Dl=detcoef(C,L, 1) ; %用小波分解框架[C.L]计算1层高频系数的近似值， 小波基为db4%提取尺度2的高频系数
[0116] cD2 =detcoef(C，L，2) ; %用小波分解框架[C.L]计算2层高频系数的近似值， 小波基为db4%提取尺度2的高频系数
[0117] cD3 =detcoef(C,L, 3) ; %用小波分解框架[C.L]计算3层高频系数的近似值， 小波基为db4%提取尺度2的高频系数
[0118] cD4 =detcoef(C,L, 4) ; %用小波分解框架[C.L]计算4层高频系数的近似值， 小波基为db4%提取尺度2的高频系数
[0119] cD5 =detcoef(C，L，5) ; %用小波分解框架[C.L]计算5层高频系数的近似值， 小波基为db4%提取尺度2的高频系数
[0120] cD6 =detcoef(C,L, 6) ; %用小波分解框架[C.L]计算6层高频系数的近似值， 小波基为db4%提取尺度2的高频系数
[0121] cD7 =detcoef(C，L，7) ; %用小波分解框架[C.L]计算7层高频系数的近似值， 小波基为db4%提取尺度2的高频系数
[0122] cD8 =detcoef(C,L, 8) ; %用小波分解框架[C.L]计算8层高频系数的近似值， 小波基为db4%提取尺度2的高频系数
[0123] cD9 =detcoef(C,L, 9) ; %用小波分解框架[C.L]计算9层高频系数的近似值， 小波基为db4figure(3);
[0124] subplot(3, 1, 1)；
[0125] plot(cDl)；
[0126] 尺度1的高频系数'）；
[0127] subplot (3, 1, 2)；
[0128] plot(cD2)；
[0129] 尺度2的高频系数'）；
[0130] subplot (3, 1, 3)；
[0131] plot(cD3)；
[0132] 尺度3的高频系数'）；
[0133] subplot (3, 1, 4)；
[0134] plot(cD4)；
[0135] 尺度4的高频系数'）；
[0136] subplot (3, 1, 5)；
[0137] plot(cD5)；
[0138] 尺度5的高频系数'）；
[0139] subplot (3, 1, 6)；
[0140] plot(cD6)；
[0141] 尺度6的高频系数'）；
[0142] subplot (3, 1, 7)；
[0143] plot(cD7)；
[0144] 尺度7的高频系数'）；
[0145] subplot (3, 1, 8)；
[0146] plot(cD8)；
[0147] 尺度8的高频系数'）；
[0148] subplot (3, 1, 9)；
[0149] plot(cD9)；
[0150] 尺度9的高频系数'）；
[0151] (b)计算小波系数香农熵的matlab代码如下
[0152] (3)得到不含有闪烁噪声的北斗卫星定位坐标连续时间序列：
[0153] 通过闪烁噪声和原始信号在不同尺度上的小波系数香农熵之比可以得到其小波 系数之比，从而同构重构不好又闪烁噪声的小波系数就能得到不含有闪烁噪声的北斗卫星 定位坐标连续时间序列S2。具体的计算公式如下所示。其中，?/为闪烁噪声在不同尺度 下的小波系数，胃代表闪烁噪声与原始信号在不同尺度下小波系数香农熵的比例。
[0156] Matlab代码如下：
[0157] cl= [cA8
[0158] cD8,（-0? 5442) *cD7,（-0? 5242) *cD6,（-0? 4037) *cD5,（-0? 1049) *cD4,（-0? 2899) *cD3,（-0? 0140)
[0159] *cD2,（_0? 1189)*cDl];
[0160] S2 =waverec(cl,L, 'db4')；
[0161] figure(4)；
[0162] plot(S2)；
[0163] 三.北斗卫星定位坐标连续时间序列中闪烁噪声的消除
[0164] 本步骤针对步骤二中最终得到的不含有闪烁噪声的北斗卫星定位坐标连续时间 序列S2,运用小波阈值消噪对其中的白噪声进行消除，最终得到既不含有闪烁噪声也不含 有白噪声的北斗卫星定位坐标连续时间序列S3,具体的步骤如下所示。
[0165] (a)运用小波分解将不含闪烁噪声的北斗卫星定位坐标连续时间序列S2分解为 不同尺度下的小波系数，将北斗卫星定位坐标连续时间序列由时间域转化到频率域；
[0166] (b)设置阈值，将含有白噪声的高频域去除。
[0169] (c)运用小波重构将不同尺度下的小波系数重构得到既不含有闪烁噪声也不 含有白噪声的北斗卫星定位坐标连续时间序列S3。其中，Tj代表给定的阈值，为信号S2 在不同尺度下的小波系数，为信号S3在不同尺度下的小波系数，〇 ,为尺度j下的小波 系数的方差，N为所采集的样本点的总数。
[0170] 其具体的matlab代码如下：
[0171]loads2；
[0172] %用db4小波对信号s2进行8层分解并提取系数
[0173] [c，1] =wavedec(s2, 8, 'db4'）；
[0174] a8 =appcoef(c，1，'db4'，8);
[0175] d8 =detcoef(c，1，8);
[0176] d7 =detcoef(c，1，7);
[0177] d6 =detcoef(c，1，6);
[0178] d5 =detcoef(c，1，5);
[0179] d4 =detcoef(c，1，4);
[0180] d3 =detcoef(c，1，3);
[0181] d2 =detcoef(c，1，2);
[0182] dl=detcoef(c，1，1);
[0183] thr= 1 ；
[0184] %进行阈值处理
[0185] ytsoftd8 =wthresh(d8, 's2'，thr);
[0186] ytsoftd7 =wthresh(d7, 's2'，thr);
[0187] ytsoftd6 =wthresh(d6, 's2'，thr);
[0188] ytsoftd5 =wthresh(d5, 's2'，thr);
[0189] ytsoftd4 =wthresh(d4, 's2'，thr);
[0190] ytsoftd3 =wthresh(d3, 's2'，thr);
[0191] ytsoftd2 =wthresh(d2, 's2'，thr);
[0192] ytsoftdl=wthresh(dl，'s2'，thr);
[0193] c8 = [a3ytsoftd8ytsoftd7ytsoftd6ytsoftd5ytsoftd4ytsoftd3ytsoftd2ytsof tdl]；
[0194] s3 =waverec(c8, 1，'db4'）；
[0195]plot(s3)；
[0196] 不含闪烁噪声和白噪声的北斗卫星定位坐标连续时间序列S3'）；
[0197] 本发明提供的上述方法可以有效解决传统消噪方法将北斗卫星定位坐标连续时 间序列中的噪声假设为纯白噪声而忽略了闪烁噪声的重要性而导致的消噪结果在不精确 的问题。通过同时考虑闪烁噪声和白噪声消除，诠释了闪烁噪声对消噪效果的影响，提高了 北斗卫星定位坐标连续时间序列的精度。下面以具体实例说明：
[0198] 1.以2012年在陕西省金堆城钼矿边坡上建立的40个边坡变形监测点所采集的北 斗卫星定位坐标连续时间序列为基础数据，选择在地形变化最具有代表性的BB05监测点 在2013年7月6日到2013年9月29号期间采集的在竖直方向的512个连续坐标时间序 列作为实例研究的基础数据。
[0199] 2.通过matlab代码对采集的监测数据进行粗差的提取，去除粗差之后的北斗卫 星定位坐标连续时间序列（即原始信号S1)如图2a所示。
[0200] 3.运用频率域估计方法估计出原始信号S1的信噪比，通过信噪比构造出与真实 白噪声具有相同方差的人工白噪声。
[0201] 4.利用小波分解分别得到原始信号和人工白噪声在不同尺度下的小波系数。
[0202] 5.根据香农熵的定义分别计算出原始信号和人工白噪声在不同尺度下的小波系 数香农熵，再利用原始信号和人工白噪声的小波系数香农熵之间的关系计算出在不同尺度 下闪烁噪声的小波系数，从而通过小波重构得到不含有闪烁噪声的北斗卫星定位坐标连续 时间序列S2,如图3中的上图所示。