局部均值分解和奇异值分解在GNSS站坐标时间序列信号降噪中的应用

为了有效地提取GNSS站坐标时间序列的有用信息，降低噪声干扰，本文提出一种局部均值分解和奇异值分解相结合的信号降噪方法，并利用5个测站的实测坐标时间序列对新方法进行了验证。首先通过局部均值分解将坐标时间序列分解成一系列PF分量和余项，然后利用连续均方误差方法确定高频分量与低频分量的分界点，保持低频分量不变，运用奇异值分解方法对高频分量进行降噪重构，最后将重构的高频分量与低频分量叠加得到最终的降噪坐标时间序列，并对降噪效果进行对比分析。结果表明，与单纯的奇异值分解方法相比，局部均值分解和奇异值分解相结合方法能够自适应地选择合适的奇异值个数进行信号重构，提高了降噪效果。     

改进局部均值分解及在建筑物变形监测中的应用

局部均值分解(Local Mean Decomposition,LMD)算法在对建筑物变形监测数据进行噪声抑制时存在端点效应及阈值设置困难问题,提出一种基于噪声辅助和奇异值分解(Singular Value Decomposi-tion,SVD)改进的LMD噪声抑制方法,首先通过对原始变形数据加入受控高斯白噪声再进行LMD分解的方式解决传统LMD方法的端点效应问题,然后利用连续熵差值特征确定LMD分解的高频分量和低频分量分界点,其中低频分量为变形趋势信息,高频分量包含噪声分量和变形信息,最后利用SVD对高频分量进行噪声抑制,并将其与低频分量叠加得到噪声抑制后的建筑物变形信息.采用仿真数据和实际工程实例对所提方法的噪声抑制性能进行验证,结果表明相对于传统LMD方法,经验模态分解方法(Empirical Mode Decomposition,EMD),所提方法可以获得更好的噪声抑制性能,能够明显提升建筑物变形预测精度.     

联合VMD和Bi-LSTM的GNSS坐标时序降噪

针对GNSS坐标时间序列中的噪声难以有效去除等问题,构建了一种联合变分模态分解和双向长短期记忆模型的方法用以去除GNSS坐标时间序列中的噪声。将GNSS坐标时间序列分解为k个本征模态函数分量,并根据样本熵选择出有效的模态分量,分别通过双向长短期记忆网络处理,最后将信号进行合成。以BJFS等12个具有较长时间序列且数据完整性较好的GNSS站点坐标数据为例,对坐标时间序列进行降噪。将该方法与传统的分解方法进行对比分析,发现在E、N、U方向上,相比于单一变分模态分解,速度不确定度改正率分别提高了11.03%、4.60%、7.39%,相比于经验模态分解分别提高了31.70%、27.70%、24.42%。结果表明该方法能够更好地去除信号中的噪声,且优于传统分解方法,可提高信号可靠性。     

高频GNSS信号去噪的小波和多方向主成分分析

针对传统主成分分析(PCA)忽视测站各坐标分量之间相关性的问题,提出了一种小波去噪和多方向主成分分析(WD-MPCA)组合的方法. 该方法弥补了传统PCA的缺陷,与经验模态分解和主成分分析(EMD-PCA)组合方法及小波去噪和主成分分析(WD-PCA)组合方法相比,WD-MPCA组合方法精度最高. 经WD-MPCA组合方法去噪后,其平均中误差分别为0.83 mm、0.85 mm和8.30 mm,比原始坐标残差时间序列的平均中误差分别降低了81.14%、81.91%和40.37%. WD-MPCA组合方法充分考虑了各测站不同分量之间的相关性,可以有效去除信号中的高频随机白噪声(WN)和低频有色噪声(CN),这对高频全球卫星导航系统(GNSS)技术的实际应用和理论发展具有重要的意义.      

一种基于噪声统计特性的改进EMD降噪方法

GPS高程时间序列中通常都含有噪声，容易对GPS信号解算精度造成影响。针对这一问题，本文基于噪声统计特性，提出了一种改进的EMD降噪方法。首先将信号进行EMD分解，得到低频信号与高频噪声两个部分；然后将高频噪声部分随机打乱两次，并与原始高频噪声累加，求取平均值；最后与低频信号累加，构成一个新的信号再次进行EMD分解，提取出有用信号。最终利用模拟数据和WUHN站实测GPS高程时间序列数据对该方法进行验证。试验结果表明，当信噪比较高时，本文方法得到的降噪效果更佳。     

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。     

变分模态分解及能量熵在地心运动降噪中的应用

针对地心运动时间序列噪声种类复杂，随机性强，信号与噪声难以有效分离等问题，本文采用网平移法对IGS站周解进行解算，得到2012-2018年的地心运动时间序列，并提出了一种基于变分模态分解（VMD）及能量熵的地心运动时间序列降噪方法。首先，对各方向时间序列进行VMD分解，获得各方向高频依次到低频的时间序列分量；然后，计算每个变分模态分量的能量熵，辨识出噪声与信号的分界，并将信号分量进行重构，得到降噪后的地心运动时间序列；最后，通过与基于EMD和EEMD的降噪方法对比，从相关系数、信噪比、剩余能量百分比、方差贡献率等参数评价指标上定量说明该方法对地心运动时间序列降噪表现出更好的降噪效果。     

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。     

EMD-IVMD方法在验潮站水位序列降噪中的应用

针对验潮站水位变化序列非线性、非平稳特点，采用一种基于优化参数的变分模态分解和经验模态分解相结合的降噪方法。该方法先经过EMD分解原始信号后，得到低频和高频信号两个部分，再采用IVMD方法处理高频噪声部分，最后将两部分有效低频信号重构作为最终降噪信号。采用1组模拟数据和4个验潮站实测水位序列数据进行实验，并采用信噪比和均方根误差评价降噪效果，结果表明，EMD-IVMD方法明显优于EEMD和传统的EMD方法，该方法在信噪比精度指标上分别提升1.67%和1.52%,在均方根误差精度指标上分别提升9.59%和13.51%,验证该方法的有效性和可靠性。     

基于ICEEMD-ICA与MDP准则的变形监测数据去噪方法

针对经验模态分解(empirical mode decomposition,EMD)方法存在信噪分离不准确的缺陷,以及独立分量分析(independent component analysis,ICA)存在不确定性的问题,提出了一种改进完备集成经验模态分解(improved complete ensemble empirical mode decomposition, ICEEMD)、ICA与最小失真准则(minimal distortion principle,MDP)相结合进行变形数据去噪的方法。首先,使用ICEEMD方法对变形监测数据进行有效分解,并以此构建虚拟噪声信号;其次,对虚拟噪声进行二次ICEEMD分解,提取更接近真实噪声的二次虚拟噪声信号,再以二次虚拟噪声和原变形数据组成输入观测通道,使用ICA进行处理;然后,通过计算ICA处理后的独立分量与输入信号的相关系数,解决独立分量的排序不确定性与相位不确定性问题;最后,使用MDP准则有效解决了独立分量的幅值不确定性。对加噪仿真数据和实际桥梁GNSS变形监测数据进行详细分析,结果表明,所提方法可取得良好的去噪效果,有效提升去噪的性能指标,充分验证了所提方法在变形监测数据去噪中具备的可行性和有效性。     

利用MSMPCA去噪的CEEMD方法监测高频GNSS同震形变

考虑到全球导航卫星系统(global navigation satellite system,GNSS)地震信号的非线性和非平稳性,利用一种多尺度多方向主成分分析(multiscale multiway principal component analysis,MSMPCA)去噪的完备总体经验模态分解(complete...     

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。     

联合EMD-HD和小波分解的GNSS坐标时间序列降噪分析EI北大核心CSCD

针对经验模态分解(empirical mode decomposition,EMD)在GNSS坐标时间序列的降噪过程中存在筛选准则的选取和模态混叠效应等问题,本文引入Hausdorff距离(Hausdorff distance,HD)筛选准则并结合小波分解(wavelet decomposition,WD),提出EMD-HD&WD算法。通过对我国大陆构造环境监测网络149个GNSS测站的垂向坐标时间序列降噪处理,分别利用复合指标T值、测站的速度不确定度和闪烁噪声振幅验证算法的可靠性和普适性。结果显示:HD优于现有的筛选准则;EMD-HD&WD算法对测站的速度不确定度和闪烁噪声振幅的平均改正率均为88.4%。分析表明,本文算法能够有效识别和剔除噪声并且改善EMD的模态混叠效应,提高GNSS垂向坐标时间序列的模型精度。     

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ICEEMDAN与环境负载的GNSS坐标时序非线性形变去除

非线性形变影响全球卫星导航系统(GNSS)坐标时序精度. 采用改进的自适应噪声总体集合经验模态分解(ICEEMDAN)和环境负载改正相结合的方法开展GNSS测站非线性形变去除研究. 首先使用GMIS软件将GNSS坐标时序补充完整并去除粗差,然后使用ICEEMDAN方法对GNSS坐标时序进行分解,使用排列熵算法选取包含噪声和非线性形变的高频分量,最后使用环境负载对高频分量进行去除,利用经验模态分解(EMD)方法和环境负载结合的方法进行去除效果对比. 研究结果表明:非线性形变去除后的GNSS坐标时序均方根(RMS)变化各有区别,垂向(U)方向最为明显,最大值达6.715 mm,东(E)方向次之,北(N)方向最小;ICEEMDAN方法和环境负载改正结合后N方向的非线性形变全部得到了削弱,E方向的非线性形变有75％得到了削弱,U方向的非线性形变有62.5％得到了削弱,其改正效果优于EMD方法和环境负载结合的改正效果.      

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。     

手机GNSS数据质量提取的变分模态分解法

观测噪声提取是数据质量分析与随机模型构建的基础。当前手机GNSS观测噪声提取主要采用三阶差分法与历元间差分法,这些方法的提取结果都会受到卫星相关性和历元间相关性的影响。本文提出结合变分模态分解(variational mode decomposition,VMD)提取手机观测噪声的方法。模拟分解试验表明:VMD能够较好地对混合信号进行分解。提取小米8手机GNSS观测噪声并进行分析,结果表明:GPS、BDS和Galileo 3系统伪距观测噪声计算结果一致,GLONASS系统伪距噪声大约是其他系统的两倍,四系统的载波观测噪声相当,手机GNSS观测噪声与Android系统版本无关。相比于高度角随机模型,载噪比随机模型更适用于手机GNSS定位。利用数据质量提取结果拟合载噪比随机模型,并进行定位试验。定位结果表明:相对于高度角随机模型,采用载噪比随机模型后手机伪距单点定位效果能提升25%以上。手机PPP平面定位结果能收敛至0.6 m以内,高程定位精度收敛至1.2 m以内。