利用平滑先验信息方法分离高频GPS数据静态永久变形与地震波

震后高频GPS观测资料详细记录了地震引起的静态永久变形和地震波信息,如何实现二者的有效分离是准确反演地震参数的关键因素。本文引入平滑先验信息方法（SPM）对近几年3次地震的高频GPS数据进行处理和分析,尝试实现二者的有效分离。结果表明,SPM方法可以简单、快速、有效地分离高频GPS动态位移中的静态永久变形和地震波信息,数据处理结果完整、清晰地记录了由主震引起的静态永久变形、余震引起的静态永久变形和震后余滑位移以及地震波信息,可为准确反演震源参数、断层破裂过程提供重要的约束条件。     

基于自适应噪声抵消与小波滤波的GPS监测误差分析

对GPS载波相位测量误差进行了理论分析和试验研究。根据噪声特征以及它们对载波相位测量结果的影响，提出了基于自适应噪声抵消与小波滤波相结合的GPS噪声抑止方法。对具有强相关特性的多路径误差采用自适应噪声抵消方法，而对于不相关的高频噪声则通过合理选择小波分解层数对信号进行分解，对作用闽值后的小波系数进行重构，得到最后的变形信号。实测数据分析表明，该方法能有效地削弱多路径效应及测量随机噪声，较用单一方法对GPS数据进行消噪处理有较大的优越性。     

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。     

利用小波变换进行GPS振动观测值的异常探测

本文利用小波变换技术进行GPS振动观测值的异常探测,将GPS振动观测值序列视为一组观测信号,先利用小波低频分解提取信号趋势,再利用小波高频分解探测异常值的位置,提出结合观测体自身变形趋势判断异常值是否存在,再通过小波高频分解和小波阈值去噪找到异常值准确位置的探测方法。结合某GPS振动平台上的振动观测实验数据进行仿真分析,获得准确的异常探测结果。实践证明文中研究的异常值探测方法是可行的和有效的,为GPS振动观测值的异常探测提供新思路。     

融合GPS与强震仪数据实时监测瞬时地壳形变

针对强震仪与GPS各自的优点与缺陷，以2016年意大利Mw 6.0级地震为例，探讨了利用Kalman滤波融合GPS与强震仪数据实时监测中等强度地震引起的瞬时地壳形变的可行性与优势。Kalman滤波获取的位移波形以GPS数据作为整体趋势，细节部分用强震仪数据进行描述，融合后的位移波形精度较高，能够准确和细致地描述地震引起的地表动态形变；与此同时，Kalman滤波位移波形也能够准确地探测中等强度地震引起的同震永久阶跃；Kalman滤波位移波形的功率谱在低频部分与GPS位移波形的功率谱密度相似，在高频部分与强震仪位移波形的功率谱密度相似，表明Kalman滤波结合了GPS与强震仪各自的优点；交叉小波分析表明，Kalman滤波获取的位移波形与GPS、强震仪数据呈现较强的正相关性，小波相似值均在0.8以上。以上结果表明，融合GPS与强震仪数据可以结合二者各自的优点，弥补各自的缺陷；融合GPS与强震仪数据可以有效探测中等强度地震引起的瞬时地壳形变。     

一种低动态高抖动环境下的GPS/INS紧组合方法

针对低动态高抖动环境下,影响GPS/INS紧组合精度的重要因素——惯性测量单元(IMU)数据中的噪声,该文提出利用小波降噪方法分离IMU数据中的噪声和有用信号以提高GPS/INS紧组合的精度。首先对IMU数据进行小波分解后得到的高频系数进行阈值量化处理,然后将GPS观测数据与降噪后的IMU数据进行GPS/INS紧组合解算,最终得到载体的导航信息。实例结果表明,该方法可以大幅提升GPS/INS紧组合的精度和稳定可靠性。     

一种低动态高抖动环境下的GPS/INS紧组合方法

针对低动态高抖动环境下,GPS/INS紧组合精度的重要因素之一——惯性测量单元(IMU)数据中的噪声,该文提出利用小波降噪方法分离IMU数据中的噪声和有用信号以提高GPS/INS紧组合的精度。首先对IMU数据进行小波分解后得到的高频系数进行阈值量化处理,然后将GPS观测数据与降噪后的IMU数据进行GPS/INS紧组合解算,最终得到载体的导航信息。实例结果表明,该方法可以大幅提升GPS/INS紧组合的精度和稳定可靠性。     

一种低动态高抖动环境下的GPS/INS紧组合方法

针对低动态高抖动环境下,GPS/INS紧组合精度的重要因素之一——惯性测量单元(IMU)数据中的噪声,该文提出利用小波降噪方法分离IMU数据中的噪声和有用信号以提高GPS/INS紧组合的精度。首先对IMU数据进行小波分解后得到的高频系数进行阈值量化处理,然后将GPS观测数据与降噪后的IMU数据进行GPS/INS紧组合解算,最终得到载体的导航信息。实例结果表明,该方法可以大幅提升GPS/INS紧组合的精度和稳定可靠性。     

一种低动态高抖动环境下的GPS/INS紧组合方法

针对低动态高抖动环境下,GPS/INS紧组合精度的重要因素之一——惯性测量单元(IMU)数据中的噪声,该文提出利用小波降噪方法分离IMU数据中的噪声和有用信号以提高GPS/INS紧组合的精度。首先对IMU数据进行小波分解后得到的高频系数进行阈值量化处理,然后将GPS观测数据与降噪后的IMU数据进行GPS/INS紧组合解算,最终得到载体的导航信息。实例结果表明,该方法可以大幅提升GPS/INS紧组合的精度和稳定可靠性。     

小波去噪在GPS监测数据处理中的应用研究

在GPS观测的数据中,往往存在大量的噪声,噪声的存在对卫星信号造成了一定程度的干扰。利用小波去噪的方法可以分解GPS载波信号,得到信号的高频和低频不同的频率成分,从而有效的剔除GPS信号的噪声,调高GPS变形监测数据的精度。     

融合小波变换和自适应Kalman滤波在GPS监测中的应用研究

针对自适应卡尔曼滤波只适用于滤除高斯分布的白噪声,本文提出了融合小波变换和自适应卡尔曼滤波的算法。该算法利用小波变换的多尺度分解,将GPS高频的监测时间序列进行多层分解,重构出新的GPS监测时间序列,将其作为新的自适应卡尔曼滤波初始值,进行滤波处理。将融合算法的滤波结果与单一的自适应卡尔曼滤波结果进行对比分析,结果表明融合算法的滤波效果较为显著。同时,对融合算法滤除的噪声信息进行统计分析,结果表明融合算法滤除的噪声符合正态分布,进一步说明了该融合算法的有效性,为GPS的高频率、高精度的监测提供了技术支持。     

基于小波变换的单频GPS快速精密定位整周模糊度的解算

对于GPS短基线,载波相位双差观测量已基本消除了卫星轨道误差、钟差、大气折射误差等系统偏差的影响,主要包含距离观测量信息及随机测量误差,其中测量误差是高频的测量噪声,小波变换可将GPS载波相位双差观测量中的观测噪声(高频部分)分解出来。本文利用Coiflets小波基函数对GPS快速定位的原始载波相位双差观测量进行5层分解,通过重构第5层低频系数获得去除噪声的"干净"的载波相位双差观测量,然后利用"干净"的双差观测量进行最小二乘参数估计,以减小测量噪声对GPS快速定位病态方程解的扰动。计算结果表明该方法能够显著提高GPS快速定位中模糊度浮点解的精度,仅利用几个观测历元的数据就可以准确地固定模糊度。     

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。     

基于小波分析的光照电站边坡位移变形监测研究

光照电站是北盘江上大型水利枢纽，为确保安全施工和运营，采用智能型全站仪TCA2003对大坝两岸边坡进行位移变形监测。由于监测结果中包含测量仪器、测量条件和测量过程误差，利用db3小波和db6小波进行去噪处理，获取更具真实性和稳定性的数据。通过对比分析，db6小波去噪效果比db3小波好，调用函数提取db6小波分解前后的高频系数，可以判断出噪声主要集中在高频中前两层。     

武大精密定位PANDA软件揭示日本地震精确位移量

日本仙台发生地震后,武汉大学卫星导航定位技术研究中心施闯教授带领的课题组第一时间对日本境内的GPS数据进行了精密处理和分析,准确地解算了地震发生时的地面震动状态。结果显示,地震发生时刻水平方向有两次强烈的震动,造成日本GPS观测站MIZU站向东2m、向南1m的永久性位移,USUD站向东约20cm的永久性位移。该解算结果被国际地质灾害研究门户网站登载,为地震学研究和抗震救灾提供重要的计算参数。     

小波分解下的变形预报组合模型

利用小波变换分解变形监测数据,重构分离得到低频线性项和高频非线性项,线性特征强的子序列使用ARMA模型进行建模预报,非线性特征强的子序列使用神经网络模型进行建模预报,最后合成获得预报值。文中使用隔河岩大坝GPS变形监测数据进行建模预报,分析小波分解层数对预报精度的影响,提出平滑测度确定分解层数的方法,比较ARMA模型或神经网络模型和小波分解下的组合模型的预报精度,结果表明组合模型的预报精度优于单一模型,其精度在0.6mm,最大偏差为1.6mm,平均改善76%和77%。     

改进的二维小波超分辨率重建方法

对传统的二维小波超分辨率重建方法进行了研究,针对原有方法小波分解高频分量双三次插值会引入噪声的情况,提出了一种利用傅里叶变换零填充重采样代替原有双三次插值的改进算法.获得精确的高频细节信息是单帧影像超分辨率重建过程的关键,改进方法利用傅里叶变换零填充重采样可获得频率域理想插值的优势,将其用来处理原图像小波分解后的高频,可在不引入噪声能量的同时对高频信息进行理想插值,使高频细节在重构过程中更加精准.通过理论分析和试验验证,改进方法优于传统方法,可较好地应用于遥感影像的超分辨率重建.     

武汉大学卫星导航定位技术研究中心准确解算日本地震精确位移量

日本大地震后,武汉大学卫星导航定位技术研究中心教授施闯带领课题组,第一时间对日本境内的GPS数据进行了精密处理和分析,准确解算了地震发生时的地面震动状态。结果显示,地震发生时刻水平方向有两次强烈震动,造成日本GPS观测站MIZU站向东2 m、向南1 m的永久性位移,     

小波分析在GPS消噪中的应用探讨

采用VB语言与MATLAB语言编程,提取南宁实验GPS控制网观测数据中的原始载波信号,利用小波分析理论在多尺度、多分辨率、可伸缩、可平移等分析方面的优势,分别对提取的原始载波信号、单差观测值、双差观测值采用bd3小波函数进行3层小波分解,研究高频信号特点以及不同差分方法消除噪声的效果。将小波分析理论作为数学工具,实施GPS观测数据小波分解和重组,对于发现并削弱GPS误差具有一定的参考价值。     

GNSS自动化监测系统的大坝变形预测方法研究

以GNSS自动化监测系统的大坝变形预测方法为主要研究目的,针对大坝GNSS自动化监测数据大样本、高采样率、连续等特点,提出了一种结合小波分析与BP、NAR神经网络预测大坝变形的新方法。利用多尺度小波分析对GNSS大坝变形数据序列进行分解与重构,对重构后的低频近似序列采用BP神经网络进行建模预测,对重构后的高频细节序列采取NAR动态神经网络进行建模预测,最后叠加各尺度下预测结果获得大坝变形预测值。应用结果表明,该方法预测精度高、泛化性能好,可广泛应用于采用GNSS自动化监测系统的大坝变形预测。