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。     

基于小波去噪的灰色模型在变形监测中的应用

灰色模型可在"贫信息"的条件下发现变形观测数据中的规律,但不能去除数据中噪声的影响;而小波分析可有效识别并剔除变形监测数据中的噪声(误差),使变形规律更加明显;结合两种方法的优势能增强数据分析的可靠性,提高预测精度.将小波去噪与灰色模型相结合,研究了该分析方法在高铁隧道变形监测中的应用,并得到了较可靠的预测结果.     

结合模平方的双树复小波变形监测数据滤波

针对变形监测数据的去噪问题,该文在分析离散小波变换去噪不足的基础上,提出了一种基于模平方的双树复小波变形监测数据滤波方法。该方法利用双树复小波变换的完全重构、近似平移不变性和较好的方向选择性等特点,通过最小尺度空间的小波系数得到噪声强度,并结合模平方处理法确定各层的阈值,经重构阈值处理后的各层小波系数即得到去噪后的信号;经算例,并与传统离散小波变换对比分析。结果表明:双树复小波变换的分解效果优于传统离散小波变换,能较好地表现出细节部分的频率信息,使变形信号的周期性变化特征更为明显。该方法去噪更彻底,进一步提高了消噪的精度和可靠性,可作为变形监测数据降噪处理的新方法。     

基于小波变换的GPS动态变形分析

介绍了小波滤波去噪的原理并讨论在动态环境下GPS多路径效应的重复性问题。首先利用小波方法对静态观测数据的残差进行去噪,提取具有系统性的多路径误差改正模型。然后,根据多路径误差重复性的特点,对后续动态观测的数据进行改正。通过实验证明:经重复性模型改正后残余的多路径噪声符合正态分布的特点。然后采用小波软阈值去噪方法,消除剩余的多路径误差,可进一步提高动态变形监测的精度。     

一种基于小波变换去除遥感图像噪声的方法

采用小波系数极大值跟踪法去除图像噪声，建立了尺度间小波系数极大值跟踪矩阵，标识出小波系数极大值的信噪属性，剔除了噪声部分对应小波系数极大值，从而抑制了噪声污染。与常规去噪方法相比，该方法不仅有效地去除了噪声，同时保持了图像边沿细节，具有良好的消除噪声效果。     

伪卫星多路径效应分形特征及其削弱方法研究

多路径效应是伪卫星应用在精密定位领域的一项主要误差源,本文从验证多路径效应分形特征入手,利用小波分析在研究分形及信号去噪方面的优势,研究了分形信号与高斯白噪声的模极大值在小波变换下表征的不同特点,针对静态环境下伪卫星的应用,提出一种基于分形理论的多路径误差的消除方法。通过设计试验进行精度分析,验证了本文方法的有效性,且该算法从信号自身的分形特征入手,不需要额外的先验信息,对环境等条件要求较低,比较适合在形变监测等静态环境下应用。     

基于小波去噪的BP神经网络在变形监测中的应用

在变形监测领域中,对沉降数据的准确预测能够提前获悉检测对象的变形趋势,避免事故发生.原始监测数据普遍含有异常值,从而会对预测模型精度造成一定影响,降低预测结果的准确性.以BP(Back Propagation)神经网络为基础,采用小波去噪的方式针对剔除和插补原始数据中的异常值,分别建立去噪前后BP神经网络预测模型,并利用工程实例对预测模型精度进行分析.结果表明,小波去噪后的BP神经网络预测模型相比去噪前精度有所提升,精度更高,能够更为准确地反映监测对象的变形趋势.     

基于小波阈值法去噪的建筑物变形监测数据处理

基于小波阈值法具有非常明显的渐进近似最优性质,可以在均方差意义下取得最优的去噪效果,利用小波阈值法去噪的技术,对一组建筑物变形监测数据进行去噪处理.实验结果表明,小波阈值去噪合理有效,能够敏感识别观测噪声和有用信息,不需要待检测信号的先验知识,特别适合于建筑物变形监测数据处理.     

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。     

改进的小波阈值函数在变形预报中的应用

阈值去噪法是传统小波去噪最常用的处理方法,主要有硬阈值法和软阈值法,但二者均存在一定的局限性。本文提出了一种新的阈值函数,有效地弥补了硬阈值函数在阈值点处不连续、软阈值函数存在恒定偏差的缺陷。并在传统灰色模型的基础上,推导出了改进的新陈代谢GM(1,1)模型,最后将硬阈值、软阈值和新阈值函数的小波分析用于变形监测原始数据的预处理,结合新陈代谢GM(1,1)模型对去噪后的数据进行阶段性预测,并与实测值进行比较,通过实例计算表明:新阈值的去噪精度更高,通过新阈值去噪后进行预测的数据更加接近真实数据,可应用于变形监测的预报。     

GPS单历元形变信号的小波降噪

阐述了小波变换、多分辨分析及中值滤波的基本原理。研究了对小波变换的高频系数采用中值滤波,然后重构信号达到降噪目的的形变数据处理新方法。并与强制降噪及软门限阈值化小波降噪方法比较。模拟实验表明,基于高频中值滤波的小波降噪方法不仅能有效降噪,保持信号的光滑性,还能在降噪的过程中剔除少量粗差。     

变形监测数据的一种小波去噪法研究

变形监测数据不可避免会受到噪声污染,本文根据原始信号特征,通过合理的选择小波基,采用自适应阈值法去噪,可提取变形数据有用信号并恢复信号的光滑性,保留信号曲线的特征,达到较好的去噪效果。实例证明了该方法的有效性和可行性。     

变形监测数据处理的小波去噪方法

变形监测数据中包含有实际变形量和噪声,应用小波分析理论,对监测数据进行变形信号的提取和噪声的消除,通过实例证明,它的效果非常明显。     

基于小波去噪法的基坑监测数据处理

受各种因素影响,地铁基坑监测数据除含有真实变形信息外,还存在噪声。应用MATLAB实现小波分析对监测数据的去噪处理和粗差探测仿真实验。实例表明,选取恰当的小波基函数和小波分解层数,通过小波分析的带通滤波的功能,能够对原始信号有效分频,从而在不同尺度上将粗差和噪声分离达到识别的效果。去噪之后的信号曲线有较好的光滑性,更能反映基坑周边土体的变形规律。     

小波包多阈值去噪法及其在形变分析中的应用

在GPS变形监测领域,传统的小波去噪只保留低频上的有用信息,很容易去掉中频以及高频上的有用信息。小波包分析方法是近几年发展起来的一种新的小波分析方法,它同时考虑了各个频段上的有用信息,因此是一种更为精细的去噪方法。小波包去噪的关键是对小波包分解系数选取合适的阈值准则并进行阈值处理,但传统的小波包去噪并没有对此进行充分的研究。本文针对传统小波、小波包分析的不足,提出了一种基于频率顺序并依据信息类型分段的多阈值准则小波包去噪法。通过理论分析与实际应用,结果表明新方法能够高效剔除各频段的噪声,同时当采样频率较低时能有效保留去噪信号中频率高达10-1 Hz数量级的有用信息,其去噪能力优于传统的小波、小波包等其它去噪方法,因此可以广泛应用于高精度GPS变形监测领域中。     

局部均值分解的新小波阈值去噪法及其应用

为了克服小波硬、软阈值函数本身存在的缺点,该文在硬、软阈值函数的基础上,提出一种新的小波阈值函数,并且基于局部均值分解的原理,构造了基于局部均值分解的新小波阈值去噪法。仿真数据对比分析表明,与单纯采用小波阈值去噪法、经验模态分解(EMD)滤波去噪法及局部均值分解滤波去噪法相比,该文方法的去噪效果更好,可有效提高信号的信噪比。利用本文方法对液体静力水准仪获取的高速铁路某桥梁实际监测数据进行去噪处理,结果表明去除监测数据中噪声的同时亦可保留变形细部特征。该文方法可为工程中的非线性、非平稳监测数据去噪提供参考和借鉴。     

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。     

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。     

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。