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。     

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.     

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。     

基于小波消噪的EMD模型在GPS振动信号处理中的应用

经验模式分解和小波分解是当前有效处理非平稳信号的两种时频分析方法,它们各具有其优缺点,适用于不同的应用.从对GPS振动信号的预处理、时域和频域处理入手,结果分析表明,对GPS振动信号先进行小波滤波消除随机噪声的干扰,再应用经验模式分解更有利于变形特征信息的分离和提取,提取的信号与振动平台记录数据更加吻合.     

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。     

基于小波分解的建筑物变形监测数据处理

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，不需要待检测信号的先验知识，特别适合于建筑物变形监测的数据处理。     

基于小波变换的在线签名认证系统设计

文章介绍了一种基于小波变换的在线签名静态信息认证系统,利用Freescale芯片K60和电阻触摸屏采集笔迹信息,通过串口发送到电脑上,采用Matlab软件对数据进行滤波平滑和归一化处理,再利用小波变换DB6对笔迹坐标信息进行3层分解,提取分解后的过零点作为特征值,利用DTW算法与真实笔迹特征值进行对比判决真伪,经实验验证该系统较好的实现了笔迹鉴定。     

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。     

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。     

灰色模型联合小波变换进行变形预测的研究

该文研究了基于灰色模型结合小波变换的变形预测方法。根据小波变换特点,对变形监测数据序列进行分解,对各个分解后的子序列利用灰色模型进行预测,最后重构出变形预测结果,且将该结果与灰色模型预测结果进行了比较。结果表明,该方法具有较强的预测能力,可作为变形预测的方法参考。     

离散性卡尔曼滤波在GPS变形监测数据处理中的应用

卡尔曼滤波是当前应用最广的动态数据处理方法。文章针对GPS变形监测数据常规处理方法中的实际误差大、无法进行实时反映变形动态特性的缺点,通过对离散卡尔曼滤波基本原理的介绍,指出离散卡尔曼滤波法的优点及其在GPS变形监测数据处理中的适用数学模型,并通过三峡实测数据进行该方法使用说明及如何选择状态向量。     

基于小波降噪的铁路边坡测斜监测分析

铁路边坡测斜监测数据中时常含有许多锯齿状波动,为了消除或减弱波动的干扰,通常对监测数据进行降噪处理。基于小波降噪理论,利用MatlabR2007a软件,分别选用小波变换模极大值法、非线性小波变换软阈值法与非线性小波变换硬阈值法三种方法对峰福铁路K294处边坡测斜监测数据进行降噪处理,结果表明：以上三种方法降噪效果明显,其中非线性小波变换软阈值法更有效,更适合于铁路边坡测斜监测分析。     

基于小波变换的建筑物沉降变形分析

对一烟囱的变形观测数据进行了分析,通过对监测数据的小波消噪,识别出观测噪声的有用信息,并对有用信息进行分析的基础上,对变形体变形作出合理的几何分析和物理解释。     

基于WE-ICA的牵引电机速度传感器微小故障检测与识别

文章提出了一种基于小波变换和集成独立成分分析(WE-ICA)的牵引电机速度传感器微小故障检测与识别方法。首先,通过小波变换对高速列车牵引电机数据进行滤波处理,减少噪声对微小故障信息的干扰;接着通过独立成分分析(ICA)方法提取故障信息并建立检测统计量;最后利用贝叶斯推理计算统计量的故障概率,并设计集成统计量用于微小故障检测;另外通过加权贡献度对故障进行识别。利用CRH2牵引电机实验平台对该方法进行验证,实验结果证明了该方法的有效性和实用性。     

桥梁GPS监测数据的频域分析

GPS因其能够全天候、高精度、高分辨率地采集桥梁形变数据,在桥梁健康监测中得到了广泛的应用。桥梁形变GPS观测数据是由多种低频和高频周期信号叠加的时间序列,需要通过傅立叶变换将其转换到频域空间,通过频谱分析可提取各种周期项信息,分析这些周期变形的激发机制,进而鉴别桥梁的健康状况。本文根据东海大桥2006年6月19日至2006年7月1日共13天的GPS监测数据,通过频谱分析发现该大桥的周期形变主要是温度变化引起的热胀冷缩,平均形变量为3cm以上,周期为一天;其次初步判断潮汐引起的周期为半天的平均变形量约为7mm,没有发现非周期的趋势性的形变,反映出该桥梁状态正常。     

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。     

GPS在高层建筑动态变形测定中的应用

为了提高高层建筑动态变形测定的准确性,利用先进的GPS技术进行了测定,对监测数据的分析处理说明,利用GPS观测结果能准确地得到各振动状态的动态特征,所以,用GPS来测定高层建筑的动态变形,在实际应用中较为适合.     

基于小波分析的深基坑地表沉降预测研究

深基坑开挖必然引起地表沉降,地表沉降监测数据不可避免要受到施工及周边环境的干扰,使沉降数据真实性受到极大的影响。以武汉深基坑工程的大量监测数据为基础,提出一种小波分析法与径向基神经网络的混合建模方法,对深基坑地表变形进行沉降预测分析。首先运用小波分析对实测数据进行去噪处理,提取反映实际变化的沉降数据作为径向基神经网络输入的特征向量,构建小波网络W-RBF预测模型,采用滚动预测方法对地表沉降进行预测。工程应用结果表明,W-RBF模型预测性能,要优于带有噪声构造的原始数据预测结果,具有较高的预测精度,可满足深基坑工程的信息化施工要求。     

边坡变形可监测性指标计算方法研究与实验分析

针对边坡变形监测的要求,提出了一种基于三维激光扫描的边坡变形监测方法,通过K最近邻搜索算法(KNNS)实现离散点云的变形提取,给出了边坡变形可监测性指标计算公式。以某边坡监测实验为例,采用重复扫描数据验证了变形可监测指标确定方法的可行性和正确性。通过多期监测数据的处理与分析,结果表明:利用三维激光扫描可以对边坡变形进行有效的监测。     

基于小波分析的滑坡预测预报研究

滑坡发生前伴随着不同程度的变形发生,变形监测与安全监控问题相应地引起各级政府和管理部门越来越多的关注.本文研究了滑坡深部位移的监测数据异常值检验方法和含噪数据的消噪方法,并在此基础上,研究小波分析与时间序列分析结合的数据预报方法.通过具体实例表明:小波对监测信号消噪可以得到有用信息,能够提高模型稳定性和可靠性;小波时间...