去噪小波包能量法在水声信号识别中的应用

对小波包能量法进行改进，提出了一种新的方法——去噪小波包能量法，该算法对信号小波去噪后，再用小波包能量法提取信号的特征；应用去噪小波包能量法研究了不同的小波去噪方法对水声信号分类识别率的影响，在实测信号样本集上用BP神经网络进行了识别实验。结果显示软阈值、硬阈值、弹性阈值3种标准的小波去噪方法均能明显提高信号识别率，其中最为显著的是软阈值标准去噪，信号的识别率可由未去噪的53．3％提高到98．3％，表明算法的有效性。     

大桥几何监测数据去噪方法研究

提出并优化了EMD小波组合去噪法对大桥监测结果进行去噪的过程,并与EMD去噪法、小波阈值去噪法进行比较。结果表明,优化的EMD小波去噪法是一种高效的大桥动态监测信号去噪方法,去噪效果最好。     

一种新小波阈值算法的变形监测数据去噪方法

针对传统小波阈值去噪算法中阈值估计不足的问题,在推导出高频信号中噪声影响幅度按1/2的规律逐渐减小后,提出一种新小波阈值估计算法,并将其应用于变形监测数据的去噪处理。理论分析和工程实例均表明,本文方法能够有效地克服软阈值法存在的恒定偏差,进一步提高去噪的精度和可靠性。     

基于CEEMDAN和小波包多阈值的GNSS高程时间序列去噪方法

为提高GNSS高程时间序列的去噪效果,以仿真信号和拉萨站2000~2020年高程时间序列为例,采用自适应噪声完备集合经验模态分解（complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN）方法将信号分解成若干个特征模态函数（intrinsic mode function,IMF）,对每个IMF分量进行小波包多阈值分解,依据不同节点能量占IMF总能量百分比选择不同的阈值准则,将降噪后的节点重构得到降噪后的IMF分量,进而得到降噪后的时间序列。利用信噪比、均方根误差等指标对比分析本文方法、EMD、CEEMDAN、小波去噪和小波包多阈值去噪等5种方法的去噪效果。结果表明,本文方法效果最优。     

小波阈值法在JCZ系列超宽频带地震仪记录的地震数据中的应用及探讨

为了对JCZ系列超宽频带地震仪采集到的地震数据进行有效去噪,探讨小波阈值法在不同地震数据中去噪的实际效果。首先介绍小波法的基本理论与去噪标准,探讨不同小波基的选取、不同分解、重建尺度与阈值的选取及处理方式对小波阈值法最终去噪效果产生的影响;使用控制变量法,选取武汉水院地震台的记录数据,探讨如何获得较好的去噪效果。为了比较小震和中强震两种情况下相同方法的处理效果,将选择好的小波基与几何尺度用于震例数据去噪发现,在实际地震去噪处理中基于样本数估计选取的阈值具有一定局限性,且相同阈值在不同震级的震例数据中具有不同的去噪结果。最后使用小波阈值对JCZ系列超宽频带地震仪采集到的地震数据进行去噪发现,小波阈值去噪对于P波初动的识别判断也具有一定意义。     

基于双树复小波的变形监测数据去噪分析

将双树复小波引入到变形监测数据去噪中，从信号分解、去噪过程和去噪质量3个方面综合评价其可行性和有效性。理论分析和算例表明，信噪分离的质量会对阈值估计、阈值去噪和信号重构产生较大影响，信噪分离较好的信号能在一定程度上削弱阈值函数存在的缺陷；双树复小波的分解效果优于传统离散小波，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，可以应用于变形监测数据分析。     

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。     

一种改进小波阈值去噪方法的研究

针对传统小波阈值去噪分析的不足,分别从两个方面进行改进：1）根据小波系数在各尺度上的相关性,提出基于Lip指数阈值寻优的新方法;2）用构造的新小波阈值函数处理小波系数,克服了软阈值的高阶不可导和硬阈值函数的不连续,且计算方便。最后使用新方法对一组离散变形数据进行去噪处理,验证了其有效性和优越性。     

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。     

基于提升小波的单历元GPS变形监测信号的去噪

介绍提升小波阈值收缩法去噪的基本原理和方法,利用该方法对含噪的GPS单历元变形监测数据进行去噪,提取真实变形信息。实际数据处理结果表明,相比第一代小波,提升小波变换去噪效果更好,计算速度更快。     

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。     

С��������GPS�񶯼�������е�Ӧ��

?????????????????????GPS ??????????????Ч???????????????GPS?????????????в???С???????????????????????????Ч?????????????????????????????     

LOESS用于GNSS垂向坐标时间序列噪声识别与提取

针对GNSS垂向坐标时间序列噪声复杂、精度较差等特点,采用局部加权回归模型(locally weighted regression, LOESS)对中国大陆构造环境监测网络中289个GNSS站的垂向坐标时间序列进行降噪分析。首先利用LOESS方法对预处理后的时间序列进行降噪处理,得到降噪后的时间序列及噪声序列;然后采用Durbin-Watson(DW)检验对降噪后的噪声序列进行自相关性检验,同时采用Wilcoxon秩和检验方法对降噪前后序列的标准差、噪声项、速度不确定度等指标进行显著性检验;最后采用降噪前后序列的信噪比及前3个指标来定量评价降噪效果。结果表明,各测站降噪后的噪声序列不存在自相关性,采用LOESS方法降噪处理后各评价指标均有显著改正,表明LOESS方法能够有效减少GNSS垂向坐标时间序列中的噪声,进一步提高GNSS垂向坐标时间序列的精度。     

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。     

改进阈值函数的提升小波在人工震源数据处理中的应用

针对由于软阈值函数存在恒定偏差及硬阈值函数存在不连续,从而导致信号去噪精度较低及出现伪吉布斯现象的问题,提出一种改进的阈值函数,并从数学上证明其连续性、渐进性及偏差性。将本文阈值函数用于加入了高斯白噪声的4种仿真信号中发现,其不仅可提升信号的信噪比,还可弥补由软、硬阈值函数引起的信号失真、震荡等缺点。将本文提出的阈值函数运用于气枪人工震源,可得到与仿真信号一致的结论,同时与带通滤波相比,本文提出的方法能够完整保留信号的相位与幅值信息,证明本文改进的阈值函数在提升气枪人工震源信号的信噪比方面具有一定的可行性。     

基于经验小波变换的GNSS多路径误差改正

多路径误差是影响GNSS测量精度的主要因素及误差改正难点。将经验小波变换(EWT)算法在分解复杂信号上的优势与GNSS多路径误差的周日重复特性相结合,提出基于EWT的多路径误差提取及改正新方法。将能量熵与相关系数相结合来定义筛选系数,并将其变化显著的点作为含噪分量及信息分量的分界点;通过对含噪分量进行去噪并与信息分量重构的方式建立基于EWT的去噪新方法。模拟和实测数据实验表明,EWT能较好地提取及改正GNSS多路径误差,并且其效果显著优于EMD及小波分析方法。     

基于S-变换的GNSS滑坡变形监测数据信息提取与抑噪

提出一种基于S-变换的变形监测数据抑噪方法。首先采用S-变换对监测数据进行时频分析,得到二维时频矩阵,再根据二维时频矩阵设计时频滤波器,最后利用时频分析反变换方法重构信号。采用模拟数据和滑坡变形实测数据对该方法的有效性进行验证。结果表明,相较于小波滤波方法,经该方法处理后的变形数据的RMSE和SNR均较优,可准确提取监测点的变形特征,为滑坡变形预测预报提供可靠的监测数据。     

基于CEEMDAN的GNSS变形监测去噪方法

为了提高GNSS变形监测数据去噪的有效性和可靠性,提出一种自适应完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN)去噪方法。首先将GNSS变形序列经CEEMDAN分解为若干特征模态函数;其次引入排列熵理论确定高低频分界值K,利用小波分析对高频分量进行去噪,去噪后与低频分量重构得到去噪序列;最后通过仿真和实测边坡GNSS变形监测数据,利用信噪比、均方根误差、相关系数等指标对比分析CEEMDAN、EMD和小波去噪方法。结果表明,CEEMDAN方法的去噪效果和精度优于EMD和小波去噪方法,证明了本文所提方法的有效性和可靠性。