水文时间序列复杂特性的研究与定量表征

应用小波分析方法及相关理论,以海河流域黑龙洞泉域47a(1956～2002年)年降雨序列和黄河利津站54a(1950～2003年)年径流序列为例.深入研究并定量描述随序列长度变化时水文时间序列主周期值和复杂特性的变化规律和特征.分析结果显示:不同方法(熵谱分析(MESA)、连续小波变换和小波方差分析)对相同长度序列的周期识别结果一致,不同长度序列的主周期值不同;此外,不同长度序列(包括原序列和消噪序列)的信息量系数(ICF)和分维数(D)也不等.研究结果表明:(1)水文序列特性复杂多变,存在整体变化特性和十分复杂的局部特性;(2)由局部特性发生变化造成序列的复杂程度随序列长度而变化,从而引起序列主周期值及复杂度(ICF和D)随序列长度变化而变化;(3)相比于序列的整体变化特性.局部特性更加复杂多变且更难以进行描述,因此也难以进行准确地模拟预测.对于引起水文序列局部特性变化的物理机制仍需进行深入探讨.     

基于经验模态分解(EMD)的小波熵阈值地震信号去噪

针对EMD阈值去噪算法中阈值由经验选取以及无法有效区分各固有模态函数上有用信息的不足,本文对各固有模态函数进行小波变换,对各层小波系数进行相关处理,以突出有效信息,抑制噪声;将细节系数的有效信号和突变点置零并等分为若干区间,选取小波熵最大子区间的高频小波系数平均值作为噪声方差计算得到阈值。该阈值选取方法依据小波熵的特点,自适应地根据对应尺度上信号自身的能量特征确定该尺度阈值。将该算法应用于仿真信号和实际地震信号去噪,结果表明该方法优于基于EMD的小波阈值去噪,在提高去噪效果的同时,也更好地保护有效信号。     

基于经验模态分解法与小波变换的长周期大地电磁信号去噪方法

针对大地电磁信号具有非线性、非平稳和非最小相位的特点,提出了一种基于经验模态分解法结合小波变换的联合信号去噪方式,将时间序列信号通过经验模态分解,利用连续均方误差准则确定原始信号能量转折点,进而再使用小波阈值去噪法对剩余固有模态函数分量进行去噪,最后重构出消噪信号。通过对实测信号处理前后结果的对比,表明了本方法能够有效地应用于信号时域去噪。     

小波变换与SVD结合消除随机噪声的研究及应用

常规的随机噪声压制方法面临着噪声频带与有效信号频带重叠,在压制噪声的同时对有效信号造成损害的局限性,基于小波变换和奇异值分解的思路,提出了一种小波变换与奇异值分解相结合的去噪方法,以单道信号作为处理单元,通过小波变换得到小波系数矩阵,并对此矩阵进行奇异值分解,进而求得能够反应信号与噪声变化的奇异熵,根据奇异熵确定阀值,进行SVD重构小波系数矩阵,最后小波逆变换重构信号,达到去除随机噪声的目的。此种方法对满足高斯白噪和不满足高斯白噪条件的随机干扰,均有去除效果。经理论信号与相关实际资料的处理证明,这种小波变换与奇异值分解相结合的去噪方法有效而实用。     

小波变换方法在地震资料噪声消除中的应用

小波变换方法由于具有同时在时间域与频率域分析的特点,在信号的分析处理方面得到了广泛的应用,将其应用于地震信号噪声的处理,有着更好的应用前景和研究价值.笔者的研究工作主要围绕小波变换消噪过程中阈值方法的选择及阈值的选取,同时将一维小波方法与F-K滤波方法、二维小波方法与F-K方法以及这3种方法结合起来进行噪声的去除,用于实际数据处理,效果较好.     

基于频率域小波去噪的大地电磁信号工频干扰处理

大地电磁测深(Magnetotelluric,MT)在油气勘查中得到越来越多的应用,针对MT中日益严重的工频干扰,从频率域着手,结合小波阈值去噪方法,提出了基于频率域小波去噪的MT信号工频干扰处理方法。先对受噪的MT信号进行傅里叶变换,得到其实部和虚部,再用小波阈值去噪的方法对实部序列和虚部序列分别进行去噪处理,最后将去噪后的实部和虚部联合,进行反傅里叶变换得到去噪后的信号。给出了去噪方法的原理、步骤,并用仿真信号和实测大地电磁信号验证了其有效性。结果表明:频率域小波阈值去噪的大地电磁信号工频干扰处理方法是正确、有效的,能有效且自适应地压制大地电磁信号中的工频干扰,突出被工频干扰淹没了的有用信号的信息。     

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。     

基于奇异值分解和小波阈值方法的地震资料处理方法

奇异值分解是一种基于代数特征值的提取方法,小波变换是一种时间频率域的去噪方法,两者在去噪方面各有特点。将奇异值分解和小波阈值去噪的方法有机地结合起来,用于消除地震勘探资料中的随机噪声。仿真实验显示对于较低信噪比资料仍有很好的处理效果。     

改进阈值法在二代小波变换去噪中的应用

地震信号去噪能有效提高信号的信噪比和分辨率。二代小波变换可以在不同尺度上对含噪信号进行小波分解和多分辨率分析,实现窗口宽度自适应调整的局部化分析。但小波变换阈值法在去噪过程中会在信号的不连续邻域会产生伪吉布斯效应,而平移不变量阈值去噪方法通过平移-去噪-平均的思想可以很好的解决该问题。因此本文在已有的二代小波变换阈值去噪的基础上将平移不变量这一改进方法应用于二代小波变换中,实现了对地震信号更加快速有效的去噪处理,并在模拟数据试算和实际数据试算中取得了良好的去噪效果。     

小波分析的原理及其在电磁感应仪EM38数据分析中的应用

利用小波变换对澳大利亚新南威尔士Mandamah地区所测得EM38数据进行全局阈值消噪处理,通过分解与重构,从中提取有效信息,去除干扰,得到去噪后的数据。将去噪后的数据与地球化学铜元素的异常特征和已知的铜矿化区域进行分析与对比,推测出该地区的铜矿化预测区。该方法能有效地去除噪声,又不会损失有用信息。实际资料处理结果表明：小波分析方法在EM38数据处理中可以起到独特的作用与效果。     

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。     

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。     

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。     

基于匹配小波包算法的地震信号去噪

地震资料的信噪比是影响地震资料质量的关键因素之一。目前的去噪方法中,在滤波的同时会损伤有效信号,因此提出基于匹配算法的去噪方法,利用和地震信号匹配的小波包对信号进行分解,用选出的波形代表有效信号达到去噪的效果。实验分析表明,利用匹配小波包算法能够很好地压制地震信号白噪声,提高信噪比。当噪声能量小于有效信号周期能量时,小波包算法去噪效果比小波收缩阈值法好,信噪比提高5 dB ±。     

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。     

一种基于小波变换的测井曲线去噪新方法

从小波变换的思想出发,提出一种测井曲线去噪新方法.首先按照Mallat 塔式算法对测井曲线进行小波分解,然后应用一个非线性软门限函数在小波域内将噪声抑制与滤除,最后通过小波变换得到重构的测井曲线.结果表明,该方法较传统滤波方法更为有效     

基于小波降噪的隧道围岩监测数据分析

隧道围岩监测数据中含有大量的随机误差,为了消除或削弱随机误差的干扰,通常对观测数据进行降噪处理。基于小波分析理论,利用小波降噪技术,以某隧道的围岩监测数据为例,选择了db3小波函数和heursure软阈值对围岩接触压力进行降噪处理,并用5-15-1BP神经网络对降噪前后的结果进行了预测比较,训练步数分别为2 448步和450步,未降噪的围岩压力预测的误差总体上要比降噪后的误差大。实际计算结果表明,小波去噪合理有效,能够敏感识别观测噪声和有用信息,适合于隧道围岩监测的数据分析。