[发明专利]一种自适应SSA降噪方法、装置及计算机可读存储介质

说明书

本申请涉及一种自适应SSA降噪方法、装置及计算机可读存储介质，其中，自适应SSA降噪方法包括：对GNSS原始时序数据进行嵌入操作，得到GNSS原始时序数据对应的轨迹矩阵；对上述轨迹矩阵进行奇异值分解，得到一组奇异值；确定至少部分奇异值对应的重构分量，得到多个重构分量；使用上述多个重构分量进行重构，得到多个重构信号；确定各个重构信号的均方根误差和平滑度；对各个重构信号的均方根误差和平滑度进行线性组合，得到各个重构信号对应的复合评价指标；根据各个重构信号对应的复合评价指标的大小确定降噪后的信号。通过该方法，实现了明显的去噪效果。

技术领域

本申请涉及全球导航卫星系统(Global Navigation Satellite System，简称为GNSS)信号处理领域，尤其涉及一种自适应奇异谱分析(Singular Spectrum Analysis，简称为SSA)降噪方法、装置及计算机可读存储介质。

背景技术

GNSS变形监测具有监测精度高、累计位移小等特点，其监测时序包括真实位移和观测噪声等，若直接对原始时序分析往往难以辨别形变量、趋势项等。在GNSS时序分析中，SSA是一种非参数的谱估计方法。该方法是在经典的Karhunen-Loeve谱分解和嵌入(embedding)理论基础上逐渐发展起来的，是对一维时间序列进行周期震荡的主成分分析方法。

SSA可以将GNSS变形监测信号分解为若干个SSA分量，并且选择其中若干有意义的分量进行重构，从而降低噪声。实现SSA降噪关键的一步是确定Hankel矩阵的有效秩，即有效奇异值个数。

针对上述问题，国内外学者提出了众多解决方案。已有研究确定有效奇异值个数的方法有：根据矩阵秩最小化理论去选择奇异值数目；通过预设一个百分比阈值，将特征值累加值除以所有特征值总和并和阈值进行比较判断；利用快速傅里叶变换结果中的主频个数来确定有效秩的阶次；利用特征值均值法确定有效奇异值个数；利用主分量分解方法确定有效奇异值个数。上述方法在实际应用中均取得了较好的效果，但也存在着一定的局限性。如当有用信号被噪声淹没时，FFT方法结果中有用信号频率与噪声频率难以区分，该方法将会失效；利用特征值均值法得到的降噪信号会产生较为严重的模糊效应。各方法大都是通过定性分析判断有效奇异值个数，往往难以应用到复杂噪声背景下的信号。

发明内容

为了解决上述技术问题或者至少部分地解决上述技术问题，本申请提供了一种自适应SSA降噪方法、装置及计算机可读存储介质。

第一方面，本申请提供了一种自适应SSA降噪方法，包括：对GNSS原始时序数据进行嵌入操作，得到GNSS原始时序数据对应的轨迹矩阵；对上述轨迹矩阵进行奇异值分解，得到一组奇异值；确定至少部分奇异值对应的重构分量，得到多个重构分量；使用上述多个重构分量进行重构，得到多个重构信号；确定各个重构信号的均方根误差和平滑度；对各个重构信号的均方根误差和平滑度进行线性组合，得到各个重构信号对应的复合评价指标；根据各个重构信号对应的复合评价指标的大小确定降噪后的信号。

在某些实施例中，根据各个重构信号对应的复合评价指标的大小确定作为降噪后的信号，包括：确定降噪后的信号为复合评价指标最小的重构信号。

在某些实施例中，对各个重构信号的均方根误差和平滑度进行线性组合，得到各个重构信号对应的复合评价指标，包括：对各个重构信号的均方根误差和平滑度进行归一化；根据变异系数法对归一化后的均方根误差和平滑度进行定权，得到线性组合的权重；按照上述线性组合的权重，对各个重构信号归一化后的均方根误差和平滑度进行加权，得到各个重构信号对应的复合评价指标。

在某些实施例中，确定至少部分奇异值对应的重构分量，得到多个重构分量，包括：按照从大到小的顺序确定前k个奇异值，其中，k为终止循环的最大奇异值个数；确定上述前k个奇异值对应的重构分量，得到k个重构分量。