基于小波分析的低信噪比天气雷达回波弱信号提取

针对低信噪比环境下的天气雷达回波弱信号提取问题,提出一种基于小波分析的弱信号提取算法。利用dbN小波函数对雷达回波进行小波域处理并重构信号,提取雷达回波信号的联合时频特征,并且使用FIR滤波方法和小波分析两种算法对数据去噪,得到两种算法在不同信噪比下的信噪比输出以及信噪比改善,证明在低信噪比环境下,小波分析算法的有效性和优越性。     

高精度广义KL变换波场分离与去噪

KL滤波是地震数据处理中的重要方法技术之一。针对在实际中如何有效地应用好KL变换的问题，结合有效波同相轴高精度拾取和排齐技术，采用奇异值分解（SVD）算法实现KL变换，使KL滤波适用于任意弯曲同相轴的分离与消除。理论模型计算和实际资料处理试验表明，使甬该方法能有效地分离相干噪声和随机噪声，提高地震记录的信噪比，简单实用．便于操作。     

融合边缘特征与语义信息的人工坑塘精准提取方法

针对高空间分辨率遥感影像目标提取中定位精度低、边缘粗糙等问题,提出一种融合目标边缘特征与语义信息的人工坑塘提取网络模型。方法首先利用改进的U-Net语义分割网络模块来提取遥感影像中丰富的目标语义信息,然后拓展上述语义分割网络构建边缘提取子网络来获取遥感影像的多尺度边缘特征,最后借助于编码-解码子网络融合边缘特征与语义信息,实现遥感影像目标的精准提取。将该方法运用到雷州半岛复杂背景条件下人工坑塘提取实验中,实验结果中本文提出的方法在F分数以及边界F分数等评价指标上表现最优,达到97.61%与83.01%,验证了融合高层语义信息结合低层的边缘特征在提升遥感目标提取精确度上的有效性。     

基于数学形态学的高空间分辨率遥感影像几何特征提取

本文结合高空间分辨率遥感影像的特点,利用数学形态学方法,选取具有不同尺度和包含全部方向的结构元素,设计了全方位结构元素多级加权滤波去噪算法和多尺度全方位形态学边缘检测算法,用于高空间分辨率遥感影像的处理;并通过图像边界追踪生成栅格数据对象和矢量数据对象,据此建立了高空间分辨率遥感影像的几何特征提取模型。结果表明:全方位结构元素多级加权滤波去噪算法很好地抑制了图像中的噪声,并保留了图像细节;多尺度全方位形态学边缘检测算法很好地解决了噪声抑制和精细边缘提取的矛盾,检测出的图像边缘比基本的边缘检测算子清晰,而且抗噪性能强。提取的几何特征信息可以结合遥感图像的光谱、纹理、统计等特征用于遥感图像地物识别与分类,也可以在GIS、摄影测量、计算机视觉等领域和气象、农林、地理、海洋、水利、国土资源和环保等行业使用。     

面向中尺度涡提取的SLA去噪方法研究

噪声去除一直是基于卫星高度计资料的海洋中尺度涡提取研究的难点和热点,然而无论是卷积滤波器还是信息滤波器都存在对海面高度异常（SLA）数据的局部过处理现象。鉴于此,本文提出一种基于包络面去噪的海洋中尺度涡提取方法。该算法可利用分离层内的信息稳定性和层间的信息完备性,很好地改进了卷积运算没有考虑局部噪声的不足,进而有效地提高去噪能力。其具体流程为：首先,对初始化的原始数据场进行上下包络面构造,形成原始数据子场;然后,根据子场内部和子场间的稳健性,把原始数据场转换为子场集合;其次,利用子场极差和标准差,对子场集合进行信息重组,形成噪声去除后的信息场;最后,利用去噪后的信息场数据,采用Winding-Angle（WA）和泛克立金中尺度涡提取算法在西北太平洋进行对比验证实验。实验结果表明,本文提出的方法较前人的方法有较大的提升,准确率为91.23%,取得了较好的应用效果。     

基于二维小波自适应阈值的海洋磁场资料去噪方法

构建海洋三维磁空间背景场模型时,解析延拓是实现不同高度磁场数据相互转换的关键。针对向下延拓数据中的高频信息极易被延拓算子放大,并包含在延拓后的磁场资料中,降低了三维磁空间背景场模型的构建精度,引入二维小波自适应阈值去噪方法,在不同小波分解阶层中设定自适应阈值,在向下延拓前去除磁测数据中的高频噪声,改善向下延拓结果。理论模型试验与实例分析表明,在不同噪声条件下,二维小波自适应阈值法可有效提高数据的信噪比,去噪效果优于传统的快速傅里叶（FFT）平滑法,从而有效改善频域迭代向下延拓结果,为三维磁空间背景场模型构建提供基础。     

基于CEEMDAN和小波变换的地震信号随机噪声压制新方法

提出一种结合自适应噪声完备集合经验模态分解（CEEMDAN）和小波变换（WT）的地震信号去噪新方法CEEMDAN-WT。首先利用CEEMDAN将地震信号自适应地分解为若干个固有模态函数（IMF）和余量;然后计算各分量与原始信号的皮尔森相关系数,对处在不同相关系数阈值区间内的分量分别作小波滤波、维持原状及直接剔除等处理,并进行线性重构;最后构建样本熵变化量、互信息、信噪比等指标体系,定量评估去噪效果。模拟实验与实测数据（青海玛多地震）计算结果表明,与EMD、EEMD等方法相比,CEEMDAN-WT方法能有效抑制随机噪声的影响,提高信噪比,并且地震信号的精细化重构效果较好,信号有效成分得到较大保留。     

GeoMUST技术及其在提高地震资料信噪比和分辨率中的应用

地震勘探方法中的信噪比和分辨率是矛盾的对立统一体,常规地震资料处理流程很难在提高信噪比的同时提高分辨
率,本文基于中国近海某工区数据,提出一种新的处理技术,在地质导向下采用多种方法将提高信噪比和提高分辨率分开进行处
理,在处理的过程中互不干扰;再采用最优加权叠加技术将多处理流程得到的各自结果叠加起来,该技术简称为GeoMUST技术。
合成记录处理试算和实际资料处理结果表明该技术可以兼顾信噪比和分辨率以及保真度。      

小波分解与EMD在变形监测应用中的比较

为分析经验模式分解(Empirical Mode Decomposition, EMD)在GPS动态变形监测应用中的可行性和有效性,利用模拟数据和振动台的GPS实测数据分析比较了EMD和小波分析在信号去噪和多尺度分解上的能力.结果表明:EMD和小波均能较准确地提取结构振动信息,但当噪声较大时小波去噪和多尺度分解稳定性略优于EMD,而EMD则基于数据本身具有自适应性,不受小波基选择和分解层数的影响.     

基于提升小波的单历元GPS变形监测信号的去噪

介绍提升小波阈值收缩法去噪的基本原理和方法,利用该方法对含噪的GPS单历元变形监测数据进行去噪,提取真实变形信息。实际数据处理结果表明,相比第一代小波,提升小波变换去噪效果更好,计算速度更快。     

APPlication of suPPressing random noise in seismic data based on Trivashrink and DTCWT

In Process of seismic exPloration,the noise of seismic signals Produces serious interference. Conven-tional methods of wavelet threshold denoising cannot fully use the characteristics of seismic signal...     

全相位模型估计方法压制磁共振测深谐波噪声应用研究

磁共振测深是当前唯一直接找水的地球物理方法。磁共振测深找水仪探测接收性能灵敏度高,能够接收到纳伏（1 nV=10-9 V）级的NMR信号,但易受到环境电磁噪声的干扰,从而使得磁共振测深解释结果的准确性受到影响,往往不能反演出真实的地下含水层结构。针对这一问题,提出了全相位模型估计方法,对电磁噪声中比重最大的工频谐波噪声进行压制。高精度的谐波建模是建模对消法的关键,本方法利用存在时移关系的两段含噪NMR信号分别进行全相位FFT处理,直接取主谱线的相位值即为相位估值,利用主谱线的相位差可获取高精度地频率估值和幅值估值。与传统FFT相比,全相位FFT具有良好的抑制频率泄露特征。通过仿真实验发现,全相位模型估计法比传统的模型去噪法能够更加精确地找到工频谐波参数,精度提高一倍以上。通过实测数据检验发现,全相位模型估计法能够更好地应对实际噪声复杂多变的情况,有效地压制工频谐波的干扰,提高MRS方法反演解释的准确性。      

地震与爆破波形信号的EEMD多尺度分布熵提取和WOA-SOM神经网络识别研究

针对地震信号中存在大量环境噪声的问题,基于天然地震事件和人工爆破事件建立初始数据集,利用集合经验模态分解（EEMD）技术对波形信号进行分解、降噪,提取出较纯净的各阶本征模态函数（IMF）分量,然后对前10阶分量分别计算分布熵,即EEMD多尺度分布熵,建立神经网络输入矩阵。应用鲸鱼优化算法（WOA）对自组织特征映射（SOM）神经网络参数（竞争层维数、网络训练次数）进行优化,针对不同训练样本寻找对应的最优参数值以改善模式识别的稳定性,从而提高地震识别率。结果表明,EEMD多尺度分布熵结合WOA-SOM模型可有效识别天然地震和人工地震。     

Random seismic noise attenuation by learning-type overcomplete dictionary based on K-singular value decomposition algorithm

The transformation of basic functions is one of the most commonly used techniques for seismic denoising,which employs sparse representation of seismic data in the transform domain. The choice of transform base functions has an influence on denoising results. We propose a learning-type overcomplete dictionary based on the K-singular value decomposition( K-SVD) algorithm. To construct the dictionary and use it for random seismic noise attenuation,we replace fixed transform base functions with an overcomplete redundancy function library. Owing to the adaptability to data characteristics,the learning-type dictionary describes essential data characteristics much better than conventional denoising methods. The sparsest representation of signals is obtained by the learning and training of seismic data. By comparing the same seismic data obtained using the learning-type overcomplete dictionary based on K-SVD and the data obtained using other denoising methods,we find that the learning-type overcomplete dictionary based on the K-SVD algorithm represents the seismic data more sparsely,effectively suppressing the random noise and improving the signal-to-noise ratio.     

线性Radon变换噪音压制法及其在古龙断陷中的应用

针对松辽盆地北部古龙断陷地震资料信噪比低、线性干扰强特点,提出应用线性Radon变换进行叠前线性噪音压制的预处理方法,Radon变换可在炮集和CMP道集上进行运算,算法简单,易于编程实现,其积分路径的特点适合线性噪音压制.模拟数据和实际地震资料应用结果表明,线性Radon变换法能够实现保幅的线性噪音压制,是叠前提高地震资料信噪比的实用方法,在地震资料预处理中具有应用前景.     

Seislet transform denoising based on total variation minimization

Attenuation of noise is a persistent problem in seismic exploration. The authors use conventional denoising method to remove noise which may cause vibration near the discontinuity called pseudo-Gibbs artifact.In order to remove the artifact,the study proposed a method combining the seislet transform and total variation minimization. Firstly,the data are converted into the seislet transform domain. Secondly,the hard threshold was used for eliminating the noise and keep useful signal,which is the initial input for the next step. Finally,total variation minimization dealed with denoised data to recover boundary information and further eliminated the noise. Synthetic data examples show that the method has feasibility in eliminating random noise and protecting detailed signal,and also shows better results than the classic f-x deconvolution. The field data example also shows effective in practice. It can remove the noise and preserve the discontinuity signal at the same time.     

广义S变换在地震数据处理中的应用与展望

总结了目前常见的广义S变换类型、原理与特点,归纳了现今广义S变换在时频域滤波去噪、时频谱分解、初至波识别与拾取及面波干扰压制等地震资料处理方面的研究成果。最后,展望了广义S变换在地震弱信号识别与提取、地震资料精细时变滤波、面波频散特性分析、背景噪声成像等研究方面的应用潜能。     

地震勘探技术在煤炭勘查中的应用与展望

地震勘探作技术为一种重要的勘探方法,可以经济、有效的发现资源和解决资源开采过程中遇到的构造、地层、岩性等问题。煤炭地震勘探发展过程中地震野外数据采集、地震数据处理和地震解释都取得了重大成就,目前煤炭地震勘探正进一步向高信噪比、高分辨率、高保真度、高清晰度、高精度、定量分析的方向发展,未来也必将在煤炭资源发现和矿井隐蔽致灾因素的探测中发挥重要作用。     

Study of denoising method for nonhyperbolic prestack seismic reflection data

Removing random noise in seismic data is a key step in seismic data processing. A failed denoising may introduce many artifacts, and lead to the failure of final processing results. Seislet transform is a wavelet-like transform that analyzes seismic data following variable slopes of seismic events. The local slope is the key of seismic data. An earlier work used traditional normal moveout(NMO) equation to construct velocity-dependent(VD) seislet transform, which only adapt to hyperbolic condition. In this work, we use shifted hyperbola NMO equation to obtain more accurate slopes in nonhyperbolic situation. Self-adaptive threshold method was used to remove random noise while preserving useful signal. The synthetic and field data tests demonstrate that this method is more suitable for noise attenuation.     

PDS型地震仪自动校钟同步装置研制

为使原本用于人工地震测深野外数据采集的PDS型地震仪能够适用于超密集流动台阵野外观测,设计了一种基于Apollo2微控制器的具备GNSS校钟同步和仪器工作参数动态设置功能的外置即插即用式自动控制装置.经室内测试运行和野外比对测试实验,该装置运行稳定可靠,能满足野外超密集台阵长期连续工作的需要.