GA-VMD与多尺度排列熵结合的GNSS坐标时序降噪方法

作者：陈祥; 杨志强^*; 田镇; 杨兵; 梁沛

来源：武汉大学学报(信息科学版), 2023, 48(09): 1425-1434.

DOI：10.13203/j.whugis20210215

• 遗传算法
• 变分模态分解
• 多尺度排列熵
• 全球导航卫星系统
• 坐标时间序列
• 降噪

为了精确剔除全球导航卫星系统（global navigation satellite system, GNSS）坐标时间序列中的噪声，提出一种联合遗传算法（genetic algorithm, GA）和变分模态分解（variational mode decomposition, VMD）的降噪方法 GA-VMD。该方法首先利用GA优化VMD参数，然后引入多尺度排列熵（multi-scale permutation entropy, MPE）作为噪声分量的筛选标准，最后将剩余分量重构得到降噪后的信号。通过仿真信号和实测数据的降噪实例，并与小波降噪（wavelet denoising, WD）、经验模态分解（empirical mode decomposition, EMD）等方法对比，分析GA-VMD的降噪效果。实验结果表明：对于仿真信号而言，GA-VMD方法相较于WD、EMD方法，信噪比分别提高了5.18 dB和2.91 dB，互相关系数分别提高了0.05和0.02；对于实测数据而言，GA-VMD方法对测站的速度不确定度和闪烁噪声的平均改正率分别为79.89%和84.46%，优于其他两种方法。分析表明，GA-VMD方法能够有效减少GNSS坐标时序的噪声，提高其精度。

• 单位
  长安大学