基于变分模态分解的变形监测数据去噪方法

为了提高变形监测数据的去噪精度及可靠性,基于变分模态分解(variational mode decomposition,VMD)构建一种新的变形监测数据去噪方法。首先,建立VMD高频噪声分量判定标准,引入T指标用于确定VMD去噪的最优K值。然后,将剔除高频噪声后的VMD分量进行叠加重构,建立VMD变形监测数据去噪方法。最后,通过仿真信号、桥梁、大坝变形监测数据去噪实例,对比分析VMD、小波及经验模态分解(empirical mode decomposition,EMD)去噪方法。实验结果表明,VMD对仿真信号去噪的相关系数、均方根误差、信噪比等指标均较大程度上优于小波及EMD去噪方法,理论上证实了VMD去噪方法的有效性及可靠性;VMD对桥梁、大坝变形监测数据去噪的结果比小波、EMD具有更好的精度及光滑性,同时较好地保留了局部变形特征信息。     

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。     

相空间重构单通道ICA算法及其在变形监测数据去噪中的应用

常用的去噪方法需对数据序列进行多尺度分解实现去噪,而未考虑信号本身的关联和特征。相空间重构单通道ICA算法依据相空间重构将一维信号扩展到高维相空间,从信号本身获取其隐含的动力学特征,从而利用独立分量分析分离有用信号和噪声。实验证明相空间重构的单通道ICA算法能够实现信号去噪,其去噪能力与多尺度分解去噪方法相当。此外,算法无须多尺度分解,自适应强,且适用于变形监测信号去噪。     

EMD在北斗桥梁变形监测数据中的应用研究

针对我国北斗系统变形监测数据中存在的噪声问题,本文利用自适应信号分析方法经验模态分解(EMD)对某北斗实测变形监测数据进行降噪处理。首先对E、N、U 3个方向的分量进行分解获取本征模态函数及趋势项,其次根据相关系数分离出噪声的本征模态函数,最后根据重构方法得到干净的位移序列。结果表明:EMD方法在北斗变形监测数据中的去噪是可行的,能有效分离信号与噪声,进一步提高了北斗观测的精度。     

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。     

GA-VMD与多尺度排列熵结合的GNSS坐标时序降噪方法

为了精确剔除全球导航卫星系统（global navigation satellite system, GNSS）坐标时间序列中的噪声,提出一种联合遗传算法（genetic algorithm, GA）和变分模态分解（variational mode decomposition, VMD）的降噪方法 GA-VMD。该方法首先利用GA优化VMD参数,然后引入多尺度排列熵（multi-scale permutation entropy, MPE）作为噪声分量的筛选标准,最后将剩余分量重构得到降噪后的信号。通过仿真信号和实测数据的降噪实例,并与小波降噪（wavelet denoising, WD）、经验模态分解（empirical mode decomposition, EMD）等方法对比,分析GA-VMD的降噪效果。实验结果表明：对于仿真信号而言,GA-VMD方法相较于WD、EMD方法,信噪比分别提高了5.18 dB和2.91 dB,互相关系数分别提高了0.05和0.02;对于实测数据而言,GA-VMD方法对测站的速度不确定度和闪烁噪声的平均改正率分别为79.89%和84.46%,优于其他两...     

基于变分模态的变形监测数据重构方法

针对变分模态分解(variational modal decomposition, VMD)有效模态分量辨识标准不完备的问题,引入FLANDRIN准则,构建了一种变形监测数据重构方法。首先,利用VMD将变形数据分解为N个模态分量,并对各模态分量进行功率谱分析,根据各模态形态及功率谱分析结果,剔除趋势项;然后,基于FLANDRIN准则,计算各模态分量的能量密度和平均周期之积,寻找数值突变点,剔除数值突变点前的高频模态;最后,将剩余模态分量累加重构为有效变形信号,并利用希尔伯特黄变换(hilbert-huang transform, HHT)分析变形时频特征。通过风荷载作用下变形数据验证,所提方法能够精准辨识有效模态,重构后的变形数据经过希尔伯特-黄变换能准确提取瞬时频率,最大风振瞬时频率为18.60 Hz。     

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。     

一种自相关函数绝对值均值变点的去噪方法

针对CEEMD去噪基于能量准则判定分界点存在稳定性差的问题,该文以噪声和有用信号各自的自相关函数特点之间的差异为基础,提出了一种基于自相关函数绝对值均值变点的CEEMD去噪方法。该方法利用噪声和有用信号各自的自相关函数值存在差异的特点,实现了噪声和信号模态分界点的定量判定,对发现的噪声模态分量,采用小波软阈值法去噪,保留了存在于噪声模态分量中有用的信号。bjfs和auck两个CORS站20余年的高程时间序列数据,实验结果表明:该方法可以定量判定噪声和信号模态的分界点,去噪后信噪比提高14%以上,而且采用均方根误差指标统计的高程时间序列预报精度提高了44%以上。提出了一种基于自相关函数绝对值均值变点的CEEMD去噪方法,实现了CORS站高程坐标分量数据的去噪。     

局部均值分解的新小波阈值去噪法及其应用

为了克服小波硬、软阈值函数本身存在的缺点,该文在硬、软阈值函数的基础上,提出一种新的小波阈值函数,并且基于局部均值分解的原理,构造了基于局部均值分解的新小波阈值去噪法。仿真数据对比分析表明,与单纯采用小波阈值去噪法、经验模态分解(EMD)滤波去噪法及局部均值分解滤波去噪法相比,该文方法的去噪效果更好,可有效提高信号的信噪比。利用本文方法对液体静力水准仪获取的高速铁路某桥梁实际监测数据进行去噪处理,结果表明去除监测数据中噪声的同时亦可保留变形细部特征。该文方法可为工程中的非线性、非平稳监测数据去噪提供参考和借鉴。     

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。     

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。     

利用经验模态分解和主成分分析的SAR图像相干斑抑制

对SAR图像应用对数加性噪声模型,将经验模态分解(Empirical mode decomposition, EMD)与主成分分析(Principal Component Analysis, PCA)相结合,提出了一种基于PCA的EMD相干斑抑制算法。根据对数SAR图像中相干斑噪声的统计特性和高斯白噪声经EMD分解后的能量分布模型,近似估算SAR图像经EMD分解后各层内蕴模态函数中所含噪声的能量;将内蕴模态函数利用PCA进行分解,根据PCA对含噪信号的分解特性和内蕴模态函数中噪声能量所占的比例,选择合适的成分分量重构内蕴模态函数,以进一步去除噪声保留有用的细节信息。仿真实验结果表明,本文方法在有效抑制相干斑噪声的同时可以较好地保持边缘纹理细节的清晰。     

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。     

大跨径桥梁变形监测数据的组合降噪方法研究

为了准确提取桥梁GNSS监测数据中的有效变形特征,本文充分发挥自适应噪声完备集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise, CEEMDAN)与小波变换(Wavelet Transform, WT)在信号降噪中的优势,将二者结合进行桥梁GNSS监测数据降噪。首先通过CEEMDAN方法将原始监测数据分解为若干个本征模态函数(Intrinsic Mode Function, IMF),并通过相关系数识别出有效IMF分量,包含噪声的IMF分量以及无效IMF分量;其次使用WT软阈值降噪方法对包含噪声的IMF分量进一步降噪;最后重构降噪后IMF分量与有效IMF分量。通过仿真实验数据与苏通大桥实测GNSS数据对本文方法的有效性与优越性进行检验,结果表明,本文方法具有良好的降噪效果,能够有效提取桥梁的真实变形信息。     

基于经验模分解的陀螺信号消噪

陀螺随机漂移是影响惯性导航精度的重要因素。小波消噪方法对异常噪声效果不明显,且对小波基和分解尺度等因素依赖性较强。提出陀螺信号经验模分解(EMD)消噪方法,将信号进行经验模分解得到一个本征模态函数(IMF)组,先基于2sigma准则处理异常噪声IMF分量,再利用相关系数确定高频噪声IMF分量个数,将噪声分量去除以实现陀螺信号消噪。详细对比小波方法与EMD方法,利用交叠式Allan方差分析两者的消噪效果,通过惯导算例进一步验证EMD方法的实效性。结果表明,相比小波方法,EMD消噪法能剔除异常噪声,可以更有效地抑制陀螺漂移。     

联合EMD-HD和小波分解的GNSS坐标时间序列降噪分析EI北大核心CSCD

针对经验模态分解(empirical mode decomposition,EMD)在GNSS坐标时间序列的降噪过程中存在筛选准则的选取和模态混叠效应等问题,本文引入Hausdorff距离(Hausdorff distance,HD)筛选准则并结合小波分解(wavelet decomposition,WD),提出EMD-HD&WD算法。通过对我国大陆构造环境监测网络149个GNSS测站的垂向坐标时间序列降噪处理,分别利用复合指标T值、测站的速度不确定度和闪烁噪声振幅验证算法的可靠性和普适性。结果显示:HD优于现有的筛选准则;EMD-HD&WD算法对测站的速度不确定度和闪烁噪声振幅的平均改正率均为88.4%。分析表明,本文算法能够有效识别和剔除噪声并且改善EMD的模态混叠效应,提高GNSS垂向坐标时间序列的模型精度。     

小波去噪在GPS监测数据处理中的应用研究

在GPS观测的数据中,往往存在大量的噪声,噪声的存在对卫星信号造成了一定程度的干扰。利用小波去噪的方法可以分解GPS载波信号,得到信号的高频和低频不同的频率成分,从而有效的剔除GPS信号的噪声,调高GPS变形监测数据的精度。     

经验模态分解中IMF分量判定准则方法实验研究

研究了经验模态分解(empirical mode decomposi-tion,EMD)的原理,将自相关函数法、能量值法、频谱分析法、累积均值法4种本征模态函数(intrinsic mode function,IMF)性质判断准则应用于EMD分析,并以GPS桥梁动态监测数据为例进行了实验分析.实验结果表明,根据不同判断...     

改进局部均值分解及在建筑物变形监测中的应用

局部均值分解(Local Mean Decomposition,LMD)算法在对建筑物变形监测数据进行噪声抑制时存在端点效应及阈值设置困难问题,提出一种基于噪声辅助和奇异值分解(Singular Value Decomposi-tion,SVD)改进的LMD噪声抑制方法,首先通过对原始变形数据加入受控高斯白噪声再进行LMD分解的方式解决传统LMD方法的端点效应问题,然后利用连续熵差值特征确定LMD分解的高频分量和低频分量分界点,其中低频分量为变形趋势信息,高频分量包含噪声分量和变形信息,最后利用SVD对高频分量进行噪声抑制,并将其与低频分量叠加得到噪声抑制后的建筑物变形信息.采用仿真数据和实际工程实例对所提方法的噪声抑制性能进行验证,结果表明相对于传统LMD方法,经验模态分解方法(Empirical Mode Decomposition,EMD),所提方法可以获得更好的噪声抑制性能,能够明显提升建筑物变形预测精度.