共查询到20条相似文献,搜索用时 31 毫秒
1.
船舶的AIS轨迹数据对研究船舶交通流和交通行为具有重要意义.然而通信链路及卫星定位信号等方面的干扰,导致AIS轨迹含有较多的噪声数据,严重影响了数据分析和数据挖掘的质量.根据船舶运动规律,研究得出一种基于位置可达域的船舶轨迹噪声数据去除方法.通过计算某时刻船舶运动的所有可能状态,估计船舶下一时刻位置可达的范围作为可达域判别条件,并利用滑动窗口对船舶AIS轨迹点进行滚动处理,将不满足可达域判别条件的点作为噪声点进行滤除,形成轨迹去噪算法流程.选取含有噪声的真实AIS轨迹数据进行方法验证,并与当前常用的轨迹去噪方法进行对比分析.相比于速度阈值法和基于密度的聚类算法,所提出的方法在召回率上分别提升了27.22%和23.14%,在F1指标上分别提升了14.31%和24.03%,说明算法对噪声点的识别较为准确,并能有效针对不同类型噪声进行处理.同时,通过多次重复试验和时间复杂度分析,验证该算法不仅满足海量AIS数据的离线去噪需求,还可用于轨迹在线去噪,满足实时应用的需要. 相似文献
2.
当桥梁进行状态评估和健康监测时,所获得的桥梁信号易受外部环境的干扰,难以反映桥梁结构的真实响应。针对桥梁信号夹杂环境噪声等问题,提出了基于联合天鹰算法(Aquila Optimizer, AO)、变分模态分解(Variational Mode Decomposition, VMD)和小波阈值的去噪方法。该方法首先利用AO算法优化VMD的参数,然后用VMD对含噪声的信号进行自适应分解,再去除方差贡献率较小的模态,最后对剩余的模态进行小波阈值去噪处理,重构信号得到去噪后的真实信号。对模拟信号和桥梁动应变的实测信号分别进行分析,结果表明:基于AO算法优化VMD参数联合小波阈值的去噪方法能有效滤除噪声信号,且去噪效果优于单一的小波阈值去噪、EMD联合小波阈值去噪以及EEMD联合小波阈值去噪等常用的去噪方法,研究成果可为桥梁信号的去噪处理提供有意义的参考。 相似文献
3.
在对桥梁进行健康监测的过程中,桥梁振动信号易受外部环境干扰而产生噪声,影响桥梁真实振动数据的获取与分析.为了减少噪声带来的影响,提出一种基于经验模态分解法(EMD)与小波阈值的混合去噪方法.该方法先通过EMD分解信号获得高频固有模态函数(IMF)分量,然后选取IMF分量使用小波阈值去噪,最后重构IMF分量获得去噪后的信号.结果 表明,基于EMD和小波阈值混合去噪能有效地滤除干扰噪声信号,且去噪效果优于单一的EMD分解去噪法和小波阈值去噪法.这一结果为桥梁振动信号的去噪处理提供了有意义的参考. 相似文献
4.
5.
如何去除噪声且不损失有效信号是地震数据处理中的一个重难点。实验将一种Curvelet自适应阈值去噪法应用到地震数据处理中,Curvelet变换系数由自适应阈值约束,经阈值函数映射得到估计系数,最后对所得的估计系数进行逆变换,实现地震数据去噪,有效提高地震数据信噪比。模型和实际数据处理结果表明,Curvelet自适应阈值去噪法较好地压制了噪声的同时保护有效信号,克服了F-X域滤波产生新噪声的缺陷,取得了较好去噪效果。 相似文献
6.
7.
基于滑坡的变形监测数据,首先探讨了小波去噪过程中各参数对去噪效果的影响规律,选取最优的小波去噪数据作为趋势项序列和误差项序列的分解依据,再利用BP神经网络和RBF神经网络对两序列进行预测,并与传统预测进行对比分析,最后对组合预测的效果进行探讨研究。结果表明:在滑坡变形数据的去噪过程中,以采用sym 4小波函数、固定式阈值、硬阈值选取阈值和7层小波分解时的去噪效果最好,并由后期预测结果可知其分项预测的效果要优于传统单项预测的效果,且线性组合预测对误差精度的提高有限,而非线性组合预测对误差精度的提高较大。通过上述研究,为滑坡的变形组合预测研究提供了一种良好的方法。 相似文献
8.
9.
不同的交通信息采集方式由于其硬件和采集条件的不同,数据的适用范围和准确性也不同。在短时交通预测中,对于来自于不同检测器的交通流数据进行融合,并在数据融合的基础上进行区间速度的预测,可以有效地改善预测结果的准确性和可靠性。文中提出一种基于卡尔曼滤波的数据融合和区间速度预测方法。在对数据进行预处理和交通状态划分的基础上,根据不同的交通状态,进行多源交通数据融合和区间速度的预测。研究确定了卡尔曼滤波方法中的各个参数,并使用人工神经网络的方法求解状态转移矩阵。算法验证结果表明,速度预测的精度在90%以上。 相似文献
10.
基于小波消噪的ARIMA与SVM组合交通流预测 总被引:5,自引:2,他引:3
针对实际交通系统时变复杂和变化的不确定性所带来的交通流量非线性和强干扰性的特征,首先应用小波分析方法,对原始交通数据进行了消噪处理,使消噪后的数据更能反映交通流的本质及变化规律;然后采用自回归求和滑动平均(ARIMA)和支持向量机(SVM)的结合预测模型对交通流进行了预测,最后用实测交通数据进行了验证分析,得到了两个结论:一是组合预测模型比单个预测模型的预测精度高;二是小波分析消噪后的组合预测模型比没有消噪的组合预测模型预测精度高.结果表明消噪后的组合预测模型具有较高的预测精度,可用于交通流的实时动态预测. 相似文献
11.
12.
13.
14.
为提高车辆状态参数估计的精度和可靠性,提出一种基于二分法的车辆状态参数融合估计方法。首先,设计了基于车辆3自由度动力学模型的扩展卡尔曼滤波算法和由数据驱动的径向基神经网络车辆状态参数估计算法。然后,为了进一步提高估计算法的可靠性和减小单一算法的估计误差,提出将模型驱动的估计算法和数据驱动的估计算法相补偿的融合估计方法,基于二分法设置扩展卡尔曼滤波和径向基神经网络估计结果的权重,利用估计算法的融合提高估计精度。最后通过MATLAB/Simulink与CarSim的联合仿真和实车在环试验对该融合方法的有效性进行了验证。结果表明,估计结果变化趋势与实际相符,所提出的融合算法的估计精度比单一扩展卡尔曼滤波算法和径向基神经网络算法有明显的提升。 相似文献
15.
16.
《公路交通科技》2018,(11)
交通结构物发生微形变会直接影响到结构物的整体安全和使用寿命,有效的监测可以起到及时维护的作用。基于调频连续波(FMCW)雷达的交通结构物微形变监测系统具有不受气候条件的影响,精度高的优点。基于FMCW雷达的交通结构物微形变的监测系统,回波差频信号的频率估计是实现结构物形变监测的关键。针对回波差频信号存在噪声的问题,小波阈值去噪后,联合快速傅里叶变换(FFT)和线性调频Z变换(Chirp Z-transform,CZT)算法,可以做到对频率快速高精度的估计。仿真结果表明该方法可以将噪声抑制和高精度频率估计有机结合在一起,实现对回波差频信号频率的高精度估计。 相似文献
17.
18.
19.
《筑路机械与施工机械化》2019,(11)
为提高高速公路路基沉降预测的可靠性,构建了一种基于小波Kalman滤波的Elman神经网络与支持向量机的路基变形预测组合模型。该方法既融合了小波多尺度特性体现的优异信噪分离性能和Kalman滤波能提炼出测量信息最优估计值的严密递推算法,又涵括了Elman神经网络与支持向量机对非线性数据的强大泛化能力和拟合功能。结果表明:在高速公路路基工程实例中,该模型预测的沉降值误差控制在1%以下,验证了其在中长期路基沉降预测中的效用。 相似文献
20.
搭建了针对车轮轮速信号的卡尔曼滤波器,分析了不准确的观测噪声统计特征对该卡尔曼滤波器性能的影响,在此基础上利用小波变换事先估计出了轮速信号的噪声方差值。试验结果表明,该估计算法能适应轮速信号噪声方差的变化,且计算量小,解决了在未知观测噪声条件下卡尔曼滤波的失效问题。 相似文献