GPS动态监测数据优化分析及变形特征的提取

GPS变形监测系统中的监测点的观测资料是与时间有关的信号序列,本文研究应用小波分析优化流程,结合苏通大桥GPS变形监测系统获取的监测点数据序列进行分析。结果表明,选择合适的小波基函数,对数据信号进行小波分解与重构,可以有效地从受到强噪声干扰的监测数据序列中提取有用的特征信号,较好解决了传统处理技术对GPS动态观测数据去噪以及特征信息提取的局限性。     

测量平差系统病态性对数据处理的影响分析

病态性在测量数据处理等许多工程领域中大量存在。本文从数值计算和参数解的统计性质两方面分析了病态性对经典Gauss-Markov平差模型数据处理的不良影响。     

建筑GPS变形监测中小波分析的应用

在建筑的变形监测中,GPS观测数据中的噪声会对结果造成影响,可以利用小波变换的方法来去除噪声,提高结果精度。本文结合实例,分析了小波分析在建筑GPS变形监测中的应用,提出了一种评价小波去噪效果的新指标,表明利用小波去除噪声可以有效地提高GPS变形监测的精度。     

多源重力数据球冠谐模型抗差融合法

提出了一种基于球冠谐模型的抗差岭估计数据融合算法,并通过数值计算对算法的有效性进行验证。结果表明融合后的球冠谐模型不仅能够抵抗系数阵的病态性,而且能够有效地消除观测粗差的影响。最后就观测噪声大小对融合结果的影响进行了探讨。     

主成分分析模型及在变形监测中的应用

随机误差和多径效应作为GPS变形监测中的主要误差源,严重影响着GPS测量精度。针对这一问题,本文将主成分分析(Principal Component Analysis,PCA)模型引入GPS变形监测领域,首先利用传统PCA方法将测量数据转换至特征空间,通过剔除小特征值对应的特征向量实现对高斯分布随机噪声的抑制,然后将多径噪声作为色噪声进行分析,提出一种广义PCA方法利用多径噪声的时间相关性对其进行滤除,基于实际工程测试数据的实验结果表明,相对于传统的小波噪声抑制方法,所提方法可以获得更好的噪声抑制性能。     

改进的时间序列法用于边坡沉降分析与预测

运用数学模型或力学方法对变形监测数据进行分析与预测尤为必要,本文详细介绍了时间序列法中的差分自回归移动平均模型（ARIMA）、平稳性与白噪声检验、模型定阶与参数估计、模型检验与预测的过程,针对其预测的准确性会随着时间推移而降低的问题,提出了一种改进的时间序列法,通过建立一个动态的数据窗口,及时引入最新的数据信息更新计算模型参数,并对某轨道边坡工程的沉降监测数据进行了建模分析和对比预测。结果表明：改进后的方法提高了模型的预测精度,在实际工程中具有可行性和有效性。     

小波分析桥梁变形监测数据处理

本文针对桥梁变形监测数据噪声的特点,选取了合适的小波基函数,利用小波分析理论对变形监测数据进行粗差探测和去噪处理;研究了桥梁变形监测数据在小波分解高频系数下的细节特征和突变点,变形监测数据噪声的特点以及对桥梁变形监测数据的影响。通过分析发现,噪声较大的点通常出现在下沉周期中的个别拐点上,为桥梁的安全信息化施工提供指导。     

GM(1.1)模型在建筑物变形监测中的应用

通过对郑州市居民楼沉降变形监测数据进行处理,分别建立传统的GM(1.1)模型,新信息GM(1.1)模型,新陈代谢GM(1.1)模型,对三种模型进行分析与预报,比较的结果验证了新陈代谢GM(1.1)模型在建筑物沉降变形分析中的实用性、正确性和有效性。     

震前尼泊尔GPS速度场分析

针对多数GPS时间序列分析中未考虑与时间有关的噪声问题,该文利用GAMIT/GLOBK软件对尼泊尔地震前2011—2015年连续观测的GPS数据进行解算,对时间序列进行噪声分析,利用频谱分析法确定噪声模型,最后在考虑噪声特征下,利用时间序列分析软件CATS估算其周期性和站点速度场。结果表明:尼泊尔境内的连续站的最佳噪声模型是"白噪声+闪烁噪声";没考虑时间序列中时间相关的噪声,水平速度场估算误差被低估7~8倍;同时该区域GPS时间序列存在波峰较为一致的周期运动,区域内的水文荷载是造成该现象的主要原因,因此在研究该地区地壳构造运动时,必须考虑水文荷载等非构造运动带来的干扰。     

GPS时间序列分析软件CATS的安装与使用

介绍了GPS时间序列分析方法与理论,并对时间序列分析软件CATS的安装、使用及其基本原理进行了详细阐述。CATS主要使用的两种计算方法:频谱分析法和最大似然估计法;不同的噪声模型(主要是白噪声加有色噪声)来分析时间序列中的噪声以及它们对速度误差的影响。利用CATS可以方便的为研究者获得参数,进行上层研究。     

时空Kalman滤波在变形分析中的应用研究

时空Kalman滤波可对变形监测数据进行时空滤波去噪、数据插补和变形预测,本文利用时空Kalman滤波进行变形分析,从模型原理及试验两方面比较分析了Kriged Kalman filter(KKF)、space time Kalman filter(STKF)和spatio-temporal mixed effects(STME) 3种典型时空Kalman滤波模型的性能和适用性。结果表明:3种时空Kalman滤波模型均基于空间基函数及动力学模型组合形式描述时空数据的时空相关性,其主要差异在于空间变异的描述形式不同、空间基函数和状态转移矩阵构造过程不同及模型降维方法不同。在适用性方面,KKF模型更适合于稀疏测站的变形分析,STKF模型及STME模型更适合于海量测站的变形分析。在变形分析应用效果方面,3种时空Kalman滤波模型均具有较高精度的时空滤波去噪、数据插补和变形预测性能,其滤波结果相对于普通Kalman滤波结果的平均改善率为21.1%,其缺失数据插补结果相对于Hermite时间插值结果的平均改善率为42.4%,其空间预测结果相对于Kriging空间插值结果的平均改善率为65.3%,其对已知测站未来变形的时空预测结果相对于普通Kalman滤波时间预测结果的平均改善率为20.6%,其对非观测站点未来变形的时空预测结果相对于Kalman滤波+Kriging组合模型预测结果的平均改善率为20.5%。     

GNSS测站速度估计模型重建

获取准确的GNSS测站速度对于研究全球板块运动、地壳形变、地震活动及其地球动力学过程至关重要。为此,以GNSS基线解算后的基线向量作为观测值,重建了最小二乘综合速度解算模型和卡尔曼滤波速度估计模型。模型中,考虑了测站坐标、运动速度、年、半年周期项一同作为参数,在基线解网平差的同时,一并求解获取速度估值。同时,利用坐标时序分析的方法,顾及白噪声和幂律噪声的影响,对单日解坐标时间序列重建了时序速度拟合估计模型,以获取长期趋势项作为速度值。基于3种模型,对川滇地区中国地壳运动观测网络2010—2014年21个GPS基准站的观测数据进行了速度估计与对比分析。结果表明:3种模型所估计测站速度非常接近,差异基本处于0~1mm/a范围之内;速度估值中误差均在亚毫米水平。由此得出,3种速度估计模型具有本质的一致性,均可正确估计测站运动速度,能够满足高精度地壳形变研究的需要。     

变形分析中AR模型的精化

在变形分析中,为了考虑输入信号对变形体的影响及模型误差的干扰,提出顾及输入信号影响的半参数AR模型,并通过实验分析取得较好的建模和预报效果,达到对现有AR模型精化的目的.     

Statistical analysis of signal measurement in time-of-flight cameras

Three-dimensional imaging systems have evolved significantly in the last two decades due to increase in demand for tasks in the field of close range photogrammetry. The fast and growing need of 3D imaging devices has given rise to range image technology, especially time-of-flight (TOF) cameras, that provide direct measurement of distance between the camera and the targeted surface. A significant advantage of TOF devices over traditional range data sensors is their capability to provide frame rate range data over a full image array. In phase shift TOF cameras, phase shift sampling of the received signal is used to measure amplitude, phase and the offset (intensity) of the received signal. As a result, the quality of the measurement of these sensors depends heavily on signal-to-noise (SNR) of the incoming signal and the subsequent processing algorithms. A detailed understanding of the statistical distributions of the measurement parameters is crucial for accurate distance measurement analysis especially in low SNR scenarios. In this paper, we provide explicit noise models for the three parameters of amplitude, phase and intensity. The proposed stochastic model helps in investigating the effect of noise on signal and classifying range data reliability in TOF cameras. The model is used for prediction of errors in a TOF camera under various SNR conditions. Experimental verification confirms the validity of the model using real data for range error classification under different noise conditions.     

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。     

一种基于分数阶变分的乘性噪声图像去噪模型

经典变分模型在去除乘性噪声的同时会产生纹理细节信息丢失现象。为解决这一问题,将分数阶变分模型与经典的TV模型相结合提出一种新的分数阶变分去噪模型,并利用梯度下降法求解该模型,数值实验表明:该模型较经典的去噪模型在去噪的同时可很好地保持图像边缘和纹理信息,同时对阶梯效应也有所抑制。     

基于小波消噪的时序分析改进法在GPS变形监测中的应用

考虑到小波技术在粗差探测、消噪方面有特殊的作用,本文结合实际算例,把小波分析与传统数据处理技术结合作为研究对象,提出一种基于小波消噪的时序分析改进法。并对这种处理方法在GPS监测中的应用作了充分地论证。结果表明,经过小波处理后,时序分析法在预报方面有明显的进步,小波处理后的时序分析法比小波处理前的精度高,从而说明了这种改进方法的可行性。     

航空重力向下延拓病态问题的求解

提出将广义岭估计用于求解航空重力向下延拓病态问题,研究了求解逆Poisson积分问题的3种正则化方法：Tikhonov正则化、岭估计和广义岭估计。利用EGM2008地球位模型设计模拟数值实验,将飞行高度处含白噪声的2.5′×2.5′重力扰动向下延拓至大地水准面上,与参考值作外部检验,全面检验、比较了各向下延拓方法的可靠性、精度和稳定性,数值结果表明基于多个最优正则化参数的广义岭估计在延拓精度、稳定性和抗差性等方面要显著优于基于单个正则化参数的Tikhonov法和岭估计。