共查询到16条相似文献，搜索用时 144 毫秒
1.
针对传统EEMD进行信号分解时信噪比低和部分模态混叠的问题，提出基于K均值聚类的CORS高程时间序列改进分析方法。通过添加正负白噪声的EEMD提高信号分解信噪比，基于K均值聚类方法对EEMD迭代过程中分解的各个IMF分量进行聚类分析。实验结果表明，该方法提高信噪比3%以上，基于正交指数的分解精度提高26%以上，聚类结果能够解决IMF中近似的0.5 a、1 a、2 a周期信号的模态混叠问题。 相似文献
2.
利用麻雀搜索算法(sparrow search algorithm, SSA)优化变分模态分解(VMD),然后结合小波分解(WD),提出一种GNSS坐标时间序列降噪方法IVMD-WD。利用仿真信号和10个基准站的实测数据进行GNSS坐标时间序列降噪实验。结果表明,IVMD-WD方法的降噪效果优于经验模态分解(EMD)、集合经验模态分解(EEMD)和WD,能够更加有效地剔除GNSS坐标时间序列中的噪声。 相似文献
3.
针对GAMIT/GLOBK软件解算得到的4 a GPS/PWV时间序列的特征提取问题，提出基于滤波辅助的部分集成经验模态分解（PEEMD）与Hilbert谱分析相结合的特征提取方法。首先，在PEEMD方法的基础上,结合滤波辅助的PEEMD方法与Hilbert谱分析，建立GPS/PWV时间序列特征提取模型；然后，将所提出的方法应用于TNML测站4 a的GPS/PWV长时间序列和7 d的GPS/PWV短时间序列分析中，并将滤波辅助的PEEMD结果与传统的小波分解结果进行对比。结果表明，该特征提取方法能准确有效地提取出 GPS/PWV时间序列中的周年周期和日周期特征分量，滤波辅助的PEEMD分解结果与小波分解结果一致，且提取的特征分量与原始信号更加吻合。 相似文献
4.
为提高GNSS高程时间序列的去噪效果,以仿真信号和拉萨站2000~2020年高程时间序列为例,采用自适应噪声完备集合经验模态分解（complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN）方法将信号分解成若干个特征模态函数（intrinsic mode function,IMF）,对每个IMF分量进行小波包多阈值分解,依据不同节点能量占IMF总能量百分比选择不同的阈值准则,将降噪后的节点重构得到降噪后的IMF分量,进而得到降噪后的时间序列。利用信噪比、均方根误差等指标对比分析本文方法、EMD、CEEMDAN、小波去噪和小波包多阈值去噪等5种方法的去噪效果。结果表明,本文方法效果最优。 相似文献
5.
运用经验模态分解（EMD）、集合经验模态分解（EEMD）和完备总体经验模态分解（CEEMD）3种方法对原始基线时间序列进行分解,得到各自时间序列的本征函数模态分量（IMF）、相关系数及周期性强度,进而确定其季节项分量,同时通过比较季节项和原始基线时间序列的叠加功率谱图优选分解方法。结果表明,CEEMD方法对基线时间序列季节项提取和重构效果最佳。 相似文献
6.
采用一种基于聚类经验模态分解（EEMD）的HHT方法提取康定MS6.3地震强震记录的时频特性，通过对各台站获取的强震动加速度记录进行EEMD和Hilbert变换及谱分析，并与Fourier变换进行对比研究。结果表明，对于非线性的强震记录，采用EEMD能有效抑制EMD中存在的模态混叠问题。康定震区震害调查结果发现，“崩科”藏式建筑房屋表现出的震害特征较严重。通过Hilbert边际谱分析可以看出，震区台站主频集中在10 Hz左右，瞬时能量谱高频段信息较为丰富，而藏式建筑较差的抗震性也是造成震区“崩科”藏式结构房屋表现出震害偏重的重要原因。 相似文献
7.
利用改进的EEMD方法对我国四大流域GRACE水储量时序进行分解，得到不同频率的信号分量。结果表明，流域水储量变化信号具有多种周期特性，长江、黄河、淮河和珠江流域的水储量变化序列中分别存在3.05 a、2.37 a、2.37 a和2.13 a的水循环周期。 相似文献
8.
针对GPS位置时间序列噪声成分复杂、建模困难、噪声与信号难以有效分离等特点,用自适应信号分析方法经验模态分解（EMD）对中国区域9个IGS站时间序列的N、E、U方向作降噪处理。首先对各方向分量作EMD分解,获取各方向噪声强度依次降低的一系列本征模态分量及其趋势项;其次利用相关系数辨别出噪声与信号的分界本征模态分量,并按重构方法重构各本征模态分量;最后用相关系数、信噪比、能量百分比等参数评价EMD方法降噪的有效性。结果表明,EMD方法能合理地分离序列中的信号与噪声,有效削弱噪声对GPS位置时间序列的影响,进一步提高GPS位置时间序列的精度。 相似文献
9.
提出一种结合自适应噪声完备集合经验模态分解（CEEMDAN）和小波变换（WT）的地震信号去噪新方法CEEMDAN-WT。首先利用CEEMDAN将地震信号自适应地分解为若干个固有模态函数（IMF）和余量;然后计算各分量与原始信号的皮尔森相关系数,对处在不同相关系数阈值区间内的分量分别作小波滤波、维持原状及直接剔除等处理,并进行线性重构;最后构建样本熵变化量、互信息、信噪比等指标体系,定量评估去噪效果。模拟实验与实测数据（青海玛多地震）计算结果表明,与EMD、EEMD等方法相比,CEEMDAN-WT方法能有效抑制随机噪声的影响,提高信噪比,并且地震信号的精细化重构效果较好,信号有效成分得到较大保留。 相似文献
10.
针对经验模态分解(empirical mode decomposition,EMD)降噪过程中不能直接确定分界本征模态函数(intrinsic mode function,IMF)的K值,以及当高频噪声IMF分量个数少于低频IMF分量个数时,利用低频信号重构实现降噪的计算量较大等问题,提出一种新的EMD降噪方法。采用平均周期与能量密度乘积指标的方法来自动确定分界IMF的K值,将高频噪声IMF分量进行重构,然后用原始信号减去重构噪声,从而达到降噪的目的。利用模拟数据和BJFS站的实测GPS高程时间序列数据进行验证。实验结果表明,该方法能够直接确定分界IMF的K值,降低计算量,在GPS高程时间序列降噪中较传统EMD方法更可靠。 相似文献
11.
???????????????????GPS??????????????????????????????CORS???????????????????????????????????????????????????????????????о??????????????????????????????????????????????????????????????????????????????????????????????????????壻?????????????????????????????????????????????????????????????????????????????????????? 相似文献
12.
针对MEMS陀螺仪随机漂移产生的误差,提出一种引入Hurst指数的自适应噪声完备集成经验模态分解(CEEMDAN)与自适应卡尔曼滤波(AKF)相结合的去噪模型。首先,通过CEEMDAN对陀螺仪原始信号进行分解,得到一系列频率由高到低的本征模态函数(IMF)和一个残差余量;然后,提出Hurst指数模态筛选机制,将IMF分量划分为噪声IMF、混合IMF和信息IMF;最后,使用自适应卡尔曼滤波器对混合模态分量进行滤波并重构信号。结果表明,CEEMDAN较EMD和EEMD具有更高的分解精度;使用AKF处理混合模态,通过Hurst指数筛选机制重构信号的信噪比相较于排列熵和相关系数法分别提升约12%、36%;使用Hurst指数筛选机制,AKF处理混合模态后重构信号的RMSE较小波阈值滤波降低约23%。 相似文献
13.
针对经验模态分解(empirical mode decomposition,EMD)降噪过程中存在信号与噪声模态混叠及直接将分界本征模态函数(intrinsic mode function,IMF)分量归入高频噪声造成真实信号被“湮没”等问题,提出一种改进的EMD降噪方法。该方法将经EMD得到的第2个IMF分量至分界IMF分量进行重构,对重构信号进行下一次EMD,获取其中的“真实”信号,多次重复此操作,最后将所有获得的低频信号累加,从而达到降噪的目的。利用2种模拟数据和1种GPS实测高程数据进行实验,模拟数据与实测数据采用不同的评价指标评价降噪效果,结果表明,改进的EMD方法较传统EMD方法降噪效果更佳,验证了该方法的可靠性。 相似文献
14.
针对地震信号中存在大量环境噪声的问题,基于天然地震事件和人工爆破事件建立初始数据集,利用集合经验模态分解（EEMD）技术对波形信号进行分解、降噪,提取出较纯净的各阶本征模态函数（IMF）分量,然后对前10阶分量分别计算分布熵,即EEMD多尺度分布熵,建立神经网络输入矩阵。应用鲸鱼优化算法（WOA）对自组织特征映射（SOM）神经网络参数（竞争层维数、网络训练次数）进行优化,针对不同训练样本寻找对应的最优参数值以改善模式识别的稳定性,从而提高地震识别率。结果表明,EEMD多尺度分布熵结合WOA-SOM模型可有效识别天然地震和人工地震。 相似文献
15.
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dnSNR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。 相似文献
16.
引入一种改进的集合经验模式分解方法（improved ensemble empirical mode decomposition，IEEMD）进行多路径误差的建模。与EEMD方法相比较，IEEMD方法可以有效地克服模态分量数目不一致和分解不彻底等问题，并将原始序列分解为不同尺度的模态分量。同时，考虑到不同模态分量中高斯白噪声的能量密度与平均周期之积为常数，设计一种自动选择尺度与重构的方法，用于模态分量的选择与重构，进而构建GPS多路径误差模型。在此基础上，采用恒星日滤波技术，进行邻近周日GPS坐标序列中多路径误差的实时削弱。实验结果表明，采用同样的尺度选择方法和恒星日滤波技术，使用IEEMD方法可以得到比EEMD方法精度更高的GPS坐标序列。 相似文献