消除信号趋势项时小波基优选方法研究

在消除信号趋势项时引入小波基函数对信号进行分解和重构.小波基函数的选择会影响消除信号趋势项后的结果.提出了消趋误差指数的概念及其计算公式,并使用该公式计算了34种常用小波基的消趋误差指数,优选出sym10等6种消趋误差指数较小的小波基.使用sym10小波基及另外两种非优选小波基对实测的汽车车身振动加速度信号进行消除趋势项处理.结果表明,使用sym10小波基提取的信号趋势项比其它非优选小波基更为准确,验证了提出的消趋误差指数计算公式的有效性.

城市地铁区间隧道爆破振动信号趋势项和噪声消除方法

为消除隧道爆破振动信号中易存在的趋势项和噪声干扰,提出了局部均值分解与基线估计和稀疏化去噪方法。选取含有基线漂零的爆破信号并采用LMD将其分解为若干独立分量,对各分量进行BEADS运算得到剔除趋势项和随机高频噪声的校正信号。将各校正信号进行重构获得消除趋势项的特征信号,对其引入噪声特征进行人工判别并二次消除其中的重构引入高频噪声得到真实信号。分析结果表明:爆破信号中含有的趋势项往往位于信号低频段,而随机噪声和引入噪声干扰通常位于高频段,组合算法可根据信号特点自适应地消除二者对信号特征提取精度的影响,从而准确揭示信号本质特征属性。实践证明该算法收敛速度快,是一种高效便捷的信号预处理方法。

基于AMD的信号趋势项提取和应用

研究基于解析模态分解(analytical mode decomposition,AMD)法的信号趋势项提取方法,将趋势项定义为满足一定频率限值的信号分量,并探讨AMD的端部效应。对比AMD和经验模态分解(empirical mode decomposition,EMD)法的数值模拟与实测数据结果,验证该方法的可行性。分析结果表明:AMD法和EMD法对于趋势项的提取都具有很好的适用性,无须事先假定趋势项类型;与EMD法相比,AMD法处理长时间数据的效率更高。

Terra MODIS数据28波段影像条带噪声去除方法

Terra卫星MODIS传感器影像中多个波段数据存在条带噪声,其中第28波段的数据受影响较为严重,且随着时间的推移噪声强度更大、噪声类型更加复杂。针对该波段同时受探元-探元噪声与镜面条带噪声影响的特点,本文在矩匹配方法的基础上,提出了基于曲线拟合与去除信号趋势项的条带噪声去除方法。实验结果表明,相对于传统方法,本文提出的两种条带去除方法具有更强的稳健性。