趋势项调制的小波-经验模态分解联合方法用于大气相干长度廓线去噪

	趋势项调制的小波-经验模态分解联合方法用于大气相干长度廓线去噪
	程知 2; 何枫 2; 张巳龙 2; 靖旭 2; 侯再红 2
刊名	光学学报
	2017
卷号	037
关键词	大气光学小波变换小波-经验模态分解去趋势波动分析激光雷达去噪
ISSN号	0253-2239
其他题名	Combination Method of Wavelet and Empirical Mode Decomposition with Trend Modulation used for Atmospheric Coherent Length Profile Denoising
英文摘要	差分光柱像运动激光雷达的信号噪声直接影响大气湍流强度廓线的反演精度,采用一种有效的去噪方法能够提升雷达探测性能。为了减弱小波-经验模态分解（EMD）联合降噪方法对小波的依赖性,提出先利用信号的趋势项对小波降噪后的信号进行自适应调制,再利用调制后的信号进行EMD去噪,即小波-趋势项-EMD方法,趋势项的提取仍采用EMD方法。为了保证调制的有效性,提出适用于大气相干长度（r0）廓线的调制判定准则,并采用去趋势波动分析方法自适应识别EMD降噪的阈值。为了论证所提方法的有效性,将该方法与小波、EMD、集合经验模态分解（EEMD）、小波-EMD 4种去噪方法进行对比。数值仿真和实验结果表明,在不同噪声强度下,5种方法均可提高r0廓线的信噪比和反演精度。两种联合方法优于单独方法,小波法优于EMD和EEMD方法,小波-趋势项-EMD方法进一步提高了小波-EMD方法的去噪能力,为小波-EMD联合去噪方法的改进提供了新思路。
语种	中文
CSCD记录号	CSCD:6146464
内容类型	期刊论文
源URL	[http://ir.hfcas.ac.cn:8080/handle/334002/93466]
专题	中国科学院合肥物质科学研究院
作者单位	1.中国科学院安徽光学精密机械研究所 2.中国科学院安徽光学精密机械研究所 3.中国科学院安徽光学精密机械研究所 4.中国科学院安徽光学精密机械研究所 5.中国科学院安徽光学精密机械研究所
推荐引用方式 GB/T 7714	程知,何枫,张巳龙,等. 趋势项调制的小波-经验模态分解联合方法用于大气相干长度廓线去噪[J]. 光学学报,2017,037.
APA	程知,何枫,张巳龙,靖旭,&侯再红.(2017).趋势项调制的小波-经验模态分解联合方法用于大气相干长度廓线去噪.光学学报,037.
MLA	程知,et al."趋势项调制的小波-经验模态分解联合方法用于大气相干长度廓线去噪".光学学报 037(2017).