GPS变形监测动态数据处理中卡尔曼滤波的应用

介绍了卡尔曼滤波的基本原理,针对常规GPS变形监测数据处理中存在着不连续、非实时的缺点,结合卡尔曼滤波的特点,运用三峡实测数据对GPS变形监测动态数据处理中卡尔曼滤波的应用进行研究。并采用各点点位位移速度图对所建立的函数模型进行验证,同时对状态方程的建立及初始值的选取进行分析总结。     

消除噪声的RNF图像融合算法

在多光谱遥感图像中有时也会存在较严重的随机点噪声的干扰，这种随机点噪声严重影响了地物光谱特征提取和识别的精度，降低了各种遥感定量分析方法技术的有效性。常用的遥感图像随机噪声消除或压抑方法是Fourier变换频率域方法和采用平滑模板对图像进行卷积处理的空间域方法，但它们往往会损失图像信息。文章探讨了消除或压抑噪声的图像融合方法，即RNF融合法。RNF融合算法先对参与融合的多光谱图像进行低通滤波，对全色波段进行高通滤波。然后将滤波后的全色波段与多光谱图像用HSI变换法进行融合，融合后的图像消除了噪声。     

基于改进K-SVD字典学习方法的地震数据去噪

为实现更好的地震数据去噪技术,笔者引入一种新的算法:快速迭代收缩阀值法(FISTA),通过FISTA和K-奇异值分解(K-SVD)不断迭代更新K-SVD字典,利用更新得到的K-SVD字典对地震数据进行稀疏表示,去除稀疏系数中较小的数值,使数据中的随机噪声得到压制。对层状模型合成地震记录,Marmousi模型合成地震记录以及实际地震数据进行对比实验,得出FISTA算法较OMP算法能更好地提高地震数据的信噪比,同时有效地保护了反射信号。     

小波变换压制噪声在单道地震资料处理中的应用

海洋区域地质调查中,单道地震勘探以其高分辨率、方便快捷等优点成为揭示浅地层地质构造的重要手段之一.结合前人研究成果并出于保护信号的完整性,对低频部分的噪声采用带通滤波进行滤除,而对高频信号中的随机噪声采用小波阈值去噪方法进行压制处理.在小波阈值去噪过程中,通过比较选用最佳小波基函数sym5对地震剖面进行三层小波分解.结果表明:两种阈值去噪方法在带通滤波的基础上进一步提升了剖面的质量,使得反射层面变得连续可追踪.软阈值去噪滤掉了剖面上的较多信息,去噪效果较为彻底,硬阈值去噪则保留了较多的细节信息.     

消减地震勘探随机噪声:导数算子约束下的维纳滤波

为使传统的维纳滤波方法在最小均方准则下的解更准确、稳定,采用正则化思想,提出导数算子约束下的最小均方准则;在这种准则下,推导了维纳滤波因子及其频率响应.通过在不同频段取不同的正则化函数值,控制滤波结果.理论及实际地震勘探资料的分析表明:正则化维纳滤波去噪效果比传统维纳滤波好,且对有效波的损失较小,表明了文中所取正则项的可行性及有效性.最后讨论了通过建立正则化函数关系式,方便地提供正则化函数值以及圆滑振幅谱对改进滤波效果的可能性.     

基于Shearlet变换的非局部均值地震噪声压制

在地震勘探中,由于野外地震数据采集环境及仪器性能本身的限制,采集到地震信号中不可避免地会混入较强的噪声,极大影响后续处理、解释工作。而近几年,多尺度几何分析方法以其独特优势成为压制噪声的研究热点,本文提出在Shearlet域中引入非局部均值算法对地震噪声进行压制,该算法首先对地震信号进行非下采样Shearlet变换,然后采用非局部均值法对分解后系数子集进一步处理,并采用8个Sobel算子近似表示全方向结构,对权重函数进行改进,最后对系数进行Shearlet反变换,得到去噪后的地震信号。实验结果表明相比于传统非局部均值法,该联合算法能有效地压制随机噪声,同时对弱同相轴具有更好的保护作用,在地震资料处理中具有良好的实用性。     

图象分割中随机噪音的影响

该文在生成的灰度图象上加上随机噪音，用最大后验（ＭＡＰ）估计方法、模糊Ｃ－均值方法和Ｏｔｓｕ阈值方法进行了分割计算，对结果进行了对比分析，绘出了分割随噪音的标准差变化曲线，对噪音图象使用了不同的滤波方法处理之后，并进行计算。     

地震随机噪声压缩感知迭代压制方法

复杂地表和复杂介质条件下,随机噪声往往严重影响着复杂地震信号的信噪比,同时深层地球物理目标探查中弱地震信号总是被随机噪声所掩盖,如何有效地压制随机噪声干扰、恢复有效地震信号仍然是高精度地震勘探中的关键问题.压缩感知理论突破了奈奎斯特采样定理的限制,利用有效地震信号的可压缩性和稀疏性,提供了从不可压缩随机噪声中进行有效信号分离的数据原理.本文系统分析压缩感知框架下地震随机噪声压制的稀疏优化反问题,提出了基于迭代软阈值算法的"采集-重建-修复"方案对该问题进行求解.在实现高度稀疏表征的基础上进行地震数据的压缩感知随机观测,通过迭代反演对有效地震信号进行重构,有效提高复杂地震数据的信噪比,同时,当求解稀疏优化问题时,如果出现正则化项引起重构信号衰减现象,可以匹配除偏对衰减的有效信号进行修复.通过与工业标准 f-x预测滤波方法进行比较,理论模型和实际数据处理的结果表明,压缩感知迭代噪声压制方法对复杂地震数据中的随机噪声有较好的压制效果,可以有效恢复出被较强非平稳随机噪声干扰的时空变同相轴信息.     

f-x域共偏移距道集的EEMD随机噪声压制方法

f-x域随机噪声压制方法面临着2个问题:叠前共炮点道集或CMP道集反射波同相轴为双曲线型,去噪同时会损害有效波;地震信号为复杂的非平稳信号,要求去噪方法具有自适应性。基于f-x EEMD的共偏移距道集随机噪声压制方法利用了共偏移距道集反射波同相轴为水平满足f-x域去噪假设条件和EEMD算法对非平稳信号的良好适应性,对f-x域每一个等频率切片做EEMD分解,并去除以高频随机噪声为主的第一个IMF分量,最后将f-x域数据反变换回t-x域,实现噪声分离。正演模拟和实际地震数据试算结果表明:该方法在压制随机噪声的同时,能够保持有效信号。      

基于经验模态分解的分数维地震随机噪声衰减方法

经验模态分解算法(EMD)是一种基于有效波和噪声尺度差异进行波场分离的随机噪声压制方法,但由于实际地震数据波场复杂,导致模态混叠较严重,仅凭该方法进行去噪很难达到理想效果.本文基于EMD算法对信号多尺度的分解特性,结合Hausdorff维数约束条件,提出一种用于地震随机噪声衰减的新方法.首先对地震数据进行EMD自适应分解,得到一系列具有不同尺度的、分形自相似性的固有模态分量(IMF);在此基础上,基于有效信号和随机噪声的Hausdorff维数差异,识别混有随机噪声的IMF分量,对该分量进行相关的阈值滤波处理,从而实现有效信号和随机噪声的有效分离.文中从仿真信号试验出发,到模型地震数据和实际地震数据的测试处理,同时与传统的EMD处理结果相对比.结果表明,本文方法对地震随机噪声的衰减有更佳的压制效果.