基于地震波相似性的非局部均值滤波压制异常振幅噪音

非局部均值滤波是根据图像中各像素点间的相似性对图像进行去噪处理,但该方法不能有效压制图像中的异常振幅噪音。共偏移距道集（按炮点坐标排序的等炮检距道集）中同时刻的地震信号具有相似性高且分布范围集中的特征,因此可根据非局部均值滤波的权函数判断信号中的异常振幅噪音。基于上述理论,提出了基于地震波相似性的非局部均值滤波异常噪音压制方法,以有效地压制地震信号中的随机噪音与异常振幅噪音。该方法是在共偏移距道集中根据非局部均值滤波权函数来判断信号中的异常振幅噪音,并采用局部振幅统计估算对异常振幅噪音进行压制,从而达到去除地震信号中随机噪音和异常振幅噪音的目的。理论与实际地震数据试算结果表明,笔者所提出的方法可以有效地压制地震信号中的随机噪音和异常振幅噪音,可以让地震资料的信噪比得到进一步提高。     

开关非局部中值滤波在海洋浅地层剖面随机噪音处理中的应用

本文结合理论模型与实际资料,论证了开关非局部中值滤波方法对浅地层剖面数据随机噪音的处理效果,着重讨论了该方法中的目标数据块宽度、搜索数据块宽度、相似度最优的数据点数以及噪音检测的阈值等相关参数对压制随机噪声效果的影响。目标数据块的宽度与相似度最优的数据点数均需要参照搜索数据块宽度,因此该参数的选取最为重要。结果表明优选滤波参数能够有效压制随机噪声,增强同相轴连续性,提高剖面信噪比。     

Kalman滤波法在海温数据同化中的应用研究

以一维水温垂直分布数值模型为例，探索 Kalman 滤波法在海温观测数据同化中的应用。文中给出了在 165°E 赤道海域将连续观测的海温资料同化到模型中的 Kalman 滤波法试验，计算结果表明该同化方法对改进海温数值计算是十分有效的。     

海上地震系统低频响应与电缆噪音

海上勘探地震采集的数据中低频率成分常常受到外部环境噪音的严重干扰。如何有效地剔除噪音 ,拾取更多的地震数据中低频成分。本文从分析地震仪器低频响应入手 ,得出了地震系统与电缆噪音的一些内在联系 ,就如何有效地压制外围环境噪音等问题 ,提供了有效的方法 ,为野外作业提供参考     

Kalman滤波技术在海表温度预测中的应用

以EOF分解方法为基础,把AR模型和Kalman滤波方法相结合,建立了海表温度的预报模型。首先对历史时间序列资料进行EOF分解,在此基础上,利用时间权重系数建立AR(2)模型,并对此模型参数进行了改进,作为Kalman滤波的状态方程。然后用Kalman滤波方法对时间权重系数进行了滤波预测,并引入集合预报的思想对SST预测结果进行了重构,并与实况资料进行了相关性分析。以太平洋、印度洋、大西洋三大洋的热带海域为个例进行了预测试验。试验结果表明,预测效果较好,相关系数平均达到了98%以上,而残差方差在0.5以内。     

局部非线性直接预测方法在检测海洋混沌和噪音中的应用

利用局部非线性直接预测方法及实测值与预测值的相关系数,提出了混沌时间序列及含有音（白噪音）混沌时间序列的检测混沌和噪音特征的一种方法。该方法对Ｌｏｇｉｓｔｉｃ映射资料及赤道日ＳＳＴ资料进行了混沌及噪音检测。结果表明,该检测方法优于一般谱方法对混沌资料的检测,在资料含噪信比约为３２％时,实测值与预测值的相关系数达０．５,在此可信相关系数范围内可检测资料的混沌特征。同时指出了随着资料噪信比的增加,实测     

基于改进的广义S变换的海洋地震资料随机噪音压制

常规广义S变换采用固定的高斯窗参数,在时频分析时不能够兼顾高低频端的信号,同时标准S逆变换在时频域滤波时会产生滤波噪音。本文提出了基于变频率高斯窗的广义S变换,同时改进了S逆变换公式。该方法不仅提升了信号时频谱的聚焦度,而且还消除了滤波噪音。通过计算包含随机噪声干扰信号的瞬时信噪比阈值,然后根据不同阈值有针对性的选择压制随机噪音的处理策略。合成数据和实际地震数据处理结果表明,该方法能够有效的压制随机噪音,提高地震数据信噪比。     

基于相关邻域模型的SAR图像滤波

针对SAR影像滤波问题提出了一种基于相关邻域模型的SAR滤波算法。在邻域方向选择上采用计算梯度的方法,提高了本算法的速度。在平滑图像的同时,克服了多视平滑降低图像分辨率的固有缺陷,并且能较好地保持图像的边缘信息,提高SAR图像解释的效率。     

基于富里叶变换线性性的抗干扰时变滤波

提出一种基于富里叶变换线性性实现时变滤波的方法，该方法可提高某些在传播过程中随着传播时间增加其高频成分逐渐减少的接收信号的信噪比。     

白噪声Kalman滤波模型在GPS单向授时中的应用

全球定位系统(GPS)的应用越来越广泛,尤其是高精度的星载原子钟使得授时的精度得到了很大的提高。针对GPS授时过程中接收机受到各种噪声的影响,利用Kalman滤波原理,建立状态方程和观测方程,对噪声进行分类并加以讨论。运用Kalman滤波原理对接收机钟差数据进行分析,计算结果表明Kalman滤波可提高GPS单向授时精度。     

通道特性相关时带乘性噪声系统观测噪声的最优估计

研究在较弱的乘性噪声条件下系统观测噪声的最优估计问题,就乘性噪声为一般随机矩阵且各观测通道乘性噪声在同时刻相关的情形,给出了在线性最小方差意义下的观测噪声最优滤波算法和最优平滑算法。针对这些算法进行了仿真研究,仿真结果表明算法有较好的估计效果。     

带乘性噪声广义系统的观测噪声最优估计算法

研究带乘性噪声广义系统的观测噪声最优估计问题。在假设系统正则的情况下,针对乘性噪声为一般随机矩阵即各观测通道乘性噪声同时刻相关的情况,通过受限等价变换和状态扩维的方法,给出了线性最小方差意义下的观测噪声最优滤波算法和最优平滑估计算法。数字仿真结果表明了算法的有效性。     

多通道带乘性噪声系统观测噪声的最优估计

研究在多通道观测时观测噪声的最优估计问题。就多通道的乘性噪声为对角阵且动态噪声一步相关并与观测噪声在同时刻和过去相邻时刻也相关的复杂情况下给出了在线性最小方差意义下的观测噪声最优滤波估计算法和固定区间平滑估计算法。针对这些算法进行了仿真研究 ,仿真结果表明了算法的有效性。     

一类带乘性噪声2-D奇异系统的滤波算法

针对一类带乘性噪声2-D奇异系统的Roesser模型,提出了一种状态滤波算法。该算法首先对无跳跃模的2-D奇异Roesser模型进行等价变换,变换为2个降阶的子系统,其中子系统一可继续变换为易于处理的动态噪声和量测噪声在同一坐标点相关的非奇异带乘性噪声FM-Ⅱ模型;然后基于正交投影定理,得到了带乘性噪声2-D奇异Roesser模型的状态滤波算法,同时得到了带乘性噪声2-D FM-Ⅱ模型的状态滤波算法。上述算法在线性最小方差意义下是最优的,仿真验证了算法的有效性。     

基于最小均方误差算法消除GPS接收机噪声

从解决GPS接收机受干扰的实际需求出发,阐述了基于LMS算法的自适应滤波器基本原理和不同的噪声产生方式,并对GPS接收机仿真信号与噪声进行叠加。最后用基于LMS算法的自适应滤波器对仿真信号进行消噪处理,得到良好的消噪效果,证明了基于LMS算法的自适应滤波器能够应用于GPS接收机滤波系统。     

带有色乘性噪声随机系统的逆向最优反卷积算法

通过建立状态和乘性色噪声的逆向 Markov模型 ,推导出了带有色乘性噪声随机系统的逆向最优状态滤波器。基于该滤波器给出了节省存储空间的逆向固定区间最优反卷积算法。仿真实例证明了该反卷积算法的有效性     

机场航空噪声监测与评价方法

机场航空噪声不同于其他噪声,需要进行特殊监测与评价。传统的方式对机场周围一些特殊区域传统监测与评价方法不适用,主要问题有:部分点位很难测定Td,不能进行正常的计算与评价;正常情况下布点太多难以同步完成现状监测;对敏感点单纯采用LWECPN进行评价不能准确反映所受污染的真实情况等。指出问题所在,提出了完善办法,并对提出的办法进行了一定程度的合理性论证。另外,针对已有机场扩建项目,提出快速预测办法,确立了简单的预测公式,可快捷地为机场管理及规划服务。     

通道特性相关时带乘性噪声系统的最优滤波

针对石油地震勘探、通讯工程、水声探测等许多实际应用领域 ,该文研究 1种在更弱的乘性噪声限制条件下系统的最优状态滤波 ,就乘性噪声矩阵为一般随机矩阵且各观测通道乘性噪声在同时刻相关的情形 ,给出了在线性最小方差意义下的状态最优滤波算法。针对该算法还进行了仿真研究 ,仿真结果表明了该算法的有效性。