共查询到19条相似文献,搜索用时 78 毫秒
1.
2.
针对影响小波去噪质量的各种因素进行分析,确定最佳分解层次,利用软阈值法对GNSS坐标时间序列进行小波去噪,使用信噪比和均方根误差来衡量去噪效果。分析表明,阈值估计准则是小波去噪的关键,不同阈值的去噪结果存在明显差异,利用启发式Stein无偏风险阈值,对水平方向的坐标时间序列可以得到较为理想的去噪效果。 相似文献
3.
4.
5.
GPS站坐标时间序列中存在的周期性与非周期性误差严重影响了对测站运动特征的分析及其非线性变化的物理机制解释。因此,为削弱噪声的影响,本文首先利用区域叠加滤波法去除了南加利福尼亚地区16个测站时间序列的共模误差,以此削弱时间序列中存在的包括周年和半周年误差在内的周期性误差。为去除滤波后残留的噪声,对滤波后的信号进行静态离散小波变换,提取了周期为半周年以上的信号。结果表明,联合区域叠加滤波法与小波变换对GPS站坐标时间序列进行处理,既能够削弱周期性误差对信号的影响,又能较好地提取测站的非线性运动信号。 相似文献
6.
7.
8.
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. 相似文献
9.
10.
11.
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。 相似文献
12.
近20年来,以GPS为代表的空间大地测量技术观测精度不断提高,已累积了丰富的、高精度、全球覆盖的坐标时间序列数据。这些数据为研究不同时空尺度下的各类地球物理现象提供了重要的数据支撑和大地测量几何约束。然而,由于GPS坐标时间序列中同时包含了各类“信号”和“噪声”,而且噪声来源复杂,信号类型多样,水平和高程分量上信号与噪声的表现形式差异较大。如何从原始序列中提取可靠的“信号”、分离出“误差”是目前地学界研究的热点和难点之一。 相似文献
13.
单频GPS快速定位方程是严重病态的,应用最小二乘原理得到的模糊度浮点解大大偏离其准确值,应用LAMBDA方法难以正确地固定模糊度。本文将GPS载波相位双差观测量在不同的小波空间和尺度空间进行分解和重构,去除高频测量噪声,可减小测量噪声对GPS快速定位中病态方程解的影响,提高模糊度浮点解的精度,缩小模糊度搜索空间。实验表明,对于GPS短基线,仅利用1min左右的单频载波观测数据,经过基于haar、db4、coif4和sym4小波的5尺度小波变换后,可获得较准确的模糊度浮点解,应用LAMBDA法可正确地固定模糊度,达到厘米级定位精度。 相似文献
14.
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... 相似文献
15.
16.
GPS残差信号提取的时间序列分析方法 总被引:1,自引:0,他引:1
作者使用零基线单差模型研究并讨论了GPS量测噪声的时相关特性,并得出了GPS观测噪声具有类似白噪声或一阶高斯马尔科夫噪声的特殊性质。利用观测噪声所具备的这种特殊性质,作者首先尝试了从时间域的角度分离和提取了残差序列中的多路径信号特性,成功验证了多路径信号在连续两个恒星日内会有所重复的结论。作者提出了一种使用时相关分析法检测观测序列中周期信号(如冰期反弹、固体潮、极潮等)的设想并就其可行性进行了分析研究。最后,针对观测噪声的这种特殊性质,探讨了结合使用小波分析法提取GPS沉降监测信号的可行性。 相似文献
17.
18.
CATS: GPS coordinate time series analysis software 总被引:14,自引:4,他引:14
Simon D. P. Williams 《GPS Solutions》2008,12(2):147-153
Over the last 10 years, several papers have established that daily estimates of GPS coordinates are temporally correlated
and it is therefore incorrect to assume that the observations are independent when estimating parameters from them. A direct
consequence of this assumption is the over-optimistic estimation of the parameter uncertainties. Perhaps the perceived computational
burden or the lack of suitable software for time series analysis has resulted in many heuristic methods being proposed in
the scientific literature for estimating these uncertainties. We present a standalone C program, CATS, developed to study
and compare stochastic noise processes in continuous GPS coordinate time series and, as a consequence, assign realistic uncertainties
to parameters derived from them. The name originally stood for Create and Analyze Time Series. Although the name has survived,
the creation aspect of the software has, after several versions, been abandoned. The implementation of the method is briefly
described to aid understanding and an example of typical input, usage, output and the available stochastic noise models are
given. 相似文献