小波变换在时间序列特征提取中的应用

时间序列的数学特征主要包括随机项、周期项以及趋势项.针对变形监测等测绘领域中如何对时间序列进行特征提取并进行分析与预测等重要问题,提出一种基于多尺度分析的小波变换方法.首先选取合适的小波基函数、分解层次等参数,其次将待分析的时间序列分解成低频和高频两部分,最后将分解后的时间序列投射到不同尺度上,从而可以提取所需要的有用信息.研究结果表明,基于多尺度分析的小波变换方法能够有效对时间序列进行特征提取,分析出其中的随机项、周期项、趋势项等信息,可以用于GPS变形监测等工程实际中.     

基于GPS测站坐标残差序列的傅里叶模型建立与分析

利用傅里叶级数对GPS测站坐标残差序列进行模型建立与分析,通过傅里叶频域变换将GPS测站坐标残差序列分解到不同频域,然后对不同频域的规律进行傅里叶级数拟合,从而建立残差序列的拟合模型。实验表明傅里叶变换可以有效地分析研究GPS测站坐标残差序列中各种高频周期规律,并能够利用傅里叶级数实现高精度的拟合。     

联合区域叠加滤波法与小波变换去除GPS站坐标时间序列噪声

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。     

地表垂直变形序列的多尺度特征分析

基于Morlet小波变换的方法对地表沉降数据序列进行多尺度特征分析，主要是周期性信息的多尺度描述。展现了沉降序列的频率特征在时域上的表现。小波变换能够清晰的给出不同尺度的强弱和分布情况以及沉降变化的趋势和突变点，以某矿的工业广场10个月19期2周等时间间隔的沉降数据序列为俐。分析了沉降数据中显含2．1和4．1个月的主周期信息。说明小波变换在沉降数据序列的分析中具有优越的性质。     

改进的二维小波超分辨率重建方法

对传统的二维小波超分辨率重建方法进行了研究,针对原有方法小波分解高频分量双三次插值会引入噪声的情况,提出了一种利用傅里叶变换零填充重采样代替原有双三次插值的改进算法.获得精确的高频细节信息是单帧影像超分辨率重建过程的关键,改进方法利用傅里叶变换零填充重采样可获得频率域理想插值的优势,将其用来处理原图像小波分解后的高频,可在不引入噪声能量的同时对高频信息进行理想插值,使高频细节在重构过程中更加精准.通过理论分析和试验验证,改进方法优于传统方法,可较好地应用于遥感影像的超分辨率重建.     

地表垂直变形序列的多尺度特征分析

基于Morlet小波变换的方法对地表沉降数据序列进行多尺度特征分析,主要是周期性信息的多尺度描述.展现了沉降序列的频率特征在时域上的表现.小波变换能够清晰的给出不同尺度的强弱和分布情况以及沉降变化的趋势和突变点,以某矿的工业广场10个月19期2周等时间间隔的沉降数据序列为例,分析了沉降数据中显含2.1和4.1个月的主周期信息.说明小波变换在沉降数据序列的分析中具有优越的性质.     

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。     

基于希尔伯特-黄变换的合成孔径雷达内波参数提取新方法

基于希尔伯特-黄变换,发展了合成孔径雷达内波参数提取的新方法,解决了传统的傅里叶变换不能提取非线性内波群各个孤立子波信息的问题。利用该方法对巴士海峡附近的一幅ERS-1 SAR内波图像进行了内波参数提取。希尔伯特-黄变换对内波剖面数据进行了尺度分解,根据归一化方差最大来提取内波分量。该方法具有自适应性。结果表明,该方法获取的内波平均波长与傅里叶变换和小波分析具有较好的一致性,提取得到的反映各个孤立子波信息的波形比小波分析的要清晰,提高了数据的质量。通过提取的内波信号,利用极值序列计算了剖面线前后段平均波长大小,消除了谱分析当中的180°模糊问题。计算了明暗点的间隔,反演得到各个孤立子波的半振幅宽度。利用CTD数据获得的跃层深度,反演前导波振幅,与验证算例结果在量级上一致。     

利用小波变换进行GPS振动观测值的异常探测

本文利用小波变换技术进行GPS振动观测值的异常探测,将GPS振动观测值序列视为一组观测信号,先利用小波低频分解提取信号趋势,再利用小波高频分解探测异常值的位置,提出结合观测体自身变形趋势判断异常值是否存在,再通过小波高频分解和小波阈值去噪找到异常值准确位置的探测方法。结合某GPS振动平台上的振动观测实验数据进行仿真分析,获得准确的异常探测结果。实践证明文中研究的异常值探测方法是可行的和有效的,为GPS振动观测值的异常探测提供新思路。     

多时相遥感图像相对辐射校正

相对辐射校正是多时相遥感图像处理和分析的前提.本文分析了几种常规的相对辐射校正方法的优缺点,然后在此基础上提出了一种基于小波变换的遥感图像相对辐射校正方法.该方法对源图像小波变换域的低频成分实施辐射变换,并保持高频成分不变,重构的图像具有保持高频信息的特性,因而能够较好地保留源图像中由于地物变化引起的辐射差异.     

基于小波变换的桥梁风振变形监测数据处理

讨论小波变换应用于变形监测数据的去噪和提取变形趋势、频率特征及突变点的理论方法,并对桥梁风振变形监测数据进行小波分析处理。试验结果表明,小波变换能够很好地完成数据去噪与提取频率项、变形趋势项和检测突变点等信息,数据处理效果显著。     

用于时间序列聚类分析的小波变换和特征量提取方法

利用小波变换的多尺度分辨功能,对时间序列数据进行多次Haar小波变换,将时间序列分解为尺度分量和细节分量;通过保留尺度分量,提取时间序列的趋势信息,并结合统计特征量计算,将时间序列的趋势信息与几种统计特征量组合在一起,构成SOM神经网络的输入向量,对时间序列进行聚类分析。通过在几类模拟时间序列数据上进行实验分析,取得了较好的实验效果。并将此方法应用到基于MODIS遥感影像的林地植被提取中,获得了较高的提取精度。     

GNSS高程时间序列周期项的经验模态分解提取

针对传统方法——常振幅常相位的周年+半周年谐波模型法不能准确提取GNSS高程时间序列中周期项问题,该文以中国区域10个IGS基准站在ITRF2008框架下2005—2015年高程时间序列为例,采用经验模态分解(EMD)提取各测站高程时间序列的周期项。对传统方法和EMD两种方法提取的周期项做Lomb_Scargle谱分析,用功率谱图分析了这两种方法提取序列周期项的能力。实验结果表明,EMD方法较传统方法更能准确、自适应地提取GNSS高程时间序列的周期项。     

基于小波包变换区域方差的遥感影像融合

介绍了基于小波包变换和区域方差的遥感影像融合方法.利用IHS变换和小渡包变换把全色影像和多光谱影像的相应分量分解为低频部分和高频部分,并分别采用加权平均法和区域方差法融合低频部分和高频部分,然后通过小波包重构和IHS逆变换得到最终的融合影像;最后采用MATLAB语言实现了这种方法.实验结果表明,这种方法在提高影像的清晰度、突出影像细节信息以及保留原始影像的光谱特征方面效果较好.     

小波分析在垂向海潮特征信息去噪研究

目前国内外许多学者利用沿海GPS站点的高精度坐标时间序列进行海潮特征信息的提取研究,已取得一定成果,但高精度坐标时间序列中不可避免地存在许多噪声,极大影响海潮特征信息的提取。基于日本GMSD站的67d的高精度PPP坐标时间序列,利用小波分析进行去噪实验,经FFT变换后,将提取的结果与FES2004海潮模型的特征值比较。实验结果表明:经小波分析后,GPS站点的时间序列精度得到提高;经小波去噪后的反演精度均有不同程度的提高,最多达到0.14mm,而海潮特征值的量级为厘米级或者亚厘米级,说明小波分析对海潮特征值的提取精度有明显提高。     

LMD和小波阈值的GNSS坐标时间序列降噪应用

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.     

利用小波包系数信息熵去除GNSS站坐标时间序列有色噪声

针对全球卫星导航系统(global navigation satellite system,GNSS)基准站坐标时间序列中有色噪声影响测站运动参数估计精度的问题,提出了一种以小波包变换为基础、利用信息熵理论剔除有色噪声的方法。首先,以有色噪声中的闪烁噪声为例,对包含闪烁噪声的仿真时间序列进行噪声估计,检验闪烁噪声的估计精度。然后,对仿真时间序列的残差序列分别进行离散小波变换和小波包变换,利用信息熵理论剔除闪烁噪声,并比较两种方法的去噪效果。最后,采用KMIN站的坐标时间序列作为实测数据,进一步验证小波包系数信息熵的去噪效果。实验结果表明,利用小波包系数信息熵剔除的有色噪声与原有色噪声在频域以及时域均具有较好的一致性,所提方法能够有效地剔除残差序列中的有色噪声,仅余白噪声。     

最佳小波包基的矿区植被及红边位置提取

小波包变换能同时对植被光谱信息的低频和高频分量进行分解,并能克服小波变换时间分辨率高而频率分辨率低的缺陷从而具有能够探测植被细微变化的优势。实验利用Hyperion高光谱影像对云南省普朗铜矿区植被像元的光谱进行最佳小波包基参量获取与植被信息识别,并在此基础上提出一种提取重金属污染下植被红边位置的最佳小波包基系数应用模型。研究结果表明基于最佳小波包基参量的植被信息识别及基于最佳小波包基系数的重金属污染探测具有可行性与一定优越性。     

基于对数极坐标变换的遥感影像居民地提取

本文研究基于对数极坐标变换和傅里叶变换实现全色影像居民地提取。首先对影像进行对数极坐标变换,将影像的旋转信息转换为极坐标系的行平移,然后对变换后的极坐标影像进行傅里叶变换,以傅里叶变换功率为旋转不变特征实现居民地的提取;针对提取结果的不足,采用数学形态学进行后续处理。实验表明:采用该方法可以有效提取遥感影像中的居民地。     

用小波分析反演星载SAR图像海面风向

为更好地利用合成孔径雷达SAR图像本身的风条纹信息来反演高精度的海面风向,采用不同模式、不同极化方式的星载ASAR图像,基于抽样小波变换结合快速傅里叶变换的方法反演海面风向,同时将该方法反演的结果与传统的傅里叶变换法和改进的局部梯度法反演的结果进行了对比。结果表明,抽样小波变换应用于海面风向的反演是可行的,反演的风向精度优于传统的傅里叶变换法和改进的局部梯度法。ASAR不同模式、不同极化方式的数据反演结果存在着一定的差异。