本文選題：大氣湍流 + 去噪�。� 參考：《光子學(xué)報(bào)》2017年12期

【摘要】：為了提高差分光柱像運(yùn)動(dòng)激光雷達(dá)(DCIM雷達(dá))探測(cè)信噪比,提出了一種基于集合經(jīng)驗(yàn)?zāi)B(tài)分解(EEMD)和奇異值分解(SVD)的混合降噪法.由EEMD獲得含噪信號(hào)多層模態(tài)分量,根據(jù)各模態(tài)分量之間互相關(guān)系數(shù)的差分量確定主要噪聲并予以濾除,利用奇異值分解識(shí)別模態(tài)分量中的殘余噪聲并提取有用信號(hào).利用混合降噪法EEMD-SVD和EEMD方法分別對(duì)模擬仿真信號(hào)和實(shí)測(cè)激光雷達(dá)信號(hào)進(jìn)行降噪處理.結(jié)果表明,當(dāng)模擬噪聲標(biāo)準(zhǔn)差在0.05~0.2之間時(shí),相比與未降噪直接反演的湍流廓線,EEMD-SVD方法降噪后反演的湍流廓線信噪比提高了2.718 7dB~6.921 5dB,相應(yīng)的EEMD方法提高了1.446 1dB~3.366 1dB;兩個(gè)不同時(shí)段DCIM雷達(dá)降噪前后反演廓線與探空廓線的對(duì)比發(fā)現(xiàn),EEMD-SVD和EEMD兩種方法降噪后反演廓線較之于未降噪的反演廓線,信噪比最大提高了2.526 5dB和2.155 6dB.EEMD-SVD的降噪效果優(yōu)于EEMD,能夠更有效地識(shí)別和濾除噪聲,較大地提高了原始信號(hào)的信噪比,獲得更準(zhǔn)確的大氣湍流廓線反演結(jié)果.
[Abstract]:In order to improve the signal-to-noise ratio (SNR) of differential optical column moving lidar (DCIM) detection, a hybrid noise reduction method based on set empirical mode decomposition (EEMD) and singular value decomposition (SVD) is proposed. The multilayer modal component of noisy signal is obtained by EEMD. The main noise is determined and filtered according to the difference component of the correlation number between each modal component. The residual noise in the modal component is identified by singular value decomposition and the useful signal is extracted. The EEMD-SVD and EEMD methods are used to reduce the noise of simulated and measured lidar signals, respectively. The results show that when the standard deviation of simulated noise is in the range of 0.05o 0.2, Compared with the direct inversion of turbulence profile without noise reduction, the SNR of turbulent profile inversion by EEMD-SVD method is increased by 2.718 7dB~6.921 5dB and the corresponding EEMD method by 1.446 1dB~3.366 1dB.The inversion profile and sounding profile of DCIM radar in two different periods before and after denoising are improved by 2.718 7dB~6.921 5db and 1.446 1dB~3.366 1db respectively. The comparison of the lines shows that the two methods, EEMD-SVD and EEMD, are better than the undenoised inversion profiles after de-noising. The maximum signal-to-noise ratio (SNR) of 2.526 5dB and 2.155 6dB.EEMD-SVD is better than that of EEMD, which can identify and filter the noise more effectively, improve the signal to noise ratio of the original signal, and obtain more accurate atmospheric turbulence profile inversion results.
【作者單位】： 中國(guó)科學(xué)院安徽光學(xué)精密機(jī)械研究所中國(guó)科學(xué)院大氣成分與光學(xué)重點(diǎn)實(shí)驗(yàn)室;中國(guó)科學(xué)技術(shù)大學(xué);
【基金】：國(guó)家自然科學(xué)基金(No.41405014)資助~~
【分類號(hào)】：TN958.98

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 M.穆倫;張俊芳;;修正的奇異值分解并行實(shí)現(xiàn)[J];雷達(dá)與對(duì)抗;1992年04期

2 聶守平,魏曉燕;數(shù)字圖像的奇異值分解[J];南京師大學(xué)報(bào)(自然科學(xué)版);2001年01期

3 鄒紅星,王殿軍,戴瓊海,李衍達(dá);延拓矩陣的奇異值分解[J];電子學(xué)報(bào);2001年03期

4 萬(wàn)明堅(jiān),肖先賜;基于矩陣奇異值分解的空間譜估計(jì)算法[J];電子科技大學(xué)學(xué)報(bào);1989年02期

5 張小薊;張歆;孫進(jìn)才;;基于經(jīng)驗(yàn)?zāi)B(tài)分解的目標(biāo)特征提取與選擇[J];西北工業(yè)大學(xué)學(xué)報(bào);2006年04期

6 王秋生;段丹輝;;經(jīng)驗(yàn)?zāi)B(tài)分解的邊界效應(yīng)處理技術(shù)[J];計(jì)算機(jī)測(cè)量與控制;2006年12期

7 馮志華;朱忠奎;劉剛;伍小燕;;經(jīng)驗(yàn)?zāi)B(tài)分解方法的小波消失現(xiàn)象[J];數(shù)據(jù)采集與處理;2006年04期

8 宋立新;王祁;王玉靜;梁X;;具有間斷事件檢測(cè)和分離的經(jīng)驗(yàn)?zāi)B(tài)分解方法[J];哈爾濱工程大學(xué)學(xué)報(bào);2007年02期

9 劉小峰;秦樹(shù)人;柏林;;基于小波包的經(jīng)驗(yàn)?zāi)B(tài)分解法的研究及應(yīng)用[J];中國(guó)機(jī)械工程;2007年10期

10 胡維平;莫家玲;龔英姬;趙方偉;杜明輝;;經(jīng)驗(yàn)?zāi)B(tài)分解中多種邊界處理方法的比較研究[J];電子與信息學(xué)報(bào);2007年06期

相關(guān)會(huì)議論文 前10條

1 秦毅;秦樹(shù)人;毛永芳;;正交經(jīng)驗(yàn)?zāi)B(tài)分解及其快速實(shí)現(xiàn)[A];第九屆全國(guó)振動(dòng)理論及應(yīng)用學(xué)術(shù)會(huì)議論文摘要集[C];2007年

2 楊永鋒;;經(jīng)驗(yàn)?zāi)B(tài)分解與非線性分析的協(xié)同研究[A];第四屆全國(guó)動(dòng)力學(xué)與控制青年學(xué)者研討會(huì)論文摘要集[C];2010年

3 侯文文;鄒俊忠;劉未來(lái);;基于經(jīng)驗(yàn)?zāi)B(tài)分解的眼電偽差去除研究[A];上海市化學(xué)化工學(xué)會(huì)2010年度學(xué)術(shù)年會(huì)論文集（自動(dòng)化專題）[C];2010年

4 李關(guān)防;許春雷;惠俊英;;基于經(jīng)驗(yàn)?zāi)B(tài)分解的特征提取算法研究[A];中國(guó)造船工程學(xué)會(huì)電子技術(shù)學(xué)術(shù)委員會(huì)2011年海戰(zhàn)場(chǎng)電子信息技術(shù)學(xué)術(shù)年會(huì)論文集[C];2011年

5 薛志宏;李廣云;周蓉;;一種基于經(jīng)驗(yàn)?zāi)B(tài)分解的信號(hào)降噪方法[A];全國(guó)工程測(cè)量2012技術(shù)研討交流會(huì)論文集[C];2012年

6 何田;王立清;劉獻(xiàn)棟;朱永波;;基于奇異值分解的信號(hào)處理機(jī)理及其應(yīng)用[A];2008年航空試驗(yàn)測(cè)試技術(shù)峰會(huì)論文集[C];2008年

7 康春玉;章新華;;一種基于經(jīng)驗(yàn)?zāi)B(tài)分解的信號(hào)降噪方法[A];中國(guó)聲學(xué)學(xué)會(huì)2007年青年學(xué)術(shù)會(huì)議論文集（下）[C];2007年

8 袁業(yè)立;;SAR海洋探測(cè)新進(jìn)展[A];面向21世紀(jì)的科技進(jìn)步與社會(huì)經(jīng)濟(jì)發(fā)展（上冊(cè)）[C];1999年

9 譚善文;嚴(yán)利;熊朝坤;;一種新型的譜分析方法—Hilbert譜[A];第十七屆全國(guó)水動(dòng)力學(xué)研討會(huì)暨第六屆全國(guó)水動(dòng)力學(xué)學(xué)術(shù)會(huì)議文集[C];2003年

10 李強(qiáng)偉;;Hilbert-Huang變換中邊界問(wèn)題的分析[A];第六屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集（3）[C];2008年

相關(guān)博士學(xué)位論文 前10條

1 劉施菲;激光雷達(dá)輔助的慣性導(dǎo)航組合系統(tǒng)技術(shù)研究[D];哈爾濱工程大學(xué);2015年

2 王強(qiáng);基于激光雷達(dá)數(shù)據(jù)與多角度遙感模型的森林參數(shù)反演研究[D];哈爾濱工業(yè)大學(xué);2017年

3 徐璐;Gm-APD脈沖累積激光雷達(dá)探測(cè)性能提高的研究[D];哈爾濱工業(yè)大學(xué);2017年

4 葉光超;條紋陣列探測(cè)激光雷達(dá)測(cè)距精度與三維測(cè)繪技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2016年

5 黎恒;經(jīng)驗(yàn)?zāi)B(tài)分解中關(guān)鍵問(wèn)題的優(yōu)化理論與方法研究[D];西安電子科技大學(xué);2016年

6 張婷琳;從局部到全局腦電感知模式的研究[D];浙江大學(xué);2017年

7 葛光濤;二維經(jīng)驗(yàn)?zāi)B(tài)分解研究及其在圖像處理中的應(yīng)用[D];哈爾濱工程大學(xué);2009年

8 孫暉;經(jīng)驗(yàn)?zāi)B(tài)分解理論與應(yīng)用研究[D];浙江大學(xué);2005年

9 楊賢昭;基于經(jīng)驗(yàn)?zāi)B(tài)分解的故障診斷方法研究[D];武漢科技大學(xué);2012年

10 呂丹;基于點(diǎn)法向量姿態(tài)估計(jì)的激光雷達(dá)距離像目標(biāo)識(shí)別算法研究[D];哈爾濱工業(yè)大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 林輝;基于車載多激光雷達(dá)的地圖構(gòu)建與障礙物檢測(cè)[D];浙江大學(xué);2017年

2 聶振國(guó);基于奇異值分解的信號(hào)處理關(guān)鍵技術(shù)研究[D];華南理工大學(xué);2016年

3 武慧娟;基于HHT特征提取的雷聲信號(hào)模式識(shí)別[D];陜西師范大學(xué);2016年

4 鄒申申;基于手指心電信號(hào)時(shí)頻域分析的身份識(shí)別算法研究[D];杭州電子科技大學(xué);2016年

5 史玉君;基于經(jīng)驗(yàn)?zāi)B(tài)分解的眼電偽跡去除方法的研究[D];蘭州大學(xué);2015年

6 梁江海;基于經(jīng)驗(yàn)?zāi)B(tài)分解的通信信號(hào)細(xì)微特征分析[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

7 楊勤甜;基于經(jīng)驗(yàn)?zāi)B(tài)分解和粗糙集屬性約簡(jiǎn)的超聲缺陷信號(hào)分類識(shí)別研究[D];南昌航空大學(xué);2016年

8 鄒志國(guó);基于經(jīng)驗(yàn)?zāi)B(tài)分解的多分量信號(hào)分析方法研究[D];哈爾濱工業(yè)大學(xué);2016年

9 王瀟瀟;基于經(jīng)驗(yàn)?zāi)B(tài)分解的心電信號(hào)壓縮研究[D];浙江大學(xué);2017年

10 楊彩紅;基于折線包絡(luò)的經(jīng)驗(yàn)?zāi)B(tài)分解方法及其應(yīng)用[D];天津大學(xué);2007年

，

本文編號(hào)：1936079