基于小波变换的改进阈值函数自适应去噪方法

在多分辨分析小波阈值去噪方法的基础上[3],用一种改进的阈值函数和自适应阈值选取算法相结合的方法,克服了硬阈值法不连续性和软阈值法有偏差的缺点。该方法能自动跟踪噪声,不同尺度自适应采用不同的阈值,可有效去除每一尺度上的噪声,保留有用信号,提高信噪比。仿真实验和地震资料处理结果表明,该方法去噪效果明显,可在各类消除随机噪声的信号处理中发挥作用。     

小波阈值去噪黄金分割法

在小波去噪的方法中,应用最广泛的是Donoho阈值法,但由于其阈值的单一性,使它不能在每级尺度上将信号与噪声做最大分离,去噪效果并不理想。通过分析Donoho硬阈值和软阈值方法的特点,提出了一种黄金分割法,这种方法结合了硬阈值和软阈值方法各自的优点。仿真去噪结果表明,这种改进的小波阈值方法能够得到更好的去噪效果,信号的信噪比得到了进一步提高。     

改进阈值法在二代小波变换去噪中的应用

地震信号去噪能有效提高信号的信噪比和分辨率。二代小波变换可以在不同尺度上对含噪信号进行小波分解和多分辨率分析,实现窗口宽度自适应调整的局部化分析。但小波变换阈值法在去噪过程中会在信号的不连续邻域会产生伪吉布斯效应,而平移不变量阈值去噪方法通过平移-去噪-平均的思想可以很好的解决该问题。因此本文在已有的二代小波变换阈值去噪的基础上将平移不变量这一改进方法应用于二代小波变换中,实现了对地震信号更加快速有效的去噪处理,并在模拟数据试算和实际数据试算中取得了良好的去噪效果。     

基于DB小波阈值去噪的航空重力数据试验

利用Mallat快速算法实现离散小波变换,选用DaubechiesN小波系为小波基函数,通过理论模型数据验证了方法设计的可靠性。在对实测航空重力数据进行去噪过程中,根据重力异常信号频带特点,采取多层分解和阈值策略进行自由空气重力异常的提取。试验进行了6～8层的分解,采用了强制阈值去噪和施加软阈值去噪,并进行了对比,结果表明基于DB小波阈值去噪所获得的自由空气重力异常与GT-1A系统滤波结果基本吻合。     

小波分析的原理及其在电磁感应仪EM38数据分析中的应用

利用小波变换对澳大利亚新南威尔士Mandamah地区所测得EM38数据进行全局阈值消噪处理,通过分解与重构,从中提取有效信息,去除干扰,得到去噪后的数据。将去噪后的数据与地球化学铜元素的异常特征和已知的铜矿化区域进行分析与对比,推测出该地区的铜矿化预测区。该方法能有效地去除噪声,又不会损失有用信息。实际资料处理结果表明：小波分析方法在EM38数据处理中可以起到独特的作用与效果。     

小波分析在TEM资料处理中的应用

针对瞬变电磁信号频带宽、动态范围大、晚期信号弱的特点,常规的滤波方法难以取得好的效果,提出应用多尺度小波分析进行瞬变电磁信号的去噪处理.实测资料的数据处理结果表明,小波分析能有效地区分有用信号与干扰噪声,是一种瞬变电磁信号去噪的可行实用的方法.并详细阐述了瞬变电磁信号的特点及小波去噪的原理.     

小波分析在TEM资料处理中的应用

针对瞬变电磁信号频带宽、动态范围大、晚期信号弱的特点，常规的滤波方法难以取得好的效果，提出应用多尺度小波分析进行瞬变电磁信号的去噪处理。实测资料的数据处理结果表明，小波分析能有效地区分有用信号与干扰噪声，是一种瞬变电磁信号去噪的可行实用的方法。并详细阐述了瞬变电磁信号的特点及小波去噪的原理。     

基于离散小波变换的地震资料自适应高频噪声压制

针对现有的小波变换阈值去噪方法无法适用于地震资料高频噪声压制的缺点,笔者分别对阈值函数和阈值选取方案进行了改进,提出了连续硬阈值函数与自适应阈值相结合的地震资料高频噪声压制方法.连续硬阈值函数兼具软、硬阈值函数的优点,可提高重构地震信号的保真度,减少人为噪声误差;自适应阈值方案可根据非平稳地震数据中的能量时变、空变分布特点,通过引入不同子带小波系数标准差、代数平均值以及几何平均值等统计参数,使阈值能够随不同子带的小波系数能量变化而自动调整,以适应地震资料高频噪声压制的要求.实际地震数据处理结果表明,笔者提出的方法在提高信噪比的同时,可保护陡倾角反射界面信号,提高噪声压制后地震数据的保真度.     

基于经验模态分解(EMD)的小波熵阈值地震信号去噪

针对EMD阈值去噪算法中阈值由经验选取以及无法有效区分各固有模态函数上有用信息的不足,本文对各固有模态函数进行小波变换,对各层小波系数进行相关处理,以突出有效信息,抑制噪声;将细节系数的有效信号和突变点置零并等分为若干区间,选取小波熵最大子区间的高频小波系数平均值作为噪声方差计算得到阈值。该阈值选取方法依据小波熵的特点,自适应地根据对应尺度上信号自身的能量特征确定该尺度阈值。将该算法应用于仿真信号和实际地震信号去噪,结果表明该方法优于基于EMD的小波阈值去噪,在提高去噪效果的同时,也更好地保护有效信号。     

基于局部阈值曲波变换的叠前去噪技术研究

野外地震数据包含各种随机噪声干扰,降低了地震资料的信噪比,而常规的单一去噪方法效果不理想,为此选用多尺度多方向的曲波变换进行去噪。首先对经过预处理的含噪信号进行多尺度分解,采用局部阈值去噪法,对曲波变换后的每一个尺度都选取一个合适的软阈值因子,然后在各尺度下提取其有效波信号的曲波系数,最后将提取出来的曲波系数进行逆变换重构出地震信号,从而达到去噪目的。理论模型与实际资料的处理结果表明,与常规单一全局阈值去噪相比,该技术最大限度地保留了地震数据的有效信号,具有较好的去噪效果。     

考虑气象因素影响的大坝监测沉降小波分析

为了消除大坝沉降监测数据受温度、湿度及光照等气象因素及外界不确定因素的噪声响应,提出考虑气象因素影响的大坝监测沉降小波分析方法。首先建立原始监测数据与各气象因素的函数关系,进而消去气象因素对坝体沉降的影响,然后采用小波分析对监测数据进行去噪处理,最后得到大坝真实的荷载响应沉降曲线,为大坝稳定性评价提供依据。实例应用表明,考虑气象因素影响的大坝监测沉降小波分析方法能有效地去除气象因素及外界不确定因素引起的噪声响应,比小波直接去噪法效果更佳,与数值模拟计算值能较好地吻合,具有更好的实际应用价值。     

Impulse interference processing for MT data based on a new adaptive wavelet threshold de-noising method

Wavelet de-noising method is often used in the processing of magnetotelluric (MT) signal, and the wavelet hard and soft threshold de-noising method are the most popular although there is much room for improvement in the threshold function selection and threshold determination. A new adaptive wavelet threshold de-noising method was proposed by selecting a new threshold function and presenting an adaptive method for obtaining optimal threshold based on the multi-resolution Stein unbiased risk estimation. New threshold function and an adaptive method to determine threshold were discussed, and the principle and implementation of the algorithm were given. The simulated signal and the measured MT data contaminated by impulse interference were analyzed, and the obtained results were compared with those of the conventional wavelet hard and soft threshold de-noising methods. The results show that the proposed method overcomes the defects of the traditional wavelet soft and hard threshold due to a new threshold function, and a new method to determine the threshold of each layer is applied and provides an adaptive method for filtering MT data in the wavelet domain that requires a minimum of human intervention. The presented de-noising method is very suitable for suppressing the impulse interference for MT data and can get higher signal-to-noise ratio than the traditional wavelet threshold de-noising methods. After de-noising, the accurate data is loaded for further impedance estimation and geological interpretation.     

奇异值分解(SVD)在位场数据去噪中的应用

根据奇异值分解原理,分析其在位场去噪中的可行性,提出了一种判断有效阶次k的方法。对多边形厚板模型的重力异常进行奇异值分解去噪和小波去噪效果的对比,证明了奇异值分解去噪的有效性和优势。将其应用于实测重力数据的处理中,取得较好的效果。理论模型和实测资料的处理结果表明:基于奇异值分解的去噪方法可以有效地去除随机噪声,提高数据处理和解释的精度。     

测井多尺度分析方法用于层序地层划分研究

测井数据包含了丰富的地质信息,是研究地层多尺度沉积旋回的主要资料.本文阐述了小波变换及多尺度分析方法,探讨了测井多尺度分析方法在层序地层划分中的应用.以东营凹陷某井为例,选取Morlet小波基函数对GR测井曲线进行连续小波变换,将测井信号与深度的关系转换为与深度和尺度域的变化关系.通过研究多种伸缩尺度下小波系数曲线表现出的周期性振荡特征,并结合不同测井曲线多尺度分解后的高频信号特征,划分出各级层序界面,与传统方法所划分的界面基本一致.     

基于组合滤波的矿集区大地电磁信号去噪

针对矿集区大地电磁(MT)信号受环境噪声和人文噪声污染严重的问题,提出一种结合了经验模态分解(EMD)和数学形态学滤波的组合滤波方法,对矿集区大地电磁信号的时域信号进行滤波处理。介绍了方法原理和计算步骤,评估了该方法的去噪效果;在与小波变换去噪效果对比的基础上,用仿真实验验证了方法的可靠性,并对某矿集区的实测数据进行了去噪处理。结果表明,组合滤波方法充分利用了EMD多尺度分解及其可重构特性和数学形态学滤波方法的优点,在滤除噪声的同时为MT信号尽可能多地保留了有用信息。去噪后,估算的响应曲线方差减小到原来的一半,为进一步正确资料处理和地质解释提供了保障。     

LIFT去噪方法在低信噪比资料处理中的应用

传统去噪一般都是通过各种方法将原始数据分离为有效信号和噪声,从而达到去噪目的,在去噪的过程中,忽略了信号保真的处理原则,在去掉噪声的同时有可能也损害了有效信号。这里从传统去噪方法存在的问题入手,通过对传统去噪方法的原理分析,研究了LIFT去噪技术。LIFT去噪的核心是首先建立信号模型,然后将原始地震信号和信号模型相减,求得剩余信号。通过对剩余信号进行针对性的去噪处理,去除剩余信号中存在的噪声,然后再与信号模型进行合并重构,得到新的具有高信噪比、高保真的地震信号。将该方法在低信噪比地震资料处理中进行了实例测试,取得了理想的应用效果。     

小波变换在位场资料去噪和位场分离中的应用

根据小波变换的原理,研究了小波阙值去噪方法和位场分离方法在某实测布格重力异常的应用及效果。多矩形棱柱体模型试验表明:选取合适的小波基和小波参数,可以更好地提取出重力异常中的有用信息,为下一步在实测重力数据中的应用提供理论基础。实测布格重力资料处理结果表明:基于小波变换的去噪方法和位场分离方法,能够较好地去除随机噪声,更好地区别出局部异常和区域异常,提高数据处理与解释中有用信号识别的精度。     

测井数据小波变换在层序地层分析中的应用研究

以柴达木盆地北缘某钻井中侏罗统的层序地层划分为例,对各种一维连续小波在地层划分中的效果进行尝试,发现采用db5小波用于层序划分较为理想。通过利用db5小波对自然伽马测井数据进行连续小波变换,将测井信号与深度的关系转换为与深度及尺度域的变化关系,以此识别出了层序界面。利用该小波变换进行的层序地层划分,与传统方法划分的结果基本一致。     

基于快速独立分量分析的自电测井信号去噪

针对自然电位测井信号中的噪声,提出了一种运用快速独立分量分析原理对自然电位测井信号进行去噪的方法。详细研究了自然电位测井信号噪声特性以及独立分量分析原理,应用基于负熵的FASTICA算法对自然电位测井信号进行去噪,并与小波去噪的效果进行比较。结果表明,该去噪方法更简单容易、去噪效果好、自适应能力强。     

基于改进混沌果蝇优化小波阈值法地震信号随机噪声压制

由于野外采集地震资料往往带有较多的随机噪声,给资料解释造成困难。针对小波阈值去噪的阈值选取通常需要对信号进行先验估计,带有较强猜测性,阈值选取难以获得最优结果。本文提出基于改进混沌果蝇优化的小波阈值法,将基于广义交叉验证(GCV)函数设定为阈值选取目标函数,在混沌果蝇优化算法中引入调节系数实现对该目标函数的迭代寻优,在无先验信息前提下,获取最优小波阈值。通过将本文算法用于合成地震记录和实际地震记录进行去噪处理,并对比常用小波阈值去噪算法,证明了本文算法的有效性。