共查询到16条相似文献，搜索用时 109 毫秒
1.
2.
将小波包分析应用于GPS振动观测数据处理,研究小波包分析在异常值探测、信号特征提取、去噪中的应用。首先对信号分解和单支重构,验证小波包分析探测异常值的能力。针对小波包分析含有丰富的高频信息,采用奇异谱分析方法提取高频部分的振幅和频率。小波包分析的去噪能力优于小波分析。 相似文献
3.
4.
小波包多阈值去噪法及其在形变分析中的应用 总被引：1，自引：0，他引：1
在GPS变形监测领域,传统的小波去噪只保留低频上的有用信息,很容易去掉中频以及高频上的有用信息。小波包分析方法是近几年发展起来的一种新的小波分析方法,它同时考虑了各个频段上的有用信息,因此是一种更为精细的去噪方法。小波包去噪的关键是对小波包分解系数选取合适的阈值准则并进行阈值处理,但传统的小波包去噪并没有对此进行充分的研究。本文针对传统小波、小波包分析的不足,提出了一种基于频率顺序并依据信息类型分段的多阈值准则小波包去噪法。通过理论分析与实际应用,结果表明新方法能够高效剔除各频段的噪声,同时当采样频率较低时能有效保留去噪信号中频率高达10-1 Hz数量级的有用信息,其去噪能力优于传统的小波、小波包等其它去噪方法,因此可以广泛应用于高精度GPS变形监测领域中。 相似文献
5.
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。 相似文献
6.
邓军 《测绘与空间地理信息》2020,(3):31-33
为了解决矿区地表变形观测数据中含有的粗差对地表沉陷规律研究带来的不利影响,提出了采用小波阈值去噪法对原始观测数据进行处理。分析了小波阈值去噪的基本过程,讨论了小波阈值函数,并对两种阈值函数进行了对比;使用Matlab小波工具箱对观测数据进行分析并建立回归曲线,与地表实测沉陷值进行了验证。结果表明:相比常用的数据处理方法,小波阈值去噪法能有效消除粗差对变形结果的影响,实现了矿区高精度、动态的地表变形监测,具有较高的推广价值。 相似文献
7.
8.
9.
10.
11.
多路径误差较大容易掩盖建筑物真实的自振信息,可采用基于交叉证认的自适应小波分析对建筑物结构自振信号和多路径误差进行提取和分离。通过对实际高层建筑监测数据的处理和分析,有效提取和分离结构自振信号和多路径误差,并利用多窗口法对自振信号进行频谱估计,估计结果与理论计算值相吻合。 相似文献
12.
为了准确获取结构自振特性,通过分析多路径误差和结构振动的频率特征,采用小波包分解和频谱分析相结合的方法,在不同尺度下进行特定成分的提取,再作频率特性分析。实验结果表明,小波包能够有效地分离多路径误差,实现结构振动特征的提取,GPS测定的结构自振频率与理论值吻合较好,并且具有很好的稳定性。 相似文献
13.
高大建筑物和工业设施等的变形监测数据一般都是含噪的信号,需要对其进行降噪处理,获取其准确的变形信息,以便掌握真实的变形情况。由于监测数据都是非稳定的信号,通常采用小波阈值降噪法对其处理,但传统的软硬阈值进行降噪的效果不佳,需对其进行改进。文中采用3种改进的小波阈值降噪法与传统的方法进行比较,通过对信噪比和均方差的分析,获得适合于变形监测数据的非稳定信号的降噪方法。 相似文献
14.
利用三维激光扫描技术测得的建筑物点云数据能够较清晰地表示建筑物的三维空间信息,提供高精度、高密度的建筑物表面描述。点云本身不直接显示自身所包含的特征信息,在进行局部形变提取时,需要进行点云分割工作。现有的应用于建(构)筑物的分割算法大多依赖于建(构)筑物特征设定突变阈值,当遇到复杂场景时,这些假设往往会导致错误。随着机器学习在点云处理领域的延伸,建(构)筑物点云数据边界的识别和分割有了新的实现思路。本文以某矿区工作面上方铁路桥两期三维激光扫描数据为例,采用神经网络方法对桥拱钢结构实行分割提取,在对1000万个标记桥梁点云数据进行训练后,神经网络模型可以学习操作人员识别点云中各点的属性并进行标记,并提取两期数据中的钢结构点云;对使用神经网络分割出的桥拱钢结构点云进行分析,通过对钢结构底边线进行特征线拟合、长度提取,计算钢结构的位移及拉伸量,并结合桥拱位移、形变量分析桥梁形变。研究表明:使用神经网络模型对标记数据进行训练可以有效识别建(构)筑物特征,并应用于建(构)筑物局部形变分析。 相似文献
15.
基于信号和噪声在提升格式小波分解中呈现出的不同特性，提出了一种新的小波包去噪算法。该算法采用提升格式小波对SAR图像进行最优小波包分解，并计算每个子频带的能量范数，然后根据软阈值法和能量范数区分信号和噪声，达到去除噪声的目的。试验结果表明，该算法对SAR图像具有较好的去噪效果，不仅可以去除图像中的大部分噪声，而且可以较好地保留图像纹理的细节信息。与传统小波包算法相比，其计算速度快了一倍左右。 相似文献
16.
面向Sentinel-2多光谱数据，依据影像地物空间结构和地表实际功能类型将建筑区分为高层建筑区和低层建筑区，构建了一种基于全卷积网络模型的高、低层建筑区快速提取技术。在此基础上，以雄安新区及其周边为试验区，选取2017年3月获取的4景Sentinel-2多光谱数据进行试验验证和分析。结果表明：本文技术能够实现大范围区域内高层和低层建筑区的快速提取，总体平均提取精度达到95.30%，其中高层建筑区平均提取精度为99.22%，低层建筑区平均提取精度为91.38%，该技术明显优于现有基于纹理结构的高低层建筑区提取方法。通过对提取结果进行统计分析发现：约4.4×104 km2的研究区内高层和低层建筑区分别约为94和7351 km2；雄安新区中心三县内高层和低层建筑区分别约为1.25和312.24 km2。本文技术具有很好的推广性，结合Sentinel-2数据大幅宽高频次观测特点和更多类型建筑区样本，可以实现大范围地表多类型建筑区动态监测。 相似文献