利用小波去噪方法处理建筑物变形监测数据

本文基于小波分析理论 ,利用小波去噪技术 ,对一组建筑物变形监测数据进行了去噪处理。实际计算结果表明 ,小波去噪合理有效 ,能够敏感识别观测噪声和有用信息 ,不需要待处理数据的先验知识 ,特别适合于建筑物变形监测的数据处理。     

应用小波分析对监测建筑物变形的GPS数据进行处理的方法研究

介绍了应用小波分析对监测建筑物变形的GPS数据进行处理的方法。通过将监测某建筑物变形的GPS数据结果加入粗差后的信号波形分别进行傅里叶变换去噪和小波变换去噪,结果显示,采用小波变换去噪得到的波形质量要优于采用傅里叶变换得到的波形。可以得出:采用小波分析对监测建筑物变形的GPS数据进行处理具有良好的适应性,可作为GPS变形监测数据处理的主要方法。     

基于小波分析的变形监测数据异常值检测与处理研究

探讨了采用小波分析方法对变形监测数据进行预处理,包括异常值检测和小波阈值去噪。利用小波分析后的模极大值在不同尺度上的衰减程度可以衡量出信号的局部奇异性,进而检测出数据异常值,接着采用小波阈值去噪法对异常值进行处理。本文结合某基坑周围建筑物沉降监测实例,来说明小波分析方法应用于变形监测数据异常值检测与处理的可行性。     

基于建筑物沉降数据的小波去噪与预测分析

小波变换作为一种新的信号处理工具,其应用领域越来越广泛。基于小波分析理论,通过对监测数据的小波去噪分析与预测,结果表明,小波变换去噪合理有效,能够识别出观测噪声的有用信息,可以取得良好的去噪效果,尤其适用于建筑物变形监测的数据处理,能够提高建筑物沉降数据的预测精度。     

非线性小波变换阈值法去噪在工程中的应用

利用基于非线性小波变换阈值去噪算法,对变形监测数据进行去噪处理,对模拟数据的处理结果表明,基于非线性小波变换阈值去噪方法与传统的阈值去噪方法相比,能有效地去除伪吉布斯现象,提高信噪比,剔除变形监测数据中的噪声,识别被噪声疏忽的有用信号。     

小波分解技术在深基坑监测数据处理中的应用

从小波分解技术的强大的去噪功能出发,提出了基于小波技术的监测数据前处理方法.结合润扬长江公路大桥南锚碇排桩冻结法深基坑的变形监测数据,利用小波分解与重构手段,对变形监测数据进行消噪滤波处理,结果表明,小波分解技术去噪合理有效,可以有效地从误差干扰的变形监测数据中提取数据所反应的原始特征,同时,也不需要监测数据的先验知识,为监测数据的误差消除的一种有效方法,具有一定的理论价值和应用价值.     

基于小波神经网络对铁路客运量的预测研究

在现代交通运输中,铁路运输的地位很高,通过建立小波神经网络模型,对客运量做出预测。首先将原始数据通过小波去噪,然后进行归一化处理,最后基于小波神经网络建立预测模型,通过对比未去噪的和去噪,发现去噪后的模型误差小。     

小波去噪在GPS动态监测数据处理中的应用研究

介绍了小波去噪的原理和步骤,基于不同的阈值选取方法、选择几种不同的小波函数、比较了在GPS动态监测数据处理中的去噪效果。结果表明,应用小波分析的方法可以较好实现去噪效果。     

基于小波变换与EEMD的绝缘子泄漏 电流去噪方法研究

采用总体经验模态分解和小波阀值去噪相结合的方法对泄漏电流进行去噪处理。对泄漏电流信号首先进行总体经验模态分解,再对高频IMF分量按照4种阀值小波去噪方法(固定阀值法、启发式阈值法、自适应阈值法和极大极小阀值法)进行去噪,最后进行重构。以泄漏电流的3个特征量(有效值、3次谐波与基次谐波之比、波形)对去噪效果进行分析,综合比较得到采用总体经验模态分解与启发式阈值小波相结合的去噪方法的去噪效果最佳,采用该方法对实际污秽绝缘子泄漏电流进行去噪处理,去噪效果良好。     

高铁隧道沉降变形评估方法分析

科学合理评估是高速铁路沉降变形监测的关键环节。由于观测环境和仪器设备等因素的影响,变形监测数据中不可避免含有大量的随机误差,使高铁隧道沉降变形曲线呈现"小量级,大波动"的现象。以某高铁隧道沉降变形监测数据为例,提出一种改进的阈值处理方法在小波分析中的应用,以改善传统阈值法中存在的不连续性及过渡平滑问题。并分别采用Kalman滤波、小波分析方法对监测数据进行去噪处理,然后用去噪前后的数据进行沉降变形评估分析。通过实例分析表明:基于改进后的小波分析的沉降变形评估的相关系数和可靠性较Kalman滤波方法与传统方法高,沉降变形曲线更平滑,沉降趋势更明显,具有更好的应用价值。     

岩石高边坡安全监测数据的小波变换去噪处理

 把小波变换模极大值去噪法和小波变换阀值去噪法应用于noissin模拟噪声信号和某水电站岩石高边坡安全监测资料，根据信号和噪声在小波变换各尺度上的不同传播特性，剔除由噪声产生的模极大值点，保留信号所对应的模极大值点，利用剩余模极大值点重构小波系数，恢复原有监测信号。并通过信噪比、去噪信号能量比、去噪信号与原信号标准差三个性能指标，比较二者的去噪性能。实例应用表明，小波变换模极大值去噪法能够更有效地去除噪音突变信号，保留原始有用信号的突变点，重构信号能够更光滑地重现原始信号，比小波变换阀值去噪法性能更佳，具有更好的实际应用价值。     

基于小波与谱分析的大坝变形预报模型

传统大坝变形回归分析模型不具备降噪功能,同时人为拟定环境量周期项,存在一定的不足,对此,引入小波与谱分析方法,提出了基于小波与谱分析的大坝变形预报模型,以提高预报精度。首先对实测的位移数据进行分段三次Hermite插值,获取均匀采样数据;然后对采样数据进行小波分解,做降噪处理;最后通过谱分析,根据功率谱图,确定位移量的主要周期项,结合传统回归方法构建合理的拟合模型,实现大坝变形的预报。以2010年三峡大坝175 m蓄水后的实测数据为样本,采用文中方法对大坝变形值预报,结果表明预报精度较高,新方法对提高大坝安全评估和类似变形分析有重要价值。     

Wavelet-based iterative data enhancement for implementation in purification of modal frequency for extremely noisy ambient vibration tests in Shiraz-Iran

The main purpose of the present study is to enhance high-level noisy data by a wavelet-based iterative filtering algorithm for identification of natural frequencies during ambient wind vibrational tests on a petrochemical process tower. Most of denoising methods fail to filter such noise properly. Both the signal-to-noise ratio and the peak signal-to-noise ratio are small. Multiresolution-based one-step and variational-based filtering methods fail to denoise properly with thresholds obtained by theoretical or empirical method. Due to the fact that it is impossible to completely denoise such high-level noisy data, the enhancing approach is used to improve the data quality, which is the main novelty from the application point of view here. For this iterative method, a simple computational approach is proposed to estimate the dynamic threshold values. Hence, different thresholds can be obtained for different recorded signals in one ambient test. This is in contrast to commonly used approaches recommending one global threshold estimated mainly by an empirical method. After the enhancements, modal frequencies are directly detected by the cross wavelet transform (XWT), the spectral power density and autocorrelation of wavelet coefficients. Estimated frequencies are then compared with those of an undamaged-model, simulated by the finite element method.     

基于小波分析的TDR信号滤波与去噪

为去除TDR法岩土体变形监测信号中因多种原因而产生的噪声,同时最大限度地保留岩土体因变形而导致的微弱反射信号,提出结合小波函数和TDR监测信号特点的滤波与去噪方法。其工程应用表明:该方法在分析TDR监测信号时,能通过对信号的高通滤波和无用噪声的消除,在重新构造的新信号中较准确凸现隐含于原始输出信号内部的异常信号。相对于单纯用小波变换信号后某一尺度细节信号来分析岩土体变形局部特征的方法而言,该方法含义更为明确,且能更好地突出岩土体变形失稳位置(或失稳区域)。     

基于高阶统计量的小波阈值去噪方法在探地雷达中的应用

小波阈值去噪是一种有效压制随机噪声的方法,但在信号信噪比降低时,阈值的选取也变得困难。本文利用高阶相关的方法来压制信号中的随机噪声。这种方法中,通过计算小波函数与信号的相关函数的三重相关系数来代替小波系数对信号进行阈值处理。因为高斯分布函数的高阶矩为零,所以三重相关系数能更好地识别未被噪声污染的小波系数,能更好地压制随机噪声。通过对探地雷达的理论模型和实际数据处理表明,该方法能有效地压制噪声,提高信噪比,是一种处理探地雷达数据的有效方法。     

基于局部化自适应阈值的小波图像降噪

为了能在去除图像噪声的同时有效地克服Gibbs现象,得到令人满意的视觉效果,提出了一种基于局部自适应阈值的小波图像降噪方法.该算法利用局部化信息和层间相关性理论,对小波系数进行分块分类处理.该算法首先把图像划分成子块,通过调节全局阈值得到各个子块阈值,从而有效地利用了局部信息,有选择地对图像进行降噪处理.算法加入自适应的步骤,对于不同尺度的子带,分别赋予大小不同的阈值,使算法具有更好的自适应性.试验结果表明, 与其他几种传统降噪方法相比,该方法能获得较好的降噪效果.