基于小波分析的低信噪比天气雷达回波弱信号提取

针对低信噪比环境下的天气雷达回波弱信号提取问题,提出一种基于小波分析的弱信号提取算法。利用dbN小波函数对雷达回波进行小波域处理并重构信号,提取雷达回波信号的联合时频特征,并且使用FIR滤波方法和小波分析两种算法对数据去噪,得到两种算法在不同信噪比下的信噪比输出以及信噪比改善,证明在低信噪比环境下,小波分析算法的有效性和优越性。     

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。     

小波分解与EMD在变形监测应用中的比较

为分析经验模式分解(Empirical Mode Decomposition, EMD)在GPS动态变形监测应用中的可行性和有效性,利用模拟数据和振动台的GPS实测数据分析比较了EMD和小波分析在信号去噪和多尺度分解上的能力.结果表明:EMD和小波均能较准确地提取结构振动信息,但当噪声较大时小波去噪和多尺度分解稳定性略优于EMD,而EMD则基于数据本身具有自适应性,不受小波基选择和分解层数的影响.     

GNSS形变监测时间序列的粗差数据处理方法

针对GNSS形变监测的传统粗差探测算法性能受限于数据长度的问题,提出基于小波分析的一阶导数粗差剔除法。首先使用新算法对原始信号进行粗差剔除,再利用广义延拓插值补充残缺点。实测算例结果表明,新算法执行时间是3倍中误差法（3σ法）的0.01倍,插值后与真实值偏离仅0.03 mm,远优于其他传统粗差探测手段。     

基于经验小波变换的GNSS多路径误差改正

多路径误差是影响GNSS测量精度的主要因素及误差改正难点。将经验小波变换(EWT)算法在分解复杂信号上的优势与GNSS多路径误差的周日重复特性相结合,提出基于EWT的多路径误差提取及改正新方法。将能量熵与相关系数相结合来定义筛选系数,并将其变化显著的点作为含噪分量及信息分量的分界点;通过对含噪分量进行去噪并与信息分量重构的方式建立基于EWT的去噪新方法。模拟和实测数据实验表明,EWT能较好地提取及改正GNSS多路径误差,并且其效果显著优于EMD及小波分析方法。     

去噪小波包能量法在水声信号识别中的应用

对小波包能量法进行改进,提出了一种新的方法———去噪小波包能量法,该算法对信号小波去噪后,再用小波包能量法提取信号的特征;应用去噪小波包能量法研究了不同的小波去噪方法对水声信号分类识别率的影响,在实测信号样本集上用BP神经网络进行了识别实验。结果显示软阈值、硬阈值、弹性阈值3种标准的小波去噪方法均能明显提高信号识别率,其中最为显著的是软阈值标准去噪,信号的识别率可由未去噪的53 .3%提高到98. 3%,表明算法的有效性。     

基于改进的经验模态分解和SSA联合算法的GPS坐标时间序列重构

基于ICEEMDAN算法无需先验信息即可准确分离和提取低频信号与趋势信息的特性,以及SSA具有较好的信号重构优势,提出基于ICEEMDAN和SSA的联合重构方法。该方法将弱周期信号利用ICEEMDAN方法进行提取与重构,可弥补SSA方法中当弱周期信号对应的Hankel矩阵的奇异值和噪声Hankel矩阵的奇异值接近时容易被噪声掩盖而难以提取的不足。通过模拟实验和真实站点数据验证该算法分解和重构精度,并与奇异谱分析法、小波分解法、滑动最小二乘法进行比较。实验结果表明,ICEEMDAN-SSA联合算法相对于已有方法具有更好的重构精度。     

去噪小波包能量法在水声信号识别中的应用

对小波包能量法进行改进，提出了一种新的方法——去噪小波包能量法，该算法对信号小波去噪后，再用小波包能量法提取信号的特征；应用去噪小波包能量法研究了不同的小波去噪方法对水声信号分类识别率的影响，在实测信号样本集上用BP神经网络进行了识别实验。结果显示软阈值、硬阈值、弹性阈值3种标准的小波去噪方法均能明显提高信号识别率，其中最为显著的是软阈值标准去噪，信号的识别率可由未去噪的53．3％提高到98．3％，表明算法的有效性。     

一种基于小波变换的MPSK符号率提取算法

在通信系统中,符号率的准确提取是参数估计的重要环节。传统的估算方法,在低SNR条件下,估计的误差较大,很难对符号率进行准确估计。在分析现有符号率估计算法的基础上,提出一种新的基于haar小波变换的MPSK信号的多速率特征提取算法,深入剖析小波的降噪特性,同步参考点的选取与修正,码速率的估计精度等被忽视的问题,并且提出一种多同步参考点的符号率估计算法。仿真验证了算法在SNR5时符号率估算的准确性基本达到100%。     

风廓线雷达极低信噪比信号的小波方法提取

风廓线雷达回波信号中包含的噪声不仅降低信号的质量,而且还严重影响各种相关处理算法的有效性,甚至影响雷达本身的探测能力。因此,提出高效稳健的信号提取方法对于风廓线雷达数据的有效应用起着非常重要的作用。针对风廓线雷达回波信号非常微弱导致有用信息提取困难的问题,对比分析现有3种小波滤波方法,提出一种基于连续回波相关的空域相关新算法。利用MATLAB软件进行风廓线雷达信号降噪提取的仿真实验,结果证明改进后的方法优于原空域相关滤波方法和经典风廓线雷达信号处理方法,并取得较好的去噪效果。     

基于提升小波的单历元GPS变形监测信号的去噪

介绍提升小波阈值收缩法去噪的基本原理和方法,利用该方法对含噪的GPS单历元变形监测数据进行去噪,提取真实变形信息。实际数据处理结果表明,相比第一代小波,提升小波变换去噪效果更好,计算速度更快。     

桥梁变形监测数据小波去噪与Kalman滤波研究

针对跨海大桥三维变形监测问题,实施了测量机器人与三维激光扫描仪测量方案,二者三维监测数据最大较差不超过0.5 mm,而且测量机器人监测数据精度高,说明三维激光扫描技术应用于桥梁变形监测是可行的。根据小波分析与Kalman滤波理论,建立小波去噪后的桥梁变形监测Kalman滤波模型。实验表明,经过小波去噪的监测数据再进行Kalman滤波处理,提高了桥梁变形预测与变形分析的可靠性。通过标准Kalman滤波、自适应Kalman滤波桥梁变形观测数据处理,及平方和误差、均方误差、平均相对误差精度分析知,自适应Kalman滤波要优于标准Kalman滤波方法。     

用小波分析与灰色支持向量机预测高铁变形

针对高铁变形监测数据的非线性特征,构建一种基于小波与灰色支持向量机的高铁变形预测组合模型。利用小波分析获取不同时频尺度上的随机序列和近似序列,通过嵌入维数的确定和高低频数据的相关性分析,将重构后的随机序列作为遗传算法优化SVR模型的输入,对近似序列则采用灰色支持向量机来描述其演变特征,最后将二者预测结果进行耦合叠加,得到小波灰色支持向量机的组合模型预测结果。以贵广高铁实测数据为例,将均方差、平均绝对误差、平均绝对相对误差作为评判指标对预测效果进行评价,结果表明该模型较好地拟合了近似分量,同时避免了细节分量的过拟合,为高铁变形预测提供了新途径。     

����ƽ��ϵͳģ�����İ������������

????????????У????????????д???????????????????????????????????????????????????????????????????e??????????С????????????????????????????????R??????????????????????????????????????????????????????????????????С??????????????б?????????????????????????Ч??????????????д?????????????н?????????????     

基于EMD和小波的GPS/BDS变形监测中的多路径误差削弱方法

针对GPS/BDS实时监测坐标序列中多路径误差的周日重复特性和高频随机噪声,分别采用EMD以及EMD与小波阈值去噪相结合的方法对现有坐标序列构建多路径时序模型,并通过恒星日滤波削弱后续坐标序列中具有强相关性的多路径误差。实测数据的处理结果表明,EMD可以很好地去除GPS/BDS实时监测序列中的高频随机噪声并削弱多路径误差的影响,提高实时监测精度50%左右,EMD和小波组合方法较单EMD效果稍好。     

相邻历元误差相关的抗差卡尔曼滤波算法分析

根据卡尔曼滤波理论以及抗差理论,本文推导出了相邻历元误差相关的抗差卡尔曼滤波模型,其对观测值中含有粗差有良好的抗差性。通过对含有粗差的变形监测数据分析,与相邻历元误差相关的卡尔曼滤波模型进行比较,采用本文构造的抗差卡尔曼滤波模型处理数据,无论是否有粗差存在观测值里,变形计算结果与实际结果大体一致,粗差对计算结果的影响不敏感。在对变形监测数据分析时,可得出卡尔曼滤波方法估计的状态向量,没有寄存大量的以往观测数据,而是使用最近的观测数据,经过不断的预测和改正,把新的状态展示在系统中。     

���μ�����ݵ�С��������Ԥ�ⷽ��

??????μ?????????????????????????С??????????????????????С???????????????μ??????????????????????????????????ó????????б????ó?????:С??????????????μ??????????????????????Ч????     

基于CEEMDAN的GNSS变形监测去噪方法

为了提高GNSS变形监测数据去噪的有效性和可靠性,提出一种自适应完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN)去噪方法。首先将GNSS变形序列经CEEMDAN分解为若干特征模态函数;其次引入排列熵理论确定高低频分界值K,利用小波分析对高频分量进行去噪,去噪后与低频分量重构得到去噪序列;最后通过仿真和实测边坡GNSS变形监测数据,利用信噪比、均方根误差、相关系数等指标对比分析CEEMDAN、EMD和小波去噪方法。结果表明,CEEMDAN方法的去噪效果和精度优于EMD和小波去噪方法,证明了本文所提方法的有效性和可靠性。