模平方阈值去噪法在沉降监测中的应用

针对现有去噪方法中存在的噪声信号提取、粗差定位等问题,该文基于小波阈值去噪的原理,提出一种基于软阈值改进的模平方阈值去噪法。通过仿真数据实验对比分析了软阈值去噪法、加权平均阈值去噪法及模平方阈值去噪法的去噪实际效果,并应用于汽车试验场沉降数据预处理。实验结果表明,基于模平方的阈值去噪法能够较好地保留观测信号原始信息,并且可以有效地去除噪声,其去噪效果优于软阈值和加权平均阈值去噪法,能在汽车试验场沉降数据处理中得到较好的应用。     

基于小波阈值法去噪的建筑物变形监测数据处理

基于小波阈值法具有非常明显的渐进近似最优性质,可以在均方差意义下取得最优的去噪效果,利用小波阈值法去噪的技术,对一组建筑物变形监测数据进行去噪处理.实验结果表明,小波阈值去噪合理有效,能够敏感识别观测噪声和有用信息,不需要待检测信号的先验知识,特别适合于建筑物变形监测数据处理.     

非线性小波变换阈值法去噪改进

提出非线性小波变换阈值改进算法,用改进后的阈值算法公式去噪,得到去噪均方误差相对于改进前公式去噪均方误差有明显减小,改进公式更合理。研究一种阈值法去噪修匀算法,去噪后曲线较光滑,基本上已消除了震荡或呈折线即伪吉布斯现象,改进效果明显。     

小波阈值去噪法在非稳定信号处理中的应用

高大建筑物和工业设施等的变形监测数据一般都是含噪的信号,需要对其进行降噪处理,获取其准确的变形信息,以便掌握真实的变形情况。由于监测数据都是非稳定的信号,通常采用小波阈值降噪法对其处理,但传统的软硬阈值进行降噪的效果不佳,需对其进行改进。文中采用3种改进的小波阈值降噪法与传统的方法进行比较,通过对信噪比和均方差的分析,获得适合于变形监测数据的非稳定信号的降噪方法。     

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。     

改进的小波包阈值法去噪的桥梁变形监测数据处理

本文采用改进的小波包去噪方法对桥梁的变形监测数据进行去噪分析。研究了改进的小波包去噪三种不同阈值函数的去噪方法,分别从最优小波基的选取、最大尺度的确定、阈值函数的改进等三个方面进行分析。通过实验分析和去噪后的评价指标分析,结果表明改进的小波包阈值函数去噪效果要优于硬阈值函数和软阈值函数去噪,并且其去噪效果也要优于传统的小波包去噪。因此,改进的小波包阈值函数去噪方法为在高精度的变形监测数据处理分析提供了一种新的方法。     

一种改进小波阈值去噪方法的研究

信号噪声的方差越大,信噪分离越困难,这样会降低小波在去噪方面的性能,使小波去噪得不到充分的发挥.为了解决这一问题,本文介绍一种方法:采用模糊控制滤波器对含噪信号进行预处理,从而降低白噪声的方差;然后用软、硬阈值法分别对处理过的信号进行去噪.仿真实验表明,去噪后的信号的信噪比和均方误差均优于单纯使用软、硬阈值算法,具有很...     

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。     

变形监测数据的一种小波去噪法研究

变形监测数据不可避免会受到噪声污染,本文根据原始信号特征,通过合理的选择小波基,采用自适应阈值法去噪,可提取变形数据有用信号并恢复信号的光滑性,保留信号曲线的特征,达到较好的去噪效果。实例证明了该方法的有效性和可行性。     

小波阈值消噪在大坝变形数据处理中的应用

为了克服硬阈值函数不连续,软阈值函数中估计小波系数与分解小波系数之间存在着恒定偏差的缺陷,更好地改进滤波效果,提高去噪质量,须采用一种新的阈值处理策略。新阈值函数表达式简单易于计算,克服了硬软阈值的缺点。实验结果表明,该方法可以有效地去除白噪声干扰,无论是在视觉效果上还是在信噪比和均方误差定量指标上均明显优于常用的软、硬阈值及Matlab的阈值优化算法,充分体现出其优越性。     

基于小波分析的GPS双差观测数据消噪方法研究

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...     

经验模式分解联合独立分量分析降噪研究

针对高精度GPS变形监测的噪音成分以及多路径效应的剔除,提出了一种新的经验模式分解联合独立分量分析的滤波降噪法。采用模态相关准则进行信号层与噪音层的判定,有效地解决了低信噪比情况下信号层与噪音层分界点的判定,实现了噪音最大化的去除以及有用信息的最大化保留;基于经验模式分解的独立分量分析滤波降噪法,采用更为简单科学的数学判定方法,避免了人为的经验判定方法,实现了信号层与噪音层的自适应判定以及降噪效果更佳。实验结果表明:所用算法不仅能够有效地去除噪音成分,而且能够很好地保留大部分有用信息,研究结果对高精度GPS变形监测的去噪以及多路径效应的剔除研究具有一定意义。     

局部均值分解和奇异值分解在GNSS站坐标时间序列信号降噪中的应用

为了有效地提取GNSS站坐标时间序列的有用信息，降低噪声干扰，本文提出一种局部均值分解和奇异值分解相结合的信号降噪方法，并利用5个测站的实测坐标时间序列对新方法进行了验证。首先通过局部均值分解将坐标时间序列分解成一系列PF分量和余项，然后利用连续均方误差方法确定高频分量与低频分量的分界点，保持低频分量不变，运用奇异值分解方法对高频分量进行降噪重构，最后将重构的高频分量与低频分量叠加得到最终的降噪坐标时间序列，并对降噪效果进行对比分析。结果表明，与单纯的奇异值分解方法相比，局部均值分解和奇异值分解相结合方法能够自适应地选择合适的奇异值个数进行信号重构，提高了降噪效果。     

利用局部自适应阈值方法提取ORB-SLAM特征点

智能驾驶车辆的定位和建图是智能驾驶车辆的关键技术之一,针对ORB-SLAM中的特征点提取为固定阈值的问题,本文提出了一种局部自适应阈值方法提取特征点.首先,对局部自适应阈值的计算方法进行了阐述,主要利用图像对比度设置自适应阈值;然后,在FAST算法基础上构建了高斯图像金字塔,采用灰度质心法解决特征点的尺度不变和旋转问题...     

变形观测数据的经验模态傅里叶分析

针对变形分析及变形预测中非平稳非线性且含噪声的数据处理问题,该文采用经验模态分解技术提取反映变形趋势的低频逼近信号,利用傅里叶函数对低频逼近信号进行曲线拟合,并据此构建变形值预测模型,对出现的模型系数采用遗传算法求解。实例仿真表明所得预测模型具有较高的精确度,能满足工程需要。EMD-Fourier模型实质上是初等数学模型,具有结构简单、运算结果稳定、操作方便等优点。     

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%。     

基于小波模极大值改进算法的变形模型研究

变形监测中获得的观测资料不可避免地存在着噪声,如何从受噪声干扰的数据序列中提取特征信息,提高变形监测的精度是变形监测系统所涉及的关键技术问题之一。本文把小波模极大值与变形监测相结合,给出了改进的小波模极大值变形监测模型。该模型把阈值去噪和Witkin尺度跟踪理论结合,有效恢复了信号。与传统的去噪方法相比,该算法有着更高的精度,提高了信噪比,有更好的去噪效果。