利用窗口小波去噪的高精度动态单历元定位算法

为提高动态单历元定位的精度和实现实时处理,提出了一种利用窗口小波去噪的高精度动态单历元算法。该算法首先利用常规单历元方法获得观测值残差,在当前历元右侧通过数据延拓来改善端部效应的影响,然后利用窗口小波对当前历元观测值残差去噪,通过交叉证认实现小波去噪分解层数的自适应选取,最后利用去噪后得到的较为干净的观测值实现最终定位。实验结果表明,与常规单历元定位相比,在不同的运动情况下,该方法的定位精度均有较大的提高,与小波后处理结果一致。     

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。     

基于Matlab小波去噪的研究方法

阐述了硬阀值法、软阀值法和半软阀值法去噪的原理及其算法的实现,针对传统小波去噪后,图像的部分细节丢失、边缘模糊等问题,提出一种改进半软阀值的计算方法。实验结果表明,改进的方法具有更好的去噪效果。     

基于Wallis滤波的改进小波去噪方法研究

边缘信息是影像最重要的高频信息,在去除噪声的同时应尽量保留。介绍一种改进的小波去噪方法,不仅大大减少了算法的时间复杂度,而且用Wallis滤波对小波变换后的小波系数进行处理,在进一步压制噪声的同时增强了影像的对比度。实验结果表明,该方法不仅效率高,而且能较好地突出细节信号,效果优于普通的小波阈值去噪。     

基于小波阈值去噪理论的监测数据处理方法

为了研究监测对象的变形规律,有必要消除测量噪声得到更准确的数据,小波变换理论在数据处理方面有其特点。本文利用小波去噪的理论对监测数据进行小波变换,得到信号的高频部分,并进行去噪处理,得到了较好的效果。此方法具有一定的工程应用价值,本文提供了一个地铁工程变形监测数据处理的例子。     

基于小波去噪的BP神经网络在变形监测中的应用

在变形监测领域中,对沉降数据的准确预测能够提前获悉检测对象的变形趋势,避免事故发生.原始监测数据普遍含有异常值,从而会对预测模型精度造成一定影响,降低预测结果的准确性.以BP(Back Propagation)神经网络为基础,采用小波去噪的方式针对剔除和插补原始数据中的异常值,分别建立去噪前后BP神经网络预测模型,并利...     

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...     

多指标融合的小波去噪最佳分解尺度选择方法1

借助最小均方根误差、信噪比及光滑度变化随小波分解尺度增加的收敛特性,提出了一种多指标融合的小波去噪最佳分解尺度选择方法。该方法利用信息熵来融合小波去噪过程中不同方面的变化特征,能够更全面地反映小波去噪结果与分解尺度间的对应关系;通过定量识别融合指标变化的拐点,能够有效识别小波去噪的最佳分解尺度。针对不同类型的去噪信号进行实验分析并与现有方法进行比较,验证了本文提出方法的有效性与优越性。     

变形监测数据处理的小波去噪方法

变形监测数据中包含有实际变形量和噪声,应用小波分析理论,对监测数据进行变形信号的提取和噪声的消除,通过实例证明,它的效果非常明显。     

基于小波去噪的地铁沉降监测分析

地铁等大型工程施工过程引起的地表及其周边建筑物的变形及变形趋势分析,对于确保城市及工程安全极为重要。研究有关沉降监测方法及可靠性分析,估计地表及其周边建筑物可能产生的变形,对周边建筑物的安全,以及工程本身顺利实施有着重要的现实意义。本文将沉降观测数据序列作为带有白噪声数字信号,采用小波多孔算法进行了监测数据的去噪处理,取得了较好的效果。同时论文提出采用分段拟合的方法进行数据拟合,用对数函数曲线来描述土体沉降较快的第二阶段变形趋势,变形预报较为准确。     

基于小波去噪的变形监测数据处理的方法研究

小波去噪是小波分析在信号处理领域的重要应用之一。然而变形监测数据中不可避兔含有大量的随机误差,而小波阈值去噪方法以其操作简单和良好的效果而被广泛应用。小波去噪的关键是如何选择阈值和如何利用阈值来处理小波系数,通过对几种不同阀值的选取,比较不同阀值选取对去噪效果的影响。     

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.     

时序数据去噪中的小波策略及评价指标

引入评价时序数据去噪效果的均方根变化量、互相关系数、信噪比及平滑度4项指标,分析了不同小波策略的去噪效果与指标间的关系。结果表明,不同于小波分解重构阶段,小波策略阶段的去噪均方根误差与4项指标存在正相关趋势,且归一化后的综合指标与去噪均方根误差归一化值存在0.95的正相关性,在实测时序数据分析中,可用归一化后的综合指标代替未知的去噪均方根误差来评价去噪效果,并以去噪残差分布作为去噪可靠性定性指标。     

基于小波去噪法的基坑监测数据处理

受各种因素影响,地铁基坑监测数据除含有真实变形信息外,还存在噪声。应用MATLAB实现小波分析对监测数据的去噪处理和粗差探测仿真实验。实例表明,选取恰当的小波基函数和小波分解层数,通过小波分析的带通滤波的功能,能够对原始信号有效分频,从而在不同尺度上将粗差和噪声分离达到识别的效果。去噪之后的信号曲线有较好的光滑性,更能反映基坑周边土体的变形规律。     

改进的小波阈值去噪方法在CORS数据处理中的应用研究

介绍小波变换的基本原理,分析小波阈值去噪的特点和存在问题,优化小波阈值选取方法,对小波阈值函数进行改进研究,与常用的小波去噪方法进行比较分析,并在CORS数据处理中进行应用研究。结果表明,改进的小波阈值去噪方法既能保证充分删除突变信号,又能防止原始信号过多丢失,具有较好的去噪效果,能在CORS数据处理中得到很好的应用。     

小波去噪法在变形监测数据处理中的应用

以某组变形监测数据为研究对象,详细探讨了Matlab小波去噪函数中确定各种参数的方法,再通过得出的最佳参数对实验数据进行处理。结果表明,小波去噪有很好的数据处理能力。     

基于小波去噪改进神经网络拱顶下沉预测研究

隧道拱顶下沉监测数据中含有大量的随机误差,为了消除或者消弱随机误差的干扰,本文对实测数据进行小波去噪,使数据更真实性。针对传统BP神经网络预测精度差、收敛慢的问题,通过改进的BP神经网络对去噪的数据进行预测。实验结果表明,并与传统BP神经网络相对比,小波去噪的改进神经网络收敛速度加快,精度提高,预测效果显著提高,适用于拱顶下沉的预测研究。     

小波阈值改进算法的遥感图像去噪

通过对于文献中已有小波阈值去噪方法的研究,结合已有的一些小波阈值去噪函数,提出了相应的小波阈值去噪的改进方法来完善和提高小波阈值去噪的处理能力和可行性。该阈值函数加入了有效的调整系数来控制函数的可变。该函数不但同时保留了相应的传统小波硬阈值、软阈值衍化的优点,也提高了相应精度指标。利用该函数阈值去噪不仅在经典的图像中起到很大的改善,在遥感图像的去噪处理方面也有明显的精度提高。该方法通过去噪评价指标均方差（MSE）,峰值信噪比（PSNR）,信噪比（SNR）,均方根误差（RMSE）进行去噪后图像的评价。该改进的阈值函数方法对于图像的处理后评价指标明显有所改善。     

小波分析去噪在腰沙围垦变形监测中的应用

由于受到许多复杂因素影响,沉降监测过程中所得到的信号数据可能会含有噪声。Matlab中小波分析功能能够对信号数据中的噪声信号进行有效的分解,最后重构处理后的信号。通过实例对比,选用合适的去噪方法和去噪函数,对信号数据进行处理,最后能够得到更适合的最优估计。     

变形信号的去噪方法与去噪效果评价指标改进

介绍了闽值去噪的几种方法,根据噪声对信号的影响特点对去噪方法作了改进,并根据变形信号变化平缓的特点,用平滑度指标评价去噪效果,提出了一个计算公式。