基于ICEEMDAN与最小二乘的GNSS垂向序列噪声与非构造形变去除

通过完备总体经验模态分解(ICEEMDAN)与最小二乘法开展GNSS垂向序列的噪声与非构造形变去除研究。首先,采用ICEEMDAN方法对GPS垂向序列进行分解,分析GNSS垂向序列的年周期项、半年周期项和趋势项;然后,通过改进的小波阈值和排列熵值法对GNSS垂向序列进行降噪处理;最后,利用最小二乘法拟合非构造形变序列,找出与其最为接近的分解层数并进行改正,获得去除噪声和非构造形变的GNSS垂向形变信息。结果表明,利用ICEEMDAN方法可实现GNSS垂向序列噪声的有效去除;采用ICEEMDAN与最小二乘法可提高GNSS垂向序列形变测量精度,其中RMS值平均减小1.28 mm,WRMS差值平均增大0.33 mm。     

基于MSSA的区域GPS站点季节性信号提取

基于MSSA同时提取多个GPS站点高程时间序列中的季节性信号，主要包括1 a项与0.5 a项。MSSA利用重建成分进行信号重构时，可从原始时间序列中提取有用信号，并剔除干扰噪声。将MSSA与SSA各自获取的前10个奇异谱方差所占百分比和重构信号进行对比，MSSA重构曲线中只包含多个站点的时变与具有共性的季节性信号，有效消除了单个站点特有的噪声与局部现象的影响。     

基于奇异谱分析的CORS大地高时序形变信息提取

为增强信号提取的信噪比，采用奇异谱分析（SSA）对测站大地高序列进行分解与重构，利用仿真实验确定嵌入维数与截断主分量个数的选取原则，进一步将SSA方法应用到CORS时序形变信息提取中。通过FFT分析发现，大地高时序以分解的季节性变化成分为主，重构后时序标准差明显减小，表明SSA方法可有效提高CORS大地高时序信噪比，起到降噪平滑作用。研究结果对地壳垂直形变特征表达及SSA应用拓展具有一定意义。     

基于EWT-分量阈值与SVD的微震信号降噪方法

针对微震信号采集过程中存在大量不同频率的干扰信号,导致信号初至拾取难度大的问题,提出一种经验小波变换（EWT）结合分量阈值重构规则及奇异值分解（SVD）技术对微震信号进行降噪的方法。该方法利用EWT自适应分解和抗模态混叠的特点分解微震信号,得到各分量信号。对于高信噪比信号,选取相关系数大于0.3且方差贡献率大于15%的固有模态分量进行重构,具有较好的降噪效果;对于低信噪比信号,在高信噪比降噪方法的基础上利用SVD去除高频分量中的噪声,并与EWT分解出的低频有效分量进行重构。实验表明,对不同信噪比的构造信号与实际微震信号进行降噪,信噪比均得到明显改善;以修改的能量比法和分形维数法拾取实际微震降噪信号初至到时作为验证,拾取相对误差均小于1%,证明了本文降噪方法的有效性。     

基于加权最小二乘谱迭积算法探测超导重力观测弱信号

提出采用加权最小二乘谱迭积算法探测超导重力观测数据隐藏的弱周期信号,该算法基于不等权的观测序列和序列的自相关性和互相关性,以高分辨率提取序列潜在的共同信号,削弱或抵消噪声信号。并以实例进行了分析和验证。     

基于SSA的GPS坐标序列去噪及季节信号提取

基于SSA技术对GPS时序的去噪及季节信号分离进行研究。通过对模拟数据及GPS实测数据的分析,并与经验模式分解EMD（empirical mode decomposition）和小波分析方法进行对比,结果表明,SSA、EMD和小波分析均是有效的去噪方法,但SSA去噪性能更优越,且能更有效和稳定地从GPS时序中提取周期项信号。     

奇异谱分析在倾斜应变数据处理中的应用研究

通过模拟数据实验验证奇异谱分析（SSA）对于周期信号和趋势项有分离和提取功能,能有效去除标准差低于信号振幅的噪声,检测识别信号中存在的奇异点。将SSA应用于实际倾斜应变固体潮数据的处理中,选取丹东台、徐州台和泾县台的倾斜应变数据进行SSA处理。结果表明,SSA能有效提取数据中的长趋势成分和固体潮各潮波,有效分离数据中的干扰成分,识别出周期为7~15 d的降雨干扰, 对干扰排除和异常提取具有一定的参考意义。最后经过大量数据验证得出,SSA适用于倾斜应变数据的嵌入维度范围的经验选择。     

VMD-SG-WT去噪法及其在混沌去噪中的应用

为对混沌信号进行降噪,提出基于变分模态分解(VMD)的混合去噪(VMD-SG-WT)方法,首先基于各分量间的最小巴氏距离确定VMD分解模态参数,通过VMD将混沌信号分解成多个本征模态函数(IMFs);然后分别计算各个IMF分量与原始信号间的相关因数,根据相关关系指标确定IMF分量的含噪程度,对有效成分主导的信息分量重构进行Savitzky-Golay平滑滤波,对噪声主导的噪声分量重构进行小波降噪处理;最后利用平滑的信息分量与小波去噪的噪声分量进行重构,得到最终去噪的信号。采用VMD-SG-WT去噪法对Lorenz系统产生的仿真信号和实测的太阳黑子数序列进行降噪处理,并与局部投影去噪法、小波去噪法、经验模态分解(EMD)去噪法和单一VMD去噪法进行对比。结果表明:VMD-SG-WT去噪法能够有效对混沌信号进行降噪,去噪效果相对优于其他去噪方法的去噪效果。     

EEMD-多尺度排列熵的GPS高程时间序列降噪方法

针对GPS高程时间序列受各类噪声干扰的影响,导致难以提取有用信息的问题,提出一种基于整体经验模态分解(EEMD)结合多尺度排列熵(MPE)的阈值降噪方法。该方法以EEMD为核心算法,将原始信号分解成一系列本征模态函数(IMF),并采用MPE作为指标将其分类为噪声IMF、混合IMF和信息IMF;然后利用阈值函数处理混合IMF,实现二次降噪;再重构降噪后的数据与信息IMF,获得降噪结果。仿真信号和实例分析结果表明,该方法与相关系数法、MPE法相比,降噪评价指标RMSE、SNR和d_nSNR均为最优,说明该降噪方法效果最好,本文方法获得的降噪结果能够更好地反映出时间序列本身的非线性变化特性,可为GPS高程时间序列分析提供可靠依据。     

基于小波分析的低信噪比天气雷达回波弱信号提取

针对低信噪比环境下的天气雷达回波弱信号提取问题,提出一种基于小波分析的弱信号提取算法。利用dbN小波函数对雷达回波进行小波域处理并重构信号,提取雷达回波信号的联合时频特征,并且使用FIR滤波方法和小波分析两种算法对数据去噪,得到两种算法在不同信噪比下的信噪比输出以及信噪比改善,证明在低信噪比环境下,小波分析算法的有效性和优越性。     

大坝变形的奇异谱分析预测

利用奇异谱分析法对大坝变形数据进行分析，提取趋势和周期分量，分析影响因子与各变形分量的相关性。结果表明，大坝变形主要与水位变化和时效因子有关，温度变化对大坝变形的周期成分贡献最大，其次为水位。另外在准确提取信号的基础上,利用奇异谱分析迭代法对大坝变形进行预测，并与多元回归分析方法和高斯过程模型进行对比，发现其预测精度明显高于后两者。     

An Improved Lower Order Method of Modal Parameter Estimation for Offshore Structures Using Reconstructed Signals

For modal parameter estimation of offshore structures, one has to deal with two challenges: 1) identify the interested frequencies, and 2) reduce the number of false modes. In this article, we propose an improved method of modal parameter estimation by reconstructing a new signal only with interested frequencies. The approach consists of three steps: 1) isolation and reconstruction of interested frequencies using FFT filtering, 2) smoothness of reconstructed signals, and 3) extraction of interested modal parameters in time domain. The theoretical improvement is that the frequency response function(FRF) of filtered signals is smoothed based on singular value decomposition technique. The elimination of false modes is realized by reconstructing a block data matrix of the eigensystem realization algorithm(ERA) using the filtered and smoothed signals. The advantage is that the efficiency of the identification process of modal parameters will be improved greatly without introducing any false modes. A five-DOF mass-spring system is chosen to illustrate the procedure and demonstrate the performance of the proposed scheme. Numerical results indicate that interested frequencies can be isolated successfully using FFT filtering, and unexpected peaks in auto spectral density can be removed effectively. In addition, interested modal parameters, such as frequencies and damping ratios, can be identified properly by reconstructing the Hankel matrix with a small dimension of ERA, even the original signal has measurement noises.     

基于改进Cao算法的奇异谱分析法及其在北斗多路径去噪中的应用

研究了基于奇异谱分析的北斗恒星日滤波算法，采用相空间重构Cao算法来确定奇异谱嵌入维度，并针对Cao算法的不足进行改进，提高奇异谱分析法的准确性和计算效率。分析北斗系统不同星座卫星的轨道重复周期特性，通过计算确定北斗系统多路径误差的周期约为86 160 s。利用奇异谱分析法和传统小波分析法对北斗短基线解算结果进行恒星日滤波处理。结果表明，本文提出的奇异谱分析法多路径滤波效果优于小波滤波法，能较好地消除原始坐标序列中的多路径误差。     

增强型遥感影像SRGAN算法及其在三维重建精度提升中的应用

遥感影像是地形测绘、三维重建等任务的主要数据源之一,分辨率影响着被测目标在影像上的表示能力,对后期三维模型的定位精度及重建效果起着重要作用。针对遥感影像像幅较大且目标特征表现复杂、细节丰富的特点,结合实景三维模型重建的需求,提出了一种增强型遥感影像SRGAN算法。克服了传统方法进行超分重建时易出现边缘效应、产生模糊重建的情况,改进了简单卷积网络仅能提取影像中较为浅层的特征信息,无法在提高分辨率的同时保留影像丰富细节的局限。本文所提算法在生成模型中使用密集剩余残差块进行深层特征提取,在判别模型中引入多尺度判别思想,从而保证遥感影像重建时特征纹理、细节信息、高频目标的完整与精确。实验构建不同时间、不同类型区域的遥感影像数据集,在此基础上将本文算法与Bicubic、SRGAN、ESRGAN算法进行对比分析,在超分重建中PSNR较对比算法提升约3个单位,渗透指数PI更趋向且稳定于1,SSIM与清晰度指标Q同样得到较好改善;在三维重建中影像密集匹配点数量得到提升,同时误差减少,模型精细程度和定位精度得到提高。结果表明,本文算法适用于遥感影像超分辨率重建问题,并在实景三维模型重建中对精度的提升表现较好。