CN112835077A - 基于变分模态分解的卫星导航信噪比数据去趋势方法 - Google Patents
基于变分模态分解的卫星导航信噪比数据去趋势方法 Download PDFInfo
- Publication number
- CN112835077A CN112835077A CN202110023604.8A CN202110023604A CN112835077A CN 112835077 A CN112835077 A CN 112835077A CN 202110023604 A CN202110023604 A CN 202110023604A CN 112835077 A CN112835077 A CN 112835077A
- Authority
- CN
- China
- Prior art keywords
- satellite navigation
- component
- data
- imfi
- snr data
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000000354 decomposition reaction Methods 0.000 title claims abstract description 28
- 230000010355 oscillation Effects 0.000 abstract description 5
- 238000000605 extraction Methods 0.000 abstract description 3
- 238000011160 research Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
- G01S19/35—Constructional details or hardware or software details of the signal processing chain
- G01S19/37—Hardware or software details of the signal processing chain
-
- 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
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/40—Correcting position, velocity or attitude
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明提供一种基于变分模态分解的卫星导航信噪比数据去趋势方法,包括步骤:S1:利用变分模态分解方法对卫星导航SNR数据进行分解,初始化设定本征模态函数为一个非平稳的调幅调频信号,分解层数为k,分解可得到IMFi分量;S2:将分解后得到的各个IMFi分量的幅值与输入的卫星导航SNR数据进行比较,得到表征卫星导航SNR数据中趋势项特征的IMFt分量;S3:去除表征卫星导航SNR数据中趋势项的IMFt分量后对剩余的IMFi分量进行重构,得到去趋势后的SNR数据。本发明提出的一种基于变分模态分解的卫星导航信噪比数据去趋势方法,可有效去除SNR数据中的趋势项,实现信号中SNR振荡项的精确提取。
Description
技术领域
本发明涉及卫星导航信噪比数据去趋势方法领域,尤其涉及一种基于变分模态分解的卫星导航信噪比数据去趋势方法。
背景技术
全球导航卫星系统(GNSS)具有全天候测量、高分辨率、高精度、近实时的特点,广泛应用于授时、通信和定位等服务,在军事和经济等领域中发挥了重要作用。随着对GNSS的研究,人们发现GNSS反射的信号可用于探测地球表面环境,即GNSS-R技术。目前,GNSS-R技术已经广泛地应用于地表监测研究领域,主要应用包括海面高度、积雪厚度和土壤湿度监测等。
目前常用的基于GNSS-R技术进行地表监测的研究方法为利用大地测量型接收机接收到的卫星导航信噪比数据(SNR)进行分析。卫星信号在传播过程中,受接收机周围环境影响,产生了多径干扰效应,即卫星导航信号经过物体反射后被接收机的天线接收,并与同频率的直射信号会干涉成一个信号,通过建立不同的反演模型可反演出需要观测的物理量。通过研究发现,基于SNR数据反演地表参数时,影响反演结果的因素为干涉信号的幅值,信号幅值的平方即为信号的功率。因此,大地测量型接收机所接收到SNR数据可以表示为直射信号功率、多径信号功率以及由直射信号和多径信号干扰引起的SNR振荡项叠加而成,其中的直射信号功率和多径信号功率是直射和多径信号的非相干项,是一个上升趋势项,对反演结果毫无作用,需要采用适当的方法将趋势项去除。研究发现,对去除趋势项重构后的SNR数据进行Lomb Scargle Periodograms(LSP)谱变换等方法可以反演得到去趋势的SNR的频率以及对应的功率谱幅值等相关参数,通过建立发反演模型进一步可以得到海面高度、积雪厚度和土壤湿度等需要观测的物理量。目前,去除趋势项的方法较多,其中最经典的是最小二乘曲线拟合法,此外常用的还有滑动平均法、小波变换等方法,但这些方法一般都需提前确定拟合曲线的类型或设定阈值,在处理复杂多变的非平稳信号时有一定的限制。经验模态分解(EMD)方法虽然能够实现非平稳信号的自适应分解,无需考虑趋势项类型,但受到模态混叠和端点效应的影响,精度较低。
发明内容
针对上述现有技术中的不足,本发明提供一种基于变分模态分解的卫星导航信噪比数据去趋势方法,可有效去除SNR数据中的趋势项,实现SNR振荡项的精确提取,为该类问题的解决提供了一种可行的方法。
为了实现上述目的,本发明提供一种基于变分模态分解的卫星导航信噪比数据去趋势方法,包括步骤:
S1:利用变分模态分解方法对接收到的卫星导航SNR数据进行分解,初始化设定本征模态函数为一个非平稳的调幅调频信号,分解层数为k,分解可得到IMFi分量,计算每个所述IMFi分量的中心频率ωk;
S2:将分解后得到的各个所述IMFi分量的幅值与输入的所述卫星导航SNR数据进行比较,得到表征所述卫星导航SNR数据中趋势项特征的IMFt分量;
S3:去除表征所述卫星导航SNR数据中趋势项的所述IMFt分量后对剩余的所述IMFi分量进行重构,得到去趋势后的SNR数据。
优选地,所述本征模态函数满足公式(1):
优选地,所述S2步骤中,将分解后得到的各个所述IMFi分量的幅值与输入的所述卫星导航SNR数据进行比较,将所述IMFi分量中的低频分量且所述幅值与所述卫星导航SNR数据基本一致的所述IMFi分量作为所述IMFt分量。
本发明由于采用了以上技术方案,使其具有以下有益效果:
本发明提出的基于变分模态分解(VMD)的卫星导航信噪比数据去趋势方法,通过将原始信号分解成振荡分量和趋势项分量,可有效去除信号中的趋势项分量,实现原始信号中局部特征的精确提取,从而实现较高精度的地表参数反演。
附图说明
图1为本发明实施例的基于变分模态分解的卫星导航信噪比数据去趋势方法的流程图;
图2为本发明实施例的原始SNR数据图;
图3~图6为本发明实施例的对SNR数据进行VMD分解后得到的IMFi(i=1,2,...,k)分量图;
图7为基于最小二乘法去趋势得到的海面高度反演结果图;
图8为图7的验潮仪实测数据图;
图9为基于VMD去趋势得到的海面高度反演结果图;
图10为图9的验潮仪实测数据图。
具体实施方式
下面根据附图1~图10,给出本发明的较佳实施例,并予以详细描述,使能更好地理解本发明的功能、特点。
请参阅图1,本发明实施例的一种基于变分模态分解的卫星导航信噪比数据去趋势方法,包括步骤:
S1:利用变分模态分解方法对接收到的卫星导航SNR数据进行分解,初始化设定本征模态函数为一个非平稳的调幅调频信号,分解层数k为4,分解可得到IMFi(i=1,2,3,4)分量,计算每个IMFi分量的中心频率ωk;
本征模态函数满足公式(1):
此时可建立原始卫星导航SNR数据的变分约束模型:
式中,uk(t)为第k个模态分量;ωk为第k个模态分量的中心频率;δ(t)为单位脉冲函数;*为卷积符号;j为复数单位;
引入增广拉格朗日函数L,利用拉格朗日乘法算子λ和二次惩罚因子α,将问题转换为非约束性变分问题:
式中,α为二次惩罚因子;λ为拉格朗日乘法算子;<>为向量内积;
执行循环,n=n+1;
式中,x(t)为输入信号;
(4)对拉格朗日乘子λ进行更新,其表达式为:
(5)重复执行(2)~(4),直到满足迭代停止的条件:
S2:将分解后得到的各个IMFi分量的幅值与输入的卫星导航SNR数据进行比较,得到表征卫星导航SNR数据中趋势项特征的IMFt分量;
S3:去除表征卫星导航SNR数据中趋势项的IMFt分量后对剩余的IMFi分量进行重构,得到去趋势后的SNR数据。
请参阅图2,选取观测站2016年1月1号上的卫星观测信号进行分析,用VMD分解得到的一段SNR数据,结果如图3所示。图3中,水平轴表示为卫星的仰角值,纵轴为信号的幅值。从图3~图6中,可以很清楚的看到输入的SNR数据被分解成了具有不同频率、特征的固有模态函数分量。本实施例是将SNR数据分解成4个IMFi(i=1,2,3,4)分量,从图中可以看到IMF1分量、IMF2分量和IMF3分量都是高频振荡分量,而IMF4是一个具有上升趋势的趋势项分量,将IMF4分量的幅值与SNR数据进行对比,可以发现IMF4分量为低频分量并且幅值与SNR数据基本一致,因此选择IMF4分量作为SNR数据的趋势项的IMFt分量,将其去除然后重构得到去趋势后的SNR数据。
请参阅图7~图8,选取观测站2016年1月1号到2016年1月7号上的卫星观测信号进行分析,用最小二乘法对卫星仰角为5°-35°的SNR数据做去趋势处理,然后进行海面高度的反演,将反演结果与验潮站实测的海面高度进行对比,其中点表示最小二乘法反演得到的结果,曲线为验潮站的实测结果。实验结果表明,基于最小二乘法去趋势的反演结果标准差为7.75cm,相关系数为0.92。
请参阅图9~图10,选取同样的SNR数据用VMD分解的方法进行去趋势处理,然后进行海面高度的反演,将反演结果与验潮站实测的海面高度进行对比,其中点表示基于VMD去趋势后反演得到的结果,曲线为验潮站的实测结果。实验结果表明,基于VMD去趋势的反演结果标准差为4.05cm,相关系数为0.98,比最小二乘法得到的结果精度更高。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (3)
1.一种基于变分模态分解的卫星导航信噪比数据去趋势方法,包括步骤:
S1:利用变分模态分解方法对接收到的卫星导航SNR数据进行分解,初始化设定本征模态函数为一个非平稳的调幅调频信号,分解层数为k,分解可得到IMFi分量,计算每个所述的IMFi分量的中心频率ωk;
S2:将分解后得到的各个所述第一IMF分量的幅值与输入的所述卫星导航SNR数据进行比较,得到表征所述卫星导航SNR数据中趋势项特征的IMFt分量;
S3:去除表征所述卫星导航SNR数据中趋势项的所述IMFt分量后对剩余的所述IMFi分量进行重构,得到去趋势后的SNR数据。
3.根据权利要求1所述的基于变分模态分解的卫星导航信噪比数据去趋势方法,其特征在于,所述S2步骤中,将分解后得到的各个所述IMFi分量的幅值与输入的所述卫星导航SNR数据进行比较,将所述IMFi分量中的低频分量且所述幅值与所述卫星导航SNR数据基本一致的所述IMFi分量作为所述的IMFt分量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110023604.8A CN112835077B (zh) | 2021-01-08 | 2021-01-08 | 基于变分模态分解的卫星导航信噪比数据去趋势方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110023604.8A CN112835077B (zh) | 2021-01-08 | 2021-01-08 | 基于变分模态分解的卫星导航信噪比数据去趋势方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112835077A true CN112835077A (zh) | 2021-05-25 |
CN112835077B CN112835077B (zh) | 2023-10-24 |
Family
ID=75928767
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110023604.8A Active CN112835077B (zh) | 2021-01-08 | 2021-01-08 | 基于变分模态分解的卫星导航信噪比数据去趋势方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112835077B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114384565A (zh) * | 2022-03-24 | 2022-04-22 | 南京市计量监督检测院 | 一种基于vmd迭代分解的动态定位坐标序列异常值识别方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106291628A (zh) * | 2016-11-08 | 2017-01-04 | 上海海事大学 | 一种提取海面卫星导航反射信号的相干观测量的方法 |
CN107796484A (zh) * | 2017-01-11 | 2018-03-13 | 中南大学 | 一种基于北斗导航定位系统信噪比数据观测水位变化方法 |
CN108845306A (zh) * | 2018-07-05 | 2018-11-20 | 南京信息工程大学 | 基于变分模态分解的激光雷达回波信号去噪方法 |
CN108875170A (zh) * | 2018-06-05 | 2018-11-23 | 天津大学 | 一种基于改进变分模态分解的噪声源识别方法 |
CN110927829A (zh) * | 2019-11-28 | 2020-03-27 | 桂林理工大学 | 一种支持向量机辅助的gps信噪比雪深反演方法 |
-
2021
- 2021-01-08 CN CN202110023604.8A patent/CN112835077B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106291628A (zh) * | 2016-11-08 | 2017-01-04 | 上海海事大学 | 一种提取海面卫星导航反射信号的相干观测量的方法 |
CN107796484A (zh) * | 2017-01-11 | 2018-03-13 | 中南大学 | 一种基于北斗导航定位系统信噪比数据观测水位变化方法 |
CN108875170A (zh) * | 2018-06-05 | 2018-11-23 | 天津大学 | 一种基于改进变分模态分解的噪声源识别方法 |
CN108845306A (zh) * | 2018-07-05 | 2018-11-20 | 南京信息工程大学 | 基于变分模态分解的激光雷达回波信号去噪方法 |
CN110927829A (zh) * | 2019-11-28 | 2020-03-27 | 桂林理工大学 | 一种支持向量机辅助的gps信噪比雪深反演方法 |
Non-Patent Citations (2)
Title |
---|
王帅: "GNSS-R海面测高技术的国内外研究及未来展望", 《科技资讯》, no. 16, pages 2 * |
贾贝 等: "变分模态分解在爆破信号趋势项去除中的应用", 《爆炸与冲击》, vol. 40, no. 4, pages 2 - 5 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114384565A (zh) * | 2022-03-24 | 2022-04-22 | 南京市计量监督检测院 | 一种基于vmd迭代分解的动态定位坐标序列异常值识别方法 |
CN114384565B (zh) * | 2022-03-24 | 2022-05-31 | 南京市计量监督检测院 | 一种基于vmd迭代分解的动态定位坐标序列异常值识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112835077B (zh) | 2023-10-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102508206B (zh) | 基于小波包去噪和功率谱熵的线性调频信号参数估计方法 | |
CN106441288A (zh) | 一种加速度计的自适应小波降噪方法 | |
US8407020B1 (en) | Fast method to search for linear frequency-modulated signals | |
CN108594177A (zh) | 基于改进hht的雷达信号调制方式分析方法、信号处理系统 | |
WO2020240720A1 (ja) | 合成開口レーダの信号処理装置および信号処理方法 | |
CN110113279A (zh) | 一种移动跳频水声通信多普勒因子估计方法 | |
CN103901442A (zh) | 一种单频多路径效应探测与缓解方法 | |
CN104360251A (zh) | 一种变压器局部放电的超声波信号时延估计方法 | |
CN113887398A (zh) | 一种基于变分模态分解和奇异谱分析的gpr信号去噪方法 | |
CN106483561B (zh) | 一种频率域的子波分解方法 | |
CN112835077A (zh) | 基于变分模态分解的卫星导航信噪比数据去趋势方法 | |
CN105891600A (zh) | 四相相移键控信号频谱估计方法 | |
Jiang et al. | A combined denoising method of empirical mode decomposition and singular spectrum analysis applied to Jason altimeter waveforms: A case of the Caspian Sea | |
CN102508265A (zh) | 基于信号分离估计理论的卫星导航信号多径干扰抑制方法 | |
Kuruguntla et al. | Erratic noise attenuation using double sparsity dictionary learning method | |
CN112130138A (zh) | 一种超视距雷达的电离层相位污染校正方法 | |
CN114488324B (zh) | 基于时域信号重构的广域电磁法高频信息提取方法及系统 | |
CN111142134B (zh) | 一种坐标时间序列处理方法及装置 | |
Boudraa | Instantaneous frequency estimation of fm signals by ψb-energy operator | |
CN113050131A (zh) | 一种基于预处理fft和栅栏效应校正的捕获方法 | |
CN107517173B (zh) | 基于广义循环相关熵的无线电信号载波频率估计方法 | |
CN110657742A (zh) | 含水层形变信号分离方法、装置、设备及可读存储介质 | |
Wang et al. | A synchrosqueezing transform based instantaneous frequency estimator | |
CN110224769B (zh) | 一种通信系统中联合振幅与噪声方差的估计方法 | |
CN108303739A (zh) | 一种时频域真振幅恢复的方法和纵向能量补偿的方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |