基于集合经验模态分解和奇异值分解的激光雷达信号去噪 | |
程知1; 何枫1; 靖旭1; 张巳龙1; 侯再红1 | |
刊名 | 光子学报
![]() |
2017 | |
卷号 | 046 |
关键词 | 大气湍流 去噪 集合经验模态分解 奇异值分解 激光雷达 |
ISSN号 | 1004-4213 |
其他题名 | Denoising Lidar Signal Based on Ensemble Empirical Mode Decomposition and Singular Value Decomposition |
英文摘要 | 为了提高差分光柱像运动激光雷达(DCIM雷达)探测信噪比,提出了一种基于集合经验模态分解(EEMD)和奇异值分解(SVD)的混合降噪法.由EEMD获得含噪信号多层模态分量,根据各模态分量之间互相关系数的差分量确定主要噪声并予以滤除,利用奇异值分解识别模态分量中的残余噪声并提取有用信号.利用混合降噪法EEMD-SVD和EEMD方法分别对模拟仿真信号和实测激光雷达信号进行降噪处理.结果表明,当模拟噪声标准差在0.05~0.2之间时,相比与未降噪直接反演的湍流廓线,EEMD-SVD方法降噪后反演的湍流廓线信噪比提高了2.718 7dB~6.921 5dB,相应的EEMD方法提高了1.446 1dB~3.366 1dB;两个不同时段DCIM雷达降噪前后反演廓线与探空廓线的对比发现,EEMD-SVD和EEMD两种方法降噪后反演廓线较之于未降噪的反演廓线,信噪比最大提高了2.526 5dB和2.155 6dB.EEMD-SVD的降噪效果优于EEMD,能够更有效地识别和滤除噪声,较大地提高了原始信号的信噪比,获得更准确的大气湍流廓线反演结果. |
语种 | 中文 |
CSCD记录号 | CSCD:6116965 |
内容类型 | 期刊论文 |
源URL | [http://ir.hfcas.ac.cn:8080/handle/334002/53483] ![]() |
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,靖旭,等. 基于集合经验模态分解和奇异值分解的激光雷达信号去噪[J]. 光子学报,2017,046. |
APA | 程知,何枫,靖旭,张巳龙,&侯再红.(2017).基于集合经验模态分解和奇异值分解的激光雷达信号去噪.光子学报,046. |
MLA | 程知,et al."基于集合经验模态分解和奇异值分解的激光雷达信号去噪".光子学报 046(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