桥梁索塔GPS监测信号的小波分析

针对EMD分解后直接舍去高频含噪信号可能会导致有用信息的丢失,以及小波阈值去噪中采用全局阈值去噪效果不完善等问题,该文提出了一种基于SSA的改进EMD-Wavelet耦合模型运用于桥梁索塔GPS监测信号去噪。即先对原始监测信号进行奇异谱分析,提取信号的趋势项和周期项,分析不同阶段的信号特性从而对其进行合理分段。在对经过EMD分解后的高频信号进行小波去噪时,根据信号的分段结果和给定的阈值计算函数进行分段分层取阈值。结果表明,该方法能很好地对原始坐标序列进行降噪,并且各项评价指标均优于SSA重构去噪法、EMD分解去噪法和EMD-Wavelet全局阈值去噪法,去噪效果更佳,这为索塔监测数据信号提取提供了有意义的参考。     

多通道奇异谱组合滤波反演水储量变化

针对GRACE时变重力场球谐系数的高阶次项中含有的较高噪声会造成反潢结果产生误差的问题,该文采用多通道奇异谱分析和高斯滤波相结合的方案来滤除GRACE数据中的噪声,并与普遍使用的去相关滤波和高斯滤波相结合的方案进行了对比验证。首先利用这两种方法分别计算了2007年4、10月份的全球水储量变化,结果显示,这两种方法反演的结果基本相同,而多通道奇异谱分析与高斯滤波相组合的方法提高了信噪比,减弱了信号泄露误差,验证了该组合方案的可行性。然后又分别计算了亚马逊流域2004—2010年的水储量时间变化序列,并与GLDAS水文模型进行了对比验证,结果显示,这两种方法得到的水储量时间序列变化趋势基本相同,各自之间具有强相关性,进一步说明了该文方案在GRACE数据滤波中的可行性。     

基于反对称小波的车型识别研究

在对车型识别去噪和边缘检测进行分析的基础上,提出了一种基于反对称小波的检测方法。首先采用尺度间相关性和尺度内相位法进行有效去噪,然后检测变换模极大值,并进行有效区分保留真正边缘模极大值,最后进行相关恢复处理得到比较清晰的车型边缘。结果表明,该方法提高了车型边缘检测的准确性和车型识别率,具有很好的应用前景     

改进小波阈值法在变形监测数据处理中的应用

阈值的选取和小波函数的构造是小波阈值去噪的关键,本文从两个方面分别进行阐述。首先,通过对传统小波阈值去噪方法的分析,提出了确定阈值的新方法;其次,构造出新的小波阈值函数去处理小波系数。然后,通过对一组离散变形监测数据进行去噪处理,验证了改进小波阈值法的优越性和有效性。     

小波阈值改进算法的遥感图像去噪

通过对于文献中已有小波阈值去噪方法的研究,结合已有的一些小波阈值去噪函数,提出了相应的小波阈值去噪的改进方法来完善和提高小波阈值去噪的处理能力和可行性。该阈值函数加入了有效的调整系数来控制函数的可变。该函数不但同时保留了相应的传统小波硬阈值、软阈值衍化的优点,也提高了相应精度指标。利用该函数阈值去噪不仅在经典的图像中起到很大的改善,在遥感图像的去噪处理方面也有明显的精度提高。该方法通过去噪评价指标均方差（MSE）,峰值信噪比（PSNR）,信噪比（SNR）,均方根误差（RMSE）进行去噪后图像的评价。该改进的阈值函数方法对于图像的处理后评价指标明显有所改善。     

小波去噪的灰色最小二乘支持向量机变形预测

针对变形监测数据的随机性和非平稳性,以及单一预测模型的不足,该文提出了基于小波去噪的灰色最小二乘支持向量机变形预测模型。采用小波去噪对原始数据进行降噪处理,减弱数据随机扰动的影响,建立灰色最小二乘支持向量机模型,并采用粒子群算法寻找最优参数。通过大坝位移监测数据实例对模型进行验证,并与灰色模型、最小二乘支持向量机以及灰色最小二乘支持向量机进行对比分析。实验结果证明,该模型预测精度更高、稳定性更强。     

基于HOT影像优化的遥感影像去雾算法

针对BSHTI和IBSHTI两种算法对卫星影像云雾校正后,地表的色调和纹理等细节缺失严重的问题,提出OIBSHTI算法对IBSHTI算法得出的雾厚度图像进行地表信息削减。通过填洼算法去除暗色区域,并引入纹理和边缘信息等进行优化处理,在彻底去除云雾的同时保留地表的色调和纹理,特别是蓝色或红色建筑物房顶的校正效果较为明显。     

非线性小波变换阈值法去噪改进

提出非线性小波变换阈值改进算法,用改进后的阈值算法公式去噪,得到去噪均方误差相对于改进前公式去噪均方误差有明显减小,改进公式更合理。研究一种阈值法去噪修匀算法,去噪后曲线较光滑,基本上已消除了震荡或呈折线即伪吉布斯现象,改进效果明显。     

一种GPS单历元动态求解模糊度的算法

高精度动态差分定位要求利用正确求解整周模糊的载波相位观测值。在恶劣的环境中,如可能发生失锁的情况下,将会从单历元模糊求解中受益。本文详细介绍了单历元解模糊型及算法,并列出了静态数据的单历元求解结果,结果证明实时求解模糊度是可能的。     

Landsat TM遥感影像中厚云和阴影去除

提出了一种新的利用多时相Landsat TM影像数据进行的厚云及其阴影去除的方法。该方法通过分析厚云及其阴影的光谱特征, 设计了厚云和云阴影识别模型。该算法的实现是采用图像配准技术、非监督分类、像元替换等运算, 计算出厚云和云阴影区域的TM影像替换数据, 进而得到消除或者减少云影响的TM遥感影像。试验结果表明本文提出的厚云及其阴影去除方法效果很好, 能消除或者弱化云对TM影像数据的影响。