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。     

GPS多路径效应中的EEMD时空滤波器

根据结构动态监测中GPS多路径效应的日重复性和低频周期等特性,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,构造了EEMD时空滤波器。通过计算连续两天GPS动态监测数据EEMD的相关系数,提取GPS监测数据中的多路径效应。实验结果表明了该方法的有效性,为结构动态变形模态分析提供了有效数据。     

利用白噪声分解特征的EEMD阈值降噪方法

经验模态分解算法基于待分解数据本身,避免了小波分解时选取合适小波基函数的困难,具有自适应性。然而传统的经验模态分解降噪是一种强制降噪算法,容易将高频部分的有用信号与噪声一起滤除,从而造成信号失真。针对该问题,在分析白噪声EMD分解特性的基础上,提出了一种EEMD阈值降噪法。利用4组具有不同频谱特征的仿真数据,证明了该算法优于传统的EMD强制降噪法;在消除随机噪声的同时,能够有效保留信号中的高频细节分量,从而缓解了信号的失真。     

基于改进HHT理论的大型桥梁动态特性分析

针对Hilbert-Huang变换(HHT)中原经验模态分解法在信号存在中断时出现模态混叠问题,研究了利用噪声辅助的分解方法——总体平均经验模态分解法(ensemble empirical mode decomposition,EEMD)的分解过程及其噪声控制。将此改进的分解方法结合随机减量技术获取振动信号的自由衰减响应,为进一步的Hilbert变换识别模态参数提供有效数据。将该方法结合武汉白沙洲长江大桥GPS实测数据进行了模态识别,结果表明,利用噪声辅助的总体平均经验模态分解法(EEMD)能够有效地克服分解过程中的模态混叠现象,使桥梁模态清晰地分解开来。     

噪声辅助EMD方法提取多路径误差模型分析

经验模态分解(EMD)方法处理间断性信号时存在模态混叠问题,使分解结果失去物理意义。本文从理论分析和实测数据的EMD分解结果两个方面,论述了多路径误差中不可避免的存在间断性的分量。针对该问题,介绍了集合平均经验模态分解(EEMD)方法借助噪声来减弱模态混叠的思路与流程,并连续两天实测GPS数据的单历元定位坐标序列,分别用EEMD和EMD方法消除随机噪声,提取多路径重复性改正模型,结果表明,EEMD方法的效果优于EMD方法。     

噪声辅助EMD方法提取多路径误差模型分析

经验模态分解(EMD)方法处理间断性信号时存在模态混叠问题,使分解结果失去物理意义.本文从理论分析和实测数据的EMD分解结果两个方面,论述了多路径误差中不可避免的存在间断性的分量.针对该问题,介绍了集合平均经验模态分解(EEMD)方法借助噪声来减弱模态混叠的思路与流程,并连续两天实测GPS数据的单历元定位坐标序列,分别用EEMD和EMD方法消除随机噪声,提取多路径重复性改正模型,结果表明,EEMD方法的效果优于EMD方法.     

联合EEMD-KECA算法的InSAR干涉相位时频滤波

根据干涉图信号和噪声时频分布差异的特点,提出一种改进的基于经验模态分解EEMD的InSAR干涉相位滤波方法。该方法首先利用可有效降低模态混叠的EEMD算法,对干涉图的实部及虚部分别进行2维经验模态分解,获得具有不同时间尺度的模态分量;然后根据信号和噪声分量的时间尺度分布特性的差异,采用适用于非线性信号分析的KECA算法对噪声识别、分离;最后利用去除噪声后的模态分量重构干涉图。为了证明本文方法的有效性,分别利用模拟数据及真实InSAR差分干涉相位进行滤波试验。对比本文EEMD-KECA滤波方法、Goldstein滤波、圆周期—中值滤波、EMD分解、EMD-PCA方法的滤波效果,采用相干斑指数、均方差指数、边缘保持指数进行定量评价。结果表明,与经典InSAR干涉图滤波方法相比,本文联合EEMD-KECA算法的滤波方法能有效滤除干涉图噪声,且在条纹边缘等细节信息的保持上也具有较大优势。     

PSO-DVMD-WT的变形信号去噪方法研究

为了滤除变形数据中含有的白噪声,该文提出一种基于粒子群优化算法的双重变分模态分解-小波阈值去噪模型。首先利用VMD对变形数据进行初次分解,初次分解层数K_1由频谱图波峰个数确定,根据相关性分析将分量分为噪声分量和信号分量;然后针对信号分量出现模态混叠的现象,首次分解的信号分量再次进行粒子群优化的VMD分解,得到二次信号分量和二次噪声分量;对二次VMD分解得到的噪声分量进行小波阈值降噪;最后重构实现噪声的有效剔除。模拟实验结果显示,利用本文方法去噪得到的均方根误差降低至0.418 0 mm、信噪比提升至10.174 0 dB,对比小波阈值、总体经验模态分解(EEMD)、VMD等方法,降噪效果有明显的提升。在实际变形数据去噪中,相比于其他去噪方法,本文方法能够很好地抑制模态混叠的现象,且均方根误差降低至0.151 0 mm、信噪比提升至23.821 0 dB,验证了本文方法在实际应用中的有效性。     

基于改进VMD的变形特征提取与分析

变形数据特征提取与分析是建筑物变形预测、预警及机理解释中的关键问题。基于改进变分模态分解算法(improved variational mode decomposition,IVMD)构建变形特征提取及分析新方法。利用样本熵、中心频率比及相关系数确定变分模态分解的K值建立IVMD,并应用于仿真信号、桥梁变形特征提取及分析。实验结果表明,IVMD能准确地提取仿真信号中包含的分量信号,各项指标均优于经验模态分解(empirical mode decomposition,EMD)和小波变换方法,理论上验证了IVMD算法的可靠性。IVMD能较为准确地提取桥梁固有频率及阻尼特性参数,并且较好地提取到桥梁受温度变化、多路径效应及其他环境影响引起的变形特征信息,证实了IVMD用于变形特征提取与分析的有效性。     

利用HHT-EEMD方法分析云南区域GNSS应变时序孕震信息

地震的孕育和发生本质上都是地壳内部应力、应变能逐渐积累并突然或缓慢释放的结果,研究应变的变化过程对于地震危险性的判定具有重要意义。本文基于云南区域2013—2019年GNSS格网应变时间序列,利用专门适用于非线性非平稳信号处理的热门时频分析方法—整体经验模态分解（ensemble empirical mode decomposition,EEMD）的希尔伯特-黄变换（Hilbert-Huang transform,HHT）分析方法,探索云南区域中强地震前GNSS应变时序的时-频-能量分布特征,尝试挖掘应变时频信号中所携带的孕震信息。利用23号、42号格网对应的地震进行震例分析,结果显示：EEMD具有分频剖面的类似特征,它能够依据数据的时间特征尺度进行信号分解,较好地剖析信号在不同频率尺度上的变化特征;Hilbert变换能够通过瞬时频率、瞬时振幅等方式突出信号的局部瞬时特性,在固有模态分量（intrinsic mode functions,IMF）异常曲线识别无效的情况下仍能凸显异常;通过EEMD、残差趋势项分析、IMF异常识别和Hilbert变换综合动态分析应变时间序列的分析方法,能够在部分地震前夕发现一些潜在异常信息,为未来云南区域强震危险地点的判定提供一定的参考。     

GPS高层建筑物动态特性的小波分析提取

针对高层建筑物GPS动态监测数据特点,该文将小波分析技术应用于高层建筑物动态特性提取,研究了数据处理时4种阈值选取准则的好坏,针对观测数据不同阶段振幅和频率不同,提出分段、分层处理数据的思想,为了获得更全面的观测信号,将小波包分析应用于数据处理。结果表明:自适应阈值准则更适用于高层建筑物动态数据处理,采用分段分层的处理方法,既能满足去噪要求又能提取丰富的变形信息,小波包分析能有效提取高层建筑物动态特性,保留更多的动态信息。     

EEMDAN的CORS站高程时间序列分析方法

针对整体经验模态分解(EEMD)方法对连续运行参考站(CORS)高程时间序列分解结果整体平均时,噪声未能完全消除的问题,该文引入一种噪声自适应整体经验模态分解(EEMDAN)方法,在经验模态分解(EMD)处理时添加白噪声分解的模态分量,改进CORS站高程时间序列信号分解的模态混叠,根据平均周期和能量密度乘积指标区分噪声和周期信号,并基于正交性指数及均方根误差指标衡量分解的精度。两个CORS站20年高程时间序列实验结果表明,以正交指数衡量的分解精度EEMDAN比EEMD提高近35%,均方根误差指标提高近22%,实现了对CORS站高程时间序列的精确分解,并改善EEMD整体平均后噪声未完全消除对信号重构的影响。     

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。     

惯性导航EEMD区间阈值降噪方法

陀螺随机误差是影响惯性导航系统精度的主要因素。在经验模态分解（EMD）和阈值降噪的基础上,提出一种基于集合经验模态分解（EEMD）的区间阈值的陀螺信号降噪方法。该方法利用EEMD方法将陀螺信号分解多个本征模态函数（IMF）分量和1个残余分量,基于信号和IMF分量的概率密度函数的2范数距离方法剔除纯噪声IMF分量,利用改进的区间阈值降噪方法实现信号的降噪。仿真和实测试验表明,该方法不仅能有效抑制EMD中的模态混叠问题,而且能有效削弱陀螺的随机误差,从而提高惯性导航系统的精度和可靠性。     

基于改进阈值的小波分析对GPS监测序列影响的研究

从GPS监测序列中有效提取变形和振动信息对大型结构工程的安全监测具有重要意义。利用小波分析的多尺度特性可快速准确地识别信号中有用信息部分和噪声信息。而在实际应用中,其对信号的识别效果往往受阈值选择的限制。利用改进阈值算法,可有效分离信号中的噪声,显著提高了小波分析算法从GPS监测序列中提取信息的精度,为后期桥梁安全深度分析提供了良好基础。     

海洋平台GNSS RTK监测数据的CVCEEMDAN-WT-SSA去噪算法

针对GNSS-RTK技术在海洋平台变形位移监测过程中的多路径效应误差与随机噪声,本文提出一种基于交叉证认改进的具有自适应白噪声的完整集成经验模态分解(CVCEEMDAN)、小波阈值(WT)降噪方法及奇异谱分析(SSA)相结合的联合去噪算法。首先对原始信号进行CEEMDAN分解,使用交叉证认方法识别噪声与有效信号IMF分量;然后利用WT和SSA分别对噪声和有效信号分量作去噪处理,重构处理后的信号,获得真实变形监测结果。结果表明：本文算法具有自适应性,且相比EMD、EEMD、CEEMDAN、ACCEEMDAN-WT-SSA算法具有更好的去噪效果,可有效去除海洋平台变形监测中的多路径误差及随机噪声,成功获取真实的监测信号结果。     

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。     

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。     

LMD和小波阈值的GNSS坐标时间序列降噪应用

局部均值分解方法降噪过于粗糙,将认定为噪声的乘积函数(PF)分量直接剔除,导致有用信息丢失.为了有效提取GNSS站坐标时间序列的有用信息,该文提出一种局部均值分解和小波阈值相结合的降噪方法.通过局部均值分解将坐标时间序列分解为一系列PF分量和余项,依据消除趋势波动分析方法计算各PF分量的Hurst指数,利用小波阈值提取H≤1的PF分量中的有用信息,将提取出的信息与剩余PF分量叠加重构获得最终降噪的坐标时间序列.通过对5个测站的坐标时间序列进行实验,结果表明局部均值分解和小波阈值相结合的方法能够有效提取噪声分量中的有用信息,信噪比提高了27.8％,从而验证了该方法的有效性.     

基于集合经验模态分解的土壤重金属Cd定量反演

针对高光谱定量反演土壤重金属含量的模型精度不足的问题,本文从时频空间的角度引入时频分析法——集合经验模态分解（EEMD）。采用EEMD法分解土壤高光谱,获得不同频率的本征模态（IMF）分量,通过分析IMF分量与重金属含量的相关性,提取特征光谱,构建EEMD-SVM定量反演模型。研究结果表明,通过EEMD法分解土壤光谱,可有效地提取土壤光谱中的微弱信息;构建EEMD-SVM模型可较好地反演土壤重金属Cd含量,模型的决定系数R²为0.920 3,明显高于基于一阶微分处理光谱数据后构建的SVM模型的R²（0.786 6）。即说明在土壤重金属定量反演领域,EEMD可作为一种新的光谱处理方法。