首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   7篇
  免费   2篇
测绘学   2篇
地质学   1篇
综合类   6篇
  2022年   3篇
  2020年   2篇
  2018年   1篇
  2017年   2篇
  2015年   1篇
排序方式: 共有9条查询结果,搜索用时 15 毫秒
1
1.
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   
2.
利用完备经验模态分解方法(CEEMD)对我国沿海地区6个GNSS基准站(2010—2018)的高程时序数据进行了处理分析。结果表明:CEEMD在高程时间序列分析中具有一定的优越性,可准确分解出各GNSS站高程时序中存在的周、月、季节、年等变化周期项,其中周年运动是主要贡献项,各站高程时间序列的短周期变化与潮汐变化周期具有密切关联性;沿海GNSS站的地面沉降既具有区域的一致性,又存在区域间差异性,其中D区DBJO、DZJJ站呈现先下降后上升的趋势,N区NZUH、NWZU站呈下降趋势,B区的BZMW呈上升趋势,而同海区的BLHT站则呈显著的下降趋势。  相似文献   
3.
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   
4.
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   
5.
GPS信号在发送过程中会受到多种误差源的影响,例如星历误差、卫星钟差、电离层对流层延迟、接收机钟差等。这些误差附加在GPS信号上使其与真实信号产生一定偏差,也使GPS信号最终的应用结果产生一定程度上的偏差,这对于科研与日常使用是非常不利的,所以对GPS信号进行去噪处理是十分必要的。互补集合经验模态分解(Complementary Ensemble Empirical Mode Decomposition,CEEMD)为近几年出现的新的数据处理方法。它由集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)改进而来,不仅保留了经验模态分解(Empirical Mode Decomposition,EMD)在处理非平稳信号方面的优点,又完善了EMD的模态混叠问题,且计算结果表明CEEMD去噪效果优于EMD和EEMD。  相似文献   
6.
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   
7.
基于变分模态分解算法的探地雷达信号去噪研究   总被引:1,自引:0,他引:1  
探地雷达信号属于非平稳信号,容易受到干扰噪声影响导致探测能力降低。为了消除雷达信号的噪声,经验模态分解(EMD)、总体经验模态分解(EEMD)和完全总体经验模态分解(CEEMD)等方法被应用到雷达数据处理中。EMD虽然不断被改进,但仍存在一些不足,例如容易受到噪声干扰,存在模态混叠现象,依赖经验性等问题。因此笔者采用变分模态分解(VMD)方法来处理探地雷达信号。对正余弦信号与高斯白噪声合成的含噪声信号分别用EMD、EEMD、CEEMD和VMD算法进行分解,分析对比后证明VMD算法可以避免模态混叠现象,具有更高的时间频率精确度和分辨率。重点进行了合成和实测信号的处理,首先对信号进行分解并选取优化的IMF成分,接着对数据重新进行组合,形成新的图像。经过最终处理的探地雷达信号峰值信噪比从15.4 dB增加到20.3 dB,地下分层能力得到显著提高,达到理想效果。  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.
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   
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号