动态变形数据的EMD卡尔曼滤波降噪模型

文章介绍了kalman滤波与经验模态分解的基本原理,定义了经验模态分解的多尺度分解与合成结构。结合kalman滤波与经验模态分解(EMD)理论提出一种新的动态变形数据降噪模型。文章首先对动态变形信号进行EMD分解,选择合适的高频分解模量进行kalman滤波降噪,然后进行经验模态重构获得降噪后的动态变形信号,达到降噪的效果;最后采用单历元解算的变形数据序列进行模型验证,并与小波降噪模型、直接EMD降噪模型对比,视觉评价与量化结果表明此方法最优。     

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。     

联合加权小波和EEMD的GNSS坐标时间序列降噪分析

针对GNSS坐标时间序列中有用信号与噪声难以准确分离这一问题,本文提出加权小波Z变换(weighted wavelet Z-transform, WWZ)和集合经验模态分解(ensemble empirical mode decomposition,EEMD)的降噪方法.通过对西北地区70个陆态网络连续站垂向坐标时间序列的降噪处理,分别采用均方根误差(root mean squared error,RMSE)、信噪比(signal to noise ratio,SNR)、闪烁噪声(flicker noise,FN)振幅及速度不确定度为评价指标,验证了本文方法的降噪效果在一定程度上优于小波降噪和EEMD降噪.结果显示：WWZ-EEMD相比小波降噪和EEMD降噪,降噪后信号序列RMSE分别降低了0.331 mm、 0.757 mm,SNR分别提高了1.911 dB、3.635 dB;FN振幅及速度不确定度均有明显改善,验证了本文降噪方法的有效性.     

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.      

利用白噪声分解特征的EEMD阈值降噪方法

经验模态分解算法基于待分解数据本身,避免了小波分解时选取合适小波基函数的困难,具有自适应性。然而传统的经验模态分解降噪是一种强制降噪算法,容易将高频部分的有用信号与噪声一起滤除,从而造成信号失真。针对该问题,在分析白噪声EMD分解特性的基础上,提出了一种EEMD阈值降噪法。利用4组具有不同频谱特征的仿真数据,证明了该算法优于传统的EMD强制降噪法;在消除随机噪声的同时,能够有效保留信号中的高频细节分量,从而缓解了信号的失真。     

基于集合经验模态分解的老年人步态信号的降噪方法

基于手机传感器的行人航位推算(PDR)作为一种不依赖外部信息和硬件就可以自主定位导航的方法,在室内环境下试图去普及应用。老年人与年轻人在步频与步幅上有很大差异,常用的年轻人步态降噪方法并不适用于老年人,大大降低PDR的定位精度。针对该问题,本文以手机内加速度传感器信号为数据依据,以检测老年人步数为研究目标,采用卡尔曼滤波、巴特沃斯低通滤波、集合经验模态分解等方法,确定老年人的步数。通过对比分析,确定基于集合经验模态分解的降噪方法,对老年的检步精度达到98%以上,较采用卡尔曼滤波与巴特沃斯低通滤波的方法提高了19.4%。     

噪声辅助EMD方法提取多路径误差模型分析

经验模态分解(EMD)方法处理间断性信号时存在模态混叠问题,使分解结果失去物理意义.本文从理论分析和实测数据的EMD分解结果两个方面,论述了多路径误差中不可避免的存在间断性的分量.针对该问题,介绍了集合平均经验模态分解(EEMD)方法借助噪声来减弱模态混叠的思路与流程,并连续两天实测GPS数据的单历元定位坐标序列,分别用EEMD和EMD方法消除随机噪声,提取多路径重复性改正模型,结果表明,EEMD方法的效果优于EMD方法.     

噪声辅助EMD方法提取多路径误差模型分析

经验模态分解(EMD)方法处理间断性信号时存在模态混叠问题,使分解结果失去物理意义。本文从理论分析和实测数据的EMD分解结果两个方面,论述了多路径误差中不可避免的存在间断性的分量。针对该问题,介绍了集合平均经验模态分解(EEMD)方法借助噪声来减弱模态混叠的思路与流程,并连续两天实测GPS数据的单历元定位坐标序列,分别用EEMD和EMD方法消除随机噪声,提取多路径重复性改正模型,结果表明,EEMD方法的效果优于EMD方法。     

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。     

全波形激光雷达改进的降噪方法

在全波形激光雷达信号从发射到接收的过程中，针对受传播介质、扫测距离、物体性质等因素影响产生噪声的问题，本文提出了一种基于经验模态分解、排序熵和小波阈值的降噪改进方法。首先对波形信号进行经验模态分解或本征模态函数(IMF),计算各本征模态函数排序熵的值；然后应用该值计算小波阈值，并构造新的小波阈值函数，再对相应本征模态函数进行小波阈值降噪；最后将结果重新加和，得到降噪后的波形，从而提高不同噪声信号的降噪方法的自适应性。基于数值仿真和实测数据试验，将本文方法与其他降噪方法进行了对比，基于信噪比、波形相关性、均方根误差、平滑度计算归一化指标和综合指标对本文方法进行了评估，归一化信噪比提高10%～20%,其余指标改善5%～40%。因此，本文方法对不同噪声含量的回波信号均有较好的降噪效果，可以解决全波形激光雷达接收波形中存在的噪声问题。     

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。     

小波分析和经验模态分解对BDS多路径误差削弱对比研究

在利用北斗卫星导航系统（BDS）进行高精度变形监测时,BDS信号产生的多路径效应是影响变形监测数据精度和可靠性的一个不可忽视的误差源. BDS有三种不同的轨道卫星,所形成的多路径误差较为复杂. 基于坐标域的多路径误差使用小波分析(Wavelet)和经验模态分解(EMD)进行原始序列降噪,对降噪后序列使用改进恒星日滤波(ASF)进行多路径误差剔除,两种方法分别对基线精度的E方向改善了38.6％和40.8％,N方向改善了59.1％和61.0％,U方向改善了57.8％和57.9％,EMD对坐标序列的平滑和基线精度改善较优.      

联合EMD与核主成分分析的激光陀螺信号消噪

为了有效抑制激光陀螺的随机漂移,提高其惯导精度,提出了一种联合经验模态分解(EMD)和核主成分分析(KPCA)的陀螺信号消噪方法。该方法利用EMD将陀螺信号分解为一组内蕴模态函数(IMF),基于EMD噪声能量分布模型,近似估算各层IMF中的噪声能量;然后利用KPCA分解各层IMF,根据噪声能量自适应地选择应保留的主成分分量,以剔除各层IMF中的噪声实现陀螺信号的消噪。通过实验将该方法与小波去噪算法进行对比,利用交叠式Allan方差和经、纬度误差分析不同方法对陀螺信号的消噪效果。实验结果表明,相比经典的小波消噪方法,本文方法的消噪效果有一定程度的提高,可以更有效地抑制陀螺信号的随机漂移。     

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.      

联合LMD与EMD的GNSS站坐标时间序列去噪方法

针对GNSS站坐标时间序列信噪不易分离的问题,在传统EMD去噪方法的基础上,本文提出了一种联合LMD与EMD的坐标时间序列去噪方法。该方法首先采用LMD分解原始坐标时间序列,基于连续均方误差（CMSE）原则分离高频噪声与低频信号,保持低频分量不变;然后对高频分量进行EMD去噪;最后以2次分解所得低频信号之和作为去噪后时间序列。以仿真数据与8个GNSS基准站实测数据进行试验,通过多种评价指标进行精度评估。结果表明,与传统EMD方法相比,联合LMD与EMD的方法能够更加精确地去除坐标时间序列中的噪声。     

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。     

EMD在北斗桥梁变形监测数据中的应用研究

针对我国北斗系统变形监测数据中存在的噪声问题,本文利用自适应信号分析方法经验模态分解(EMD)对某北斗实测变形监测数据进行降噪处理。首先对E、N、U 3个方向的分量进行分解获取本征模态函数及趋势项,其次根据相关系数分离出噪声的本征模态函数,最后根据重构方法得到干净的位移序列。结果表明:EMD方法在北斗变形监测数据中的去噪是可行的,能有效分离信号与噪声,进一步提高了北斗观测的精度。     

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。     

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。