态函数（IMF）分量和1个残余分量,基于信号和IMF分量的概率密度函数的2范数距离方法剔除纯噪声IMF分量,利用改进的区间阈值降噪方法实现信号的降噪。仿真和实测试验表明,该方法不仅能有效抑制EMD中的模态混叠问题,而且能有效削弱陀螺的随机误差,从而提高惯性导航系统的精度和可靠性。     

经验模态分解阈值消噪方法及其在惯性导航系统数据处理中的应用

针对惯性元件误差中有色噪声影响远大于白噪声的情况,建立元件误差的分形高斯噪声模型,利用功率谱密度方法估计模型参数。基于噪声模型推导经验模分解(EMD)的各固有模态函数(IMF)分量中噪声的方差,以此估计各分量相应的阈值,建立EMD阈值消噪方法。将该方法应用于INS中,并与小波阈值法进行比较。结果表明,小波阈值法难以控制元件中有色噪声的影响,EMD阈值法与噪声模型紧密结合,能够更有效地削弱元件中的随机误差,提高INS精度。     

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。     

GPS短基线精化解算方法比较分析

为了提高单频GPS短基线解算的精度,削弱非模型化误差对于解算的影响,引入了小波分析和经验模式分解法(EMD)对原始双差观测值进行滤波消噪。利用实验数据评价了小波函数和EMD在信号消噪方面的能力。结果表明:EMD和小波方法均能够起到噪声分离的作用,但EMD比小波方法更直接,且不受小波基选择和分解层数的影响。     

基于EMD-自适应滤波的干涉图去噪方法研究

提出了一种基于EMD-自适应滤波干涉图去噪方法,该方法基于信号和噪声经过经验模态分解后在不同的IMF上有不同的特征,即先对信号进行经验模态分解,然后对各个高频IMF信号分别选用不同的滤波梯度参数进行自适应滤波处理,从初始干涉图上减去与斑点噪声所对应尺度信息,从而达到噪声抑制的目的。通过实验对比研究了该算法与Goldstein滤波、圆周期中值滤波、EMD分解方法和梯度-自适应滤波去噪的降噪效果。实验表明,该方法不仅能有效地去除InSAR干涉图的噪声,并且能很好地保持相位的细节信息和条纹的边缘信息。     

结合NSCT和KPCA的高光谱遥感图像去噪

针对高光谱遥感图像易受噪声干扰,本文提出了一种基于非下采样Contourlet变换NSCT(Nonsubsampled Contourlet Transform)和核主成分分析KPCA(Kernel Principal Component Analysis)的去噪方法。首先对高光谱各波段图像进行NSCT分解;然后利用KPCA对NSCT系数进行处理,并在KPCA重构时依据各类噪声的特性选取合适的主成分;最后用处理过的系数进行逆变换得到去噪图像。实验结果表明,本文方法抑制了高光谱遥感图像中的噪声干扰,较完整地保留了原始数据的有效信息。     

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。     

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。     

桥梁GNSS-RTK变形监测数据的多滤波联合去噪处理

针对桥梁GNSS-RTK变形监测中多路径效应和随机噪声的影响，提出了一种基于Chebyshev滤波和自适应噪声的完备集合经验模态分解（CEEMDAN），以及小波阈值（WT）降噪技术的多滤波联合降噪方法。该方法首先对监测信号实施Chebyshev滤波抑制多路径效应；然后进行CEEMDAN分解，基于自相关性分析，对噪声IMF分量进行WT降噪去除随机噪声。本文以天津海河大桥GNSS-RTK变形监测作为试验，对监测数据进行多滤波降噪处理。结果表明：本文所提的多滤波降噪方法能有效抑制多路径效应和随机噪声，GNSS-RTK与多滤波降噪相结合的方法能够准确识别桥梁真实动态位移，为桥梁GNSS-RTK监测数据降噪处理提供了一种良好的途径。     

基于ICEEMDAN的多滤波算法在超高层动态变形监测中的应用

针对监测数据中存在多路径误差和随机噪声的问题,本文提出了一种基于改进的带有自适应噪声的完备集合经验模式分解(ICEEMDAN)、小波包分解(WP),以及递归最小二乘算法(RLS)的联合滤波算法(IWPR)。该算法首先对原始信号进行ICEEMDAN分解,得到一系列本征模态函数(IMF)分量;然后基于标准化模量的累积均值将IMF划分为高频IMF和低频IMF;最后考虑相关系数,利用WP和RLS分别对高频IMF、低频IMF进行去噪,重构两者降噪信号,获得动态位移响应。结果表明:相对于单一算法EMD、CEEMDAN、ICEEMDAN等,IWPR算法能够更有效地消除多路径误差和随机噪声,从而提高超高层GNSS RTK监测数据的精度。     

三种GNSS高程时序降噪方法的效果对比分析

为了探究经验模态分解(EMD)、整体经验模态分解(EEMD)和小波降噪三种方法的降噪性能,以中国区6个国际GNSS服务(IGS)站高程分量的5?a、10?a和20?a时序数据为例,对它们的降噪结果进行比较分析.?首先利用线性拟合分离趋势项,并采用3σ准则剔除异常值,得到满足符合降噪要求的样本序列;然后分别用这三种方法分...     

基于CEEMD-Wavelet-SavGol模型的GPS多路径修正算法

针对GPS多路径提取过程中EMD算法存在模态混叠效应及小波（Wavelet）去噪局限性的问题,提出了一种基于CEEMD-Wavelet-SavGol模型的多路径提取算法。为了能够充分提取高频和低频中的有用信息,该算法利用完备经验模态分解（CEEMD）对信号进行分解,得到一系列从高频到低频的模态函数（IMF）,并根据模量标准化累计均值法对尺度进行区分,然后分别采用Wavelet和SavGol滤波对高频分量和低频分量进行降噪,将降噪后的IMF进行重构,得到降噪后的信号。最后将该模型用于GPS多路径误差提取的实例中,并与Wavelet、EMD、CEEMD模型进行对比,证明了新模型的有效性。     

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。     

EMD-Wavelet-ICA耦合模型及其在GPS坐标序列降噪中的应用

在分析比较经验模态分解(EMD)、小波变换(Wavelet)和独立分量分析(ICA)优缺点的基础上,提出一种新的EMD-Wavelet-ICA耦合模型。该模型充分利用了EMD的自适应性,对原始信号进行分解获得不同频率的模态函数(IMF),采用标准化模量的累计均值对IMF进行尺度划分;进而分别采用Wavelet和ICA对高频和低频IMF进行降噪,将降噪后的IMF进行多尺度重构,获得降噪后的信号;采用信噪比、标准差、偏差和相关系数等指标对降噪效果进行评价。仿真数据和GPS坐标序列的处理结果表明:与EMD模型和EMD-ICA模型相比,新模型的标准差、偏差均有不同程度的减小;信噪比和相关系数有一定程度的增大,可以获得更好的降噪效果。