一种CORS站高程序列非线性趋势项分析方法

针对传统线性模型通过拟合连续运行参考站(CORS)高程时间序列趋势项,使CORS站运动趋势单一化导致无法体现测站各自运动特性的问题,该文提出一种基于CORS高程时间序列本身的非线性趋势项定量识别与估计方法。首先,用K均值聚类整体经验模态分解方法对CORS站高程时间序列进行分解;其次,基于排列熵理论进行非线性趋势项的定量识别与合成;最后,采用正弦函数模型、线性多项式模型、傅里叶模型对非线性趋势项进行建模拟合并讨论拟合精度。实验结果表明:基于排列熵的非线性趋势项定量识别方法避免了人为判别误差,准确地反映了序列自身的变化趋势;3种模型中,傅里叶模型拟合效果最佳。

河口底边界层湍流信号的噪声干扰实验

基于河口底边界层实测湍流资料,选取了高斯白噪声、线性趋势项和周期项3种不同类型的噪声,讨论了各种噪声对湍流信号的影响。结果表明:①3种类型的噪声对湍流信号的概率分布影响不大,但对能谱曲线有较显著的影响。其中,白噪声对能谱值的影响最大,趋势项对能谱值的影响不明显,周期项仅对特定频率的能谱值有影响。②对于湍流强度、脉动能量和湍动能耗散率这3个湍流特征参数,白噪声和周期项对3种参数均有影响,而趋势项仅对湍强和脉动能量有影响。当湍流信号叠加上3种类型的噪声后,会使湍流特征参数有增大的趋势。

稳健统计用于扩频激电数据预处理与脉冲噪声压制

在扩频激电数据预处理中,传统的均值叠加与基于叠加后数据的数字滤波方法并不能对脉冲噪声进行有效压制.脉冲噪声的影响会保留到复电阻率频谱中,对激电参数的计算产生不利影响.本文针对现有数据处理方法压制脉冲噪声的不足,提出将稳健统计方法应用于扩频激电数据预处理,主要包括将稳健最小二乘回归用于线性趋势项消除和将稳健M估计用于周期数据叠加.通过模拟数据测试为稳健统计方法选择合适的影响函数与迭代算法,然后将其应用于实测的扩频激电数据预处理.通过对处理结果与计算误差进行对比分析,发现稳健统计方法对脉冲噪声和高斯噪声都有较好的压制作用.相比于均值叠加,稳健统计可减小数据计算误差,提高数据预处理质量;同时提高计算结果随叠加次数的收敛速度,节省观测时间.