自适应小波在建筑物自振信号分析中的应用

多路径误差较大容易掩盖建筑物真实的自振信息,可采用基于交叉证认的自适应小波分析对建筑物结构自振信号和多路径误差进行提取和分离。通过对实际高层建筑监测数据的处理和分析,有效提取和分离结构自振信号和多路径误差,并利用多窗口法对自振信号进行频谱估计,估计结果与理论计算值相吻合。     

基于小波分析提取单频GNSS伪距多路径误差及其对定位的影响

伪距多路径误差是影响GNSS导航定位精度的主要误差源之一。多路径误差与接收机周围环境有关,在实际应用中难以建立有效的多路径误差模型进行改正。对于多频GNSS接收机可以通过多频观测值组合估计伪距多路径,但该方法不适用于价格低廉的单频接收机,而导航中使用的大多数为单频接收机。因此,开展单频GNSS伪距多路径误差提取研究具有重要的工程应用价值。本文基于小波分析对单频GNSS接收机伪距多路径误差估计开展研究,首先验证了小波分析用于单频GNSS伪距多路径误差估计的可行性;其次,研究了采用不同的小波基和分解层次对多路径误差估计的影响;最后,研究了改正多路径误差对GNSS定位的影响。实验结果表明不同的小波基和分解层次对多路径误差提取效果没有明显的差别,但小波分解层次较低时定位误差分布相对更加集中,同时,经过多路径误差改正后在NEU3个方向RMS平均改善率达到20.4%、25.1%、16.4%。     

小波包分析在GPS振动观测中的应用

将小波包分析应用于GPS振动观测数据处理,研究小波包分析在异常值探测、信号特征提取、去噪中的应用。首先对信号分解和单支重构,验证小波包分析探测异常值的能力。针对小波包分析含有丰富的高频信息,采用奇异谱分析方法提取高频部分的振幅和频率。小波包分析的去噪能力优于小波分析。     

基于小波变换的GPS动态变形分析

介绍了小波滤波去噪的原理并讨论在动态环境下GPS多路径效应的重复性问题。首先利用小波方法对静态观测数据的残差进行去噪,提取具有系统性的多路径误差改正模型。然后,根据多路径误差重复性的特点,对后续动态观测的数据进行改正。通过实验证明:经重复性模型改正后残余的多路径噪声符合正态分布的特点。然后采用小波软阈值去噪方法,消除剩余的多路径误差,可进一步提高动态变形监测的精度。     

GPS变形监测中多路径效应的削弱方法研究

主要从GPS的基本观测方程出发,通过数学分析的方法,在GPS观测值之间建立数学模型,进一步分别推导了伪距观测值和相位观测值中多路径效应的影响。此外,主要研究了利用相位平滑伪距削弱伪距多路径误差的方法和利用小波分析的方法对GPS多路径值序列进行分解和重构,提取出高精度的多路径误差,并通过实验数据分析了几种方法中的多路径效应影响。     

变形监测中GPS多路径效应的削弱方法研究

本文主要从GPS的基本观测方程出发,通过数学分析的方法,在GPS观测值之间建立数学模型,进一步推导了伪距观测值和相位观测值中多路径效应的影响.此外,主要研究了利用相位平滑伪距削弱伪距多路径误差的方法,以及利用小波分析的方法对GPS多路径值序列进行分解和重构,提取出高精度的多路径误差,并通过实验数据分析了几种方法中的多路径效应.     

改进的GPS/BDS的RTK定位性能分析

针对多路径误差作为短基线GNSS定位的主要误差来源,不能在传统双差模型中有效消除的问题,该文基于小波分解和重构,提出了一种对伪距和载波相位观测值中多路径误差有效提取和剔除的算法,探讨剔除后GPS/BDS双系统的RTK定位精度和可靠性。结果表明,伪距多路径误差和载波相位多路径误差量级分别为米级和厘米级,主要集中在低频滤波中,且提取后的残余随机噪声趋于稳定。此算法能较好地剔除和提取多路径误差,提高整周模糊度解算速度,达到理想的滤波效果,且通过迭代扩展的卡尔曼滤波处理后,坐标离散更小,X、Y、Z外符合精度均达到厘米级。     

基于小波分析的GPS双差观测数据消噪方法研究

通过双差方法难以消除的多路径误差、接收机观测噪声等非模型化误差会大大影响GPS动态定位的精度.基于小波分析的理论,对GPS双差观测数据序列的消噪问题进行研究,结果表明,利用小波去噪原理,可有效地从受到强噪声干扰的GPS观测数据序列中提取变形特征信息,增强基线解算的有效性,提高GPS定位精度,解决传统技术对GPS动态监测...     

一种计算北斗三频多路径的方法及其结果分析

多路径误差分析是北斗卫星导航系统性能评估的一项重要内容。本文给出了一种新的计算3频多路径误差的方法,该方法只需对B1和B2载波相位观测值进行处理就能得到3个频率的伪距多路径误差。利用MGEX跟踪站的数据计算了BDS的多路径误差,从GPS和BDS多路径误差比较以及纬度、轨道和频率因素分析了BDS多路径误差的特性,结果表明,BDS多路径误差小于0．5 m,符合质量检查要求,其性能优于GPS卫星系统。     

GPS结构振动监测数据滤波方法及其性能实验研究

使用GPS监测结构振动的目的在于提取振动信号特征,但GPS观测量受多种误差源的影响,因此,选用合理的数据处理方法有效地分离各误差项,对于提高GPS的监测精度具有重要意义。将Vondrak滤波、小波滤波、自适应FIR滤波和卡尔曼滤波等四种方法应用于资料序列中振动信号的分离,通过对模拟振动实验观测资料的分析表明:运用滤波法可提高GPS测量微小动态变形和变频振动信号的检测能力;4种滤波法均能有效地提高GPS监测结构振动的精度,其中,Vondrak滤波和小波滤波的性能相当,且优于自适应FIR和卡尔曼滤波。同时,在对各滤波法参数选择的优缺点进行分析的基础上,提出不同情况下选择滤波器的建议。     

小波包多阈值去噪法及其在形变分析中的应用

在GPS变形监测领域,传统的小波去噪只保留低频上的有用信息,很容易去掉中频以及高频上的有用信息。小波包分析方法是近几年发展起来的一种新的小波分析方法,它同时考虑了各个频段上的有用信息,因此是一种更为精细的去噪方法。小波包去噪的关键是对小波包分解系数选取合适的阈值准则并进行阈值处理,但传统的小波包去噪并没有对此进行充分的研究。本文针对传统小波、小波包分析的不足,提出了一种基于频率顺序并依据信息类型分段的多阈值准则小波包去噪法。通过理论分析与实际应用,结果表明新方法能够高效剔除各频段的噪声,同时当采样频率较低时能有效保留去噪信号中频率高达10-1 Hz数量级的有用信息,其去噪能力优于传统的小波、小波包等其它去噪方法,因此可以广泛应用于高精度GPS变形监测领域中。     

GPS高层建筑物动态特性的小波分析提取

针对高层建筑物GPS动态监测数据特点,该文将小波分析技术应用于高层建筑物动态特性提取,研究了数据处理时4种阈值选取准则的好坏,针对观测数据不同阶段振幅和频率不同,提出分段、分层处理数据的思想,为了获得更全面的观测信号,将小波包分析应用于数据处理。结果表明:自适应阈值准则更适用于高层建筑物动态数据处理,采用分段分层的处理方法,既能满足去噪要求又能提取丰富的变形信息,小波包分析能有效提取高层建筑物动态特性,保留更多的动态信息。     

一种基于小波包变换的纹理图像压缩算法

提出一种基于小波包变换与自适应混合量化的新图像压缩算法.该算法首先用小波包变换对纹理丰富的图像进行完全分解,并用一种与后续编码器相关联的成本函数(CostFunction)进行最佳小波包基搜索;然后依据图像内容,自适应确定小波包系数的扫描次序;再对小波包变换后的最低频子带进行DPCM无失真编码,对高频子带实施矢量量化编码;最后对所形成的二进制符号流进一步实施自适应算术编码.仿真实验结果表明:提出的小波包图像压缩算法是一种比较好的编码方案,其压缩效果不仅明显优于JPEG算法与SPIHT算法(特别是纹理图像),而且优于已有的其他小波包图像压缩算法.     

地球质心运动的频谱分析方法

针对地球质心运动主要是由多种周期运动叠加的特点，依次讨论了谱分析方法中的AR模型谱分析和小波谱分析方法，分别指出：将参数谱分析方法中的AR模型谱分析和非参数谱分析中的小波谱分析相结合产生的小波－AR谱分析以及小波包－AR谱分析方法，在地球质心运动的谱分析中有较好的频率分辨率以及噪声抑制能力。     

基于最佳小波包基的高光谱影像特征制图

鉴于在时频局部化能力方面小波包变换优于小波变换,将高光谱影像像元光谱曲线作为1维信号并对其进行多尺度小波包变换分解,得到不同尺度上的低频和高频成分向量。根据不同地物像元光谱小波包分解最佳基有很大差异,而同一地物像元光谱小波包分解的前若干个最佳基完全相同的特点,提出一种基于前若干个最佳小波包基特征参量数组的分类特征参量和目标识别方法,并对AVIRIS影像中的特征如地物植被、水体、岩石及某些阴影等进行提取与制图。     

利用小波包变换和误差扩散的打印扫描图像水印算法

提出了一种基于小波包变换和误差扩散的打印扫描图像水印算法。首先对图像进行三层小波包分解,并将其作为水印嵌入到分解后的高频分量的低频子带,然后进行小波包重构得到嵌入水印的图像,再运用改进的噪声平衡误差扩散算法加网得到含水印的半色调图像。实验表明,该算法对于打印扫描过程的无意攻击具有良好的鲁棒性。     

基于提升格式小波包变换的SAR图像去噪

基于信号和噪声在提升格式小波分解中呈现出的不同特性，提出了一种新的小波包去噪算法。该算法采用提升格式小波对SAR图像进行最优小波包分解，并计算每个子频带的能量范数，然后根据软阈值法和能量范数区分信号和噪声，达到去除噪声的目的。试验结果表明，该算法对SAR图像具有较好的去噪效果，不仅可以去除图像中的大部分噪声，而且可以较好地保留图像纹理的细节信息。与传统小波包算法相比，其计算速度快了一倍左右。     

基于提升格式小波包变换的SAR影像去噪(英文)

According to the different characteristics that signal and noise exhibit during wavelet decomposition, a new denoising method based on the lifting scheme wavelet packet decomposition is presented. In this method, the SAR images are decomposed by using the best wavelet packet and the norm of each sub-band are calculated; signals and noise can be discriminated based on the norm and soft-threshold method, and the images can be denoised. Experiments show that the proposed algorithm has excellent performance in denoising SAR images, and can remove most noise of images with well-kept texture detail information. The calculating speed of the method is twice the speed of the general wavelet packet transform algorithm.