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。     

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。     

基于完备经验模态分解自相关消噪技术的GNSS高精度动态变形监测研究

为了更好地消除混杂在变形序列中的噪声,利用完备经验模态分解（CEEMD）将形变信号自适应分解为不同尺度的振动模态。针对分解分量中信号和噪声区分标准不唯一的问题,构造一种CEEMD与自相关分析相结合的去噪算法,实现有效信号和随机信号的分离。将该算法应用在仿真实验和GNSS变形监测实测数据处理中,并与传统的小波去噪方法进行比较。结果表明,该算法避免了小波基选择带来的影响。     

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。     

地铁隧道地表变形小波去噪及灰色-时序组合预测模型研究

以青岛地铁3号线地表变形横向观测线实测数据为例,开展小波去噪及时序组合预测模型的研究。首先,采用小波理论对观测值进行粗差剔除与去噪处理,根据均方误差最低、信噪比最高的原则,证实dmey小波1层分解、rigrsure软阈值小波去噪方法是最优的。其次,给出地铁隧道地表变形灰色-时序组合预测模型表达式,选用等维新息GM(1,1)模型和残差时间序列模型进行地表变形叠合预测。最后,通过小波去噪后时间序列预测模型、小波去噪前灰色-时序组合预测模型、小波去噪后灰色-时序组合预测模型进行计算分析,结果表明小波去噪后灰色-时序组合模型预测精度最高,并分析了各模型预测精度差别的成因。     

改进的小波阈值函数对变形监测数据的去噪研究

基于小波分析中传统的阈值函数,结合其他学者提出的小波阈值函数,提出一种改进的小波阈值函数,并将其应用于变形监测数据的去噪处理。理论分析和算例表明,新的小波阈值去噪函数能够有效去除噪声。     

方差膨胀模型用于GNSS/加速度计融合变形监测

为解决GNSS信号在环境遮挡、多路径误差等影响下监测精度不可靠的问题,基于Huber选权迭代法,将方差膨胀思想引入GNSS/加速度计融合滤波算法中,从随机模型角度对GNSS异常值的量测噪声进行自适应调整,降低GNSS异常观测对Kalman滤波量测更新的影响,提高GNSS/加速度计融合变形监测结果的可靠性。在静态和动态2种场景下进行验证分析,结果表明,改进融合算法能够显著提高复杂多路径环境下的GNSS监测精度,其解算获取的形变位移三维方向RMS均在1.8 cm以内,可为复杂环境高精度变形监测提供参考。     

一种适用于PPP动力学模型异常的自适应Kalman滤波

为了削弱PPP参数估计中动力学模型异常对Kalman滤波解的影响,针对PPP状态向量中各类参数不符值对动力学模型异常描述特性的不同,以位置相关为条件对参数进行分类,构建分类因子自适应Kalman滤波用于PPP参数估计。选取6个IGS站点3 d的数据,使用标准Kalman滤波与构建的自适应Kalman滤波进行PPP解算分析。结果表明,相较于标准Kalman滤波,自适应Kalman滤波能通过自适应因子调节状态预测协方差,加速PPP收敛。静态模式下,平均收敛时间从28.2 min缩减到19.4 min,N、E、U方向的平均精度为1.50 cm、3.34 cm、5.55 cm,分别提高7%、14%、19%;动态模式下,构建的自适应Kalman滤波解N、E、U方向偏差的RMS值为2.7 cm、3.6 cm、6.3 cm,较标准Kalman滤波分别提高13%、28%、43%。     

基于卡尔曼滤波的GM(1,1)模型在三维激光扫描边坡沉降变形分析中的应用

利用三维地面激光扫描技术进行边坡变形监测时,由于其监测的数据容易受树木、行人、行车、电线杆等外界因素的干扰,所得到的结果是一组含噪声较多的边坡沉降时间序列。通过卡尔曼滤波对初始监测数据进行去噪处理,可以平滑掉曲线上波动较大的尖点,得到更合理的沉降曲线,有效提高模型的预测精度。基于以上理论,本文采用三维激光扫描仪对西北某湿陷性黄土边坡进行扫描,将得到的点云数据采用重心法提取特征点的高程坐标,再对数据采用卡尔曼滤波算法进行滤波去噪处理,通过建立基于卡尔曼滤波算法的新预测模型来预测其沉降变形。通过工程实例表明:建立的新模型的拟合和预测精度要优于传统灰色预测模型,具有较好的借鉴意义,为以后三维激光扫描技术在边坡变形监测中的应用提供指导。     

基于EMD和小波的GPS/BDS变形监测中的多路径误差削弱方法

针对GPS/BDS实时监测坐标序列中多路径误差的周日重复特性和高频随机噪声,分别采用EMD以及EMD与小波阈值去噪相结合的方法对现有坐标序列构建多路径时序模型,并通过恒星日滤波削弱后续坐标序列中具有强相关性的多路径误差。实测数据的处理结果表明,EMD可以很好地去除GPS/BDS实时监测序列中的高频随机噪声并削弱多路径误差的影响,提高实时监测精度50%左右,EMD和小波组合方法较单EMD效果稍好。     

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。     

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。     

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。     

小波多分辨分析在变形分析中的应用

利用离散小波变换方法对变形观测序列进行分析 ,通过小波多分辨分析方法对变形观测数据进行分解和重构 ,有效地对误差进行了分离 ;在分析非线性形变算例中 ,小波变换得到的去噪后变形曲线与多项式回归法结果相比 ,克服了因选用不同模型拟合效果不同的主观影响 ,既能较好地反映局部变形特征 ,又能反映整体变形趋势。     

基于PCA及提升小波组合算法提取建筑物结构振动信号

针对监测结果受测量噪声和多路径等GPS误差影响的问题,提出基于PCA及提升小波的组合算法来提取建筑物结构振动信号。利用PCA空间滤波分离区域站点相关的共模误差,然后利用提升小波变换对振动信号进行降噪,用于提取结构振动信号。以香港某高楼在台风荷载作用下的观测数据为例进行实验,结果表明,此算法有效提高了变形监测的精度。     

复杂环境下GNSS滑坡监测多路径效应分析及处理方法

GNSS-RTK技术用于地形地貌、植被环境较为复杂区域监测形变时,因反射引发的多路径效应会对形变监测结果产生较大影响,严重制约该技术应用于高精度滑坡监测。针对复杂环境下GNSS滑坡监测多路径效应,通过采集秦巴山区监测环境与黄土监测环境下GNSS滑坡形变监测数据,对不同环境的可视卫星观测范围、信噪比及多路径效应序列进行详细分析,并利用恒星日滤波法对多路径效应序列进行修正,验证复杂环境下削弱多路径效应的方法和精度。结果表明:受监测地形影响,多路径效应与低高度角相关关系减弱,采用单一截止高度角削弱多路径效应的方法不适用;复杂环境引起的多路径效应可达2m,其定位精度无法满足形变监测要求;通过小波去噪,对定位结果采用恒星日滤波法提取误差趋势项,并用于相邻两天的定位误差实时修正,发现采用恒星日滤波法进行多路径效应修正后使定位残差提高至毫米级,东、北和高程3个方向精度分别提高84.38%、72.88%、64.84%。     

基于二维小波自适应阈值的海洋磁场资料去噪方法

构建海洋三维磁空间背景场模型时，解析延拓是实现不同高度磁场数据相互转换的关键。针对向下延拓数据中的高频信息极易被延拓算子放大，并包含在延拓后的磁场资料中，降低了三维磁空间背景场模型的构建精度，引入二维小波自适应阈值去噪方法，在不同小波分解阶层中设定自适应阈值，在向下延拓前去除磁测数据中的高频噪声，改善向下延拓结果。理论模型试验与实例分析表明，在不同噪声条件下，二维小波自适应阈值法可有效提高数据的信噪比，去噪效果优于传统的快速傅里叶（FFT）平滑法，从而有效改善频域迭代向下延拓结果，为三维磁空间背景场模型构建提供基础。     

结合CEEMDAN的改进小波阈值地下水温观测数据去噪方法

提出一种结合自适应噪声完备集合经验模态分解方法(CEEMDAN)的改进小波阈值降噪算法,用于地下水温观测数据的去噪。在利用该方法与传统的去噪方法分别对仿真信号进行降噪后发现,该去噪方法性能更优,并且在对实际采集到的含有噪声及异常突变的地下水温数据进行处理方面,也展现出比传统单一滤波手段更好的效果。     

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。     

小波分解与EMD在变形监测应用中的比较

为分析经验模式分解(Empirical Mode Decomposition, EMD)在GPS动态变形监测应用中的可行性和有效性,利用模拟数据和振动台的GPS实测数据分析比较了EMD和小波分析在信号去噪和多尺度分解上的能力.结果表明:EMD和小波均能较准确地提取结构振动信息,但当噪声较大时小波去噪和多尺度分解稳定性略优于EMD,而EMD则基于数据本身具有自适应性,不受小波基选择和分解层数的影响.