基于CEEMD的耦合模型在GNSS变形监测数据降噪中的应用

为了有效提取GNSS(Global Navigation Satellite System)变形监测数据中的有用信息,最大限度降低噪声对数据后续分析的干扰,本文提出了一种基于完备集合经验模态分解(Complete Ensemble Empirical Mode Decomposition,CEEMD)的耦合降噪模型。该耦合模型实现信号降噪的步骤为:首先,使用CEEMD对原始信号进行自适应分解,得到若干个本征模态函数(Intrinsic Mode Function,IMF)以及残余项;其次,根据不同IMF分量标准化模量的累计均值(Mean of Standardized Accumulated Modes,MSAM)将IMF分量分为高频IMF分量与低频IMF分量;最后,分别使用Wavlet与GavGol滤波方法对高频分量、低频分量进一步去噪并重构降噪结果,得到最终降噪信号。使用仿真数据与实测GNSS数据对本文提出耦合模型进行检验,结果表明,相较于单一的降噪模型,本文提出模型能够更加有效地剔除噪声,表现出了更好的降噪效果。