基于經(jīng)驗?zāi)B(tài)分解的動態(tài)變形數(shù)據(jù)分析模型研究.pdf

1、高精度形變監(jiān)測對于結(jié)構(gòu)體的健康維護具有重要意義，衛(wèi)星定位技術(shù)廣泛應(yīng)用于大型結(jié)構(gòu)體的高精度監(jiān)測中，但受制于高頻噪聲及低頻多路徑噪聲影響，變形監(jiān)測精度難以滿足，為了從非線性、非穩(wěn)定的監(jiān)測信號中提取真實變形，本文對現(xiàn)代信號處理技術(shù)經(jīng)驗?zāi)B(tài)分解方法進(jìn)行了詳細(xì)的介紹，在經(jīng)驗?zāi)B(tài)分解的基本理論體系的基礎(chǔ)上，對EMD中的端點效應(yīng)和模態(tài)混疊問題進(jìn)行了研究工作，提出了抑制端點效應(yīng)和模態(tài)混疊問題的改進(jìn)措施。在對真實形變數(shù)據(jù)的降噪及預(yù)測算法研究、形變系統(tǒng)開發(fā)

2、方面做了一定的研究工作。主要研究內(nèi)容如下：
　?。?）EMD端點效應(yīng)和模態(tài)混疊問題的改進(jìn)
　　針對EMD端點效應(yīng)問題，在分析現(xiàn)有抑制端點效應(yīng)方法的基礎(chǔ)上，充分挖掘各種算法的優(yōu)勢，最大限度維護信號的內(nèi)在趨勢，提出一種基于特征提取的自適應(yīng)延拓方法，通過特征提取總結(jié)波形的變化規(guī)律，利用改進(jìn)的模板匹配算法篩選出與端點處波形一致的子波，借助改進(jìn)的三角延拓方法尋找與端點處波形相似的子波。當(dāng)信號規(guī)律性較差，未能篩選出相似子波時，利用 RB

3、F神經(jīng)網(wǎng)絡(luò)進(jìn)行延拓。通過模擬數(shù)據(jù)證明，該方法能夠自適應(yīng)的延拓波形，最大限度實現(xiàn)延拓數(shù)據(jù)與原信號波形的光滑過渡。針對EMD模態(tài)混疊問題，本文對完備經(jīng)驗?zāi)B(tài)分解（CEEMD）進(jìn)行了研究，它是 EMD的變形體，能夠在有效抑制模態(tài)混疊現(xiàn)象的同時精確地重構(gòu)原始信號。
　?。?）形變時間序列降噪及預(yù)測研究
　　為了更好的消除混雜在變形序列中的噪聲，利用完備經(jīng)驗?zāi)B(tài)分解（CEEMD）將信號自適應(yīng)分解為不同尺度振動模態(tài)。針對分解分量中信號和

4、噪聲區(qū)分標(biāo)準(zhǔn)不唯一的問題，構(gòu)造一種CEEMD與自相關(guān)分析相結(jié)合的去噪算法，實現(xiàn)有效信號和隨機信號的分離。將該算法應(yīng)用在仿真實驗和GNSS變形監(jiān)測實測數(shù)據(jù)，并與傳統(tǒng)的小波去噪方法進(jìn)行比較分析，本算法取得較好效果，相比小波方法避免了小波基選擇帶來的影響。為了更好的分析形變規(guī)律，提取形變信息，本文在形變信號預(yù)測方面進(jìn)行了研究，應(yīng)用最近鄰和梯度下降的混合 RBF算法來改善神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，并使用經(jīng)降噪處理后的實測信號檢驗算法效果，與普通的RBF相比

5、較，在保證效率的同時，提高了預(yù)測效果的精度。
　?。?）動態(tài)變形數(shù)據(jù)處理與分析系統(tǒng)的設(shè)計與實現(xiàn)
　　根據(jù)變形監(jiān)測數(shù)據(jù)處理的需求，設(shè)計并實現(xiàn)動態(tài)變形數(shù)據(jù)處理與分析系統(tǒng)。系統(tǒng)基于Asp.Net與Matlab混合編程技術(shù)，構(gòu)建時間序列數(shù)據(jù)降噪處理與變形預(yù)測等核心算法組件；基于ArcGIS JavaScript APIs實現(xiàn)變形監(jiān)測數(shù)據(jù)的空間可視化表達(dá)，并提供基本的空間查詢與分析等功能；通過實驗表明，系統(tǒng)能夠較好的實現(xiàn)對變形數(shù)據(jù)的處