Radon变换提取P波剖面及云噪

介绍一种既能提取有效反射信号同相轴，又能提取Ｐ波剖面的方法。先将动校正后的共中心点道集记录沿反射同相轴方向的“时间－空间”域数据模型，变换到“序率－空间”域数据模型，并加以简化，使信号剖分构成一个特殊的数据模型。     

MT时间序列的FIR数字滤波分析

大地电磁测深法(MT)野外观测得到的原始资料是包含多种频谱的时间序列,这种时间序列中常包含不需要的信息和50 Hz及其谐波的干扰。结合FIR数字滤波技术与MT时间序列的特征,提出了一种基于FIR数字滤波技术的MT时间序列去噪方法,讨论了FIR数字滤波器的原理和实现,分析了理论数据通过FIR数字滤波的带通和陷波处理,探讨了对实测时间序列的带通和陷波所取得的效果。     

便携式PET数据无线传输的可行性探讨

提出一种新的便携式PET中数据高速传输的方法,并验证其可行性.便携式PET在进行检测时,由于探测器的移动导致了有线数据传输的困难.有别于以往采用的旋转光纤接头的方法,提出在狭小区域内应用高速无线传输技术来解决数据的连续传输问题,主要评测了无经传真(802.11g)的实际性能,采用多信道同时传输时,在信道独立条件下获得的总传输速率等于各信道速率之和,以此得到更高的传输速率来满足便携式PET大数据量的连续高速传输,在方便被检测体的自由活动方面显示了潜在的应用前景.     

GPS信号载噪比研究

介绍了GPS接收机所接收信号的栽噪比；提出了载噪比方向图的概念，导出了栽噪比方向图与天线增益方向图的关系；初步评估了大气损耗的时空差异；指出可利用栽噪比异常方向图确定被动式干扰源的方位。     

基于小波去噪的BP神经网络在变形监测中的应用

在变形监测领域中,对沉降数据的准确预测能够提前获悉检测对象的变形趋势,避免事故发生.原始监测数据普遍含有异常值,从而会对预测模型精度造成一定影响,降低预测结果的准确性.以BP(Back Propagation)神经网络为基础,采用小波去噪的方式针对剔除和插补原始数据中的异常值,分别建立去噪前后BP神经网络预测模型,并利用工程实例对预测模型精度进行分析.结果表明,小波去噪后的BP神经网络预测模型相比去噪前精度有所提升,精度更高,能够更为准确地反映监测对象的变形趋势.     

一种CORS站高程序列噪声识别算法

针对能量密度谱判断噪声与信号主导模态分界点性能不稳定的问题,该文提出基于夹角余弦的分界点判断方法。该方法首先利用EEMD对CORS站高程数据进行分解,其次计算原始信号与各阶模态分量的夹角余弦值,最后根据夹角余弦值的首次逆向转折位置判定噪声主导模态和信号主导模态的分界点。以4个CORS基准站近20年原始高程时间序列信号为研究对象,对噪声与信号模态分量分界点进行判定,实验结果表明采用基于夹角余弦的判定方法可以一次判断出噪声和信号模态分量的分界点。该方法应用到CORS站高程信号与噪声序列的识别中性能更加稳定。     

基于小波去噪的灰色模型在变形监测中的应用

灰色模型可在"贫信息"的条件下发现变形观测数据中的规律,但不能去除数据中噪声的影响;而小波分析可有效识别并剔除变形监测数据中的噪声(误差),使变形规律更加明显;结合两种方法的优势能增强数据分析的可靠性,提高预测精度.将小波去噪与灰色模型相结合,研究了该分析方法在高铁隧道变形监测中的应用,并得到了较可靠的预测结果.     

基于Sentinel-2卫星遥感影像的去云方法研究

在光学遥感卫星图像中,云是普遍存在的现象,它严重降低了图像的质量,因此,去云处理就是一个必不可少的步骤.深度神经网络在许多图像处理任务中取得了成功,但是利用该方法针对遥感图像的去云研究较少.本文采用GAN来解决遥感图像去云问题,首先训练生成模型生成无云影像,同时训练判别模型使生成的模型更加真实和清晰,最终达到从被云覆盖的卫星图像中恢复并增强这些区域的信息,生成质量更好的无云图像的目的.基于人工智能标注的Sentinel-2卫星遥感影像数据集的试验表明,与传统的小波变换基准相比,提出的生成对抗网络模型在去云处理方面效果有明显提升.