fa بررسی تاثیر استفاده از روش‌های آستانه گذاری(در فضای موجک) بر میزان کاهش نویزها روی داده‌های ایستگاه‌های دائمی GPS ژئودزی و هیدروگرافی Geo&Hydro پژوهشي Research <p>هدف از انجام این تحقیق استفاده از تکنیک موجک‌ها برای کاهش اثر نویز در سری های زمانی بلند مدت GPS با اعمال آستانه‌گذاری‌های مختلف و مقایسه تاثیر آنها در روند کاهش نویز می‌باشد. روشهای آستانه‌گذاری شامل: حد آستانه جریمه، راهکار بیرگه - ماسارت، روش هیبریدی شور- شرینک، روش آستانه‌گذاری سراسری، روش مینیماکس و روش آستانه گذاری با استفاده از کمینه کردن برآورد نااریب ریسک اشتاین بودند که برای مقایسه تاثیر آنها در کاهش نویز ها از سه مدل استوکاستیک برای ترکیب نویز ها در سری‌های زمانی ایستگاه‌های دائمی GPS استفاده شد: الف) مدل شامل نویز سفید (مدل I)، ب) مدل ترکیبی شامل نویز سفید و نویز نویز تصادفی (مدل II ) ، ج) مدل ترکیبی شامل نویز سفید و نویز فلیکر (مدل III ). برای انجام محاسبات و تحلیل های عددی، به تعداد 264 ایستگاه GPS از آرشیو SOPAC با پوشش زمانی 10 ساله (از ژانویه 2001 تا ژانویه 2011) جهت انجام آنالیز و محاسبات انتخاب گردید. این داده ها بصورت خام بوده و هیچ گونه عملیات نویز بری روی آنها انجام نگرفته بود. نتایج حاصل نشان می‌دهد که از بین روشهای آستانه‌گذاری، در مدل شامل نویز سفید (مدل I): روش حد آستانه جریمه و روش آستانه‌گذاری با استفاده از کمینه کردن برآورد نااریب ریسک اشتاین قادر به کاهش فراوانی دامنه های کوچکتر می باشند، در صورتی که روشهای مینیماکس و هیبریدی شور-شرینک قادر به کاهش فراوانی دامنه های بزرگتر از نویز سفید را دارند. راهکار بیرگه &ndash; ماسارت و روش آستانه‌گذاری سراسری هم قادر به کاهش فراوانی دامنه های کوچکتر و هم کاهش فراوانی دامنه های بزرگتر می باشند. در مدل ترکیبی شامل نویز سفید و نویز تصادفی (مدل II ) و مدل ترکیبی شامل نویز سفید و فلیکر نویز (مدل III )، تمامی روشها قادر به کاهش فراوانی دامنه های کوچکتر و بزرگتر از نویز سفید (در هر دو مدل) به یک میزان هستند. این در حالی است که برای نویز تصادفی و نویز فلیکر (به ترتیب در هر دو مدل) روش حد آستانه جریمه و روش آستانه-گذاری با استفاده از کمینه کردن برآورد نااریب ریسک اشتاین قادر به کاهش فراوانی دامنه های کوچکتر می باشند، در صورتی که روشهای مینیماکس و هیبریدی شور-شرینک قادر به کاهش فراوانی دامنه های بزرگتر از نویز رنگی را دارند. راهکار بیرگه &ndash; ماسارت و روش آستانه‌گذاری سراسری قادر به کاهش فراوانی دامنه های کوچکتر و بزرگتر از نویز رنگی می باشند.</p> <p>The goal of this study is the role of using different thresholding effects on types of noise reductions based on wavelet schemes. Assumed thresholding techniques are penalized threshold, Birg&eacute;-Masssart Strategy, SureShrink threshold, universal threshold, minimax threshold and Stein&rsquo;s unbiased risk estimate. In order to compare the performance of them in denoising of types of noise components (white noise, flicker noise and random walk noise) we have constructed three kinds of stochastic models: the pure white noise model (I), the white plus random walk noise model (II) and the white plus flicker noise model (III). The numerical computations are performed through the analyzing 10 years (Jan 2001 to Jan 2011) of raw daily GPS solutions which are selected of 264 stations of SOPAC. According to results of computations, among the thresholding schemes in de-noising of the pure white noise model (I): minimax threshold and Stein&rsquo;s unbiased risk estimate could reduce the distribution of low amplitude of white noise. However, minimax threshold and SureShrink threshold could reduce the distribution of high amplitude of white noise. Birg&eacute;-Masssart Strategy and universal threshold could reduce both low and high amplitudes of white noise. In model II (white noise plus random walk noise) and model III (white noise plus flicker noise), all of threshold schemes could reduce both high and low amplitudes of white noise in same level. Whereas for power-law noise (flicker noise and random walk noise) penalized threshold and Stein&rsquo;s unbiased risk estimate led to reduction of low amplitudes and SureShrink threshold and minimax threshold led to reduction of colored noise with high amplitudes. Birg&eacute;-Masssart Strategy and universal threshold could reduce both low and high amplitudes of colored noise.</p> سری‌های زمانی, نویز, آنالیز موجک, روش های آستانه‌گذاری Time series, Noise, Wavelet Analysis, Threshold Methods 51 66 http://jgst.issgeac.ir/browse.php?a_code=A-10-25-34&slc_lang=fa&sid=1 Kh. Moghtased-Azar خسرو مقتصد آذر moghtased@tabrizu.ac.ir 10031947532846002863 10031947532846002863 Yes گروه مهندسی نقشه برداری- دانشکده عمران- دانشگاه تبریز M. Gholamnia مهدی غلام نیا mehgholamnia@gmail.com 10031947532846002864 10031947532846002864 No گروه مهندسی نقشه برداری- دانشکده فنی و مهندسی- دانشگاه زنجان