小波分析去噪在腰沙围垦变形监测中的应用

由于受到许多复杂因素影响,沉降监测过程中所得到的信号数据可能会含有噪声。Matlab中小波分析功能能够对信号数据中的噪声信号进行有效的分解,最后重构处理后的信号。通过实例对比,选用合适的去噪方法和去噪函数,对信号数据进行处理,最后能够得到更适合的最优估计。     

高分二号卫星影像自适应模糊阈值法小波去噪

高分二号卫星影像提供了丰富的图像信息,高分二号影像数据的发布打破了我国高分辨率对地观测数据长期依赖进口的局面。但是图像在传输和保存过程中会有噪声干扰,如果感兴趣区域受到污染,则会导致该区域内的影像信息不能被充分利用。为了解决高分二号遥感影像去噪这一难题,本文采用自适应模糊阈值法去噪方式,该方法根据各个尺度下噪声方差建立的自适应模糊阈值函数非线性处理后,重新构造作为新的小波系数,经小波逆变换后得到去噪图像。通过与均值滤波器滤波、高斯平滑滤波、中值滤波器滤波、小波全局阈值去噪和Birge-Massart策略阈值法去噪比较,结果表明,自适应模糊阈值去噪法充分结合软硬阈值处理方式的优点,既保留图像细节又使图像更加平滑,图像整体信息完好,去噪效果更为理想。     

多项式拟合技术在强噪声地震资料中的应用研究

获得高分辨率的地震信号是决定地震勘探在油气田等资源开发中能否发挥更大作用的关键,所以说地震信号的高分辨率是地震勘探所追求的重要目标,而提高数据信噪比才能真正提高地震资料的分辨率.本文通过对多项式拟合技术去噪的研究,以此提高地震数据信噪比.实际数据的处理结果表明,该方法能减少对振幅的畸变,同时可处理非水平的和弯曲的同相轴,可很好地提高地震资料的分辨率.     

小波分析在地震资料去噪中的应用

本文阐述了小波变换和去噪的基本原理,根据模拟信号和实际地震信号的频谱分析,讨论了如何选择小波基,及去噪中的阈值问题,从小波分解出发,利用多尺度分解对地震资进行分析,并基于MATLAB语言和小波工具箱,实现了对地震资料的去噪.     

沂沭断裂带深反射地震资料处理

地震时间剖面可以对地质目标进行精细刻画,但由于变质岩、侵入岩地区存在地质体不规则、地质界线间波阻抗差异不明显、断裂构造倾角高陡等特征,导致地震原始资料具有波场复杂、干扰波发育、资料信噪比低等特点.为获得客观反应实际地质情况的沂沭断裂带深反射地震剖面,通过对研究区原始地震资料细致分析,针对各种干扰波的不同特性特征,分别采...     

结合BM3D和多级非线性加权平均中值滤波的遥感影像混合噪声去噪方法

提出了一种基于三维块匹配（BM3D）和多级非线性加权平均中值滤波的遥感影像混合噪声去噪方法,使用coief3小波和sym2小波替换传统三维块匹配算法中的bior1.5和hear参数,将三维块匹配算法和多级非线性加权平均中值滤波相结合以提高算法对混合噪声的去噪能力。进行一个仿真对比试验和一个真实遥感影像去噪试验,试验表明,本文提出的方法在遥感影像混合噪声去噪方面效果要优于传统混合噪声去噪方法。     

Cyclone在数字校园三维激光点云数据预处理中的应用

为了高效获取精确的数字校园地形图的测量数据,通过Leica ScanStation P40对校园进行三维激光点云数据采集,并结合Cyclone中的去噪模型对点云数据进行去噪,利用“六自由度”方法和ID号对标靶进行拟合,在一定约束条件下完成点云数据的坐标匹配、拼接以及优化,得到统一坐标系下的点云数据。结果表明:优化后的点云数据精度可达到6 mm。可见处理后的点云数据能够满足数字校园地形图的高精度要求。     

С��������GPS�񶯼�������е�Ӧ��

?????????????????????GPS ??????????????Ч???????????????GPS?????????????в???С???????????????????????????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。     

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。