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。     

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。     

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-ARIMA的浮动车运行车速动态预测模型

针对传统数据收集过程中不可避免的受到干扰而产生数据噪声导致预测精度下降的缺陷,本文利用小波变换较强的时频域特性,以平移不变小波变换对数据去噪,将去噪后的数据建立ARIMA模型,最终对浮动车车速进行预测分析。实例表明:浮动车数据收集存在噪声干扰,小波-ARIMA在进行浮动车车速预测时精度较高。     

基于小波变换的爆破地震信号阈值去噪的应用研究

运用小波变换多尺度分析的思想,在不同的尺度下观察信号不同的局部化特征。利用小波系数的统计特性和噪声本身的性质,应用信号特征估计信号中的噪声形态,提出了一种爆破地震信号小波变换阈值去噪的方法,在小波阈值去噪中准确估计噪声阈值水平,使在消除信号噪声的同时保留信号中弱特征成分。通过理论和实践证明了这种方法能够有效地消除爆破地震信号中的噪声。     

小波变换用于磁记忆信号降噪技术研究

介绍了利用小波变换对获取的磁记忆检测信号进行去噪处理的三种方法,指出基于小波变换的非线性方法能够获得较理想的处理效果,详细介绍了基于该方法的信号处理原理,并重点探讨了影响去噪效果的三项因素,以推广该法的广泛使用。     

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EMD小波的高速电梯振动信号去噪

结合经验模态分解与小波阈值去噪方法,提出基于EMD小波的高速电梯振动信号去噪方法,并对高速电梯振动信号进行了实例分析。结果表明,应用基于EMD小波阈值去噪方法相比于低通滤波去噪方法与单纯小波阈值去噪方法,具有更高的信噪比,能够提高分析的精度。有效保留了信号特征。     

一种基于小波分析的阈值去噪算法

利用信号和噪声在小波变换中不同尺度上具有不同的特性,提出了基于小波变换的去噪方法。经过小波变换后的信号,在其小波系数中包含了实际信号的重要信息特征,表现为幅值较大的小波系数,而噪声产生的小波系数幅值较小。通过在不同尺度上选取适当的阈值,对大于和小于该阈值的小波系数进行相应的处理,以得到去噪后的信号。     

小波变换在结构损伤检测中的应用

小波变换具有良好的时频局部化性质,特别适合于分析和处理突变信号。在获得结构的动力学响应的基础上,应用小波变换对结构响应信号进行小波分解。根据各种响应信号对损伤的灵敏度,选择损伤特征,通过捕捉结构出现损伤的时刻,实现对结构时间监控。     

小波包分析在结构损伤监测中的应用

小波分析具有良好的时频局部化性质,特别适合于分析和处理突变信号。在获得结构的动力响应的基础上,对结构响应信号做小波包分解。根据各种响应信号对损伤的灵敏度,选择损伤特征,通过捕捉结构出现损伤的时刻,实现对结构损伤时刻监控。为模拟测试实际结构响应噪声的影响,在第一层加速响应信号中加入信噪比为5:1的白噪声,运用小波包消噪后再运用小波包分解识别结构的损伤时刻。     

探地雷达信号小波变换去噪

本文简述了小波变换去噪的方法原理,并用该方法对含有随机干扰的合成探地雷达记录及野外实测数据进行了处理。对理论模型的处理结果表明,相对于常规去噪方法来说,小波变换去噪法能更彻底去除噪声、完整保留信号细节。而地基强夯加固探地雷达剖面图像经小波去噪处理后,不同介质界面变得明显清晰,墩长及墩形较处理前得到突出,尤其是土石墩剖面,墩形及墩长较清晰可辨。理论模型及实测数据研究结果均表明,小波变换去噪法能有效改善探地雷达剖面质量,提高解释的准确性和精确性。     

基于不同预处理的多小波在变形监测数据处理中对比分析

由于多小波具有单小波所不能同时具备的多种优良性质,同时拥有多个时频特征有所差异的基函数,使得多小波变换在信号数据处理等方面具有显著优势。为了准确获取变形特征,给出不同多小波在变形数据处理中的应用对比分析。实验结果表明,不同多小波选择合适的预处理方法,有效去除了变形监测数据里的干扰成分,实现变形趋势的提取,取得好的信号消噪效果,具有好的应用效果。     

基于模态曲率与小波变换的网壳结构损伤识别研究

结合模态曲率与小波变换的方法对网壳结构的损伤识别进行研究。以一网壳结构的缩尺模型为例进行数值分析,假设结构35号杆件的截面出现刚度折减的轻微损伤,以模型损伤前后的模态曲率作为损伤指标进行连续小波变换,从而判断结构的损伤位置。数值分析的结果表明,利用模态曲率的小波变换系数差可以粗略定位损伤,而利用曲率模态差值的小波变换系数可以较为准确地定位损伤,且分析及数据处理过程更为简便可靠,可见基于模态曲率与小波变换的损伤识别方法对于网壳结构的损伤定位是非常有效的。     

MATLAB在变形监测数据处理中的应用

探讨了MATLAB在变形监测数据处理中的应用，包括监测数据的检核、Kalman滤波器、小波降噪以及一些变形可视化功能。实践表明：在变形监测领域中引进MATLAB可以很方便地进行数据处理，降低对人员编程水平的要求，而且可以用于将成果可视化显示。