论文部分内容阅读
高精度形变监测对于结构体的健康维护具有重要意义,卫星定位技术广泛应用于大型结构体的高精度监测中,但受制于高频噪声及低频多路径噪声影响,变形监测精度难以满足,为了从非线性、非稳定的监测信号中提取真实变形,本文对现代信号处理技术经验模态分解方法进行了详细的介绍,在经验模态分解的基本理论体系的基础上,对EMD中的端点效应和模态混叠问题进行了研究工作,提出了抑制端点效应和模态混叠问题的改进措施。在对真实形变数据的降噪及预测算法研究、形变系统开发方面做了一定的研究工作。主要研究内容如下:(1)EMD端点效应和模态混叠问题的改进针对EMD端点效应问题,在分析现有抑制端点效应方法的基础上,充分挖掘各种算法的优势,最大限度维护信号的内在趋势,提出一种基于特征提取的自适应延拓方法,通过特征提取总结波形的变化规律,利用改进的模板匹配算法筛选出与端点处波形一致的子波,借助改进的三角延拓方法寻找与端点处波形相似的子波。当信号规律性较差,未能筛选出相似子波时,利用RBF神经网络进行延拓。通过模拟数据证明,该方法能够自适应的延拓波形,最大限度实现延拓数据与原信号波形的光滑过渡。针对EMD模态混叠问题,本文对完备经验模态分解(CEEMD)进行了研究,它是EMD的变形体,能够在有效抑制模态混叠现象的同时精确地重构原始信号。(2)形变时间序列降噪及预测研究为了更好的消除混杂在变形序列中的噪声,利用完备经验模态分解(CEEMD)将信号自适应分解为不同尺度振动模态。针对分解分量中信号和噪声区分标准不唯一的问题,构造一种CEEMD与自相关分析相结合的去噪算法,实现有效信号和随机信号的分离。将该算法应用在仿真实验和GNSS变形监测实测数据,并与传统的小波去噪方法进行比较分析,本算法取得较好效果,相比小波方法避免了小波基选择带来的影响。为了更好的分析形变规律,提取形变信息,本文在形变信号预测方面进行了研究,应用最近邻和梯度下降的混合RBF算法来改善神经网络结构,并使用经降噪处理后的实测信号检验算法效果,与普通的RBF相比较,在保证效率的同时,提高了预测效果的精度。(3)动态变形数据处理与分析系统的设计与实现根据变形监测数据处理的需求,设计并实现动态变形数据处理与分析系统。系统基于Asp.Net与Matlab混合编程技术,构建时间序列数据降噪处理与变形预测等核心算法组件;基于ArcGIS JavaScript APIs实现变形监测数据的空间可视化表达,并提供基本的空间查询与分析等功能;通过实验表明,系统能够较好的实现对变形数据的处理、分析与结果展示。