原子时的小波分解算法
发布时间：2021-11-13 13:52
本文主要研究了新的原子时算法及原子钟信号的处理方法，在国际上首次把神经网络方法应用于原子钟信号预测和噪声分离。主要研究内容包括： （1）研究了原子钟频率稳定度的表征问题。分析了Allan方差及修正Allan方差在时域与频域转化过程中的“泄露”现象，提出用小波方差来表征原子钟的频率稳定度，它可以表征原子钟在不同频率范围内的稳定度。并推导出小波方差的实用形式。 （2）讨论了现有原子时算法存在的问题。研究了经典算法的加权特点，发现它存在的若干缺陷：首先，经典算法只能对原子钟取单一权值，这样得到的时间尺度只能使某一种噪声达到最小，不可能使所有噪声都达到最小；再者，依据在某一种频率稳定度加权，使得此种稳定度低而其他稳定度高的原子钟得到很小权，造成了资源浪费；第三，仅仅根据原子钟的历史特性取权不能对原子钟信号变化作出准确估计和预测。 （3）提出了一种新的原子时算法——小波分解算法。它考虑了原子钟在所有频率范围内的频率稳定度，计算得到的时间尺度稳定度比一般算法有明显改善。实验结果表明：用小波分解算法计算得到的时间尺度噪声比基于经典加权算法得到的时间尺度噪声小。 （4）首次研究...
【文章来源】：中国科学院大学(中国科学院国家授时中心)陕西省
【文章页数】：92 页
【学位级别】：硕士
【文章目录】：
绪论
第一章 频率稳定度的表征
1.1 频率稳定度表征的基本原理
1.2 Allan方差及修正Allan方差
1.3 小波方差
1.4 频率稳定度的实用形式
第二章 时间尺度算法的原理及经典加权算法分析
2.1 时间尺度计算的原理
2.2 时间尺度的ALGOS算及其它类似算法
2.3 经典加权算法分析
第三章 建立在原子钟动态模型上的时间尺度算法
3.1 时间尺度的Kalman算法
3.2 时间尺度的最优线性预测算法
3.3 建立在原子钟的动态模型基础上的原子时算法
第四章 时间尺度的小波分解算法
4.1 小波分解及其在时间尺度计算中的应用
4.2 时间尺度的小波分解算法
第五章 原子钟噪声的分析与综合
5.1 原子钟噪声的多尺度分形特征
5.2 振荡器频率稳定度的小波反演
5.3 原子钟噪声的分离
第六章 原子钟信号的预处理过程
6.1 原子钟信号奇异点的检测以及粗大误差的剔除
6.2 时间尺度的分域递推模型
6.3 原子钟信号的神经网络模型
第七章 小波分解算法软件设计及其用法
7.1 小波分解原子时算法的软件设计
7.2 软件的使用方法
结束语
参考文献
致谢
附录
i） 神经网络分离噪声程序
ii） 连续小波变换及其逆变换程序
iii） 小波分解原子时算法的程序
硕士期间发表的和已经完成的文章
图表目录
图1-1 各种方差的泄露现象
图2-1 经典加权算法的权值与噪声的关系
图4-1 小波基函数与尺度的关系
图4-2 小波变换的基函数和时频网格
图4-3 两个正弦信号的小波分解
图4-4 经典算法计算的时间尺度与TAI的差
图4-5 WDA计算的时间尺度与TAI的差
图4-6 经典算法计算的时间尺度的噪声
图4-7 WDAT的噪声
图4-8 经典算法计算的时间尺度TA（CLASSICAL）和WDAT的稳定度
图4-9 取样时间5-40天时两者的稳定度的比较
图4-10 分离出的相似的频率成分
图5-1 原子钟噪声的FBM模拟
图5-2 不同分数维的振荡器噪声
图5-3 感知器模型
图5-4 前向神经网络
图5-5 网络权值的局部极小点
图5-6 白噪声调频（f~2过程）和调幅白噪声（f~0过程）的频谱
图5-7 用两种方法提取的白噪声调频与真值的比较
图5-8 用神经网络方法提取的f~（-2）过程
图5-9 提取的f~2过程的频谱
图5-10 提取的闪变噪声和真值的比较
图5-11 原子钟噪声的分离过程
图5-12 分离的白噪声和其功率谱
图5-13 分离的闪变噪声和其功率谱
图5-14 分离的白噪声调频和其功率谱
图5-15 分离的闪变噪声调和其功率谱
图5-16 分离的频率随机游走噪声和其功率谱
图6-1 小波基函数的波形
图6-2 函数在三种小波基函数下的小波变换
图6-3 尺度j=2时小波变换函数的预测结果
图6-4 尺度j=3时小波变换函数的预测结果
图6-5 尺度j=4时小波变换函数的预测结果
图6-6 合成的结果
图6-7 神经网络模型的预测误差
图6-8 AR模型的预测误差
图7-1 小波分解算法的主程序
图7-2 信号预处理程序流图
图7-3 权值计算的程序流图
图7-4 改正数计算的程序流图
图7-5 对随机部分平均的程序流图
图7-6 MATLAB的路径浏览器
图7-7 加入路径的对话框
本文编号：3493137
【文章来源】：中国科学院大学(中国科学院国家授时中心)陕西省
【文章页数】：92 页
【学位级别】：硕士
【文章目录】：
绪论
第一章 频率稳定度的表征
1.1 频率稳定度表征的基本原理
1.2 Allan方差及修正Allan方差
1.3 小波方差
1.4 频率稳定度的实用形式
第二章 时间尺度算法的原理及经典加权算法分析
2.1 时间尺度计算的原理
2.2 时间尺度的ALGOS算及其它类似算法
2.3 经典加权算法分析
第三章 建立在原子钟动态模型上的时间尺度算法
3.1 时间尺度的Kalman算法
3.2 时间尺度的最优线性预测算法
3.3 建立在原子钟的动态模型基础上的原子时算法
第四章 时间尺度的小波分解算法
4.1 小波分解及其在时间尺度计算中的应用
4.2 时间尺度的小波分解算法
第五章 原子钟噪声的分析与综合
5.1 原子钟噪声的多尺度分形特征
5.2 振荡器频率稳定度的小波反演
5.3 原子钟噪声的分离
第六章 原子钟信号的预处理过程
6.1 原子钟信号奇异点的检测以及粗大误差的剔除
6.2 时间尺度的分域递推模型
6.3 原子钟信号的神经网络模型
第七章 小波分解算法软件设计及其用法
7.1 小波分解原子时算法的软件设计
7.2 软件的使用方法
结束语
参考文献
致谢
附录
i） 神经网络分离噪声程序
ii） 连续小波变换及其逆变换程序
iii） 小波分解原子时算法的程序
硕士期间发表的和已经完成的文章
图表目录
图1-1 各种方差的泄露现象
图2-1 经典加权算法的权值与噪声的关系
图4-1 小波基函数与尺度的关系
图4-2 小波变换的基函数和时频网格
图4-3 两个正弦信号的小波分解
图4-4 经典算法计算的时间尺度与TAI的差
图4-5 WDA计算的时间尺度与TAI的差
图4-6 经典算法计算的时间尺度的噪声
图4-7 WDAT的噪声
图4-8 经典算法计算的时间尺度TA（CLASSICAL）和WDAT的稳定度
图4-9 取样时间5-40天时两者的稳定度的比较
图4-10 分离出的相似的频率成分
图5-1 原子钟噪声的FBM模拟
图5-2 不同分数维的振荡器噪声
图5-3 感知器模型
图5-4 前向神经网络
图5-5 网络权值的局部极小点
图5-6 白噪声调频（f~2过程）和调幅白噪声（f~0过程）的频谱
图5-7 用两种方法提取的白噪声调频与真值的比较
图5-8 用神经网络方法提取的f~（-2）过程
图5-9 提取的f~2过程的频谱
图5-10 提取的闪变噪声和真值的比较
图5-11 原子钟噪声的分离过程
图5-12 分离的白噪声和其功率谱
图5-13 分离的闪变噪声和其功率谱
图5-14 分离的白噪声调频和其功率谱
图5-15 分离的闪变噪声调和其功率谱
图5-16 分离的频率随机游走噪声和其功率谱
图6-1 小波基函数的波形
图6-2 函数在三种小波基函数下的小波变换
图6-3 尺度j=2时小波变换函数的预测结果
图6-4 尺度j=3时小波变换函数的预测结果
图6-5 尺度j=4时小波变换函数的预测结果
图6-6 合成的结果
图6-7 神经网络模型的预测误差
图6-8 AR模型的预测误差
图7-1 小波分解算法的主程序
图7-2 信号预处理程序流图
图7-3 权值计算的程序流图
图7-4 改正数计算的程序流图
图7-5 对随机部分平均的程序流图
图7-6 MATLAB的路径浏览器
图7-7 加入路径的对话框
本文编号：3493137
本文链接：https://www.wllwen.com/kejilunwen/tianwen/3493137.html
