黄子炎，王庆宾，赵东明，冯进凯，谭勖立

（信息工程大学，郑州 450001）

重力数据是地球重力场研究的基础，同时也是大地测量学、地球物理学和空间科学等学科与领域开展相关研究所必须的基础资料，但在陆地、海洋和航空的重力测量过程中，容易受外界观测环境和测量系统本身的影响，导致实测的重力数据中通常混杂着各种噪声误差，因此如何对含噪声数据进行有效处理是一个重要问题[1,2]。国内外学者针对该问题进行了广泛研究。IIR（Infinite Impulse Response）和FIR（Finite Impulse Response）数字低通滤波器方法可以简单有效地对重力数据进行滤波[3,4]，但是无法分离同一频段的信号和噪声。小波具有较好的时频局部化特性，可对信号进行多尺度分解滤波，刘万国和孙中苗等将其应用到重力测量数据处理中，并取得了较好的去噪效果[5,6]，然而其本质上是频域的带通滤波，无法对频段外的叠加噪声进行很好地滤除。Kalman滤波是一种基于模型的时域方法，能够有效地进行系统内部状态估计和重力数据信号降噪[7-9]，但有时建立准确的状态方程和设置合理的系统参数较困难。在小波强制阈值滤波之后级联一个低阶FIR滤波器的级联滤波方法可以有效去除噪声的影响[10]，可是需要先调整参数，将重力信号分解滤波到合适层数。基于分形维数的滤波方法能有效地检测到信号的动态变化，抑制噪声对重力仪测量信号的影响[11]，然而短时分形维数的函数需要根据信号的特点进行具体设计。尽管这些方法都取得了较好的实际应用效果，但每种方法都受到某种假设或条件限制，去噪性能在不同区域数据上的差别较大，去噪重构能力和泛化性都有待进一步提高。……