论文部分内容阅读
针对IGS站高程时间序列经EEMD分解后含有残留噪声,导致信号重构效果降低的问题,引入互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)方法对IGS站高程时间序列信号进行分解,利用平均周期与能量密度乘积准则进行噪声与信号分界点的判定。据此去除噪声分量,使去噪后的信号更加接近IGS站高程时间序列的真实特性。将基于CEEMD算法与基于EEMD、EMD算法的IGS站高程信号去噪效果进行对比分析,以BJFS站序列信号为分