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). |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论