变形序列小波消噪最佳分解尺度量化指标的确定

小波消噪分解尺度确定的正确与否,直接关系到消噪效果。针对变形序列的消噪,将时序分析建模定价的信息准则与高斯白噪声在小波变换下的特性相结合,提出了用Akaike信息准则作为量化指标,确定小波消噪最佳分解尺度的方法。模拟数据和工程数据的验证结果表明,在Akaike信息准则计算值达到最小时,所确定的分解尺度符合信噪分布规律,达到了较好的消噪效果,实现了作为小波消噪最佳分解尺度确定的量化指标作用,提升了小波消噪在变形数据处理中应用的便捷性。     

变形监测数据小波去噪分解尺度确定方法

小波去噪作为一种数据处理方法,分解尺度的选择对去噪效果有影响。在论述基于均方根误差变化率的方法、基于总体评价指标的综合法、多指标融合法和复合评价指标法4种小波去噪分解尺度确定方法的基础上,通过仿真实验和变形监测实测数据的去噪处理对比分析,结果表明,基于均方根误差变化率的方法对处理低噪声信号有良好效果,多指标融合法只能确定小波分解尺度的大致范围,基于总体评价指标的综合法和复合评价指标法可以准确判定小波分解尺度,且不受噪声影响。     

基于小波系数分割的局部自适应阈值图像去噪

针对自适应小波阈值去噪中方形局部窗口不能很好地适应小波系数自身边缘特征的问题，本文提出了一种基于图像分割的局部自适应小波阈值去噪方法。该方法首先对图像进行多尺度小波分解，其次利用图像分割技术对图像的各尺度小波系数分别进行分割，分割技术选用SLIC超像素分割法得到具有相似统计特性的不规则局部块，然后对每个分割块内的小波系数进行BayesShrink阈值估计和软阈值收缩，最后通过小波逆变换得到去噪图像，并在3幅标准测试图像和一幅高光谱影像上进行试验。试验结果表明，本文提出的方法能更好地适应小波系数自身的边缘特征，不仅能够获得更好的视觉效果，而且能够达到较高水平的数值指标。     

时序数据去噪中的小波策略及评价指标

引入评价时序数据去噪效果的均方根变化量、互相关系数、信噪比及平滑度4项指标,分析了不同小波策略的去噪效果与指标间的关系。结果表明,不同于小波分解重构阶段,小波策略阶段的去噪均方根误差与4项指标存在正相关趋势,且归一化后的综合指标与去噪均方根误差归一化值存在0.95的正相关性,在实测时序数据分析中,可用归一化后的综合指标代替未知的去噪均方根误差来评价去噪效果,并以去噪残差分布作为去噪可靠性定性指标。     

基线长度对电离层去噪最佳分解尺度的影响分析

GNSS电离层变化量随着基线长度的增加变化趋于复杂,且电离层求解不易。本文在三频组合理论的基础之上,采用新的伪距精化方法来固定波长较短且直接固定成功率不高的超宽巷模糊度,然后利用两组固定的超宽巷模糊度反算电离层延迟。由于反解电离层受到多种随机噪声影响,因此本文利用小波分解与重构技术来有效滤掉随机噪声。不同基线长度下,随机噪声被放大的量级不同,本文利用融合指标来确定小波最佳去噪层次,通过数据分析探究得出小波基函数以及最佳去噪层次随基线长度的变化特征。数据分析表明,本文方法能有效提取双差电离层延迟信息。     

利用小波去噪进行步态加速度信号预处理

针对步态识别方法中加速度信号的去噪问题,提出了一种利用复合评价指标及小波熵进行步态加速度信号小波去噪的参数优选方法。均方根误差和平滑度的变化率随小波分解层数的增加表现出单调性和负相关性,根据该特性使用改进熵权法构建了一种复合评价指标,通过构建的复合评价指标确定不同小波基处理步态信号时的最优分解层数,根据步态信号小波分解后低频系数的小波熵大小来确定每一分解层次的最优小波基。实验结果表明,所提方法确定的小波去噪方案可以满足步态信号研究的滤波要求。     

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。     

结合双树复小波变换的四阶偏微分影像去噪方法

针对低阶偏微分方程去噪模型通常会使图像的灰度趋于分段常量而产生阶梯效应的问题,结合小波多尺度分解在图像处理中的应用,提出一种结合双树复小波变换(DT-CWT)的四阶偏微分方程(PDE)影像去噪模型。首先采用DT-CWT对噪声影像进行多尺度分解,保留分解后的低频分量不变,其他层复高频分量采用四阶PDE去噪模型去噪,然后重构相应层的高、低频分量,得到最终去噪后影像。对不同噪声强度下的ZY-3卫星影像去噪实验的结果表明,采用本文方法去除遥感影像噪声相比现有方法得到的去噪结果信噪比平均提高了1~2 d B,提高了去噪影像的结构相似度,在有效去除影像高斯噪声的同时能够较好地保留图像细节信息。     

联合非局部均值与小波域维纳滤波的去噪方法

针对传统小波阈值与维纳滤波方法对合成孔径雷达(synthetic aperture radar,SAR)影像去噪后效果不太理想的情况下,提出了一种基于非局部均值与小波域维纳滤波联合的SAR影像相干斑抑制方法。首先,对SAR影像进行小波分解,将影像及噪声引入到小波域中;然后,对分解出的低频部分进行非局部均值处理,高频部分进行维纳滤波;最后,对处理后的低频和高频部分进行小波重构,得到去噪后的影像。实验结果表明,所提的去噪方法不仅能够有效去除相干斑噪声,而且较好地保持了图像的纹理结构等信息。与传统的小波阈值与维纳去噪方法相比,在等效视(ENL)数、峰值信噪比(PSNR)和结构相似性(SSIM)指标上有明显改善。     

基于边缘检测的优化算法的小波阈值图像去噪

目前,小波阈值去噪方法简单有效,已成为图像去噪领域中常用的去噪方法.但传统的小波阈值去噪方法存在一些缺点,在去除图像噪声的过程中会出现去噪不彻底、噪声残留和噪声误判的问题.本文首先利用小波边缘检测算法确定图像边缘特征的小波系数;然后,根据噪声的方差设置优化阈值函数去噪,即在以往统一阈值基础上加以修改,使阈值能随着分解尺度的变化而改变,对传统的软闽值和硬阈值的优点予以保留,改进它们的缺点,生成一种新的阈值函数,使它在处理小波系数时更加灵活.经过优化的小波阈值去噪后得到平滑图像;最后,把小波边缘检测图像镶嵌入平滑图像中.实验表明,与传统的小波阈值去噪方法相比,该算法解决了传统阈值函数在去噪过程中出现的问题,进行有效去噪的同时保留图像的细节,使图像更加清晰,提高了信噪比.     

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。     

GPS连续观测资料小波变换质量评价探讨

小波变换在处理GPS噪声的应用中有较好的效果.本文研究利用GPS连续观测资料的小波变换去噪结果进行质量评价,通过对分析资料采用不同的小波基函数、对同一小波基函数下的小波变换各尺度结果进行比较,并结合实例分析得出了初步的结论:对GPS连续观测资料进行小波变换去噪,采用sym6、sym8和coif4小波,分解尺度在4～6之...     

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。     

基于小波阈值的海洋磁力测量数据消噪方法

波浪噪声和随机噪声是影响海洋磁力测量数据处理精度的重要因素。基于小波变换理论,研究了海洋磁力测量数据中的波浪和随机噪声的消除方法。首先对带有噪声的实测磁异常数据进行频谱分析,确定相应的多分辨分析尺度。分别采用滑动拟合法、基于小波高频系数置零的消噪方法、基于小波阈值消噪方法进行消噪计算。实例计算表明:基于小波阈值消噪方法能够将磁异常中的噪声和真实的高频信息分离开来,进一步提高了消噪的精度和可靠性。     

基坑变形小波去噪及BP神经网络组合预测模型研究

以某市轨道交通1号线地铁站基坑观测数据为例,开展了小波及BP神经网络预测模型的研究。首先采用小波阈值去噪方式对纵向观测线实际观测数据进行去噪处理,依据信噪比最高以及均方根最小判别原则进行判别,实验表明,小波1层分解、软阈值方式、sym4小波基函数、rigrsure阈值原则、scal=sln为最佳组合方式。然后,给出基坑变形小波-BP神经网络组合预测模型。最后对小波去噪前后的数据进行BP神经网络预测模型预测处理并与小波变换神经网络预测模型预测数据进行对比分析,结果表明小波变换神经网络预测模型预测精度最高。     

基于小波阈值消噪自适应滤波的GPS/INS组合导航

惯导系统中惯性元件误差是影响惯性导航及其组合导航精度的重要因素.在GPS/INS组合导航自适应滤波的基础之上,提出利用小波进行阈值消噪以提高组合导航精度.首先对惯性元件输出信号进行频谱分析,确定相应的多分辨分析尺度以及不同尺度下对高频系数采取的相应措施.对噪声占主要成分的尺度将其高频系数全部置零,对噪声和有用信号共同占有的尺度将其高频系数作阈值处理.利用实测数据进行验证,结果表明这种方法能够有效地削弱惯性元件误差的影响,提高GPS/INS组合导航系统的精度和可靠性.     

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。     

一种海洋磁力测量降噪的有效方法

波浪噪声和随机噪声是影响海洋磁力测量数据处理精度的重要因素。基于小波阈值消噪理论,研究了海洋磁力测量数据中的波浪和随机噪声的消除方法。仿真和实例计算表明:借助于小波的分解与重构,有效地减弱或消除了测量数据中的波浪和随机噪声,具有较高的精度和可靠性。该方法解决了传统的滑动拟合法对波浪和随机噪声与测量数据中的真实高频信息一起平滑过滤的局限性问题。     

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。