共查询到15条相似文献，搜索用时 93 毫秒
1.
针对互补集合经验模态分解（complementary ensemble empirical mode decomposition,CEEMD）在GNSS坐标时间序列降噪过程中需要选取筛选准则的问题,提出一种顾及GNSS坐标时间序列中季节信号的CEEMD降噪方法。首先利用CEEMD方法对GNSS坐标时间序列进行分解,然后计算各本征模态函数（intrinsic mode function,IMF）的平均周期,将平均周期低于120 d的IMF分量作为噪声分量扣除,并重构剩余分量为信号分量。利用该方法对中国大陆227个GNSS垂向坐标时间序列进行降噪,并与以连续均方误差和相关系数为筛选准则的CEEMD降噪方法的结果进行对比。结果表明,本文方法未出现过度降噪,而其他2种方法均导致部分测站的季节信号被扣除;在未过度降噪站点,本文方法GNSS坐标时间序列的RMS、幂律噪声和速度不确定度的平均改正率分别为19.13%、88.29%和86.46%,优于其他2种方法。 相似文献
2.
为了更好地消除混杂在变形序列中的噪声,利用完备经验模态分解（CEEMD）将形变信号自适应分解为不同尺度的振动模态。针对分解分量中信号和噪声区分标准不唯一的问题,构造一种CEEMD与自相关分析相结合的去噪算法,实现有效信号和随机信号的分离。将该算法应用在仿真实验和GNSS变形监测实测数据处理中,并与传统的小波去噪方法进行比较。结果表明,该算法避免了小波基选择带来的影响。 相似文献
3.
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
4.
利用经验模态分解（EMD）和整体经验模态分解（EEMD）方法，将BJFS站2000~2015年高程时间序列进行分解，发现其不仅存在1 a、0.5 a、0.25 a、2个月、1个月以及长周期等周期项，还存在以往方法很难探测出来的近似2 a周期信号。与EMD分解结果对比，整体经验模态分解可以明显减弱模式混叠现象。对各分量进行Hilbert 变换（HHT），得到时间-频率-能量的Hilbert 频谱图。结果表明，年周期和2 a周期变化是高程运动的主要贡献项。利用小波变换方法对比验证EEMD的分解结果表明，与小波分析相比，EEMD重构信号与高程序列差异的RMS更小，证明了HHT-EEMD方法在数据资料分析过程中的有效性。对环境负载及GRACE负载造成的测站位移进行功率谱分析得出，环境负载确实会造成IGS站高程时间序列的1 a、0.5 a以及季节性运动，GRACE负载还验证了2 a信号的存在。 相似文献
5.
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
6.
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
7.
针对变形监测数据中包含的噪声成分难以有效滤除,导致预测结果精度不理想的问题,提出一种应用于变形监测领域的新降噪方法。首先利用变分模态分解（VMD）将原始监测序列分解为k个不同中心频率的带限固有模态函数（BIMF）,再将样本熵（SE）大于设定阈值的高频BIMF作为噪声成分剔除,最后重构余下的BIMF获得降噪序列。仿真算例和工程实例检验的结果表明,新方法与EEMD及CEEMD方法相比各评价指标均为最优,降噪结果可为形变分析和预测提供可靠依据。 相似文献
8.
在钢架结构安全监测过程中,针对沉降数据易受外界环境噪声干扰的问题,在互补集合经验模态分解(CEEMD)的基础上提出改进小波阈值函数的去噪方法。首先对含噪信号作CEEMD分解,得到各种本征模函数(IMF);之后选取IMF分量使用改进小波阈值去噪;最后重构IMF信息,取得降噪后的信号。仿真结果表明,基于CEEMD和改进小波阈值法的混合方法能够有效滤除信号中的噪声分量,提高沉降数据监测精度。 相似文献
9.
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
10.
一种新的固体潮观测数据特征量提取方法 总被引：2，自引：1，他引：1
将经验模态分解方法应用于固体潮观测数据的处理,通过对模态分量从频域上以及从固体潮调和分析结果上与原始观测数据进行对比证明：经验模态分解可以将固体潮观测数据完整地分离成5种特征量：潮汐观测高频信号、半日波信号、周日波信号、潮汐观测低频信号和观测数据的长趋势变化。 相似文献
11.
Empirical mode decomposition (EMD) is a powerful tool of time-frequency analysis． EMD decompo- ses a signal into a series of sub-signals,called Intrinsic mode functions (IMFs)． Each IMF contains different frequency components which can deal with the nonlinear and non-stationary of signal． Complete ensemble em- pirical mode decomposition (CEEMD) is an improved algorithm,which can provide an accurate reconstruction of the original signal and better spectral separation of the modes． The authors studied the decomposition result of a synthetic signal obtained from EMD and CEEMD． The result shows that the CEEMD has suitability in spec- trum decomposition time-frequency analysis． Compared with traditional methods,a higher time-frequency reso- lution is obtained through verifying the method on both synthetic and real data． 相似文献
12.
现阶段的经典模态分解MEMS陀螺消噪是一种易造成信号失真缺陷的强制消噪算法。针对该问题,在由本征模态函数样本熵和相似度参数线性组合确定复合指标的基础上,提出基于复合指标筛选本征模态函数的互补集合经验模态分解的阈值滤波降噪算法,根据信号的随机噪声特征参数确定阈值,并对筛选后的本征模态函数进行处理。仿真和实例分析结果表明,该算法的消噪效果较强制消噪滤波有较大提高,使MEMS陀螺信号的零偏不稳定性下降了76.4%,速率斜坡下降了62.3%,均方根误差下降了67.5%,同时能够提高MEMS-IMU在行人导航中的定位精度。 相似文献
13.
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
14.
利用总体完备经验模态分解从X、Y、Z三坐标分量残差中分离并提取多路径信息，形成多路径改正模型,对第二天坐标序列进行改正，并与经验模态分解及移动平均去噪法进行对比。结果表明，利用总体完备经验模态分解可以有效地从坐标残差中提取多路径误差，且经改正后的坐标序列RMS明显小于改正前，说明在一定程度上削弱了多路径误差影响，且处理效果优于移动平均去噪法及经验模态分解法。 相似文献
15.
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