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。     

小波分析在矿井高密度电法数据处理中的应用

矿井高密度电阻率法数据由于受地电干扰、地形、接地电阻等因素的影响,通常会遇到具有一定水平尺度和垂向幅度的类似尖脉冲假异常。在数据处理过程中,对于高幅度和宽尺度的噪声,特别是与有用信息的幅度及尺度相近时,即使应用广泛的Donoho软阈值函数和硬阈值函数去噪,也存在着难以克服的问题。为此提出了一种基于线性软阈值的去噪方法：根据噪声尺度确定分解层数,而每一层的阈值则采用线性函数确定。通过实测资料分析可知,这种方法能有效地消除高频随机噪声和特定尺度的噪声,尤其是在处理类似尖脉冲的噪声信号时有较好的效果,同时又能较好地保持原有地质信息。     

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.     

小波分析在地震资料去噪中的应用

小波变换方法已广泛应用于信号处理领域。应用多尺度小波分析方法来消除地震观测信号中的噪声是一种行之有效的方法。这里从小波变换的基本原理出发,详细介绍了地震信号的阈值去噪原理,并根据模拟信号和实测地震信号的频谱分析,讨论了如何选择小波基及去噪过程中的阈值取值问题。从小波分解理论知道,利用多尺度分解方式对地震资料进行分析处理,相当于对实测地震资料进行不同尺度的细化分析,由于对不同地区、不同资料的精度要求不同,我们只要使用不同的尺度进行小波变换处理,就可以得到去除原信号的细部巨变(噪声干扰)特征的信号。同时,我们对小波变换处理后重构的地震信号与原信号进行了对比分析,误差结果分析表明该方法切实可行。我们还利用MATLAB语言及其小波工具箱,实现了对地震资料的去噪处理。     

基于经验模态分解的曲波阈值去噪方法

针对曲波阈值去噪方法阈值选取单一造成的有效信号损失或随机噪声压制不完全的问题,笔者提出了一种基于经验模态分解的曲波阈值去噪方法。该方法首先对带噪信号进行经验模态分解得到一系列固有模态函数,根据每个固有模态函数所含噪声强弱的不同,选取不同的阈值分别对分解得到的含噪固有模态函数进行曲波阈值降噪处理;最后将去噪后的固有模态函数与不含噪声的固有模态函数进行信号重构得到最终压噪的结果。由于引入经验模态分解,对分解得到的不同含噪程度的固有模态函数,选取不同的阈值进行处理,这样能够有效减小直接曲波阈值方法阈值选取单一产生的问题。模型和实际数据试算表明,该方法在提高数据信噪比的同时,能够有效地保留有效信号,是一种相对保幅的去噪方法。     

基于形态小波的核磁共振测井信号去噪及现场应用研究

核磁共振测井中采集到的回波串信号十分微弱,而背景噪声很强,使信噪分离困难。为解决这一问题,引入了结合数学形态学的特征识别和小波分解的多分辨率分析特性的形态小波方法。讨论了方法的数据基础和应用步骤,并与小波软阈值方法处理结果进行了对比分析。实测数据处理结果表明:形态小波去噪方法具有良好的细节保留和抗噪声能力,去噪效果优于小波软阈值滤波方法;在消除测井信号随机噪声的同时,能很好地保留信号的波形和特征,在较低信噪比下仍可有效地提取测井信号的有用信息,提高了T2谱的反演精度。     

基于样本熵理论的自适应小波消噪分析方法

小波消噪方法的核心问题是阈值的选择及确定.依据样本熵的特性,将样本熵与小波分析方法耦合起来,提出了一种自适应确定阈值的小波消噪分析方法.该方法计算了不同阈值对应噪声序列的样本熵值,得到阈值与样本熵值之间的关系曲线,当样本熵值达到最大时,此时阈值为所求阈值.通过算例加以验证分析,结果表明,自适应小波消噪分析方法能较好地实现水文序列的信噪分离,其消噪结果符合序列本身的特性及评价指标的要求,这为合理确定阈值提供了一种新的途径和方法.     

基于频率域小波去噪的大地电磁信号工频干扰处理

大地电磁测深(Magnetotelluric,MT)在油气勘查中得到越来越多的应用,针对MT中日益严重的工频干扰,从频率域着手,结合小波阈值去噪方法,提出了基于频率域小波去噪的MT信号工频干扰处理方法。先对受噪的MT信号进行傅里叶变换,得到其实部和虚部,再用小波阈值去噪的方法对实部序列和虚部序列分别进行去噪处理,最后将去噪后的实部和虚部联合,进行反傅里叶变换得到去噪后的信号。给出了去噪方法的原理、步骤,并用仿真信号和实测大地电磁信号验证了其有效性。结果表明:频率域小波阈值去噪的大地电磁信号工频干扰处理方法是正确、有效的,能有效且自适应地压制大地电磁信号中的工频干扰,突出被工频干扰淹没了的有用信号的信息。     

基于二维小波变换的随机噪声压制方法在GPR数据中的应用

在探地雷达探测工作中,为了尽可能多的获取回波信息,通常采用宽频带记录,这就不可避免地将各种干扰波也记录下来,其中随机噪声由于其频带较宽,分布于整个数据剖面,常规滤波方法对随机噪声的压制效果往往不佳。由于小波变换具有较强的分频和局部分析能力,根据需要选择合适的小波基函数和去噪方法,可较好地压制随机噪声,提高信噪比。基于二维小波变换理论,提出了采用自适应分层阈值法对探地雷达数据进行压制随机噪声的方法。通过不同模型、不同信噪比下正演模拟数据的验证以及对实测数据的处理,并与中值滤波法和全局阈值法的去噪效果进行了对比分析,结果表明自适应分层阈值法去噪效果更好,实用性更强。     

小波阈值法的改进及在地质雷达探测中的应用

隧道超前地质预报是否准确,高信噪比的地质雷达信号是关键。在进行地质雷达探测时,由于受到周围复杂环境的影响,采集的雷达数据中含有各种干扰信号,降低了信号质量,直接影响到解译人员对地质条件的解读,影响了隧道超前地质预报的精确度。因此,本工作提出利用一种优化过的阈值方法对信号进行去噪,提高信噪比。优化主要是从优化阈值选取方式和优化阈值函数的选取两个方面对软阈值方法进行优化,并且通过仿真实验进行验证。结果显示信噪比的提升和均方差的减小幅度上以及去噪效果三方面对比,实验证明改进方法更优于软硬阈值方法,改进方法可适用于实际雷达数据干扰信号的处理,能提高信号信噪比,更好的还原信号。     

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。     

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。     

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。     

基于SVD的叠后地震资料随机噪声分离方法

笔者提出基于SVD的叠后地震资料随机噪声分离方法,在地震剖面的同相轴水平或接近水平时可以有效地分离出地震剖面中的随机噪声,提高地震剖面的分辨率。为了说明SVD随机噪声分离方法的有效性和高效性,建立模型试验,在合成地震记录中加入随机噪声,之后进行实际地震资料处理,分别用SVD方法和基于小波变换的分层阈值方法对加入随机噪声的合成记录和加入随机噪声的实际资料进行随机噪声分离处理。对比发现,SVD随机噪声分离方法相比于基于小波变换的分层阈值方法更加有效且高效。