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。     

С����������Compass�������Ƶ���׸����е�Ӧ��

???Compass???????????????????????????С?????????????????????????????????????????????????Compass??????????????????С????????????????????????????????????Compass?????????????????????????????Ч???     

密山地电场数据小波包去噪研究

选取2009年11月21日密山市知一镇地震发生当天密山地电场数据,采用小波包阈值去噪算法,对地电场数据进行去噪研究,还原地震发生后地电场数据变化信息,并结合去噪效果及误差分析结果,选出适合密山地电场数据去噪的最优小波函数。     

SURE算法在核磁共振信号去噪中的实现

核磁共振产生的回波信号幅度比较低,容易受到噪声干扰.如何有效提高低场核磁共振回波信号的信噪比一直是核磁共振技术研究的关键课题之一.本文讨论了一种基于小波变换的Stein无偏风险估计(SURE)算法,从相关系数图版中确定尺度因子和分解层次,依据噪声在不同分解层次上的差异取不同的阈值对回波信号去噪.该算法与传统的模极大值法和空域相关法相比,能获得更高的信噪比,为储层流体分析提供更准确的孔隙度信息.     

基于点云去噪的球形标靶中心拟合研究

以球形标靶作为同名特征点进行点云数据配准时,若标靶附近有干扰物或扫描的标靶点云含有大量噪声,会对点云配准质量造成很大影响。针对目前点云配准对标靶自身噪声有所忽略的问题,分析球形标靶的特点,探讨小波阈值去噪方法的适用性,并对去噪小波基函数的选取进行实验,提出球形标靶点云离散噪声小波阈值去噪方法。实验表明,标靶自身点云的去噪不可忽视。分析结果表明,该方法能够更有效地滤除球面外围粗差噪声,单个球形标靶的中心位置拟合精度提高约0.8 mm,相较标靶球未经去噪的拼接结果,扫描物特征检查点的坐标拼接误差减小约5 mm,点云总体配准精度提升约20％,是一种有效的点云数据配准预处理方法。     

一种海洋磁力测量降噪的有效方法

波浪噪声和随机噪声是影响海洋磁力测量数据处理精度的重要因素。基于小波阈值消噪理论,研究了海洋磁力测量数据中的波浪和随机噪声的消除方法。仿真和实例计算表明:借助于小波的分解与重构,有效地减弱或消除了测量数据中的波浪和随机噪声,具有较高的精度和可靠性。该方法解决了传统的滑动拟合法对波浪和随机噪声与测量数据中的真实高频信息一起平滑过滤的局限性问题。     

基于小波包变换的EMD算法在超声信号处理中的应用

提出基于小波包变换的EMD算法,并将其应用于超声回波信号去噪.对于采用EMD分解含高斯白噪声的超声缺陷信号存在模态混叠的问题,首先用小波包变换对信号作预处理,再对信号进行EMD分解,最后重构出有用的缺陷信号.实验结果表明:该方法不仅具有很好的消噪效果,而且重构的缺陷信号的波形失真度小,有利于对信号做进一步的定量分析.     

经验模态分解阈值消噪方法及其在惯性导航系统数据处理中的应用

针对惯性元件误差中有色噪声影响远大于白噪声的情况,建立元件误差的分形高斯噪声模型,利用功率谱密度方法估计模型参数。基于噪声模型推导经验模分解(EMD)的各固有模态函数(IMF)分量中噪声的方差,以此估计各分量相应的阈值,建立EMD阈值消噪方法。将该方法应用于INS中,并与小波阈值法进行比较。结果表明,小波阈值法难以控制元件中有色噪声的影响,EMD阈值法与噪声模型紧密结合,能够更有效地削弱元件中的随机误差,提高INS精度。     

GHM类正交多小波变换及其在地震资料去噪中的应用

多小波是对小波理论的一个新发展,它可以同时满足正交性、对称性、短支撑等良好的特性要求。文中介绍了多小波基本理论、多小波变换具体过程及预处理方法,提出了基于GHM类多小波变换的地震资料软阈值去噪方法,通过对合成数据和实际资料进行处理分析,表明多小波变换在有效压制随机噪声的同时,能较好地保留原信号的特征信息,是一种行之有效的去噪方法     

基于经验模分解的陀螺信号消噪

陀螺随机漂移是影响惯性导航精度的重要因素。小波消噪方法对异常噪声效果不明显,且对小波基和分解尺度等因素依赖性较强。提出陀螺信号经验模分解(EMD)消噪方法,将信号进行经验模分解得到一个本征模态函数(IMF)组,先基于2sigma准则处理异常噪声IMF分量,再利用相关系数确定高频噪声IMF分量个数,将噪声分量去除以实现陀螺信号消噪。详细对比小波方法与EMD方法,利用交叠式Allan方差分析两者的消噪效果,通过惯导算例进一步验证EMD方法的实效性。结果表明,相比小波方法,EMD消噪法能剔除异常噪声,可以更有效地抑制陀螺漂移。