CN111307030A - 顾及有色噪声影响的gb-rar高铁桥梁形变信息估计模型 - Google Patents
顾及有色噪声影响的gb-rar高铁桥梁形变信息估计模型 Download PDFInfo
- Publication number
- CN111307030A CN111307030A CN202010216563.XA CN202010216563A CN111307030A CN 111307030 A CN111307030 A CN 111307030A CN 202010216563 A CN202010216563 A CN 202010216563A CN 111307030 A CN111307030 A CN 111307030A
- Authority
- CN
- China
- Prior art keywords
- rar
- speed railway
- railway bridge
- estimation model
- noise
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B7/00—Measuring arrangements characterised by the use of electric or magnetic techniques
- G01B7/16—Measuring arrangements characterised by the use of electric or magnetic techniques for measuring the deformation in a solid, e.g. by resistance strain gauge
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/9021—SAR image post-processing techniques
- G01S13/9023—SAR image post-processing techniques combined with interferometric techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/06—Systems determining position data of a target
- G01S13/08—Systems for measuring distance only
- G01S13/10—Systems for measuring distance only using transmission of interrupted, pulse modulated waves
- G01S13/103—Systems for measuring distance only using transmission of interrupted, pulse modulated waves particularities of the measurement of the distance
Abstract
本发明公开了一种顾及有色噪声影响的GB‑RAR高铁桥梁形变信息估计模型,获取第一时刻和第二时刻对应的2景地基雷达影像中的相位值,并对所述地基雷达影像进行干涉,得到干涉相位,去除大气相位分量和所述随机噪声相位后,得到雷达视线向形变量,获取白色噪声和有色噪声的振幅,并结合沉降速率,得到所述目标物的沉降时间序列和随机模型,利用小波分析法对所述沉降时间序列进行降噪处理,并采用极大似然法对所述沉降时间序列进行分析,对得到联合概率密度表达式进行取对数处理后,调整有色噪声的谱指数,对得到的设定似然值利用加权最小二乘估计法处理后,得到GB‑RAR高铁桥梁形变信息估计模型,提高铁路桥梁监测评估的准确度。
Description
技术领域
本发明涉及铁路桥梁的变形监测与分析技术领域,尤其涉及一种顾及有色噪声影响的GB-RAR高铁桥梁形变信息估计模型。
背景技术
高速铁路桥梁的变形监测与分析,对其早期评估安全性并采取有效的保护措施具有重要意义。测量方式包括水准测量、GNSS、传感器测量和加速度测量等,InSAR作为一种非接触式测量方法,然而,由于与InSAR技术卫星平台有关的限制因素(如低时间分辨率、几何畸变等),该技术难以实现桥梁的高精度动态变形监测,为了克服星载InSAR的缺点,提出了地基雷达干涉测量技术,该技术可以实时监测距离雷达传感器几千米范围内的监测对象视线向非常小的变形。其中,GB-RAR技术具有测量高精度、数据采样频率高以及可以在多个点上同时获得响应等优势。此外,根据监测要求,可为待监测桥梁选择最有利的监测方位来安装地基干涉雷达。自GB-RAR技术提出以来,该技术已被广泛用于桥梁的变形监测与分析,然而,大多数以前的研究通常假设形变时间序列中仅存在白噪声,但在从地基干涉雷达高频数据中提取变形信息时,雷达信号中会同时存在与时间无关的白噪声和与时间相关的有色噪声。针对地基干涉雷达采用高频模式监测形变时,雷达信号会同时受白噪声与有色噪声影响,降低对铁路桥梁监测评估的准确度。
发明内容
本发明的目的在于提供一种顾及有色噪声影响的GB-RAR高铁桥梁形变信息估计模型,提高对铁路桥梁监测评估的准确度。
为实现上述目的,本发明提供了一种顾及有色噪声影响的GB-RAR高铁桥梁形变信息估计模型,包括:
获取雷达与目标物之间的相位信息,并利用干涉测量技术计算出位移变化量;
获取所述目标物的沉降时间序列,并利用极大似然法进行计算,得到GB-RAR高铁桥梁形变信息估计模型。
其中,所述获取雷达与目标物之间的相位信息,并利用干涉测量技术计算出位移变化量,包括:
获取第一时刻和第二时刻对应的2景地基雷达影像中的第一相位值和第二相位值,并结合雷达信号波长、几何距离、相移分量、大气相移分量和随机噪声相位对2景所述地基雷达影像进行干涉,得到干涉相位。
其中,所述获取雷达与目标物之间的相位信息,并利用干涉测量技术计算出位移变化量,还包括:
基于常数的所述相移分量,去除所述大气相位分量和所述随机噪声相位后,得到雷达视线向形变量。
其中,所述获取所述目标物的沉降时间序列,并利用极大似然法进行计算,得到GB-RAR高铁桥梁形变信息估计模型,包括:
基于任一时刻的所述地基雷达影像,获取白色噪声和有色噪声的振幅,并结合沉降速率,得到所述目标物的沉降时间序列和随机模型。
其中,所述所述获取所述目标物的沉降时间序列,并利用极大似然法进行计算,得到GB-RAR高铁桥梁形变信息估计模型,还包括:
利用小波分析法对所述沉降时间序列进行降噪处理,并采用极大似然法对所述沉降时间序列进行分析,得到所述沉降时间序列的残差序列,结合所述随机模型,得到联合概率密度表达式。
其中,所述获取所述目标物的沉降时间序列,并利用极大似然法进行计算,得到GB-RAR高铁桥梁形变信息估计模型,还包括:
对所述联合概率密度表达式两边同时取对数,调整有色噪声的谱指数,得到设定似然值,同时利用加权最小二乘估计法得到参数估值,进而得到GB-RAR高铁桥梁形变信息估计模型。
本发明的一种顾及有色噪声影响的GB-RAR高铁桥梁形变信息估计模型,获取第一时刻和第二时刻对应的2景地基雷达影像中的相位值,并结合雷达信号波长、几何距离、相移分量和随机噪声相位对2景所述地基雷达影像进行干涉,得到干涉相位,基于常数的所述相移分量,去除大气相位分量和所述随机噪声相位后,得到雷达视线向形变量,获取白色噪声和有色噪声的振幅,并结合沉降速率,得到所述目标物的沉降时间序列和随机模型,利用小波分析法对所述沉降时间序列进行降噪处理,并采用极大似然法对所述沉降时间序列进行分析,对得到联合概率密度表达式进行取对数处理后,调整有色噪声的谱指数,对得到的设定似然值利用加权最小二乘估计法处理后,得到GB-RAR高铁桥梁形变信息估计模型,提高铁路桥梁监测评估的准确度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明提供的一种顾及有色噪声影响的GB-RAR高铁桥梁形变信息估计模型的步骤示意图。
图2是本发明提供的东湖高新大桥的监测示意简图。
图3是本发明提供的雷达视线向东湖高新大桥强度图。
图4是本发明提供的基于GB-RAR获取的7号桥墩的沉降时间序列。
图5是本发明提供的基于GB-RAR获取的8号桥墩的沉降时间序列
图6是本发明提供的水准测量与GB-RAR结果对比图。
图7是本发明提供的7号号桥墩沉降时间序列的功率谱密度分析图。
图8是本发明提供的8号桥墩沉降时间序列的功率谱密度分析图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
请参阅图1,本发明提供一种顾及有色噪声影响的GB-RAR高铁桥梁形变信息估计模型,包括:
S101、获取雷达与目标物之间的相位信息,并利用干涉测量技术计算出位移变化量。
具体的,获取第一时刻tA和第二时刻tB对应的2景地基雷达影像中的第一相位值φA和第二相位值φB,其中,tA>tB,并结合雷达信号波长λ、几何距离RA与RB、相移分量φscatter、大气相位φatm和随机噪声相位φnoise对2景所述地基雷达影像进行干涉,得到干涉相位ΔφBA:
式中λ为雷达信号的波长;RA与RB分别为tA与tB时刻雷达与目标物之间的几何距离;φscatter表示微波与监测目标之间发生相互作用而产生的相移;φatm为大气扰动影响而产生的相位;φnoise为随机噪声相位。
基于常数的所述相移分量φscatter,去除大气相位分量φatm和所述随机噪声相位后φnoise,得到雷达视线向形变量。
假设tA与tB时刻获取的雷达影像的相移分量φscatter均保持常数,则式(1)可以简化为:
其中,dLOS=RB-RA为目标物tA与tB时刻之间在雷达视线向发生的位移变化量。当去除了由大气效应产生的相位分量(φatm,B-φatm,A)和噪声相位分量φnoise后,即可求得雷达视线向发生的形变为:
其中,Δφ'BA为去除大气效应相位分量与其他相应噪声相位误差后tA与tB时刻之间雷达影像的干涉相位。依据雷达监测夹角即可求解出目标监测点的垂直形变。
S102、获取所述目标物的沉降时间序列,并利用极大似然法进行计算,得到GB-RAR高铁桥梁形变信息估计模型。
具体的,由于受多种因素(如与GB-RAR技术相关的系统误差)的影响,基于GB-RAR获取的沉降时间序列中可能含有有色噪声。在分析沉降时间序列时,仅考虑白噪声将会影响沉降速度的不确定度的准确估计。因此,有必要分析沉降时间序列的噪声性质。基于任一时刻的所述地基雷达影像,获取白色噪声和有色噪声的振幅,并结合沉降速率,得到所述目标物的沉降时间序列和随机模型,则监测点的沉降模型可以表示为:
其中,σw与σk分别为白噪声和谱指数为K的有色噪声的振幅。
则式(4)的矩阵形式和随机模型可以表示如下:
y=Ax+ε (6)
式中,A是设计矩阵,ε是误差,D(y)=Qy表示协方差矩阵,I为单位矩阵,QK表示有色噪声的协方差矩阵。
然后利用小波分析法对所述沉降时间序列进行降噪处理,并采用极大似然法对所述沉降时间序列进行分析,得到所述沉降时间序列的残差序列,在白噪声+幂律噪声组合模型下,采用MLE准则(极大似然法)分析沉降序列,确定序列中各噪声振幅的估值,使得沉降序列的残差和其协方差的联合概率密度值达到最大。结合所述随机模型,得到联合概率密度表达式,
式中det表示矩阵的行列式,N为时间序列中的数据个数。
对所述联合概率密度表达式两边同时取对数,则所述联合概率密度表达式等价于:
调整有色噪声的谱指数K,得到设定似然值,即最大似然值,同时利用加权最小二乘估计法得到参数估值,进而得到GB-RAR高铁桥梁形变信息估计模型,提高铁路桥梁监测评估的准确度。
举例来说,东湖高新大桥是武汉-广州高速铁路线上的一座桥梁,该桥位于武汉市东湖新技术开发区。东湖高新大桥横跨高新大道和在建武汉市地铁11号线,如图2所示。该桥为32.6m跨简支梁桥,大桥的总长为293.4m,共10个桥墩。大桥的桩顶距地面约2.5m,7号与8号桥墩每个墩台由8根直径1m的钻孔桩组成,桩长分别为18.5m和19.0m,隧道底部分别低于桥桩1.0m和0.5m,7号与8号桥墩的桥桩与地铁区间结构水平距离分别为10.2m与13.5m。自2016年11月17日至18日期间,武汉市地铁11号线盾构隧道下穿东湖高新大桥。武汉市地铁11号线为武汉市首条穿越高铁的地铁线路,同时也是全国首条盾构隧道下穿时速300公里高铁的地铁。为确保盾构掘进机安全稳定地穿越东湖高新大桥,在地铁隧道穿越期间,运行中的高铁列车经过施工路段时,时速限速至120km/h。
图3显示了IBIS-S干涉雷达视线向的强度图。由图3可以看出,在雷达监测范围内出现多处峰值,且这些峰值对应于具有良好电磁反射率的监测点(如桥墩)的位置。为评估盾构隧道下穿东湖高新大桥期间,该桥的安全状态,监测并分析了7号和8号桥墩的沉降时间序列和沉降速率。7号和8号桥墩的热信噪比(signal-to-noise ratios,SNR)分别为71.5和54.2dB,这表明所监测的桥墩的相位稳定性较高。
由于GB-RAR技术获取的是视线向形变量,本文采用几何投影方法来获得桥墩的沉降量(即视线向形变的垂直形变分量)。由于东湖高新大桥是一座重要的高速铁路桥,在监测期间每10分钟就有一列火车高速通过该桥。因此,桥墩同时受到高铁列车运行的垂直荷载和盾构掘进机产生的振动的影响。此外,大气变化和其他随机噪声对雷达信号也存在影响。由于上述原因,基于GB-RAR技术获取的沉降观测值序列受多方面噪声影响严重,本文采用sym4小波对获得的沉降时间序列进行降噪处理。
图4和图5显示了基于GB-RAR技术获取的7号与8号桥墩的沉降时间序列,在监测期间它们的沉降变化基本在1mm以内。由于盾构掘进机从7号和8号桥墩之间下穿(如图2),故盾构掘进机产生的振动对7号和8号桥墩的形变监测会产生一定影响。此外,雷达信号中的噪声随雷达监测距离的增加会增大。由于存在上述原因的影响,采用小波分析方法对7号和8号桥墩的沉降时间序列进行降噪处理。小波去噪之后7号和8号桥墩沉降时间序列的信噪比分别从9.7/4.4提高到19.5/9.6,同时沉降时间序列的变化规律呈现得更为清晰。7号和8号桥墩的沉降时间序列呈非线性下降的趋势。基于GB-RAR技术获取的7号和8号桥墩的沉降时间序列的标准偏差分别为0.19mm和0.18mm。总体而言,GB-RAR技术的沉降监测精度高,采用小波分析算法去噪后的7号和8号桥墩的沉降时间序列中均被探测到同时存在白噪声和有色噪声,且根据7号和8号桥墩沉降时间序列估算出各序列有色噪声谱指数均约为-1。
为了验证基于GB-RAR技术获得的沉降时间序列结果的可靠性,本节对比分析了水准测量结果与基于GB-RAR获得的结果。考虑到GB-RAR获取的是高频雷达数据,而水准测量的采样时间间隔是2小时,故在进行对比分析之前需对数据进行如下处理:1)选择两种方法时间相互重叠的监测数据;2)从基于GB-RAR获得的沉降时间序列中提取出与水准测量采样时间相同的沉降量。
图6a与图6b分别显示了7号和8号桥墩的沉降时间序列,由这些结果图可以看出通过水准测量和GB-RAR技术获得的结果具有良好的一致性,在地铁11号线盾构隧道下穿大桥期间,7号和8号桥墩的沉降呈现出轻微的下降趋势。图6c与图6d显示了GB-RAR结果相对于水准测量结果的残差分布,残差基本分布在-0.5mm至0.5mm范围内,由GB-RAR技术和水准测量获得的沉降时间序列的具有较好的一致性。对两种方法的差值进行了统计分析,对于7号桥墩,GB-RAR结果与水准测量结果的平均误差为-0.05mm,均方根误差为0.20mm,最大偏差为0.40mm,最小偏差为0.01mm;而8号桥墩的平均误差、均方根误差、最大偏差和最小偏差分别为-0.12mm、0.27mm、0.55mm和0.01mm。综上所述,GB-RAR技术获得的沉降结果与水准测量结果吻合得较好;此外,GB-RAR技术和水准测量均可以满足地铁11号线盾构隧道下穿东湖高新大桥期间对该桥的安全监测要求。
事实上,由于各种因素(如系统误差)的影响,时间相关噪声(即有色噪声)可能存在于沉降时间序列中。为了获得准确的沉降速率估值及其不确定度,并分析噪声对沉降速率不确定度估计的影响,本节采用周期图法分析沉降时间序列的功率谱密度,结果如图7和图8所示。7号和8号桥墩接近施工隧道,因此,噪声对7号和8号桥墩沉降时间序列的影响较大。从图7可以看出红色和黑色曲线的斜率明显不等于零,这表明在在7号和8号桥墩的沉降时间序列中同时存在有色噪声;此外,基于本文模型估计出7号和8号桥墩的沉降时间序列的有色噪声谱指数均约为-1,表明该有色噪声为闪烁噪声。
利用7号与8号桥墩的沉降数据通过MLE(极大似然法)估计白噪声和有色噪声的振幅,建立了顾及有色噪声影响的GB-RAR形变信息估计模型,以准确估计桥墩的沉降速率和不确定度,然后依据监测时间跨度计算出各桥墩的沉降量,为桥梁的安全评估提供可靠的数据支撑。
表1列出了监测过程中不同时间跨度(即2016.11.17、2016.11.18、2016.11.17-2016.11.18)顾及有色噪声影响的GB-RAR形变信息估计模型、未顾及有色噪声影响的GB-RAR形变信息估计模型和水准测量方法7号与8号桥墩的沉降速率与不确定度的估计结果。从表1中可看出7号与8号桥墩2016年11月17日的沉降比18日严重,这可能与11月18日盾构掘进机尾部逐渐离开东湖高新大桥投影区有关。在地铁11号线盾构隧道穿过桥梁核心保护区期间(即2016年11月17日至18日),利用顾及有色噪声影响的GB-RAR形变信息估计模型估计的7号和8号桥墩的沉降速率分别为-0.0112±0.0026mm/h和-0.0046±0.0053mm/h;基于水准测量数据获得的7号和8号桥墩的沉降速率分别为-0.0107±0.0110mm/h和-0.0089±0.0641mm/h,两种方法的结果吻合较好。对比顾及有色噪声前后沉降速率估计结果可以看出,在仅考虑白噪声情况下,沉降速率的不确定度较小,几乎可以忽略。这说明如果忽略了有色噪声对沉降序列的影响,获得的沉降速率的精度过于乐观。对比三种方法结果可以发现,顾及有色噪声影响之后,GB-RAR形变信息估计模型估计的结果更准确。依据盾构隧道下穿大桥过程中的监测时间跨度计算桥墩的累计沉降量,顾及有色噪声影响的GB-RAR形变信息估计模型估计的7号和8号桥墩的累计沉降量分别为-0.40mm和-0.16mm;而采用水准测量方法获得的7号和8号桥墩的累计沉降量分别为-0.39mm和-0.32mm。7号桥墩比8号桥墩更靠近地铁隧道,这可能是7号桥墩累计沉降量大于8号桥墩的主要原因之一。综上所述,在地铁11号线盾构隧道下穿东湖高新大桥期间,7号和8号桥墩的沉降速率较小,且两桥墩的累计沉降量均在1mm以内,满足中国铁路总公司的安全评估要求:在盾构隧道下穿东湖高新大桥过程中,东湖高新大桥桥墩的累计沉降形变控制在1mm以内。
表1三种方法桥墩的沉降速率与不确定度
本发明的一种顾及有色噪声影响的GB-RAR高铁桥梁形变信息估计模型,获取第一时刻和第二时刻对应的2景地基雷达影像中的相位值,并结合雷达信号波长、几何距离、相移分量和随机噪声相位对2景所述地基雷达影像进行干涉,得到干涉相位,基于常数的所述相移分量,去除大气相位分量和所述随机噪声相位后,得到雷达视线向形变量,获取白色噪声和有色噪声的振幅,并结合沉降速率,得到所述目标物的沉降时间序列和随机模型,利用小波分析法对所述沉降时间序列进行降噪处理,并采用极大似然法对所述沉降时间序列进行分析,对得到联合概率密度表达式进行取对数处理后,调整有色噪声的谱指数,对得到的设定似然值利用加权最小二乘估计法处理后,得到GB-RAR高铁桥梁形变信息估计模型,提高铁路桥梁监测评估的准确度。
以上所揭露的仅为本发明一种较佳实施例而已,当然不能以此来限定本发明之权利范围,本领域普通技术人员可以理解实现上述实施例的全部或部分流程,并依本发明权利要求所作的等同变化,仍属于发明所涵盖的范围。
Claims (6)
1.一种顾及有色噪声影响的GB-RAR高铁桥梁形变信息估计模型,其特征在于,包括:
获取雷达与目标物之间的相位信息,并利用干涉测量技术计算出位移变化量;
获取所述目标物的沉降时间序列,并利用极大似然法进行计算,得到GB-RAR高铁桥梁形变信息估计模型。
2.如权利要求1所述的一种顾及有色噪声影响的GB-RAR高铁桥梁形变信息估计模型,其特征在于,所述获取雷达与目标物之间的相位信息,并利用干涉测量技术计算出位移变化量,包括:
获取第一时刻和第二时刻对应的2景地基雷达影像中的第一相位值和第二相位值,并结合雷达信号波长、几何距离、相移分量、大气相移分量和随机噪声相位对2景所述地基雷达影像进行干涉,得到干涉相位。
3.如权利要求2所述的一种顾及有色噪声影响的GB-RAR高铁桥梁形变信息估计模型,其特征在于,所述获取雷达与目标物之间的相位信息,并利用干涉测量技术计算出位移变化量,还包括:
基于常数的所述相移分量,去除所述大气相位分量和所述随机噪声相位后,得到雷达视线向形变量。
4.如权利要求3所述的一种顾及有色噪声影响的GB-RAR高铁桥梁形变信息估计模型,其特征在于,所述获取所述目标物的沉降时间序列,并利用极大似然法进行计算,得到GB-RAR高铁桥梁形变信息估计模型,包括:
基于任一时刻的所述地基雷达影像,获取白色噪声和有色噪声的振幅,并结合沉降速率,得到所述目标物的沉降时间序列和随机模型。
5.如权利要求4所述的一种顾及有色噪声影响的GB-RAR高铁桥梁形变信息估计模型,其特征在于,所述获取所述目标物的沉降时间序列,并利用极大似然法进行计算,得到GB-RAR高铁桥梁形变信息估计模型,还包括:
利用小波分析法对所述沉降时间序列进行降噪处理,并采用极大似然法对所述沉降时间序列进行分析,得到所述沉降时间序列的残差序列,结合所述随机模型,得到联合概率密度表达式。
6.如权利要求5所述的一种顾及有色噪声影响的GB-RAR高铁桥梁形变信息估计模型,其特征在于,所述获取所述目标物的沉降时间序列,并利用极大似然法进行计算,得到GB-RAR高铁桥梁形变信息估计模型,还包括:
对所述联合概率密度表达式两边同时取对数,调整有色噪声的谱指数,得到设定似然值,同时利用加权最小二乘估计法得到参数估值,进而得到GB-RAR高铁桥梁形变信息估计模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010216563.XA CN111307030A (zh) | 2020-03-25 | 2020-03-25 | 顾及有色噪声影响的gb-rar高铁桥梁形变信息估计模型 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010216563.XA CN111307030A (zh) | 2020-03-25 | 2020-03-25 | 顾及有色噪声影响的gb-rar高铁桥梁形变信息估计模型 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111307030A true CN111307030A (zh) | 2020-06-19 |
Family
ID=71151472
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010216563.XA Pending CN111307030A (zh) | 2020-03-25 | 2020-03-25 | 顾及有色噪声影响的gb-rar高铁桥梁形变信息估计模型 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111307030A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112069577A (zh) * | 2020-08-31 | 2020-12-11 | 中铁第四勘察设计院集团有限公司 | 桥梁形变周期振幅确定方法、装置、电子设备和存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN206248829U (zh) * | 2016-12-15 | 2017-06-13 | 长沙理工大学 | 一种基于地基合成孔径雷达遥感技术的路域滑坡监测装置 |
CN110244302A (zh) * | 2019-07-05 | 2019-09-17 | 苏州科技大学 | 地基合成孔径雷达影像像元坐标三维变换方法 |
WO2019187061A1 (ja) * | 2018-03-30 | 2019-10-03 | 三菱電機株式会社 | レーダ画像処理装置及びレーダ画像処理方法 |
-
2020
- 2020-03-25 CN CN202010216563.XA patent/CN111307030A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN206248829U (zh) * | 2016-12-15 | 2017-06-13 | 长沙理工大学 | 一种基于地基合成孔径雷达遥感技术的路域滑坡监测装置 |
WO2019187061A1 (ja) * | 2018-03-30 | 2019-10-03 | 三菱電機株式会社 | レーダ画像処理装置及びレーダ画像処理方法 |
CN110244302A (zh) * | 2019-07-05 | 2019-09-17 | 苏州科技大学 | 地基合成孔径雷达影像像元坐标三维变换方法 |
Non-Patent Citations (2)
Title |
---|
LV ZHOU 等: "Subsidence analysis of ELH Bridge through ground-based interferometric radar during the crossing of a subway shield tunnel underneath the bridge", 《INTERNATIONAL JOURNAL OF REMOTE SENSING》 * |
李兵权: "基于地基真实孔径雷达的边坡动态监测研究与应用", 《武汉大学学报 信息科学版》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112069577A (zh) * | 2020-08-31 | 2020-12-11 | 中铁第四勘察设计院集团有限公司 | 桥梁形变周期振幅确定方法、装置、电子设备和存储介质 |
CN112069577B (zh) * | 2020-08-31 | 2022-05-13 | 中铁第四勘察设计院集团有限公司 | 桥梁形变周期振幅确定方法、装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6543863B2 (ja) | 鉄道橋の構造性能調査方法 | |
Yang et al. | Using a single-DOF test vehicle to simultaneously retrieve the first few frequencies and damping ratios of the bridge | |
CN108573224B (zh) | 一种利用单传感器信息的移动重构主成分的桥梁结构损伤定位方法 | |
Kaloop et al. | Time-series analysis of GPS measurements for long-span bridge movements using wavelet and model prediction techniques | |
CN112985639B (zh) | 基于去啁啾和时域子啁啾脉冲提取的分布式光纤传感方法 | |
CN107243511A (zh) | 冷轧带钢表面粗糙度在线检测设备及其回归平滑自适应滤波方法 | |
CN104880172A (zh) | 基于卡尔曼滤波的路面平整度测量方法及装置 | |
CN103412137B (zh) | 旋转因子中和测速方法和装置 | |
CN108108568B (zh) | 剔除温度影响桥梁结构在线安全监测低频采样指标的方法 | |
CN111307030A (zh) | 顾及有色噪声影响的gb-rar高铁桥梁形变信息估计模型 | |
CN108549847A (zh) | 一种无基准数据条件下的梁式结构裂缝损伤识别方法 | |
CN109029541B (zh) | 轨道波磨检测方法 | |
CN112798142A (zh) | 基于贝叶斯更新和随机模拟的布里渊光纤传感器应变与温度两阶段快速识别方法 | |
CN110333506B (zh) | 一种提取索力测量雷达的拉索位置参数的方法 | |
Liu et al. | Two-level W-ESMD denoising for dynamic deflection measurement of railway bridges by microwave interferometry | |
CN102096910A (zh) | 用于二维相位展开的加权梯度质量图获取方法 | |
Arjomandi et al. | Monitoring time in operational modal tests with broad and narrow band excitations | |
Lin et al. | Damage detection of structures with detrended fluctuation and detrended cross-correlation analyses | |
CN116522085A (zh) | 一种全自动拉索频率提取、定阶和索力识别方法与应用 | |
CN116543317A (zh) | 一种用于无人机检测桥梁缆索振动频率的降噪方法 | |
CN115618686A (zh) | 一种基于行车平稳性的大跨度铁路桥梁刚度评估方法 | |
Shao et al. | High-speed railway bridge vibration measurement and analysis based on radar interferometry | |
CN113420362A (zh) | 一种适用于时变中小跨径桥梁的损伤识别方法及装置 | |
CN114717564A (zh) | 管道的阴极保护电位确定方法及装置 | |
CN111060160A (zh) | 一种基于gb-sar的高铁简支箱梁运营性能参数测试方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200619 |
|
RJ01 | Rejection of invention patent application after publication |