共查询到17条相似文献，搜索用时 344 毫秒
1.
针对GNSS坐标时间序列中有用信号与噪声难以准确分离这一问题,本文提出加权小波Z变换(weighted wavelet Z-transform, WWZ)和集合经验模态分解(ensemble empirical mode decomposition,EEMD)的降噪方法.通过对西北地区70个陆态网络连续站垂向坐标时间序列的降噪处理,分别采用均方根误差(root mean squared error,RMSE)、信噪比(signal to noise ratio,SNR)、闪烁噪声(flicker noise,FN)振幅及速度不确定度为评价指标,验证了本文方法的降噪效果在一定程度上优于小波降噪和EEMD降噪.结果显示：WWZ-EEMD相比小波降噪和EEMD降噪,降噪后信号序列RMSE分别降低了0.331 mm、 0.757 mm,SNR分别提高了1.911 dB、3.635 dB;FN振幅及速度不确定度均有明显改善,验证了本文降噪方法的有效性. 相似文献
2.
为了精确剔除全球导航卫星系统（global navigation satellite system, GNSS）坐标时间序列中的噪声,提出一种联合遗传算法（genetic algorithm, GA）和变分模态分解（variational mode decomposition, VMD）的降噪方法 GA-VMD。该方法首先利用GA优化VMD参数,然后引入多尺度排列熵（multi-scale permutation entropy, MPE）作为噪声分量的筛选标准,最后将剩余分量重构得到降噪后的信号。通过仿真信号和实测数据的降噪实例,并与小波降噪（wavelet denoising, WD）、经验模态分解（empirical mode decomposition, EMD）等方法对比,分析GA-VMD的降噪效果。实验结果表明：对于仿真信号而言,GA-VMD方法相较于WD、EMD方法,信噪比分别提高了5.18 dB和2.91 dB,互相关系数分别提高了0.05和0.02;对于实测数据而言,GA-VMD方法对测站的速度不确定度和闪烁噪声的平均改正率分别为79.89%和84.46%,优于其他两... 相似文献
3.
4.
5.
自2007年来,格陵兰地区逐步建立了50多个GNSS连续观测站用以监测冰川质量变化导致的地壳回弹,至今已累计了超过15 a的坐标时间序列,这使得确定坐标时间序列的噪声特性成为可能。本文选取了格陵兰53个GNSS观测站自2008-2018年共10 a的坐标时间序列,利用功率谱分析和极大似然估计对其噪声特性进行了分析,并基于最优噪声组合估计了格陵兰测站的位移速度及其不确定度。利用贝叶斯信息准则作为评估依据的结果表明,闪烁噪声和白噪声+闪烁噪声的组合可以解释33%的测站噪声,幂律噪声可以解释52%的测站噪声,其余测站可用随机游走或一阶高斯马尔科夫噪声来解释。在利用极大似然估计分析测站坐标时间序列时,对于对97%的测站位移分量的速度估值而言,不同噪声模型的影响小于0.1 mm/a,最大为0.31mm/a,但不同的噪声模型会导致测站位移速度的不确定度的最大估值和最小估值之间存在1.3～7.1倍的差异。因此准确地确定测站坐标序列的噪声模型对于准确估计测站位移速度及其不确定度是十分重要的。 相似文献
6.
非线性形变影响全球卫星导航系统(GNSS)坐标时序精度. 采用改进的自适应噪声总体集合经验模态分解(ICEEMDAN)和环境负载改正相结合的方法开展GNSS测站非线性形变去除研究. 首先使用GMIS软件将GNSS坐标时序补充完整并去除粗差,然后使用ICEEMDAN方法对GNSS坐标时序进行分解,使用排列熵算法选取包含噪声和非线性形变的高频分量,最后使用环境负载对高频分量进行去除,利用经验模态分解(EMD)方法和环境负载结合的方法进行去除效果对比. 研究结果表明:非线性形变去除后的GNSS坐标时序均方根(RMS)变化各有区别,垂向(U)方向最为明显,最大值达6.715 mm,东(E)方向次之,北(N)方向最小;ICEEMDAN方法和环境负载改正结合后N方向的非线性形变全部得到了削弱,E方向的非线性形变有75％得到了削弱,U方向的非线性形变有62.5％得到了削弱,其改正效果优于EMD方法和环境负载结合的改正效果. 相似文献
7.
为了有效地提取GNSS站坐标时间序列的有用信息，降低噪声干扰，本文提出一种局部均值分解和奇异值分解相结合的信号降噪方法，并利用5个测站的实测坐标时间序列对新方法进行了验证。首先通过局部均值分解将坐标时间序列分解成一系列PF分量和余项，然后利用连续均方误差方法确定高频分量与低频分量的分界点，保持低频分量不变，运用奇异值分解方法对高频分量进行降噪重构，最后将重构的高频分量与低频分量叠加得到最终的降噪坐标时间序列，并对降噪效果进行对比分析。结果表明，与单纯的奇异值分解方法相比，局部均值分解和奇异值分解相结合方法能够自适应地选择合适的奇异值个数进行信号重构，提高了降噪效果。 相似文献
8.
针对GNSS站坐标时间序列信噪不易分离的问题,在传统EMD去噪方法的基础上,本文提出了一种联合LMD与EMD的坐标时间序列去噪方法。该方法首先采用LMD分解原始坐标时间序列,基于连续均方误差（CMSE）原则分离高频噪声与低频信号,保持低频分量不变;然后对高频分量进行EMD去噪;最后以2次分解所得低频信号之和作为去噪后时间序列。以仿真数据与8个GNSS基准站实测数据进行试验,通过多种评价指标进行精度评估。结果表明,与传统EMD方法相比,联合LMD与EMD的方法能够更加精确地去除坐标时间序列中的噪声。 相似文献
9.
GNSS高程时间序列周期项的经验模态分解提取 总被引：1，自引：0，他引：1
针对传统方法——常振幅常相位的周年+半周年谐波模型法不能准确提取GNSS高程时间序列中周期项问题,该文以中国区域10个IGS基准站在ITRF2008框架下2005—2015年高程时间序列为例,采用经验模态分解(EMD)提取各测站高程时间序列的周期项。对传统方法和EMD两种方法提取的周期项做Lomb_Scargle谱分析,用功率谱图分析了这两种方法提取序列周期项的能力。实验结果表明,EMD方法较传统方法更能准确、自适应地提取GNSS高程时间序列的周期项。 相似文献
10.
局部均值分解方法降噪过于粗糙,将认定为噪声的乘积函数(PF)分量直接剔除,导致有用信息丢失.为了有效提取GNSS站坐标时间序列的有用信息,该文提出一种局部均值分解和小波阈值相结合的降噪方法.通过局部均值分解将坐标时间序列分解为一系列PF分量和余项,依据消除趋势波动分析方法计算各PF分量的Hurst指数,利用小波阈值提取H≤1的PF分量中的有用信息,将提取出的信息与剩余PF分量叠加重构获得最终降噪的坐标时间序列.通过对5个测站的坐标时间序列进行实验,结果表明局部均值分解和小波阈值相结合的方法能够有效提取噪声分量中的有用信息,信噪比提高了27.8％,从而验证了该方法的有效性. 相似文献
11.
12.
针对监测数据中存在多路径误差和随机噪声的问题,本文提出了一种基于改进的带有自适应噪声的完备集合经验模式分解(ICEEMDAN)、小波包分解(WP),以及递归最小二乘算法(RLS)的联合滤波算法(IWPR)。该算法首先对原始信号进行ICEEMDAN分解,得到一系列本征模态函数(IMF)分量;然后基于标准化模量的累积均值将IMF划分为高频IMF和低频IMF;最后考虑相关系数,利用WP和RLS分别对高频IMF、低频IMF进行去噪,重构两者降噪信号,获得动态位移响应。结果表明:相对于单一算法EMD、CEEMDAN、ICEEMDAN等,IWPR算法能够更有效地消除多路径误差和随机噪声,从而提高超高层GNSS RTK监测数据的精度。 相似文献
13.
连续的全球卫星导航系统(GNSS)基准站的坐标时间序列中包含了复杂的噪声信号、非构造形变及其它因素的影响,尤其在垂直方向,对GNSS基准站在国际地球参考框架(ITRF)下的运动速率估计产生了较大的干扰。为进一步提高速率精度,文中采用整体模态分解(EEMD)方法对GNSS基准站的垂向观测时间序列进行分解,并根据各种信号的Hurst值进行分类及重构为噪声信号、季节性信号和长期趋势信号,采用最小二乘方法拟合长期趋势信号得到垂向速率。通过对中国大陆构造环境监测网络(CMONOC)的GNSS台站从2001—2013年近13a的垂向坐标时间序列的实例分析,采用基于EEMD和Husrt指数的最小二乘法能够准确地估计GNSS基准站的垂向速率。 相似文献
14.
全球导航卫星系统（global navigation satellite system,GNSS）位置时间序列蕴含有丰富的构造和非构造变形信息,具有成分复杂、建模困难、非构造信息难以有效分离等特点,利用自适应的经验模态分解（empirical mode decomposition,EMD）方法对川滇地区24个GNSS连续站时间序列作周期项修正。结果表明,周期项的修正十分必要,EMD方法能够根据每个台站信号的自身特性,自适应地提取不同频率、振幅的周期成分,这也更符合实际情况;相较于谐波模型,EMD方法对原始时间序列在N、E、U方向的改正均更加精确有效。使用修正后的连续站时间序列模拟流动观测,发现经过5～6 a/期观测即可得到相对可靠的台站运动速度,并通过距离较近的实际连续观测站对流动观测站周期项改正,验证了EMD方法的稳定性和可靠性,这也为流动GNSS观测实施、周期修正和资料使用提供了参考意见和理论依据。 相似文献
15.
针对传统主成分分析(PCA)忽视测站各坐标分量之间相关性的问题,提出了一种小波去噪和多方向主成分分析(WD-MPCA)组合的方法. 该方法弥补了传统PCA的缺陷,与经验模态分解和主成分分析(EMD-PCA)组合方法及小波去噪和主成分分析(WD-PCA)组合方法相比,WD-MPCA组合方法精度最高. 经WD-MPCA组合方法去噪后,其平均中误差分别为0.83 mm、0.85 mm和8.30 mm,比原始坐标残差时间序列的平均中误差分别降低了81.14%、81.91%和40.37%. WD-MPCA组合方法充分考虑了各测站不同分量之间的相关性,可以有效去除信号中的高频随机白噪声(WN)和低频有色噪声(CN),这对高频全球卫星导航系统(GNSS)技术的实际应用和理论发展具有重要的意义. 相似文献
16.
长期累积的全球卫星导航系统（Global Navigation Satellite System,GNSS）基准站坐标时间序列为大地测量学及地球动力学研究提供了基础数据。通过完善GNSS数据处理模型及策略,研究造成非线性运动的机制并进行有效建模,可以获得测站准确的位置和速度,不仅有助于合理解释板块构造运动,建立和维持动态地球参考框架,而且能更好地研究冰后回弹及海平面变化,反演冰雪质量变迁等地球动力学过程。首先从基准站坐标的精确获取、时间序列模型构建、时间序列信号分析等方面描述了GNSS坐标时间序列分析的理论与处理方法;其次,探讨了坐标时间序列噪声模型构建技术,给出了严密三维噪声模型构建方法;然后,疏理了坐标时间序列中非线性变化成因机制的研究进展;最后,总结了基于GNSS坐标时间序列的应用领域,并展望了其未来的发展方向。 相似文献
17.
考虑到全球导航卫星系统(global navigation satellite system,GNSS)地震信号的非线性和非平稳性,利用一种多尺度多方向主成分分析(multiscale multiway principal component analysis,MSMPCA)去噪的完备总体经验模态分解(complete... 相似文献