《表1 不同分解层数与小波的去噪效果对比表Tab.1 Comparison of Denoising Effects of Different Decomposition Layers and Wav

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于小波去噪的自回归滑动平均模型在地铁隧道地表沉降预报中的应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本文以青岛市地铁3号线某条观测线的第5号沉降监测点的72期沉降监测值为例进行小波去噪实验。对于沉降监测信号，数据的波动性较大，为保留信号特征，宜进行1~4层分解[5]。选取常用的db4小波、db6小波、sym4小波、sym6小波、dmey小波、coif2小波对沉降监测数据进行1~4层分解去噪处理。阈值则选择能够保证信号相似性和光滑性，且自适应性较强的无偏似然估计的软阈值估计（rigsure）。去噪质量评价指标采用信噪比和均方根误差，一般认为，信噪比越大，均方根误差越小，滤波效果越好[6]。不同的分解层数和小波基的去噪效果对比如表1所示。