桥梁索塔GPS监测信号的小波分析

针对EMD分解后直接舍去高频含噪信号可能会导致有用信息的丢失,以及小波阈值去噪中采用全局阈值去噪效果不完善等问题,该文提出了一种基于SSA的改进EMD-Wavelet耦合模型运用于桥梁索塔GPS监测信号去噪。即先对原始监测信号进行奇异谱分析,提取信号的趋势项和周期项,分析不同阶段的信号特性从而对其进行合理分段。在对经过EMD分解后的高频信号进行小波去噪时,根据信号的分段结果和给定的阈值计算函数进行分段分层取阈值。结果表明,该方法能很好地对原始坐标序列进行降噪,并且各项评价指标均优于SSA重构去噪法、EMD分解去噪法和EMD-Wavelet全局阈值去噪法,去噪效果更佳,这为索塔监测数据信号提取提供了有意义的参考。     

奇异谱分析滤波法在消除GPS多路径中的应用

基于奇异谱分析(singularspectrumanalysis,SSA)的基本思想,利用噪声与信号的赫斯特(Hurst)指数有显著差异这一特性,提出了一种新的SSA滤波法,同时给定了嵌入维数犔与重构阶次犘的确定标准,并将该方法应用于GPS多路径的研究中。通过模拟数据及实测GPS坐标序列的数据分析,结果表明SSA滤波法是一种有效的去噪方法,其去噪效果与小波滤波与经验模态分解(empriricalmodedecomposition,EMD)滤波相当。针对多路径效应周日重复性的特点,利用该滤波方法建立改正模型,可有效地削弱多路径效应的影响,进而提高GPS动态变形监测的精度。     

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。     

大桥GPS动态监测去噪方法

针对从GPS实际监测到的信号中去除噪声,提取真实信号的问题,该文对EMD去噪法、小波阈值去噪法,EMD小波去噪3种方法进行了比较,并通过实例分析得出:3种方法均可滤除噪声,但效果各不相同;EMD对信号分解具有良好的自适应性,但在滤除噪声时可能因为模态混叠的原因造成过滤不完全,各分量中可能均含有一定量的噪声;小波滤波噪声效果和小波基、阈值函数及分解层数选择有关,具有主观性;对于EMD小波混合去噪方法,提出先用EMD自适应方法进行分解,分解出噪声主导分量和信号主导分量;对于高频噪声主导分量,可能含有少量有用信号,故须再用小波阈值法过滤出有用信号;而对于信号主导分量,再用小波滤除多余噪声,最后进行逆变换得到重构后的信号。实例表明EMD小波混合去噪方法能很好地去除噪声,是一种高效的去噪方法。     

EEMD滤波技术在GPS动态监测数据去噪中的应用

为了削弱结构动态监测中GPS随机噪声的影响,本文研究了一种基于集成经验模态分解(EEMD)技术的滤波方法。根据信号自身尺度分解信号,基于分解产生的本征模态函数(IMF)的Fourier变换频谱特征,构造了EEMD时空滤波器。对不同信噪比的仿真非平稳数据进行去噪处理并与小波去噪法相比较,各项指标表明基于EEMD滤波器的去噪方法与小波去噪方法效果相当,但避免了小波基的选择,具有更大的自适应性。应用于GPS动态监测数据的去噪结果表明该方法能有效分解信号消除GPS高频噪声及低频噪声的影响,提取有用振动信号,为进一步结构分析提供有效数据。     

基于小波分析的GPS双差观测数据消噪方法研究

通过双差方法难以消除的多路径误差、接收机观测噪声等非模型化误差会大大影响GPS动态定位的精度.基于小波分析的理论,对GPS双差观测数据序列的消噪问题进行研究,结果表明,利用小波去噪原理,可有效地从受到强噪声干扰的GPS观测数据序列中提取变形特征信息,增强基线解算的有效性,提高GPS定位精度,解决传统技术对GPS动态监测...     

一种自相关函数绝对值均值变点的去噪方法

针对CEEMD去噪基于能量准则判定分界点存在稳定性差的问题,该文以噪声和有用信号各自的自相关函数特点之间的差异为基础,提出了一种基于自相关函数绝对值均值变点的CEEMD去噪方法。该方法利用噪声和有用信号各自的自相关函数值存在差异的特点,实现了噪声和信号模态分界点的定量判定,对发现的噪声模态分量,采用小波软阈值法去噪,保留了存在于噪声模态分量中有用的信号。bjfs和auck两个CORS站20余年的高程时间序列数据,实验结果表明:该方法可以定量判定噪声和信号模态的分界点,去噪后信噪比提高14%以上,而且采用均方根误差指标统计的高程时间序列预报精度提高了44%以上。提出了一种基于自相关函数绝对值均值变点的CEEMD去噪方法,实现了CORS站高程坐标分量数据的去噪。     

小波包分析在GPS振动观测中的应用

将小波包分析应用于GPS振动观测数据处理,研究小波包分析在异常值探测、信号特征提取、去噪中的应用。首先对信号分解和单支重构,验证小波包分析探测异常值的能力。针对小波包分析含有丰富的高频信息,采用奇异谱分析方法提取高频部分的振幅和频率。小波包分析的去噪能力优于小波分析。     

基于滑动L2优化准则的GPS坐标时间序列重构

GPS坐标时间序列中不仅包含白噪声,还包含闪烁噪声、随机漫步噪声等有色噪声,这些噪声将影响GPS应用的可靠性,甚至可能对一些地球物理现象做出错误的解释,因此降低GPS坐标时间序列中有色噪声的影响、提高GPS精度是一个重要和基本的问题。提出了一种滑动L₂优化估计方法(ML₂),通过选取合适的窗口建立L₂优化模型,再利用交替迭代乘子法求解每段时间序列的优化问题,并逐年滑动得到整段GPS坐标时间序列的估计。实验结果表明,ML₂方法与奇异谱分析、小波分解、滑动普通最小二乘法相比具有更好的重构效果。     

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。     

GIS技术在区域经济分析中的应用

讨论了GIS技术在区域经济分析中的应用,提出了一个基于GIS技术的区域经济分析系统。随后给出了实例分析——应用全国空间数据和统计数据(如GDP等)在ArcView GIS的系统环境下开发了一个区域经济差异特征分析模块,得出了全国各区域的差异情况,并对整个区域进行了经济分区,为区域经济规划的制定与决策提供了一种科学的依据。     

GIS技术在景观视觉分析中的应用

探索应用地理信息系统空间分析技术,通过三维数字高程模型修正模拟规划在建大型建筑群的“地形”表面,并对观察点和目标点之间视觉的通视、可视域分析,采用定性和定量相结合的方法,形象直观分析评价未来重庆科技馆的景观视觉效果,     

基于相关性分析的GRNN在房地产估价中的应用

介绍了广义回归神经网络的原理,利用深圳市景田区房地产数据建立价格预测模型。为减少房地产估价过程中人为因素的影响,先从选取的12种影响因子分别对房地产价格做相关性分析,然后选出影响因子显著的6个作为网络输入。通过与传统的BP神经网络作比较,优化网络输入后的GRNN的预测效果更好,更有利于房地产市场的估计分析。     

小波时间序列对非平稳信号中突变点的辨识与处理

本文利用小波时间序列模型找出非平稳信号中突变的位置,通过分析把突变点分为两类;若对两类突变点作适当的插值处理,既可保留原始数据发展趋势的真实性也可提高预测模型的精度。文中把迭代模型的预测值去逼近突变点值和单纯地用Pchip插值、spline插值、linear插值作为内插值进行了对比研究,得出了各自的优缺点。     

Spectral mapping methods applied to LiDAR data: Application to fuel type mapping

Originally developed to classify multispectral and hyperspectral images, spectral mapping methods were used to classify Light Detection and Ranging (LiDAR) data to estimate the vertical structure of vegetation for Fuel Type (FT) mapping. Three spectral mapping methods generated spatially comprehensive FT maps for Cabañeros National Park (Spain): (1) Spectral Mixture Analysis (SMA), (2) Spectral Angle Mapper (SAM), and (3) Multiple Endmember Spectral Mixture Analysis (MESMA). The Vegetation Vertical Profiles (VVPs) describe the vertical distribution of the vegetation and are used to define each FT endmember in a LiDAR signature library. Two different approaches were used to define the endmembers, one based on the field data collected in 1998 and 1999 (Approach 1) and the other on exploring spatial patterns of the singular FT discriminating factors (Approach 2). The overall accuracy is higher for Approach 2 and with best results when considering a five-FT model rather than a seven-FT model. The agreement with field data of 44% for MESMA and SMA and 40% for SAM is higher than the 38% of the official Cabañeros National Park FTs map. The principal spatial patterns for the different FTs were well captured, demonstrating the value of this novel approach using spectral mapping methods applied to LiDAR data. The error sources included the time gap between field data and LiDAR acquisition, the steep topography in parts of the study site, and the low LiDAR point density among others.     

1700—2012年太阳黑子周期性变化的小波分析

为了研究太阳黑子的周期性变化规律,采用SIDC提供的1700—2012年逐年与1987—2012年逐日的太阳黑子数据,利用小波功率谱分别从长周期和短周期两个方面研究太阳黑子的周期,分析结果表明,太阳黑子存在3个显著性周期:0.075 a(27 d)、11.04 a和111.6 a,除此之外,还有55 a的局部显著周期。对太阳黑子数与太阳F10.7射电流量进行交叉小波变换,分析结果发现两者在10.1~12.3 a的尺度上有着显著的共振性。利用最小二乘谱分析方法得到太阳黑子时间序列各个周期的振幅和趋势信息,结果显示各个周期的振幅与其小波功率谱成正比关系,11.04 a的振幅最大,0.075 a最小,同时在1700—2012年间,太阳黑子呈现逐年递增的趋势,每年约增长0.08个单位。     

三角钢标对GPS测量影响的试验分析

GPS测量控制网为了与地面国家控制网进行联合的平差，必须与国家坐标系进行联测，GPS接收机有时也必须安置在有三角钢标的旧有控制点上。通过对此分析研究了三角钢标对GPS测量的影响，对设计和实施GPS测量的用户具有一定的参考价值。     

Application of integration of spatial statistical analysis with GIS to regional economic analysis

This paper summarizes a few spatial statistical analysis methods for to measuring spatial autocorrelation and spatial association, discusses the criteria for the identification of spatial association by the use of global Moran Coefficient, Local Moran and Local Geary. Furthermore, a user-friendly statistical module, combining spatial statistical analysis methods with GIS visual techniques, is developed in Arcview using Avenue. An example is also given to show the usefulness of this module in identifying, and quantifying the underlying spatial association patterns between economic units.     

Application of integration of spatial statistical analysis with GIS to regional economic analysis

This paper summarizes a few spatial statistical analysis methods for to measuring spatial autocorrelation and spatial association, discusses the criteria for the identification of spatial association by the use of global Moran Coefficient, Local Moran and Local Geary. Furthermore, a user-friendly statistical module, combining spatial statistical analysis methods with GIS visual techniques, is developed in Arcview using Avenue. An example is also given to show the usefulness of this module in identifying and quantifying the underlying spatial association patterns between economic units.     

Understanding the potential relationship between the socio-economic variables and contributions to OpenStreetMap

OpenStreetMap (OSM) has seen an exponential increase in the last few years and large volumes of geodata have been received from volunteered individuals. The collected geodata are heterogeneous in terms of different dimensions such as spatial patterns of contributions, quality, patterns of contributing individuals, and type of contributions. Because contributors’ personal information is anonymously stored by the OSM administrators, alternative methods are needed to investigate the role of contributors’ characteristics on their mapping behavior. This study is intended to explore the potential socio-economic characteristics of contributors in highly contributed areas to have better insights about the latent patterns of involved individuals in a highly dynamic state of the most active country in OSM, Germany. A logistic regression model (LRM) is applied to discover the potential correlations between dependent and independent variables. The findings explain that the areas with high population density, middle level of education, high income, high rate of overnight stays, high number of foreigners, and residents aged from 18 to 69 are more likely to be involved in OSM. Furthermore, the degree of dynamism in OSM is a function of proximity to built-up areas. Finally, concluding remarks concerning the independent variables and model sensitivity are presented.