GPS卫星钟噪声类型分析

介绍了原子钟的噪声模型及表征原子钟稳定度的Allan方差,给出了两种(斜率法和两种Allan方差比较法)确定原子钟噪声类型的方法,并利用这两种方法分析了几颗GPS卫星钟的噪声类型,得出不同种类卫星钟的噪声类型不同,同一种类卫星钟的噪声类型也不完全相同。     

导航卫星原子钟频率漂移特性分析

介绍了原子钟频漂定义，总结了频率漂移率测试评定方法，比较分析了不同噪声情况下的频率漂移率估计方法，并用实验室真空状态铷钟的频率偏差数据和GPS卫星钟的精密星历数据进行了计算分析，表明铷钟都有明显频漂，GPSIIR铷钟的日漂移率在10^-15。量级，而铯钟频漂不是很明显。研究了频漂对原子钟时域稳定性影响规律，还利用模拟数据进行了计算分析。验证了方法的有效性．     

两种精密钟差产品系统噪声分析

针对精密定轨与时间同步(ODTS)系统噪声难以准确计算的问题,该文选取了多台外接高精度主动型氢原子频标的监测站,通过对不同监测站钟差作差的方法对系统噪声进行了测试与分析。分别对国际GNSS服务(IGS)和德国地学中心分析中心(GFZ)提供的精密钟差产品进行ODTS系统噪声分析,分别采用IGS钟差产品和GFZ钟差产品进行了实验。结果表明,用阿兰方差表征ODTS系统噪声对在轨原子钟性能评估的影响,系统噪声的万秒和天稳定度均优于卫星钟设计稳定度,使用IGS与GFZ提供的精密钟差产品可以有效对星载原子钟在轨性能进行评估。     

基于采样方差的卫星钟信号分析

对原子钟频率稳定度分析受到频率漂移的影响进行定性分析，明确了不同类型方差在原子钟频率稳定度分析中的适用范围，首次提出将重叠Hadamard方差应用于卫星钟信号分析。分别利用Allan方差、Hadamard方差和重叠Hadamard方差对铷钟进行了稳定度计算，结果表明Allan方差的计算结果受频率漂移影响很大，而Hadamard系列方差能够有效克服频率漂移的影响，对于卫星钟的性能表征具有良好的效果。     

实时卫星钟差基准精化方法

在基于精密单点定位(PPP)的授时方法中,卫星钟差产品的高精度时间基准至关重要. 针对实时卫星钟差产品时间基准不够稳定的问题,本文采用一组具有原子钟外部输入的国际全球卫星导航系统(GNSS)服务(IGS)跟踪站建立了顾及原子钟变化特性的基准精化方法. 该方法首先采用阿伦方差对不同的IGS跟踪站外接原子钟进行稳定度分析,挑选出一组稳定度高的原子钟用以精化时间基准. 在此基础上,利用阿伦方差分析各台原子钟的噪声参数特征,并确定不同原子钟之间的权比关系. 最终,建立时间基准改正量的随机模型,并计算出精化后的时间基准. 通过实例验证表明:与IGS事后精密钟差产品定义的时间基准比较,改正后的实时钟差基准单天内的标准差(STD)优于0.1 ns,相比于改正前最高提升了93％. 同时,基准改正后的天内万秒稳达到10-15量级,实现了一个量级的提高. 此外,通过相对钟差精度的分析,表明钟差基准修正不影响PPP的定位精度.      

BDS星载原子钟长期性能分析

北斗卫星导航系统(BDS)于2012年底开始提供区域服务,进行BDS星载原子钟的长期性能分析,对于系统性能的评估、卫星钟差的确定与预报等具有重要的作用。本文基于3年的多星定轨联合解算的BDS精密卫星钟数据,利用改进的中位数方法进行数据预处理,分析了卫星钟差数据的特点,使用卫星钟差二次多项式拟合模型分析了卫星钟的相位、频率、频漂及钟差模型噪声的长期变化特性,根据频谱分析的方法分析了卫星钟差的周期特性,采用重叠哈达玛方差计算并讨论了卫星钟的频率稳定性。综合上述方法及其试验结果较为全面地分析和评估了BDS星载原子钟的长期性能,得到结论:在噪声特性和钟漂特性方面,MEO卫星钟的性能最好,其次是IGSO卫星钟,最差的是GEO卫星钟,所有卫星钟噪声水平和频漂的均值分别为0.677ns和1.922×10~(-18);多星定轨条件下的北斗卫星钟差存在显著的周期项,其主周期分别近似为对应卫星轨道周期的1/2倍或1倍;BDS星载原子钟频率稳定度的平均值为1.484×10~(-13)。     

附加原子钟物理模型的PPP时间传递算法

传统精密单点定位(PPP)时间传递算法通常把接收机钟差当作相互独立的白噪声逐历元进行估计,而忽略了钟差参数历元间的相关性。针对这一问题,本文提出了一种附加原子钟物理模型的PPP时间传递算法。该算法通过利用Kalman滤波对高稳定度的原子钟钟差进行建模,拓展传统PPP时间传递模型中的接收机钟差参数,并给出了Kalman滤波过程噪声协方差和初始状态向量的确定方法。试验结果表明:该算法可以有效避免传统算法时间传递结果需要一定收敛时间的问题,使解算结果更加符合原子钟的物理特性,能够显著提高时间传递结果的精度和稳定性,可将单站时间传递精度平均提高58%,站间时间传递精度平均提高51%。     

原子钟模型和频率稳定度分析方法

首先给出典型的原子钟时差观测量模型，包括确定性部分（时差、频差、线性频漂和周期性波动项）、随机性部分（即原子钟噪声）和观测噪声；分析了各分量对应的Allan偏差的表达式。针对部分文献对Kalman滤波器估计原子钟状态原理描述不清晰的问题，描述了原子钟随机微分方程模型和各物理量的含义，从最优估计和低通滤波器两个角度阐述其原理。针对观测噪声过大、存在周期性波动等原因造成无法准确估计原子钟噪声强度的情况，提出了综合Kalman滤波器状态估计结果和Allan偏差图，估计原子钟噪声和观测噪声强度的方法；提出了3种不同的估计线性频漂幅度的方法，并通过实测数据相互验证；针对周期性波动在时差中不明显的问题，结合原子钟随机微分方程模型，提出了综合Kalman滤波器状态估计的结果和对数Allan偏差图估计周期性波动周期和幅度的方法。对两台国产氢钟的实测数据进行了验证，证明该方法物理原理清晰，操作简便易行，具有实用性。通过该方法可以外推得到所有平滑时间的Allan偏差估计值。     

卫星钟差预报的小波神经网络算法研究

卫星导航系统中星载原子钟的钟差预报在优化导航电文中的钟差参数、满足实时动态精密单点定位的需求和提供卫星自主导航所需的先验信息方面具有重要的作用。根据星载原子钟钟差的特点,提出一种基于一次差方法的小波神经网络钟差预报算法:首先对钟差相邻历元间作一次差后的差值进行建模,根据时间序列预报一次差的值,然后再将预报的一次差还原,得到钟差预报值。该方法使得预报钟差的小波神经网络不但模型结构简单,而且预报精度高。最后,通过算例将本文所建模型与常用的二次多项式模型和灰色模型进行对比,结果表明:一次差方法可以使给定结构的小波神经网络的钟差预报精度得到显著提高,而且所建模型的预报效果优于两种常规模型。     

卫星钟差预报的小波神经网络算法研究

卫星导航系统中星载原子钟的钟差预报在优化导航电文中的钟差参数、满足实时动态精密单点定位的需求和提供卫星自主导航所需的先验信息方面具有重要的作用.根据星载原子钟钟差的特点,提出一种基于一次差方法的小波神经网络钟差预报算法:首先对钟差相邻历元间作一次差后的差值进行建模,根据时间序列预报一次差的值,然后再将预报的一次差还原,得到钟差预报值.该方法使得预报钟差的小波神经网络不但模型结构简单,而且预报精度高.最后,通过算例将本文所建模型与常用的二次多项式模型和灰色模型进行对比,结果表明:一次差方法可以使给定结构的小波神经网络的钟差预报精度得到显著提高,而且所建模型的预报效果优于两种常规模型.     

基于小波域的InSAR干涉图噪声识别与估计

为识别InSAR干涉图噪声的类型,从而更有效地进行干涉图处理,提出一种基于小波变换的干涉图噪声类型识别方法。该方法结合小波变换和对数变换算法,从能量和分布特征两个角度,对经小波变换后的InSAR干涉图小波系数的特点进行分析。首先研究低频子带小波系数在对数变换前后的能量分布特点,以此识别干涉图的噪声类型,然后在此基础上利用高频子带系数估计噪声的大小。分析结果显示,干涉图中的噪声为加性噪声,且干涉图高频系数呈高斯正态分布,其噪声大小可用尺度1上的HH子带系数估计。这些结果对在小波域内进行InSAR干涉图噪声的分析与处理具有一定指导意义。     

遥感影像条带噪声去除的小波变分法

为了避免条带噪声去除过程中丢失影像细节，提出一种基于小波变分法去除遥感影像条带噪声。首先，对含有条带噪声的遥感影像进行小波分解；其次，通过构建的条带保留变分模型（SPVM）去除低层高频分量（含条带噪声）中的细节信息而保留条带噪声，从而有效分离出低层高频分量（含条带噪声）中的细节信息；通过构建的条带去除变分模型（DVM）去除高层高频分量（含条带噪声）中的条带噪声，从而有效地保留高层高频分量（含条带噪声）中的细节信息；最后，通过小波重构，获得去噪影像。试验证明本文方法在去除条带噪声的同时基本没有丢失影像细节，去噪后的影像对比度及质量都是最优的。     

基于提升格式小波包变换的SAR图像去噪

基于信号和噪声在提升格式小波分解中呈现出的不同特性，提出了一种新的小波包去噪算法。该算法采用提升格式小波对SAR图像进行最优小波包分解，并计算每个子频带的能量范数，然后根据软阈值法和能量范数区分信号和噪声，达到去除噪声的目的。试验结果表明，该算法对SAR图像具有较好的去噪效果，不仅可以去除图像中的大部分噪声，而且可以较好地保留图像纹理的细节信息。与传统小波包算法相比，其计算速度快了一倍左右。     

基于提升格式小波包变换的SAR影像去噪(英文)

According to the different characteristics that signal and noise exhibit during wavelet decomposition, a new denoising method based on the lifting scheme wavelet packet decomposition is presented. In this method, the SAR images are decomposed by using the best wavelet packet and the norm of each sub-band are calculated; signals and noise can be discriminated based on the norm and soft-threshold method, and the images can be denoised. Experiments show that the proposed algorithm has excellent performance in denoising SAR images, and can remove most noise of images with well-kept texture detail information. The calculating speed of the method is twice the speed of the general wavelet packet transform algorithm.     

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。     

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。     

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。     

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。     

基于小波变换的CORS高程坐标时序周期性分析与降噪方法研究

以香港连续运行参考站（CORS）网中的6个CORS的高程坐标时间序列数据为研究对象,利用小波多分辨分析从时频的角度来探测坐标时序中存在的周期性变化与非线性运动趋势,并采用小波变换阈值的方法对坐标时序进行降噪处理,根据不同的降噪质量评价指标来对比降噪效果．结果表明:高程坐标时序中存在极为明显的年周期与半年周期变化的特征,通过小波降噪可以有效地减弱或消除原始时序中的噪声信息,获得更接近理论分析的坐标时间序列．      

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.