惯性导航EEMD区间阈值降噪方法

陀螺随机误差是影响惯性导航系统精度的主要因素。在经验模态分解（EMD）和阈值降噪的基础上,提出一种基于集合经验模态分解（EEMD）的区间阈值的陀螺信号降噪方法。该方法利用EEMD方法将陀螺信号分解多个本征模态函数（IMF）分量和1个残余分量,基于信号和IMF分量的概率密度函数的2范数距离方法剔除纯噪声IMF分量,利用改进的区间阈值降噪方法实现信号的降噪。仿真和实测试验表明,该方法不仅能有效抑制EMD中的模态混叠问题,而且能有效削弱陀螺的随机误差,从而提高惯性导航系统的精度和可靠性。     

利用经验模态分解方法抑制SAR斑点噪声

提出了一种利用经验模态分解（EMD）方法抑制SAR斑点噪声的方法。利用经验模态分解方法，可以将SAR图像分解为一系列的以空间周期尺度不同为特征的模态，定义空间特征尺度不大于4的为噪声。通过从图像中减掉噪声成分使SAR斑点噪声得以抑制。用这种方法处理SAR图像在斑点抑制和纹理信息保护两方面取得令人满意的结果。     

利用经验模态分解的侧扫声纳噪声抑制方法

针对海道测量中侧扫声纳声强数据中的噪声问题,分析侧扫声纳海底杂波的统计模型,提出基于ping数据的经验模态分解抑制噪声方法。结果表明,从ping声强数据中减掉周期小于4的模态后,声强数据可较好地服从Gamma分布,并保持声图中的细节信息。     

经验模式分解联合独立分量分析降噪研究

针对高精度GPS变形监测的噪音成分以及多路径效应的剔除,提出了一种新的经验模式分解联合独立分量分析的滤波降噪法。采用模态相关准则进行信号层与噪音层的判定,有效地解决了低信噪比情况下信号层与噪音层分界点的判定,实现了噪音最大化的去除以及有用信息的最大化保留;基于经验模式分解的独立分量分析滤波降噪法,采用更为简单科学的数学判定方法,避免了人为的经验判定方法,实现了信号层与噪音层的自适应判定以及降噪效果更佳。实验结果表明:所用算法不仅能够有效地去除噪音成分,而且能够很好地保留大部分有用信息,研究结果对高精度GPS变形监测的去噪以及多路径效应的剔除研究具有一定意义。     

全波形激光雷达改进的降噪方法北大核心CSCD

在全波形激光雷达信号从发射到接收的过程中,针对受传播介质、扫测距离、物体性质等因素影响产生噪声的问题,本文提出了一种基于经验模态分解、排序熵和小波阈值的降噪改进方法。首先对波形信号进行经验模态分解或本征模态函数(IMF),计算各本征模态函数排序熵的值;然后应用该值计算小波阈值,并构造新的小波阈值函数,再对相应本征模态函数进行小波阈值降噪;最后将结果重新加和,得到降噪后的波形,从而提高不同噪声信号的降噪方法的自适应性。基于数值仿真和实测数据试验,将本文方法与其他降噪方法进行了对比,基于信噪比、波形相关性、均方根误差、平滑度计算归一化指标和综合指标对本文方法进行了评估,归一化信噪比提高10%~20%,其余指标改善5%~40%。因此,本文方法对不同噪声含量的回波信号均有较好的降噪效果,可以解决全波形激光雷达接收波形中存在的噪声问题。     

经验模态分解阈值消噪方法及其在惯性导航系统数据处理中的应用

针对惯性元件误差中有色噪声影响远大于白噪声的情况,建立元件误差的分形高斯噪声模型,利用功率谱密度方法估计模型参数。基于噪声模型推导经验模分解(EMD)的各固有模态函数(IMF)分量中噪声的方差,以此估计各分量相应的阈值,建立EMD阈值消噪方法。将该方法应用于INS中,并与小波阈值法进行比较。结果表明,小波阈值法难以控制元件中有色噪声的影响,EMD阈值法与噪声模型紧密结合,能够更有效地削弱元件中的随机误差,提高INS精度。     

动态变形信号小波阈值降噪模型研究

由于小波分析具有时频多分辨功能,小波去噪方法能在降噪的同时,更有效地保留有用信号.讨论小波阈值去噪中软阈值和硬阈值方法,然后针对硬阈值法不连续和软阈值法有偏差的缺点,研究一种有效的GPS动态变形监测数据的小波阈值降噪模型,并进行降噪实验,取得令人满意的结果.     

联合加权小波和EEMD的GNSS坐标时间序列降噪分析

针对GNSS坐标时间序列中有用信号与噪声难以准确分离这一问题,本文提出加权小波Z变换(weighted wavelet Z-transform, WWZ)和集合经验模态分解(ensemble empirical mode decomposition,EEMD)的降噪方法.通过对西北地区70个陆态网络连续站垂向坐标时间序列的降噪处理,分别采用均方根误差(root mean squared error,RMSE)、信噪比(signal to noise ratio,SNR)、闪烁噪声(flicker noise,FN)振幅及速度不确定度为评价指标,验证了本文方法的降噪效果在一定程度上优于小波降噪和EEMD降噪.结果显示：WWZ-EEMD相比小波降噪和EEMD降噪,降噪后信号序列RMSE分别降低了0.331 mm、 0.757 mm,SNR分别提高了1.911 dB、3.635 dB;FN振幅及速度不确定度均有明显改善,验证了本文降噪方法的有效性.     

大跨径桥梁变形监测数据的组合降噪方法研究

为了准确提取桥梁GNSS监测数据中的有效变形特征,本文充分发挥自适应噪声完备集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise, CEEMDAN)与小波变换(Wavelet Transform, WT)在信号降噪中的优势,将二者结合进行桥梁GNSS监测数据降噪。首先通过CEEMDAN方法将原始监测数据分解为若干个本征模态函数(Intrinsic Mode Function, IMF),并通过相关系数识别出有效IMF分量,包含噪声的IMF分量以及无效IMF分量;其次使用WT软阈值降噪方法对包含噪声的IMF分量进一步降噪;最后重构降噪后IMF分量与有效IMF分量。通过仿真实验数据与苏通大桥实测GNSS数据对本文方法的有效性与优越性进行检验,结果表明,本文方法具有良好的降噪效果,能够有效提取桥梁的真实变形信息。     

基于集合经验模态分解的老年人步态信号的降噪方法

基于手机传感器的行人航位推算(PDR)作为一种不依赖外部信息和硬件就可以自主定位导航的方法,在室内环境下试图去普及应用。老年人与年轻人在步频与步幅上有很大差异,常用的年轻人步态降噪方法并不适用于老年人,大大降低PDR的定位精度。针对该问题,本文以手机内加速度传感器信号为数据依据,以检测老年人步数为研究目标,采用卡尔曼滤波、巴特沃斯低通滤波、集合经验模态分解等方法,确定老年人的步数。通过对比分析,确定基于集合经验模态分解的降噪方法,对老年的检步精度达到98%以上,较采用卡尔曼滤波与巴特沃斯低通滤波的方法提高了19.4%。     

小波变换阈值去噪法在GPS数据处理中的应用

在介绍小波变换阈值去噪法的特性及其有点的基础上,结合武汉某大学教学楼GPS变形监测数据,首先使用不同的小波函数及阈值策略分别对GPS观测数据的非差、单差相位观测值和伪距观测值进行阈值去噪处理,然后分别使用Bernese高精度数据处理和Trimble TG0软件对消噪前后的单差相位观测值、非差相位观测值和伪距观测值进行基线解算。最后,比较消噪前后基线解算结果,分析不同小波函数和阂值策略对基线解算精度的影响,探讨小波变换阅值去噪的合理方法。     

基于小波分析的GPS信号噪声特性

通过提取南宁实验GPS控制网的原始载波信号,利用小波分析理论在多尺度、多分辨率、可伸缩、可平移等分析方面的优势,分别对提取的原始载波信号、单差观测值、双差观测值采用bd3小波函数进行3层小波分解,研究各种GPS信号噪声的特性,对减弱各种GPS噪声的影响有一定的参考价值。     

基于改进PSO-SVM的噪声稳健建筑物变形监测方法

对高层、超高层建筑物进行实时,高精度的变形监测对提前预防安全隐患,保证人民生命财产安全具有重要意义.建筑物变形作为一种典型的随机性和微弱性过程,噪声等误差的存在会影响从中提取有用的变形信息.针对该问题,提出一种改进粒子群(ParticleSwarmOptimization,PSO)算法优化支持向量机(SupportVe...     

一种基于压缩感知的遥感影像混合去噪模型

针对遥感影像噪声通常由光学噪声和电噪声组成的特点,提出了一种基于压缩感知的混合去噪模型。该模型结合了压缩感知原理和自适应中值滤波算法,分别在小波域与空间域对影像进行去噪。实验结果证明了混合模型在有效抑制影像中噪声的同时,可以保持较高的信噪比和归一化方差,有较高的图像的纹理和边缘信息保持能力。     

EEMD分解的超快速北斗卫星钟差预报

为提高北斗卫星钟差预报精度,本文提出采用多项式和集合经验模态分解相结合的模型进行北斗卫星钟差的预报,并采用GPS数据验证算法的正确性。在剔除卫星钟差中的趋势项部分后,利用经验模态分解法对残差分解得到不同频率的时间序列。对各时间序列用不同模型进行预报并进行线性组合,最终的钟差预报值由趋势项和各时间序列的预报值复合而成。试验表明:该模型对北斗卫星钟差预报取得了较好的结果,与ISU-P相比,精度提升幅度在7.3%~43.0%之间。     

快速的Otsu双阈值SAR图像分割法

提出了一种结合规则划分和M-H（Metropolis-Hastings）算法的SAR图像分割方法。首先,利用规则划分将图像域划分成子块,并假设每个子块内像素服从同一独立的Gamma分布;根据贝叶斯定理,构建基于子块的图像分割模型;然后,利用M-H算法模拟该分割模型,实现SAR图像分割及模型参数估计。在M-H算法中,设计了改变参数矢量、改变标号场及分裂或合并子块三个移动操作。为了验证提出的分割方法,分别对真实及模拟SAR图像进行分割实验。定性及定量评价结果表明了本文方法的可行性及有效性。     

一种基于总体变分的自适应图像去噪方法

建立了总体变分自适应图像去噪模型,并给出了其非线性各向异性扩散方程的数值解法。该方法采用高斯滤波器对噪声图像进行预处理,并利用图像每个像素的梯度信息,使其扩散方程在沿边缘方向上具有较大的扩散系数,而在垂直边缘的方向上具有较小的扩散系数。因此,总体变分自适应图像去噪方法不但能抑制噪声,还能很好地保持图像的边缘和纹理特征。图像去噪仿真实验表明,该方法的降噪效果明显优于总体变分去噪方法和中值滤波、维纳滤波等传统方法。     

采用方差-协方差分量估计GPS时间序列噪声特性

本文采用方差-协方差分量估计分析GPS残差时间序列噪声特性。介绍了该方法如何运用于GPS时间序列分析,详细的推导了函数模型,建立了数据处理流程。对比传统的极大似然估计,该方法可以定量计算各噪声分量的大小,并且具有计算速度快,数学模型严谨等优点。