EMD方法和Hilbert谱分析法的应用与探讨

利用EMD方法对海浪观测资料进行处理 ,通过在数据两端的“平衡位置”处分别附加平行直线段的方法进行端点抑制 ,分解出 1 0个内在模函数和 1个剩余趋势项 ,再对各内在模函数进行Hilbert变换 ,得到波浪的Hilbert谱。对所得结果的分析表明 ,各模态在Hilbert谱中的分布趋势和Fourier谱中谱线的变化趋势是一致的 ,第一模态的中心频率与Fourier谱的谱峰频率相对应 ;EMD方法是对非线性、非平稳过程数据进行距平化的好方法 ,距平化的过程和消除趋势项的处理是统一的。     

An integrated GPS–accelerometer data processing technique for structural deformation monitoring

Global Positioning System (GPS) is being actively applied to measure static and dynamic displacement responses of large civil engineering structures under winds. However, multipath effects and low sampling frequencies affect the accuracy of GPS for displacement measurement. On the other hand, accelerometers cannot reliably measure static and low-frequency structural responses, but can accurately measure high-frequency structural responses. Therefore, this paper explores the possibility of integrating GPS-measured signals with accelerometer-measured signals to enhance the measurement accuracy of total (static plus dynamic) displacement response of a structure. Integrated data processing techniques using both empirical mode decomposition (EMD) and an adaptive filter are presented. A series of motion simulation table tests are then performed at a site using three GPS receivers, one accelerometer, and one motion simulation table that can simulate various types of motion defined by input wave time histories around a pre-defined static position. The proposed data processing techniques are applied to the recorded GPS and accelerometer data to find both static and dynamic displacements. These results are compared with the actual displacement motions generated by the motion simulation table. The comparative results demonstrate that the proposed technique can significantly enhance the measurement accuracy of the total displacement of a structure.     

基于经验模态分解的GPS基线解算模型

非建模系统误差是影响高精度GPS基线解算精度的一个重要因素,文章给出基于经验模态分解的GPS基线解算模型,有效消弱系统误差对基线解的影响。在现有经验模态分解理论的基础上,定义经验模态分解的多尺度分解与重构结构,并由此给出基于经验模态的系统趋势分离模型,依据累积标准化模量的均值随尺度的变化确定系统误差与噪声分离尺度的选择标准。给出基于经验模态分解的GPS基线解算的技术路线,首先计算GPS相位双差观测方程的浮点解残差序列,分离出系统误差并用于修正GPS双差观测值,重新计算双差浮点解,采用Lambda算法固定整周模糊度,计算固定基线解,从而消弱系统误差对基线解算的影响,提高基线固定解的可靠性。并采用实测GPS数据验证模型,F-ratio指数与W-ratio指数表明系统误差消弱后,基线固定解可靠性得到明显提高,重新计算的残差序列表明系统误差得到很好的消弱。     

SVD与EMD联合去噪方法在地震勘探数据处理中的研究与应用

将基于倾角扫描的奇异值分解与经验模式分解法相结合应用到地震资料随机噪声压制中。首先利用经验模式分解法消除部分噪声,增强地震道有效信号的相关性,再利用奇异值分解对地震信号进行同相轴自动追踪,截取小时窗数据体,并进行同相轴拉平处理,经SVD计算小时窗数据中心点的值来代替计算样点的值,最终实现随机噪声的压制。理论模型试算和实际资料处理表明,本文提出的EMD-SVD方法简单易行,比单一的SVD方法去噪效果更显著有效地消除了地震资料中的随机噪声,提高了地震资料的信噪比,并改善了叠加剖面的质量。     

大桥几何监测数据去噪方法研究

提出并优化了EMD小波组合去噪法对大桥监测结果进行去噪的过程,并与EMD去噪法、小波阈值去噪法进行比较。结果表明,优化的EMD小波去噪法是一种高效的大桥动态监测信号去噪方法,去噪效果最好。     

���ھ���ģʽ�ֽ��CORSվ�߳�ʱ�����з���

???????????????????GPS??????????????????????????????CORS???????????????????????????????????????????????????????????????о??????????????????????????????????????????????????????????????????????????????????????????????????????壻??????????????????????????????????????????????????????????????????????????????????????     

基于希尔伯特-黄变换的汶川地震记录分析

利用HHT方法对6个台站的汶川8.0级地震加速度记录进行EMD分解,进而对地震波输入结构的总能量进行分解,得到地震动能量在IMF分量之间的分布关系。同时通过对各分量边际能量谱的分析,可以从另一方面得到地震波的频谱特性,边际能量谱峰值频率与地震波傅立叶谱的卓越频率相同,边际能量谱也可以作为一种估算震动卓越周期的方法。     

基于经验模态分解与神经网络的信号预测

利用经验模态分解在处理非线性、非平稳信号以及人工神经网络可以较好地处理非线性问题的优点,通过经验模态分解把加入噪声的仿真信号分解成几个本征模态函数分量和一个趋势项,在分解过程中采用两种方法处理端点效应问题,结果表明两种方法都能很好的解决端点问题,然后对每个分量分别运用径向基函数神经网络进行预测,并重构出最后的预测结果。与不经EMD处理直接运用神经网络进行预测及真实数据进行对比,结果表明,相对于直接预测,该方法具有更好的预测效果。     

基于经验模态分解和加权最小二乘支持向量机的采空区地面塌陷预测

根据采空区路面塌陷数据的特性,提出了基于经验模态分解（EMD）和加权最小二乘支持向量机（WLS-SVM）预测采空区地面塌陷的新方法,并将其应用于吉林省长平高速公路因刘房子煤矿开采而引起的塌陷预测中。对实测的塌陷数据首先利用三次样条插值得到平滑的信号曲线,然后用EMD对插值后的信号进行时空滤波降噪处理,得到反映塌陷趋势的剩余分量,最后将其馈入到WLS-SVM模型完成预测。预测给出了采空区塌陷的中长期预测结果,得到塌陷区的最终塌陷值为174.34 cm,预测结果与实际监测数据平均偏差约1.06%。对长平高速公路下伏采空区段的实测数据进行分析,并与最小二乘支持向量机（LS-SVM）和BP神经网络预测结果进行了对比。结果表明:基于EMD和WLS-SRM的采空区地面塌陷预测方法具有更高的预测精度和广泛的适用性。     

基于f-x EMD波场分离的绕射多次波压制方法

自由表面多次波压制（SRME）方法是海洋地震数据处理中的关键步骤。当存在崎岖海底条件时,绕射波十分发育,常规SRME算法很难将复杂绕射多次波有效消除。对压制效果较差的多次波进行成因分析,首先基于f-x EMD波场分离算法,将全数据分解为反射部分和绕射部分,再对其进行多次波预测,获得绕射预测多次波子集：反射-绕射预测多次波、绕射-反射预测多次波和绕射-绕射预测多次波。然后,改进常规SRME算法的迭代过程,在SRME的迭代过程中使用与原数据中多次波更加匹配的绕射多次波子集进行多次波压制。与常规SRME算法的对比结果表明,改进的SRME算法在理论数据和实际数据处理中对多次波的压制都取得更好的效果。