基于奇异谱分析的GNSS坐标时间序列粗差探测与噪声估计

考虑到传统谐波模型难以精确描述GNSS坐标时间序列的非线性变化,导致信号和噪声不能很好地分离,进一步影响粗差探测和噪声估计,本文提出一种基于奇异谱分析的粗差探测与噪声估计算法。首先采用奇异谱分析方法分离出GNSS坐标时间序列中的信号与噪声,然后基于IQR准则探测噪声中的粗差,最后采用最小二乘方差分量估计（LS_VCE）方法定量估计各噪声分量。算例表明,相比于传统基于谐波模型的算法,该算法的粗差探测准确率更高,且估计的噪声分量与真值更接近。     

利用EMD阈值消噪改进MW组合周跳探测性能

分析MW组合观测值的噪声特性,评价其实际周跳探测性能,提出利用EMD阈值消噪方法进行降噪。对于EMD的端点效应问题,在MW递推均值上增加虚拟噪声构成虚拟观测值对数据进行延拓。估计MW组合经EMD分解后各层分量的阈值,削弱噪声影响。分析消噪后含周跳MW组合所发生的变化,指出周跳具有"扩散"现象,提出基于消噪后MW组合的探测方案。     

π/4-DQPSK调制系统的差分解调信息容量近似分析与计算

从Shannon信息理论的角度对π/4-DQPSK的差分检测（非相干检测）系统的信息容量限进行了讨论,并且采用熵估计的数值方法计算出了系统的可达信息速率,给出了分别以Es/N0和Eb/N0为横坐标的容量曲线图,从而从信道容量的角度解释了π/4-DQPSK差分检测的门限效应,并给出门限值.容量曲线表明,在信噪比低于该门限值时,即使降低系统谱效率,也不会使系统性能提高.     

基于CEEMD和改进小波阈值法的钢架结构沉降数据去噪方法

在钢架结构安全监测过程中,针对沉降数据易受外界环境噪声干扰的问题,在互补集合经验模态分解(CEEMD)的基础上提出改进小波阈值函数的去噪方法。首先对含噪信号作CEEMD分解,得到各种本征模函数(IMF);之后选取IMF分量使用改进小波阈值去噪;最后重构IMF信息,取得降噪后的信号。仿真结果表明,基于CEEMD和改进小波阈值法的混合方法能够有效滤除信号中的噪声分量,提高沉降数据监测精度。     

改进阈值函数的提升小波在人工震源数据处理中的应用

针对由于软阈值函数存在恒定偏差及硬阈值函数存在不连续,从而导致信号去噪精度较低及出现伪吉布斯现象的问题,提出一种改进的阈值函数,并从数学上证明其连续性、渐进性及偏差性.将本文阈值函数用于加入了高斯白噪声的4种仿真信号中发现,其不仅可提升信号的信噪比,还可弥补由软、硬阈值函数引起的信号失真、震荡等缺点.将本文提出的阈值函...     

EEMD-多尺度排列熵的GPS高程时间序列降噪方法

针对GPS高程时间序列受各类噪声干扰的影响,导致难以提取有用信息的问题,提出一种基于整体经验模态分解(EEMD)结合多尺度排列熵(MPE)的阈值降噪方法。该方法以EEMD为核心算法,将原始信号分解成一系列本征模态函数(IMF),并采用MPE作为指标将其分类为噪声IMF、混合IMF和信息IMF;然后利用阈值函数处理混合IMF,实现二次降噪;再重构降噪后的数据与信息IMF,获得降噪结果。仿真信号和实例分析结果表明,该方法与相关系数法、MPE法相比,降噪评价指标RMSE、SNR和d_nSNR均为最优,说明该降噪方法效果最好,本文方法获得的降噪结果能够更好地反映出时间序列本身的非线性变化特性,可为GPS高程时间序列分析提供可靠依据。     

一种去除地震背景噪音的新方法

结合希尔伯特-黄变换方法,根据信号背景噪音时间延续性假设,提出了一种自适应地震信号去噪算法。利用该算法实现了台站地震监测信号的去噪分析。分析表明：1）该去噪算法能根据背景信号特性有效去除信号的低频干扰;2）该算法可自适应完成信号分解去噪,计算效率高,无时间分辨率和频率分辨率问题;3）该算法处理高频干扰存在缺陷,有待进一步完善。     

一种基于扩频码滤波的盲波束形成算法

通过研究分析传统的应用于CDMA系统的自适应波束形成带给系统的复杂度,采用先把接收信号与本地扩频码相乘解扩后再进行基于扩频码滤波的波束形成技术,并基于最大化信干噪比准则,提出一种计算复杂度小、在不同通信环境下性能良好的综合方案.仿真结果证实了算法的有效性.     

嘈杂环境下语音信号端点检测方法研究

提出了一种嘈杂环境下语音信号端点检测方法。采用基于短时能量和短时过零率的双门限端点检测算法,不但可以减少语音数据的存储量及处理时间,而且能排除无语音段的干扰噪声,从而确保定位的精准性,避免包含噪声信号和丢失语音信号。可以将语音信号同背景噪声分离出来,有效地避免静音段或噪声段的干扰,提高定位估计的性能。仿真实验取得了良好的效果,表明该方法具备一定的可行性。     

基于完备经验模态分解自相关消噪技术的GNSS高精度动态变形监测研究

为了更好地消除混杂在变形序列中的噪声,利用完备经验模态分解（CEEMD）将形变信号自适应分解为不同尺度的振动模态。针对分解分量中信号和噪声区分标准不唯一的问题,构造一种CEEMD与自相关分析相结合的去噪算法,实现有效信号和随机信号的分离。将该算法应用在仿真实验和GNSS变形监测实测数据处理中,并与传统的小波去噪方法进行比较。结果表明,该算法避免了小波基选择带来的影响。