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。     

基于小波包分析的地震资料联合去噪方法研究

在地震记录中,随机噪声严重影响了有效信号的提取,为此必须进行消噪处理。这里首先使用小波包变换对不同频段的信号进行精细分离,有效信号和噪声经小波包分解后,其小波包系数将表现出不同特性,然后根据这种不同特性进行去噪处理,对小波包分析法处理后的剩余地震信号再进行KL(Karhunen-Loeve)变换,提取相关有效信号,最后对提取的有效信号进行中值滤波处理,进一步去除剩余噪声。经合成地震剖面和实际地震剖面处理实验证明,小波包分析、KL变换和中值滤波联合去噪方法,能有效地消除较强的随机噪声,提高地震剖面信噪比和分辨率。     

基于匹配小波包算法的地震信号去噪

地震资料的信噪比是影响地震资料质量的关键因素之一。目前的去噪方法中,在滤波的同时会损伤有效信号,因此提出基于匹配算法的去噪方法,利用和地震信号匹配的小波包对信号进行分解,用选出的波形代表有效信号达到去噪的效果。实验分析表明,利用匹配小波包算法能够很好地压制地震信号白噪声,提高信噪比。当噪声能量小于有效信号周期能量时,小波包算法去噪效果比小波收缩阈值法好,信噪比提高5 dB ±。     

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。     

小波去噪在地震信号处理中的应用

在地震信号处理的若干环节中,将有效信息从含有噪声的干扰背景中提取出来,进而提高地震数据信号的信噪比和分辨率成为地震信号处理的关键一步。利用小波变换方法可对地震信号进行去噪,更准确地将有效信号和噪声区分开来,并可在最大限度去除噪声的同时,尽可能多地保留有效信号。本文结合小波变换的阈值去噪方法,探讨小波变换技术在地震信号去噪中的应用。     

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。     

基于混合类小波变换的随机噪声消减方法研究

介绍一种基于Seislet变换的混合类小波变换方法。小波变换可以对地震数据在时间方向上作进一步分解,利用小波去噪原理联合Seislet反变换共同对随机噪声进行消减。同时,基于信号噪声正交化模型,利用局部正交权重(LOW)对上一步的去噪结果进行信号能量补偿,从噪声中提取同相轴相干有效信息。理论模型和实际数据处理结果验证本文提出的方法可使地震资料中的随机噪声得到较好的消减。     

小波阈值去噪方法在重力资料处理中的应用

简要介绍了小波变换的基本理论与小波阈值去噪实现过程。通过单球体与双球体模型试验,探讨了阈值去噪时小波基以及分解层数的选择问题;最后利用小波阈值去噪方法,对某实测布格重力资料进行处理,有效滤除了随机噪声。去噪后计算的水平方向导数明显比去噪前直接计算的水平方向导数效果好。     

小波变换多尺度分解系数阈值选择在一维去噪的应用

对小波变换理论进行了简单的介绍,并详细分析了基于小波变换对信号去噪处理的原理和实现,并对小波多重分解时选取不同的阈值对去噪效果进行详细的研究。最后结合理论分析和实验实例讨论了小波分析在信号去噪方面的作用,利用光滑性和相似性来评价去噪效果。     

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。     

基于Shearlet变换的尺度方向自适应阈值地震数据随机噪声压制方法

地震勘探的有效信号常受到随机噪声的干扰而难以识别,需要进行随机噪声和有效信号的分离。传统Shearlet全局阈值不随方向与尺度变化,在去噪的同时也会损失许多有效信号。Shearlet变换作为一种新的多尺度多方向时频分析方法,具有最优的稀疏表示能力、局部化特征和方向敏感性。本文将含噪地震信号通过Shearlet分解后计算各尺度与方向上Shearlet域系数的L₂范数,并对其进行数据重排后发现,随着方向改变L₂范数不断减小,进而提出一种基于L₂范数的尺度方向自适应阈值计算方法。将其与小波变换、曲波变换、Shearlet全局阈值去噪方法对比,模拟数据与实际地震记录去噪结果表明,本文方法在去除随机噪声的同时,深部弱信号也得到了很好的恢复,地震数据的信噪比比其他3种方法有所提高,在0.929 9 dB条件下提升至11.565 1 dB。     

在小波域中恢复白噪背景下探地雷达信号

针对实际中所观测到的探地雷达信号时常会被噪声污染的问题,根据小波分析和分形理论在多尺度分析和自相似本质上的一致性,从研究分数布朗运动小波系数的统计特性,分析信号和噪声对小波系数统计特性的影响,在探地雷达信号处理中引入小波分析和随机分形理论,提出了在小波域中,使用平滑因子恢复加性白噪背景下探地雷达信号。仿真实验表明,该方法能有效地恢复白噪背景下探地雷达信号,显著地提高了信噪比(由0 db提高到13.9 db)。     

多频海底声学原位测试信号消除干扰研究

多频海底声学原位测试系统是由国家海洋局第二海洋研究所自行研制的国内首套海底声学原位测试系统。对多频海底声学原位测试系统的测试信号处理方法进行了初探。海底声学原位测试信号难免会包含干扰信号,其将影响到海底沉积物特性提取的准确性。通过对多频海底声学原位测试系统的测试信号进行基于小波分解的自相似性分析,发现信号在不同尺度上都相似于其本身,说明干扰信号与有效信号在频谱分布上并没有太多差异,通过频率域滤波难以消除干扰信号。将小波分析方法引入海底声学原位测试信号消除干扰信号处理中,利用小波对信号进行分解并经过小波系数选择与信号重构后,消除了干扰信号,并保留了有效信号。     

曲波变换在位场信号提取中的应用研究

为了重磁数据中有效信号的分离与提取,本文研究了最近十几年发展起来的一种方法:曲波变换方法(Curvelet transform method)。从曲波变换的基本原理入手,通过重力位场理论模型数据分析了曲波变换的多尺度分解重构能力,并且利用加噪理论模型数据分析了曲波变换的阈值去噪能力,此外,还使用曲波变换对南岭东部地区布格重力异常资料进行了有效信号提取。结果验证了该方法可同时适用于位场数据的分解和去噪处理研究,为重磁数据多尺度分析处理提供参考,也为实际资料数据提供一定的指示作用。     

形态分量分析在去除地震资料随机噪声中的应用

以数学形态学和稀疏信号理论为依据,采用形态分量分析(MCA)方法去除地震数据中的随机噪声。应用MCA方法的关键在于选取合适的字典,从地震数据的特点和计算复杂性出发,选取UWT字典和Curvelet字典,一个用来稀疏表示地震数据的局部奇异部分,一个用来稀疏表示地震数据的线状变化部分。采用BCR算法求解目标函数,通过将数据分解为形态特征不同的2个分量,舍弃在字典中不能有效稀疏表示的随机噪声来达到去噪目的。作为一种二维去噪方法,MCA去噪方法在时间和空间方向上都具有很强的随机噪声抑制能力;由于UWT字典和Curvelet字典能够比传统的小波变换有更强的稀疏表示能力,MCA去噪方法对有效信息的损害较小,是一种保真保幅的去噪方法。模型测试和实际资料处理验证了该方法的有效性。     

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。