[发明专利]基于HHT和支持向量机的周跳探测与修复方法

摘要

本发明提供了一种基于HHT和支持向量机的周跳探测与修复方法，首先采用EMD算法对码相二次差时间序列进行多时间尺度分解，进而对分解得到的IMF分量作Hilbert变换；其次根据IMF分量的Hilbert幅值是否同时发生突变来探测周跳；然后对Hilbert幅值发生突变的IMF分量分别建立支持向量机预测模型，并预测周跳发生时刻的值；最后比较预测值与实际值的大小来确定周跳大小。本发明可用于单频或多频载波相位观测值的周跳探测与修复，提高了周跳探测的灵敏度以及周跳修复的准确性。

主权项

1.一种基于HHT和支持向量机的周跳探测与修复方法，其特征在于包括下述步骤：步骤1、根据伪距和载波相位观测数据构成码相二次差时间序列D(t)，历元t＝1～L,其中L为大于1的自然数；步骤2、对时间序列D(t)通过EMD分解算法进行多时间尺度分解，得到n个IMF分量和一个趋势分量，其中n为大于1的自然数；步骤3、对各IMF分量进行Hilbert变换，得到各分量的Hilbert幅值；步骤4、判断各分量的Hilbert幅值在t历元是否发生突变；如果各分量imf_i的Hilbert幅值在t历元同时发生突变，则认为在t历元发生周跳，记录在该历元幅值发生突变的分量，执行步骤5；如果各分量imf_i的Hilbert幅值在t历元没有同时发生突变，则认为没有发生周跳，对历元t加1，继续执行步骤4；其中，判断各分量的Hilbert幅值在t历元发生突变的条件为其中，a_imfi(t)为分量imf_i在t历元的Hilbert幅值；其均值其方差σimfi=Σi=1t[aimfi(i)-aimfi‾]2t;]]>步骤5、对步骤4所记录的幅值发生突变的各分量的时间序列imf_i(j)进行相空间重构，j＝1～t，将一维的时间序列转化成矩阵形式，构成训练样本集；步骤6、采用步骤5所述的各分量训练样本集，建立与之对应的支持向量机回归预测模型，对每个支持向量机回归预测模型进行预测，得到幅值发生突变的各分量在t历元的预测值；步骤7、通过对比预测值与实际值的不同来确定周跳的大小ΔN，其中ΔN为整数；周跳的大小ΔN＝Int[∑imf_i(t)-∑imf_i′(t)]，其中，Int表示取最接近的整数；∑imf_i′(t)表示幅值发生突变的各分量在t历元的预测值之和；∑imf_i(t)表示幅值发生突变的各分量在t历元的实际值之和；步骤8、对周跳进行修复，重复步骤1～步骤7，直至t＞L。