变形测量异常数据处理中小波变换最佳级数的确定

综合分析数据去噪效果的4个分项评价指标,即数据的均方根差变化量、互相关系数、信噪比及平滑度,将各分项评价指标归化到0,1后相加得到总体评价指标,将总体评价指标最大值所对应的级数定义为小波分解与重构的最佳级数。模拟和实测两个算例验证了此方法的有效性。     

变形监测数据小波去噪分解尺度确定方法

小波去噪作为一种数据处理方法,分解尺度的选择对去噪效果有影响。在论述基于均方根误差变化率的方法、基于总体评价指标的综合法、多指标融合法和复合评价指标法4种小波去噪分解尺度确定方法的基础上,通过仿真实验和变形监测实测数据的去噪处理对比分析,结果表明,基于均方根误差变化率的方法对处理低噪声信号有良好效果,多指标融合法只能确定小波分解尺度的大致范围,基于总体评价指标的综合法和复合评价指标法可以准确判定小波分解尺度,且不受噪声影响。     

多指标融合的小波去噪最佳分解尺度选择方法1

借助最小均方根误差、信噪比及光滑度变化随小波分解尺度增加的收敛特性,提出了一种多指标融合的小波去噪最佳分解尺度选择方法。该方法利用信息熵来融合小波去噪过程中不同方面的变化特征,能够更全面地反映小波去噪结果与分解尺度间的对应关系;通过定量识别融合指标变化的拐点,能够有效识别小波去噪的最佳分解尺度。针对不同类型的去噪信号进行实验分析并与现有方法进行比较,验证了本文提出方法的有效性与优越性。     

一种可靠的小波去噪质量评价指标

针对传统评价指标应用于小波去噪质量评价的局限性,提出了一种复合评价指标。将各备选参数的去噪信号的均方根误差与平滑度进行归一化操作,利用变异系数定权的方法将两种指标线性组合,所得到的新指标即为复合评价指标。该指标值越小,表明其去噪效果越好,所选参数越优。理论分析证明该指标具有明确的几何和物理意义,确定了信号细节信息和逼近信息的最佳比例;多组数据分析表明该方法所确定的最佳去噪信号效果较好,简单快速且准确率高。因此,该方法是一种可靠的小波去噪质量评价指标,可以解决小波分析中诸如分解层次、小波基函数等最优参数选择的问题,服务于工程实践。     

小波阈值改进算法的遥感图像去噪

通过对于文献中已有小波阈值去噪方法的研究,结合已有的一些小波阈值去噪函数,提出了相应的小波阈值去噪的改进方法来完善和提高小波阈值去噪的处理能力和可行性。该阈值函数加入了有效的调整系数来控制函数的可变。该函数不但同时保留了相应的传统小波硬阈值、软阈值衍化的优点,也提高了相应精度指标。利用该函数阈值去噪不仅在经典的图像中起到很大的改善,在遥感图像的去噪处理方面也有明显的精度提高。该方法通过去噪评价指标均方差（MSE）,峰值信噪比（PSNR）,信噪比（SNR）,均方根误差（RMSE）进行去噪后图像的评价。该改进的阈值函数方法对于图像的处理后评价指标明显有所改善。     

利用小波去噪进行步态加速度信号预处理

针对步态识别方法中加速度信号的去噪问题,提出了一种利用复合评价指标及小波熵进行步态加速度信号小波去噪的参数优选方法。均方根误差和平滑度的变化率随小波分解层数的增加表现出单调性和负相关性,根据该特性使用改进熵权法构建了一种复合评价指标,通过构建的复合评价指标确定不同小波基处理步态信号时的最优分解层数,根据步态信号小波分解后低频系数的小波熵大小来确定每一分解层次的最优小波基。实验结果表明,所提方法确定的小波去噪方案可以满足步态信号研究的滤波要求。     

小波去噪效果评价的另一指标

给出了评价小波去噪效果的平滑度指标,分析了其均方误差、信噪比及平滑度,实现了评定小波去噪的质量.     

利用波形去噪算法的森林最大冠顶高估测研究

针对大光斑激光雷达回波信号噪声影响森林冠顶高估测精度,且回波分析法判定回波位置受限于平坦地区的问题,利用高斯低通滤波和小波去噪两种方法对GLAS波形进行去噪处理,提出了结合均方根倍差法和回波分析法来判定回波位置的有效算法。经小波去噪后信号的信噪比23.360 704,均方根误差为0.000 233 3,经均方根倍差法和回波分析法相结合来判定回波位置估测的冠顶高结果与实测结果相关性系数r值为0.864,效果均优于高斯低通滤波去噪。基于GLAS回波数据实验结果表明:小波去噪较好地实现了对回波信号的去噪处理,均方根倍差法和回波分析法相结合,实现了对坡度相对较大地区的GLAS波形的回波开始位置和地面回波位置的准确判定,对森林冠顶高的精确估算具有重要意义。     

地物反射率探测激光雷达回波信号的小波去噪

从能量、图形、统计多角度出发,提出了由信噪比、平滑度等6项指标组成的小波消噪效果评价体系,对各算法去噪后信号作出全面客观评价。实验结果表明,基于3σ准则的阈值法与模极大值法相结合的小波去噪方法可以有效地去除噪声,效果优于其他方法。     

桥梁索塔GPS监测信号的小波分析

针对EMD分解后直接舍去高频含噪信号可能会导致有用信息的丢失,以及小波阈值去噪中采用全局阈值去噪效果不完善等问题,该文提出了一种基于SSA的改进EMD-Wavelet耦合模型运用于桥梁索塔GPS监测信号去噪。即先对原始监测信号进行奇异谱分析,提取信号的趋势项和周期项,分析不同阶段的信号特性从而对其进行合理分段。在对经过EMD分解后的高频信号进行小波去噪时,根据信号的分段结果和给定的阈值计算函数进行分段分层取阈值。结果表明,该方法能很好地对原始坐标序列进行降噪,并且各项评价指标均优于SSA重构去噪法、EMD分解去噪法和EMD-Wavelet全局阈值去噪法,去噪效果更佳,这为索塔监测数据信号提取提供了有意义的参考。     

一种最佳基小波包变换的影像融合研究

在将小波包变换应用于影像融合的过程中,选择不同性质的小波包基,会得到不同效果的融合影像。如何在其中找到性质最好的小波包基,即最佳小波包基,并在此基础上实现影像的融合具有重要的意义。影像融合涉及到两幅影像,最佳小波包基的搜索需要在两棵小波包树上进行,而已有的最佳小波包基搜索算法只能在一棵小波包树上实现。本文提出了一种在两棵小波包树上搜索最佳小波包基的算法,并基于由此算法得到的最佳小波包基,实现了一种新的基于最佳基小波包变换的影像融合。试验结果表明:在采用基于特征的融合规则的条件下,该方法所得的融合影像,无论是在视觉效果上还是在评价指标上都优于由其他小波包变换方法(包括小波变换方法)得到的融合影像。     

基于Wallis滤波的改进小波去噪方法研究

边缘信息是影像最重要的高频信息,在去除噪声的同时应尽量保留。介绍一种改进的小波去噪方法,不仅大大减少了算法的时间复杂度,而且用Wallis滤波对小波变换后的小波系数进行处理,在进一步压制噪声的同时增强了影像的对比度。实验结果表明,该方法不仅效率高,而且能较好地突出细节信号,效果优于普通的小波阈值去噪。     

一种基于小波变换的GPS基线求解算法

在分析ＧＰＳ相位观测粗差,周跳及随机噪声的小波变换特性基础上,提出了基于小波变换的ＧＰＳ相位粗差探测及小波滤波算法,并提出了基于波滤波的ＧＰＳ基线求解算法,该方法能缩小模糊度搜索空间,提高整数模糊度解的有效性。     

小波变换的多分辨率支集用于噪声图像低通滤波

依据信号与噪声的小波变换在不同分辨率下呈现不同特性的特点，提出了多分辨率支集图像低通滤波方法。通过与经典的高斯低通滤波方法实验结果比较，证明了本文方法具有较强的抑制图像噪声能力     

基于小波与遗传算法的特征提取与特征选择

高维遥感数据的分类与识别与传统的多光谱遥感分类技术具有明显的区别。本文提出了一种基于遗传算法和小波／小波包分析相结合的特征提取方法用于高维遥感数据降维与分类。该方法综合了遗传算法的全局优化和小波／小波包分析的多尺度、多分辨率的特点。首先,通过离散的小波变换(DWT)或小波包变换(WP)将高光谱信号变换到特征域进行光谱分解。由于DWT变换是一种线性变换,不同尺度的DWT系数可作为线性光谱特征。然后,对这些线性光谱特征利用遗传算法结合训练样本计算类内／类间距离搜索最优分类子集,其具体染色体编码取可能的特征号,适应度函数基于样本平均Jeffries-Matusita距离计算。所用的分类器采用最大似然分类器。试验结果表明该方法与常规特征提取算法如主成分变换(PCA)、判别分析特征提取(DAFE)、决策边界特征提取(DBFE)相比,能提高分类精度约1.1％-6.5％。     

具有更新自适应性形态小波的构造

在基于提升格式形态小波的基础上,提出了一种具有更新自适应性的一维二通道和二维四通道形态小波的构造方法。在更新步骤中,选取局部均差绝对值最大的点作为低频近似信号,使更新算子具有自适应性。实验表明,在用该方法构造的形态小波对图像进行分级压缩显示时,低频部分能较好地保持原图中的细节,且具有较好的清晰度。     

基于小波变换的逐步线性回归分析预测大坝位移

介绍了小波变换及逐步线性回归分析的方法,并将两种方法融合在一起分析预测大坝位移,与传统的逐步线性回归分析相比较,该方法能提高大坝位移的预测精度.     

小波理论用于地图数据处理中若干理论问题的探讨

从理论上分析用紧支集小波处理地图矢量数据时遇到的点位漂移和端点附近图形畸变等问题，给出解决上述问题的具体方法，并用实例验证所给方法的正确性，为小波理论在地图数据分析和处理中的应用做必要的理论准备。     

小波变换在GPS快速定位数据处理中的应用

介绍了小波变换应用于GPS短基线的快速精密定位数据处理方法,分析了将GPS载波相位双差观测量在不同的小波空间和尺度空间进行分解,减小了测量噪声对GPS快速定位中病态方程解的影响,提高了GPS快速定位中基线浮点解的精度.     

小波多时间尺度分析在变形分析中的应用

变形体的变形总体上看是错综复杂的,但是在某些细节上又表现为周期性变化或者突变,通过小波变换的多时间尺度分析就可以探究形变的周期变化以及突变点,同时通过计算形变信号经小波分解后的小波方差就可以找出形变的周期,这为我们研究形变带来了很大的便利,也可以更好地把握变形系统的演变规律和未来发展趋势。