公开(公告)号：CN105335605A

公开(公告)日：2016-02-17

申请号：CN201510629634.8

申请日：2015-09-29

Applicant: 北京工业大学

Inventor： 朱江淼 ,  孙盼盼 ,  郑鹏飞 ,  郑敏

IPC: G06F19/00

CPC classification number: G06F19/00

Abstract: 一种基于经验模态的钟差去噪方法，钟差值中噪声的去除对于原子钟分配权重意义重大，是计算原子时的一个重要过程。为降低原子钟钟差的噪声，针对原子钟的钟差数据非平稳的特征，本方法提出了基于EEMD的钟差去噪方法。EEMD是针对EMD的不足提出的一种噪声辅助数据分析方法。从时域上去除混合在数据中的噪声，该算法首先将原始钟差数据叠加一定强度的噪声，然后进行经验模态分解，如此重复多次，继而将各分量叠加求平均得到去噪的钟差序列。本方法从频域上分析了去噪效果，该方法有效的去除了钟差中的噪声，同时时域上，钟差数据的哈德玛方差由1.1283e-2降为2.3853e-3，数据变得更加平稳。

公开(公告)号：CN104978491A

公开(公告)日：2015-10-14

申请号：CN201510392057.5

申请日：2015-07-06

Applicant: 北京工业大学

Inventor： 朱江淼 ,  孙盼盼 ,  郑鹏飞 ,  郑敏

IPC: G06F19/00

Abstract: 一种基于经验模态分解和支持向量机的钟差预测方法，原子钟的钟差预测是计算原子时标的重要过程，为提高氢原子钟差的预测准确度，根据氢原子钟差序列随时间呈现不平稳变化的特征，本方法提出了一种基于经验模态分解和支持向量机的钟差预测算法。该算法首先对钟差序列进行经验模态分解，分离出钟差序列的各频率分量，然后利用支持向量机对这些分量分别预测结果，最后将分别预测结果进行叠加得以最终预测结果。本预测算法与一元线性预测算法和单一的支持向量机的预测算法进行了比较，研究结果表明，比一元线性预测算法和单一的支持向量机预测算法预测误差都小，相对预测误差从0.4327％降为0.2371％,预测误差离散型也小，具有实用价值。