基于EEMD-PE的ADS-B信号降噪研究

自动相关监视广播(Automatic Dependent Surveillance-Broadcast,ADS-B)信号在传输过程中经常受到复杂电磁环境、地面杂波等因素的干扰,给其后续的译码带来困难。结合排列熵(Permutation Entropy,PE)原理,提出一种基于集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)的ADS-B信号降噪方法。利用EEMD将含噪ADS-B信号分解得到其各阶本征模态函数(Intrinsic Mode Function,IMF),计算各阶IMF的排列熵,通过排列熵的相对大小筛选出被噪声污染较高的IMF并将其剔除,利用剩余的IMF重构ADS-B信号,以达到降噪的目的。实验结果表明,该方法可以有效提高ADS-B信号的信噪比(Signal-to-Noise Ratio,SNR)。

基于CEEMDAN和散布熵的飞行数据滤波

为解决飞行数据中高频噪声对后续应用产生干扰的问题,提出基于自适应完备集合经验模态分解(CEEMDAN)和散布熵的飞行数据滤波方法。运用CEEMDAN将飞行数据自适应分解成一组固有模态函数(IMF);采用散布熵判断各IMF的噪声含量,若IMF中的有用信号完全被噪声掩盖,则予以去除,若IMF包含少量高频噪声,利用无偏似然估计阈值与改进阈值函数进行去噪;将处理后的IMF叠加以重构飞行数据。通过实例验证了该方法的有效性,其可提高飞行数据的可信度。