改进阈值的TI小波去噪法在MT去噪中的应用

在测量电场和磁场分量的过程中,由于地质因素、工频、人文干扰和其他外界因素以及观测系统所造成的干扰等,常常会使实际数据含有噪声,从而影响到视电阻率和相位的计算以及后续的正反演工作.为提高处理效果,在已有快速算法的基础上,将改进阈值的TI小波去噪法应用在大地电磁信号去噪中.利用该方法对大地电磁信号去噪,可以达到既有效去除噪声又较大程度地维持原始信号形态的目的.在对实测大地电磁数据进行去噪处理后的结果显示,该去噪方法使信号数据的突变现象得到有效的控制和减少,并使时间序列、视电阻率曲线和相位曲线的质量都有了明显的改善,因而具有较好的去噪效果.     

小波阈值去噪黄金分割法

在小波去噪的方法中,应用最广泛的是Donoho阈值法,但由于其阈值的单一性,使它不能在每级尺度上将信号与噪声做最大分离,去噪效果并不理想。通过分析Donoho硬阈值和软阈值方法的特点,提出了一种黄金分割法,这种方法结合了硬阈值和软阈值方法各自的优点。仿真去噪结果表明,这种改进的小波阈值方法能够得到更好的去噪效果,信号的信噪比得到了进一步提高。     

基于小波变换的改进阈值函数自适应去噪方法

在多分辨分析小波阈值去噪方法的基础上[3],用一种改进的阈值函数和自适应阈值选取算法相结合的方法,克服了硬阈值法不连续性和软阈值法有偏差的缺点。该方法能自动跟踪噪声,不同尺度自适应采用不同的阈值,可有效去除每一尺度上的噪声,保留有用信号,提高信噪比。仿真实验和地震资料处理结果表明,该方法去噪效果明显,可在各类消除随机噪声的信号处理中发挥作用。     

小波阈值去噪方法在重力资料处理中的应用

简要介绍了小波变换的基本理论与小波阈值去噪实现过程。通过单球体与双球体模型试验,探讨了阈值去噪时小波基以及分解层数的选择问题;最后利用小波阈值去噪方法,对某实测布格重力资料进行处理,有效滤除了随机噪声。去噪后计算的水平方向导数明显比去噪前直接计算的水平方向导数效果好。     

小波变换多尺度分解系数阈值选择在一维去噪的应用

对小波变换理论进行了简单的介绍,并详细分析了基于小波变换对信号去噪处理的原理和实现,并对小波多重分解时选取不同的阈值对去噪效果进行详细的研究。最后结合理论分析和实验实例讨论了小波分析在信号去噪方面的作用,利用光滑性和相似性来评价去噪效果。     

二维小波变换与中值滤波联合去噪方法研究

由于随机噪声是一种频带较宽的干扰波,因此依靠单一的去噪处理方式往往难以获得清晰反映目标体的地震信息。小波变换能够较好的去除高斯噪声,保留有效波中、高频成分,提高记录的信噪比,但去除脉冲噪声的效果却并不理想;中值滤波具有良好的边缘保持特性,虽低频去噪声效果有限,但去除脉冲噪声效果明显。因此可利用二维小波变换与中值滤波优势互补的方法,进行叠前去噪处理,达到去除宽频随机噪声的目的。首先运用二维小波变换的理论,采用自适应门限阀值方法进行去噪,同时结合中值滤波方法联合去噪。模型与实际数据的应用效果表明,联合去噪方法可有效压制噪声能量、保留高频有效信号、提高地震记录信噪比与分辨率。     

Curvelet变换在位场数据去噪中的应用

为了解Curvelet变换在位场数据去噪处理中的效果,从Curvelet变换的原理着手,通过对多矩形棱柱体模型进行Curvelet变换去噪和普遍应用的小波阈值去噪试验对比,验证了Curvelet变换去噪的有效性问题。将其应用于实测位场数据的处理中,取得了较好的效果。理论和实测数据的处理结果都表明,Curvelet变换在位场数据的去噪处理中是可行有效的。     

基于小波包变换的SAR干涉图去噪研究

基于SAR复干涉图中噪声满足加性噪声模型,提出对复干涉图实部和虚部分别应用小波包软阈值方法的去噪方案。以Daubeachies小波为小波包基函数,对添加了噪声的模拟SAR干涉图进行去噪实验,发现三级小波包分解的去噪效果明显优于一级和二级分解。并进一步对实际的含噪干涉图进行了去噪实验,与小波包软阈值方法直接对干涉图去噪的结果进行了比较。实验结果证实了本文方案的有效性。     

小波阈值法的改进及在地质雷达探测中的应用

隧道超前地质预报是否准确,高信噪比的地质雷达信号是关键。在进行地质雷达探测时,由于受到周围复杂环境的影响,采集的雷达数据中含有各种干扰信号,降低了信号质量,直接影响到解译人员对地质条件的解读,影响了隧道超前地质预报的精确度。因此,本工作提出利用一种优化过的阈值方法对信号进行去噪,提高信噪比。优化主要是从优化阈值选取方式和优化阈值函数的选取两个方面对软阈值方法进行优化,并且通过仿真实验进行验证。结果显示信噪比的提升和均方差的减小幅度上以及去噪效果三方面对比,实验证明改进方法更优于软硬阈值方法,改进方法可适用于实际雷达数据干扰信号的处理,能提高信号信噪比,更好的还原信号。     

小波变换在探地雷达弱信号去噪中的研究

利用小波系数可以表示小波函数与分析信号的逼近程度这一原理,采用了对不同尺度下小波系数进行叠加的方法,对比9种小波函数,发现应用Mexh小波可以去除探地雷达信号中的高频噪声并放大有效信号,从而为探地雷达信号经传统数据处理方法处理后判定疑似异常位置进一步确定提供依据。     

基于小波变换的阈值降噪方法在地震资料处理中的应用

这里主要讨论了小波变换阈值降噪方法的基本原理,并且将广泛使用的通用阈值方法与Birge-Massart阈值方法进行了比较,展现了Birge-Massart阈值选取方法的优越性。通过对模拟数据和实际地震资料的处理结果表明,基于小波变换的Birge-Massart阈值降噪方法对地震信号降噪具有很好的效果。     

二代小波变换在重力场源分离中的应用

野外采集的重力数据是地下各类地质体重力场的叠加反映,如何有效地分离深源场和浅源场是重力资料处理中的一项重要内容。基于二代小波变换基本理论,在一维的基础上,给出了二维Haar预测算子的构造方法,并利用密度模型正演模拟,证明了二代小波变换实现多尺度分解的有效性,并以苏北某地区重力数据为例,应用二代小波变换开展浅部和深部重力异常场的分离。结果表明,该方法简单实用,在重力数据的场源分离中可以发挥重要的作用,对研究区域性断裂构造特征、划分构造单元、圈定隆坳格局等方面的地质问题具有参考价值。     

基于样本熵理论的自适应小波消噪分析方法

小波消噪方法的核心问题是阈值的选择及确定.依据样本熵的特性,将样本熵与小波分析方法耦合起来,提出了一种自适应确定阈值的小波消噪分析方法.该方法计算了不同阈值对应噪声序列的样本熵值,得到阈值与样本熵值之间的关系曲线,当样本熵值达到最大时,此时阈值为所求阈值.通过算例加以验证分析,结果表明,自适应小波消噪分析方法能较好地实现水文序列的信噪分离,其消噪结果符合序列本身的特性及评价指标的要求,这为合理确定阈值提供了一种新的途径和方法.     

基于二维小波变换的随机噪声压制方法在GPR数据中的应用

在探地雷达探测工作中,为了尽可能多的获取回波信息,通常采用宽频带记录,这就不可避免地将各种干扰波也记录下来,其中随机噪声由于其频带较宽,分布于整个数据剖面,常规滤波方法对随机噪声的压制效果往往不佳。由于小波变换具有较强的分频和局部分析能力,根据需要选择合适的小波基函数和去噪方法,可较好地压制随机噪声,提高信噪比。基于二维小波变换理论,提出了采用自适应分层阈值法对探地雷达数据进行压制随机噪声的方法。通过不同模型、不同信噪比下正演模拟数据的验证以及对实测数据的处理,并与中值滤波法和全局阈值法的去噪效果进行了对比分析,结果表明自适应分层阈值法去噪效果更好,实用性更强。     

基于改进混沌果蝇优化小波阈值法地震信号随机噪声压制

由于野外采集地震资料往往带有较多的随机噪声,给资料解释造成困难。针对小波阈值去噪的阈值选取通常需要对信号进行先验估计,带有较强猜测性,阈值选取难以获得最优结果。本文提出基于改进混沌果蝇优化的小波阈值法,将基于广义交叉验证(GCV)函数设定为阈值选取目标函数,在混沌果蝇优化算法中引入调节系数实现对该目标函数的迭代寻优,在无先验信息前提下,获取最优小波阈值。通过将本文算法用于合成地震记录和实际地震记录进行去噪处理,并对比常用小波阈值去噪算法,证明了本文算法的有效性。     

基于小波变换的地震信号分时分频相关去噪

介绍了Donoho的小波域阈值去噪处理方法,提出了对小波变换尺度上小波系数进行分时分频相关处理去噪后,再重构小波系数的方法,以去除大部分随机噪声。然后,再对重构后地震剖面进行小波域阈值去噪处理。结果表明,使用上述新方法可以有效改善地震剖面处理效果,提高信噪比。     

小波分析在地震资料去噪中的应用

小波变换方法已广泛应用于信号处理领域。应用多尺度小波分析方法来消除地震观测信号中的噪声是一种行之有效的方法。这里从小波变换的基本原理出发,详细介绍了地震信号的阈值去噪原理,并根据模拟信号和实测地震信号的频谱分析,讨论了如何选择小波基及去噪过程中的阈值取值问题。从小波分解理论知道,利用多尺度分解方式对地震资料进行分析处理,相当于对实测地震资料进行不同尺度的细化分析,由于对不同地区、不同资料的精度要求不同,我们只要使用不同的尺度进行小波变换处理,就可以得到去除原信号的细部巨变(噪声干扰)特征的信号。同时,我们对小波变换处理后重构的地震信号与原信号进行了对比分析,误差结果分析表明该方法切实可行。我们还利用MATLAB语言及其小波工具箱,实现了对地震资料的去噪处理。     

基于小波变换的脉冲类电磁噪声处理

在天然电磁场观测中,脉冲类干扰的存在,将使观测信号发生剧烈的波动,导致频率域中的阻抗估算结果发生严重的畸变。针对脉冲类噪声在小波域中的变化特征,利用迭代回归技术来分析和压制噪声。模拟与实测数据测试表明,改正前后信号能量损失小,相关性高,改正信号高精度地逼近原信号,可有效地消除脉冲类噪声干扰。