基于小波熵与相关性相结合的小波模极大值地震信号去噪

小波模极大值去噪算法中将高频小波系数全部当做噪声处理, 忽略了高频小波系数中仍含有的有用信息, 从而导致了模极大值传播点错选现象以及计算出的噪声方差中仍含有用信息． 针对这些问题, 提出了小波熵与相关性相结合的小波模极大值去噪算法． 将高频小波系数进行相关处理, 确定有效信号的位置; 将最大尺度上的高频小波系数划分成若干个小区间, 计算各区间小波熵; 以小波熵最大区间的高频小波系数的平均值作为噪声方差, 根据Donoho提出的阈值公式计算最大尺度上的阈值; 经阈值比较得到的模极大值点位置与相关处理得到的有用信息的位置进行比较, 保留相同位置的模极大值, 剔除位置不同由噪声引起的模极大值点; 采用即兴(Adhoc)算法逐级搜索各尺度上的模极大值, 并用交替投影算法进行重构． 该算法实现了阈值的自适应选取, 并有效解决了去除错选模极大值传播点的问题． 将本算法和传统去噪方法用于仿真信号处理中, 经对比分析验证了本算法的有效性．      

水位动态周期性干扰的小波方法分析研究

1 小波分解与重构 对任意信号,离散小波变换是将信号分为低频部分和高频过程.近似主要是系统的低频成分,细节是高频成分.本研究中,对水位数据出现周期性变化的数据进行小波分解和重构,得到剔除干扰后的曲线,并对重构后的水位数据进行再次分解,得到其噪声特征信息.     

一种小波综合阈值地震信号降噪方法

小波阈值方法中硬、软阈值方法是地震信号降噪常用方法,但容易造成信号中高频信息丢失导致地震误判和漏判情况发生。小波综合阈值方法继承和发展了硬、软阈值降噪方法的优点,对信号高频部分用硬阈值方法,以提高高频信号能量,对信号低频部分用软阈值方法,提高信号降噪能力的同时保证信号连续性和光滑性。利用噪声信号小波系数小和地震信号小波系数大的特征,进行雷克子波降噪仿真实验和实际地震信号降噪实验。仿真实验表明,小波综合阈值方法降噪后波形MSE值最小,且降噪后与原信号波形最近似,降噪后波形高频部分能量增强且抑制低频部分能量。最后,对实际采集的地震信号进行降噪处理,处理后信号中能量增强被压制,利用处理后的信号可得到地震的初至时间。     

基于小波分析的CT图像噪声类型识别

对CT图像噪声的类型进行识别,采用相适应的去噪方法提高图像去噪效果,减少去噪中的盲目性.分析小波高频子带系数的能量分布,利用直方图的信噪比和曲线拟合图的积分,对CT图像中最常见的两类噪声,即高斯噪声和椒盐噪声进行识别.直方图的信噪比R为0.2,曲线拟合图积分A为60,可作为高斯噪声和椒盐噪声分界线.对大量含噪CT图像的...     

基于平移不变量小波的全张量重力梯度数据滤波（英文）

全张量重力梯度(FTG)数据包含大量场源体的细节信息,其滤波处理对异常的反演和解释结果有重要影响,本文提出一种基于平移不变量小波的自适应混合阈值滤波方法,可有效压制随机噪声并保留数据细节信息。建立了新的混合阈值法,根据信号和随机噪声所对应小波系数的能量分布进行滤波。平移不变量小波能有效压制伪吉布斯现象,混合阈值方法相对传统阈值能得到更好的信噪小波系数的分离,同时,根据每个分解尺度上小波系数的统计特性,使用自适应贝叶斯阈值进行小波系数的处理。此外,应用二维离散小波变换直接处理网格数据,可以提高计算效率。模型数据和实测数据处理的结果表明,相对高斯滤波器,本文所提出的方法不仅能有效去除高斯白噪声,还能更好地保留FTG数据的高频细节信息,具有良好的实际应用前景。     

GNSS不同类型实验观测墩对不同类型噪声幅值影响分析

以小波分析方法为基础,对2 km范围以内的不同类型试验观测墩在同等观测条件下的GNSS时间序列的线性拟合残差进行sym8小波8尺度分解,得到不同尺度(也即不同频段)的噪声残差,然后将不同尺度的噪声残差组合成具有白噪声特性的高频部分、闪烁噪声特性的中频部分和随机游走性质的低频部分.仅分析了不同类型观测墩的被认为是GNSS固有的高频部分(白噪声)和中频部分(闪烁噪声)噪声幅值大小及变化情况.分析结果表明,在ITRF2005下按单日解采样并考虑观测误差及数据处理误差水平的情况下,可认为基岩、土层和楼顶标稳定性对白噪声及闪烁噪声幅值影响不大,在进行临震异常分析或震后形变异常监测时,上述不同类型观测墩观测数据基本满足要求.     

小波分析在甘肃天水断层气氡数据分析中的应用

利用db4小波变换分析原理，对甘肃天水毛集、马窑和原家庄3个测站2021—2022年的断层气氡观测数据进行分析，并将资料中低频和高频成分进行有效分离。结果表明：小波变换方法对不同频率的信息识别功能较强，能够更直观和显著地反映地震前兆异常现象。结合震例研究表明，小波分析是断层气氡观测资料消除噪声，识别地震中短期异常的一种有效方法。     

CEEMD与小波变换联合去噪方法研究

作为经验模态分解(EMD)的改进型算法,完备总体经验模态分解(CEEMD)不但有效解决了EMD的模态混叠问题,同时也保留了EMD处理非平稳信号的优势,如自适应性、二进滤波特性等.CEEMD能自适应地将一个复杂信号分解为一系列本征模态函数(IMF)分量,且IMF分量满足从高频到低频系列分布,随机噪声往往分布在第一个或前几个高频IMF分量.考虑到地震信号的非平稳性和去噪方法对非平稳信号的适应性,针对CEEMD直接舍弃高频IMF分量去噪容易造成高频有效信息损失以及小波阈值去噪方法存在的不足,本文提出了一种基于CEEMD的小波阈值去噪方法.该方法首先引入自相关曲线判别出含噪较多的高频IMF分量,然后对CEEMD直接去噪要舍弃的这些含噪高频分量进行小波阈值降噪,以保留这些分量中的高频有效信息,最后与不含噪声的其他IMF分量一起重构原信号.模型和实际地震数据试算结果表明,该方法在显著提高地震数据信噪比的同时,能有效地保留原信号中的高频有效成分和弱信号信息,是一种相对保幅的有效去噪方法.     

GPS基准站坐标分量噪声的时间序列与分类特征

根据地震预测对异常信息(长期、中期和短期异常)与噪声分离(白噪声、闪烁噪声和随机漫步噪声)的需要,文中应用小波方法对中国大陆的有关GPS基准站坐标分量和测站间坐标分量进行了分离,并将它们归纳为四类高频、中频、较低频和低频。通过对高频、中频和较低频的时间序列特征进行分类分析,获得如下看法:①高频类可能主要是白噪声造成的,其离散的程度较中频类略大,或许其中在某时刻包含临震前兆和震时形变信息;②中频类主要突出闪烁噪声的特征,或许其中在某时刻包含着短临前兆信息;③较低频类若剔除年和半年周期成分则显示随机漫步噪声的特点,或许其中包含着中期前兆信息;④低频类主要体现趋势性形变信息;⑤高频与中频类噪声的大小一般与观测季节明显有关,噪声最大的时段大约是8月份,噪声最小的时段大约是2月份;⑥判定不同频域信息的显著性时,其噪声要进行相应的综合或分离;⑦一定的空间域内的测站间坐标增量噪声平均小于测站相应坐标的噪声,而且噪声大小随时间的变化更加突出,甚至相差达一倍以上。这些可能说明,虽然这些噪声是GPS观测所固有的,但并非完全是独立的,测站间越近,共性的成分越突出。所有这些将为我们变形分析时信息显著性的判断、方法的选择、资料处理时权的确定、观测的最佳时段选择、跟踪监测方案制定和参考基准站的确定等提供重要的参考。     

全张量重力梯度数据滤波处理(英文)

在石油和金属矿勘探中,相对于重力数据,重力梯度张量数据含有高频的信号成分,能更好的描述小的异常特征。然而,全张量重力梯度仪测量值中含有高频随机噪声。从高频信号成分中分离出噪声将是处理重力梯度张量数据的一个挑战。本文在拉普拉斯方程约束条件下推导了重力梯度张量的笛卡尔方程和位场的表达式,然后应用笛卡尔方程通过最优线性反演方法拟合测量的重力梯度张量值。从而去除测量值中的噪声。通过模型实验,证明了这种方法不仅能很好的去除高频的随机噪声,而且能增强被噪声淹没的弱异常信号。与传统的低通滤波方法相比,避免了通过牺牲分辨率来达到去除噪声的缺点。最后将该方法应用到Bell Geospace在Vinton Dome测得的Air-FTG梯度张量数据中,并取得了很好的效果。     

佘山地磁信号的小波消噪处理

上海地铁9号线开通后,佘山地震基准台地磁观测受到严重影响,本文运用小波分析的方法,对被地铁9号线干扰的余山地磁数据进行消噪处理,并将变换后得到的结果和没有地铁干扰的崇明地震台同一仪器观测的地磁数据进行时序变化和相关系数比较,消噪处理效果较明显。     

基于EMD小波阈值滤波的地磁数据去噪分析

采用小波阈值滤波、经验模态分解滤波和基于经验模态分解的小波阈值滤波3种方法,对磁通门磁力仪观测数据进行去噪,有效去除或抑制郫县地震台地磁数据的地电干扰.     

地磁台站的城市轨道交通干扰的小波抑制方法研究——以天津轨道交通干扰为例

我国地磁台站观测环境日益受到轨道交通干扰影响,导致地磁观测数据质量下降,制约地磁观测发展.因此,开展干扰抑制的数据处理方法研究,最大限度抑制干扰是提高观测数据质量切实可行的方法.本文提出轨道交通干扰的小波域噪声阈值抑制模型及方法.以天津轨道交通为例,选用受干扰的天津静海地磁台和未受干扰的参考台站河北红山地磁台观测资料,...     

基于数学形态学的地磁数据噪声处理软件

在当前地磁数据噪声预处理过程中,存在效率低下、处理质量因人而异的缺点,借鉴数学形态学的去噪方法,基于C/C++编程语言和Qt开发框架,设计开发一套地磁数据噪声处理软件,提高地磁数据预处理工作的自动化水平。由重庆地震台网的应用效果可知,该软件具有较为广泛的应用前景。     

基于参考台的盲源分离法在抑制地磁场近场噪音中的应用研究

随着城市建设的不断发展,地磁场观测受到的人文干扰越来越严重.汽车、地铁、高铁等产生的近场噪音造成了地磁脉动等空间场源信号难以被精确观测,严重影响了地磁观测资料的实际使用价值.因此抑制这些近场噪音、提取空间场源信号具有科学意义和应用价值.本研究将远场参考法和盲源信号分离法相结合,提出了一种能有效分离空间场源信号和近场噪音的方法.首先,基于仿真分析,我们准确分离了不同特征的源信号,阐明了此方法的有效性.然后,我们将该方法应用于日本千叶地区受电车干扰较为严重的实际磁场观测数据,并选用数据质量较高的KAK国际基准台作为远场参考,实现了地磁脉动和电车干扰信号的分离,并在此基础上对观测台站的近场噪音进行了抑制.这些结果表明基于参考台的盲源信号分离法在抑制近场噪音、提取地磁场信号中是有效的,可能在电磁法勘探中具有潜在的应用价值.     

Using wavelet‐domain adaptive filtering to improve signal‐to‐noise ratio of nuclear magnetic resonance log data from tight gas sands

In tight gas sands, the signal‐to‐noise ratio of nuclear magnetic resonance log data is usually low, which limits the application of nuclear magnetic resonance logs in this type of reservoir. This project uses the method of wavelet‐domain adaptive filtering to denoise the nuclear magnetic resonance log data from tight gas sands. The principles of the maximum correlation coefficient and the minimum root mean square error are used to decide on the optimal basis function for wavelet transformation. The feasibility and the effectiveness of this method are verified by analysing the numerical simulation results and core experimental data. Compared with the wavelet thresholding denoise method, this adaptive filtering method is more effective in noise filtering, which can improve the signal‐to‐noise ratio of nuclear magnetic resonance data and the inversion precision of transverse relaxation time T₂ spectrum. The application of this method to nuclear magnetic resonance logs shows that this method not only can improve the accuracy of nuclear magnetic resonance porosity but also can enhance the recognition ability of tight gas sands in nuclear magnetic resonance logs.     

Translation-invariant wavelet denoising of full-tensor gravity –gradiometer data

Denoising of full-tensor gravity-gradiometer data involves detailed information from field sources, especially the data mixed with high-frequency random noise. We present a denoising method based on the translation-invariant wavelet with mixed thresholding and adaptive threshold to remove the random noise and retain the data details. The novel mixed thresholding approach is devised to filter the random noise based on the energy distribution of the wavelet coefficients corresponding to the signal and random noise. The translationinvariant wavelet suppresses pseudo-Gibbs phenomena, and the mixed thresholding better separates the wavelet coefficients than traditional thresholding. Adaptive Bayesian threshold is used to process the wavelet coefficients according to the specific characteristics of the wavelet coefficients at each decomposition scale. A two-dimensional discrete wavelet transform is used to denoise gridded data for better computational efficiency. The results of denoising model and real data suggest that compared with Gaussian regional filter, the proposed method suppresses the white Gaussian noise and preserves the high-frequency information in gravity-gradiometer data. Satisfactory denoising is achieved with the translation-invariant wavelet.     

基于小波分频叠前相干噪声压制方法

基于小波分析的去噪方法在地震资料叠前处理中得到了广泛应用.本文主要介绍利用小波变换的分频特性来压制相干噪声.通过小波分频技术将叠前地震信号分解为不同频带,然后利用有效波和相干干扰波的频谱差异来区分有效信号和噪声,最后利用加权方法去掉不需要的噪声信息来达到去除相干噪声的目的.实际资料的处理结果表明：基于小波分频方法能很好地压制相干噪声,从而提高地震资料信噪比和分辨率.     

地磁观测台网参考背景噪声指标及应用

中国地磁观测台网台站配备多种高精度连续观测仪器,获得大量数字化观测数据。为有效监控仪器运行状态、台站观测环境及观测数据质量,地磁观测台网引入多个数据评价指标,参考背景噪声即为其中一个重要指标,分析该指标在国际地磁静、扰日以及不同时间段的分布特征,评估其有效性,并利用观测数据验证其合理性。该指标可有效监控数据质量,及时反映地磁台观测运行中存在的问题,作为评估地磁观测台网对地磁场活动最小分辨能力的指标,尚蕴藏其他变化特征。参考背景噪声指标在数据质量监控和数据分析中具有一定应用价值。