排序方式: 共有61条查询结果,搜索用时 343 毫秒
21.
22.
根据干涉图信号和噪声时频分布差异的特点,提出一种改进的基于经验模态分解EEMD的InSAR干涉相位滤波方法。该方法首先利用可有效降低模态混叠的EEMD算法,对干涉图的实部及虚部分别进行2维经验模态分解,获得具有不同时间尺度的模态分量;然后根据信号和噪声分量的时间尺度分布特性的差异,采用适用于非线性信号分析的KECA算法对噪声识别、分离;最后利用去除噪声后的模态分量重构干涉图。为了证明本文方法的有效性,分别利用模拟数据及真实InSAR差分干涉相位进行滤波试验。对比本文EEMD-KECA滤波方法、Goldstein滤波、圆周期—中值滤波、EMD分解、EMD-PCA方法的滤波效果,采用相干斑指数、均方差指数、边缘保持指数进行定量评价。结果表明,与经典InSAR干涉图滤波方法相比,本文联合EEMD-KECA算法的滤波方法能有效滤除干涉图噪声,且在条纹边缘等细节信息的保持上也具有较大优势。 相似文献
23.
针对高光谱定量反演土壤重金属含量的模型精度不足的问题,本文从时频空间的角度引入时频分析法——集合经验模态分解(EEMD)。采用EEMD法分解土壤高光谱,获得不同频率的本征模态(IMF)分量,通过分析IMF分量与重金属含量的相关性,提取特征光谱,构建EEMD-SVM定量反演模型。研究结果表明,通过EEMD法分解土壤光谱,可有效地提取土壤光谱中的微弱信息;构建EEMD-SVM模型可较好地反演土壤重金属Cd含量,模型的决定系数R2为0.920 3,明显高于基于一阶微分处理光谱数据后构建的SVM模型的R2(0.786 6)。即说明在土壤重金属定量反演领域,EEMD可作为一种新的光谱处理方法。 相似文献
24.
基于集成经验模态分解(EEMD)方法,对1921~2010年天津年平均气温和降水量序列进行了多尺度分析。并结合功率谱对年平均气温和年降水量及其本征模态函数(IMF)分量进行周期分析。结果表明:天津年平均气温的变化主要是由第1、第2本征模态分量和趋势项构成,即准5 a和2~3 a的振荡与"先降后升"的长期趋势变化起主要作用。而第4、第5本征模态分量则反映出天津近90年来气温年代际尺度的冷暖变化,它们对1920年代至1940年代的暖期以及1950年代至1970年代的冷期有重要贡献。降水量的变化主要由第1、第2本征模态分量构成,即4.5 a、准9 a和2~3 a的振荡起主要作用。与气温序列相比,降水序列中年代际尺度的变化和长期趋势的贡献明显要小得多,但也反映了1980年代以后降水减少的趋势。 相似文献
25.
?????????EEMD??GPS???????????????????????????????????????徭??????????????????????????????????????????????????????????????????????й?????CORS??????????????????????????飬?????????????????????????????????????????????????????????????????????????? 相似文献
26.
27.
本文基于2004苏门答腊地震后全球地球动力学计划观测网中9台超导重力仪13200h的连续重力观测数据,联合利用整体经验模态分解(EEMD)、最优序列估计(OSE)、积谱密度分析(PSA)和自回归估计(AR)方法,探测地球固态内核平动振荡模态(Slichter模)的三重分裂信号.利用EEMD提取常规预处理后的重力残差中包含目标频段的本征模态函数(IMFs)作为最终的重力残差之后,将每个台站的重力残差平均分成无重叠的3个子数据块,再应用OSE和PSA方法获取Slichter模三重分裂谱线的积谱密度,并采用AR方法估计各积谱中弱共振信号的中心频率及其误差.结果表明,结合OSE和PSA方法探测到三个清晰的谱峰,周期分别为5.8307±7.1×10-4h、5.2161±8.1×10-4 h和4.7536±5.2×10-4 h,分别对应Slichter模三重分裂谱线m=-1、m=0和m=+1,且三个谱峰的周期与Crossley(1992)、Rochester和Peng(1993)、Peng(1997)和Rogister(2003)基于PREM地球模型给出的Slichter模理论周期非常接近,也与Ding和Shen(2013)建议的"可能的观测结果"较为接近.参考现有的理论和观测结果,本文认为这三个信号可能是Slichter模三重分裂谱线. 相似文献
28.
为了削弱结构动态监测中GPS随机噪声的影响,本文研究了一种基于集成经验模态分解(EEMD)技术的滤波方法。根据信号自身尺度分解信号,基于分解产生的本征模态函数(IMF)的Fourier变换频谱特征,构造了EEMD时空滤波器。对不同信噪比的仿真非平稳数据进行去噪处理并与小波去噪法相比较,各项指标表明基于EEMD滤波器的去噪方法与小波去噪方法效果相当,但避免了小波基的选择,具有更大的自适应性。应用于GPS动态监测数据的去噪结果表明该方法能有效分解信号消除GPS高频噪声及低频噪声的影响,提取有用振动信号,为进一步结构分析提供有效数据。 相似文献
29.
采用集合经验模分解(ensemble empirical mode decomposition, EEMD)以及滑动t检验方法,基于漠河市1958~2019年逐日气温及降水数据,对其进行了趋势及突变分析。结果表明,漠河市日平均温度年平均整体呈增温趋势,EEMD非线性增温速率为0.43°C (10 a)-1,滑动t检验显示漠河市近60年来年均温突变时间点为20世纪80年代中后期;漠河市日最高温度年平均呈增温趋势,EEMD非线性增温速率为0.61°C (10 a)-1,滑动t检验显示漠河市近60年来日最高温年平均突变时间点为20世纪80年代中后期;漠河市日最低温年平均变化趋势为先增加后减小,整体呈增温趋势,EEMD非线性增温速率为0.21°C (10 a)-1,滑动t检验显示漠河市近60年来日最低温年平均突变时间点为20世纪80年代前中期和20世纪90年代中后期。漠河市年降雨量、夜间年降雨量和白天年降雨量均呈先减后增的变化趋势,且增加幅度远高于减小幅度,整体呈增加趋势,EEMD非线性降雨量增加速率分别为14.05 mm (10 a)-1、7.71 mm (10 a)-1和5.12 mm (10 a)-1,滑动t检验显示漠河市近60年来年降雨量、夜间年降雨量和白天年降雨量均不存在时间突变点;EEMD和线性趋势分析均表明漠河市近60年来气温和降水都均呈增加趋势,但前者增加速率远高于后者,说明传统的线性趋势分析可能会低估漠河市的气温及降水的增加趋势。 相似文献
30.
Historical Trends in Surface Air Temperature Estimated by Ensemble Empirical Mode Decomposition and Least Squares Linear Fitting 下载免费PDF全文
Ensemble empirical mode decomposition(EEMD) and least squares linear fitting(LSLF) are applied to estimate the historical trends of surface air temperature(SAT) from observations and Coupled Model Intercomparison Project Phase 5(CMIP5) simulations during the period 1901–2005. The magnitudes of trends estimated by the two approaches are comparable. The trend calculated by the EEMD approach is larger than that by the LSLF approach in most(23/27) of the models during 1901–2005. During the slow warming period, the EEMD trend is smaller than the LSLF trend. The rootmean-square errors(RMSEs) between the raw and reconstructed times series by the LSLF approach are larger than those by the EEMD trend component and multi-decadal variability components during 1901–2005 in most of the models and observations. During 1901–70(or 1971–2005), the RMSEs between the raw and reconstructed times series by LSLF are larger than those by the EEMD trend component. In this sense, the EEMD trend is a better choice to obtain the climate trends in observations and CMIP5 models, especially for short time periods. This is because the trend estimated by LSLF cannot capture the internal variability and the cooling in some years. The estimated global warming rates(trend) are consistently larger(smaller) than those from observations in 11 of 27 CMIP5 models during 1901–2005 in the slow and rapid warming periods. This implies these 11 models have consistent responses to greenhouse gases for any period. 相似文献