变形监测数据去噪方法

论述了变形监测技术的基本原理和去噪方法,重点介绍了线性滑动去噪法和小波去噪法,并结合实例说明两种方法的应用领域和特点以及发展前景。     

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。     

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。     

变形监测数据小波去噪分解尺度确定方法

小波去噪作为一种数据处理方法,分解尺度的选择对去噪效果有影响。在论述基于均方根误差变化率的方法、基于总体评价指标的综合法、多指标融合法和复合评价指标法4种小波去噪分解尺度确定方法的基础上,通过仿真实验和变形监测实测数据的去噪处理对比分析,结果表明,基于均方根误差变化率的方法对处理低噪声信号有良好效果,多指标融合法只能确定小波分解尺度的大致范围,基于总体评价指标的综合法和复合评价指标法可以准确判定小波分解尺度,且不受噪声影响。     

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。     

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。     

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。     

桥梁GNSS-RTK变形监测数据的多滤波联合去噪处理

针对桥梁GNSS-RTK变形监测中多路径效应和随机噪声的影响,提出了一种基于Chebyshev滤波和自适应噪声的完备集合经验模态分解（CEEMDAN）,以及小波阈值（WT）降噪技术的多滤波联合降噪方法。该方法首先对监测信号实施Chebyshev滤波抑制多路径效应;然后进行CEEMDAN分解,基于自相关性分析,对噪声IMF分量进行WT降噪去除随机噪声。本文以天津海河大桥GNSS-RTK变形监测作为试验,对监测数据进行多滤波降噪处理。结果表明：本文所提的多滤波降噪方法能有效抑制多路径效应和随机噪声,GNSS-RTK与多滤波降噪相结合的方法能够准确识别桥梁真实动态位移,为桥梁GNSS-RTK监测数据降噪处理提供了一种良好的途径。     

基于小波去噪的非等间隔变形监测数据GM(1,1)预测方法研究

在小波去噪和非等间隔GM(1,1)的基础上提出基于小波去噪的非等间隔GM(1,1)组合模型的预测方法,并且通过矿区实测数据模拟实验对三种方法进行对比分析。结果表明,小波去噪的模拟精度高于非等间隔GM(1,1),组合模型的预计精度高于单独使用非等间隔GM(1,1),验证了该方法的实用性和可靠性。     

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。     

小波阈值去噪法在矿区地表变形监测数据处理中的应用

为了解决矿区地表变形观测数据中含有的粗差对地表沉陷规律研究带来的不利影响,提出了采用小波阈值去噪法对原始观测数据进行处理。分析了小波阈值去噪的基本过程,讨论了小波阈值函数,并对两种阈值函数进行了对比;使用Matlab小波工具箱对观测数据进行分析并建立回归曲线,与地表实测沉陷值进行了验证。结果表明:相比常用的数据处理方法,小波阈值去噪法能有效消除粗差对变形结果的影响,实现了矿区高精度、动态的地表变形监测,具有较高的推广价值。     

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。     

基于偏微分方程的去噪方法

利用偏微分方程抑制图像噪声已经被认为是具有显著效果的图像去噪技术。在阐述图像噪声模型的基础上研究了图像去噪的偏微分方程模型,并对偏微分方程中的参数选择进行了讨论。为了保持图像的边缘信息,对经典模型参数进行了改进。实验结果表明,偏微分方程适用于图像噪声的抑制,并且可以在抑制图像噪声的同时,保持较好的边缘信息。     

基于偏微分方程的去噪方法

利用偏微分方程抑制图像噪声已经被认为是具有显著效果的图像去噪技术.在阐述图像噪声模型的基础上研究了图像去噪的偏微分方程模型,并对偏微分方程中的参数选择进行了讨论.为了保持图像的边缘信息,对经典模型参数进行了改进.实验结果表明,偏微分方程适用于图像噪声的抑制,并且可以在抑制图像噪声的同时,保持较好的边缘信息.     

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。     

基于小波去噪的地铁变形组合预测模型分析

对地铁监测数据建立相应的预测模型,对变形可进行前瞻性预测,从而保证地铁安全的施工和运营。本文以北京市地铁某基坑工程为研究对象,首先以某一监测点为例,利用小波分析对原始监测数据进行去噪处理;然后分别利用时间序列分析模型和BP神经网络模型对去噪后的数据进行建模分析,得到原数据的拟合值和对未来变形的预测值;最后利用同期Sentinel-1A卫星影像进行相干点时序InSAR处理,得到形变结果。通过分析两个模型的预测值与实际值,并与InSAR结果进行对比,验证了两个预测模型在地铁形变监测中应用的优劣性。     

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。