水位观测资料的小波变换及异常提取

利用小波分析方法对永安台水位观测资料进行处理,提取测点周边5次中强震前水位观测资料中存在的短临异常信息,通过分析,永安台水位资料对150 km范围内中强震前确实存在一定程度的异常反应。结果表明:小波分析方法能够有效地将一些高频信息从原数据中分离出去,并且能够得到清晰的前兆数据原始变化趋势,可以使今后各种长短期震前异常的识别变得更加容易。     

基于小波变换的地震动时-频特性研究

对美国NGA,采用一维连续小波变换得到每条记录的小波功率谱。研究了任意时间处小波功率谱最大值所对应的主频率。结果表明:地震动主频率随时间的增大逐渐减小;竖向地震动分量的主频比水平向分量随时间减小更快。分别采用线性函数模型、指数函数模型和指数三角函数模型,分析了场地、震级和震中距对主频变化曲线的影响,拟合了主频率在不同场地条件、震级、震中距等情况下随时间的变化曲线,水平向和竖向的频率时变曲线整体上都是随时间递减的,且竖向衰减得更快些,大多数情况下竖向记录的高频成分比水平向记录的相应成分要多。     

一种神经网络改进小波的地震数据随机噪声去除方法

地震资料的有效信号反射弱,且易受多次波的影响,不可避免地存在随机噪声干扰。提出一种基于神经网络改进小波的地震数据随机噪声去除方法,采用神经网络模型,识别出随机噪声信号,对该信号进行小波包分解,获取多类别随机噪声信号,采用级联BP神经网络模型提取出多类别随机噪声信号,实现地震数据的随机信号压制。实验结果显示,这种改进小波方法对地震数据随机噪声信号的去噪效果较好,在复杂沉积地质结构被探测介质的地震数据随机噪声压制方面具有较强的适用性。     

基于小波变换对地磁场变化特征的分析

选用db5小波基函数对嘉峪关、兰州两个台站地磁垂直分量Z进行了小波分解,分析了不同台站间低频(概貌部分)和高频(细节部分)的相关性。结果显示:地磁Z分量在不同台站低频成分相关性较好,而高频部分相关性不明显,其高频部分可能与当地地下介质、地下电导率水平以及观测环境密切相关。     

小波变换在前兆观测资料分析中的应用

由于数字化前兆具有高精度特点，因此，如何分离数字化前兆中的高频与低频信息，以及如何识别地震前兆的趋势异常与短期异常，是数字化前兆资料分析应用中的一个重要问题。本文给出了小波变换应用于正常的数字化前兆资料高频与低频信息的分离方法，并实际应用于地震前兆观测资料的处理，结合实例给出了地震前兆的趋势异常与短期异常的识别思路，从而为数字化前兆的趋势异常与短期异常的识别提供了一种新的有效方法。     

基于分块字典学习理论的地震数据去噪

随着油气勘探观测环境愈发复杂,采集的地震数据常常掺杂各种噪声信号,导致勘探目标引起的有效微弱信号被覆盖,严重影响高精度的地震勘探数据解译,因而有效的压制地震勘探数据噪声显得越发重要。本文采用字典学习策略,将复杂地震数据进行分块,通过分块数据的字典学习获取字典原子,构建高精度的字典学习地震数据稀疏表示,通过两次迭代更新字典原子,进行数据去噪。将本文的字典学习算法应用于含随机噪声的模拟数据和实测地震勘探数据处理,验证该算法的可行性及有效性。结果表明,本文算法有效去除了随机噪声,保留了有效信号同相轴,提高了信噪比,可为复杂含噪地震数据的去噪处理提供新的技术手段。     

基于小波变换方法的包头台形变分析

采用小波变换方法相继对包头台洞体应变和水管倾斜进行处理,研究形变数据固体潮、同震响应和周期性特征等。采用db4作为母小波对包头台形变进行5阶小波分解．分解后的细节部分能清晰地显示出包括1／3日波、半日波、日波和半月波等在内的固体潮汐波。对于2008年以来全球发生的M≥8．0级地震．包头台水管倾斜NS分量均有显著的同震响应现象发生．且在小波分解后的不同阶曲线中同震响应后续波形表现各异．另外在部分地震之前能观测到异常变化。采用Moflet小波作为母小波对包头台水管倾斜NS分量进行小波变换分析．获得的小波变换系数分布图能清晰地显示出倾斜数据中存在的包括半日潮和日潮在内的周期特征及其随时间变化情况。     

基于小波变换的长周期桥梁选波方法研究

时程分析输入地震波的选取对长周期大跨度桥梁影响显著。本文基于规范目标谱,以MATLAB为依托,通过选取最优小波基并利用小波系数迭代法实现频域调整,使地震波反应谱不断逼近给定目标谱,最后结合相对误差和长周期拟合参数两个指标进行综合评价,选取适用于长周期大跨度桥梁的时程分析地震波,提出长周期桥梁全过程批量选波方法。将该方法应用于奉节长江大桥,与基于时域调整方法的Seismo Match选波软件对比选波效果,并将选波结果应用于背景桥梁的时程分析。结果表明,利用本文选波方法所得结构关键截面响应与软件选波所得响应在横桥向和竖桥向存在一定差异。本文方法可为长周期大跨度桥梁时程分析选波提供参考。     

小波变换在数字化水位观测资料分析中的应用

小波变换是近年兴起的信号处理方法,具有良好的时频局部化特征。它不但可以准确地描述瞬变信号的局部特征,还可以通过多尺度变换,从不同频带上观察信号的特征。利用小波变换的以上特征将其运用于数字化水位观测资料不同频率潮汐波的分离、同震水震波及震前水位长周期“前驱波”的识别、干扰与同震效应的识别等方面,都取得了较好的效果。     

基于连续小波变换的时变结构瞬时模态参数识别

为体现时变结构动力特性,定义随机冲击荷载作为时变结构输入激励,提出了基于连续小波变换的时变结构瞬时模态参数识别方法。在短时时变假定条件下,建立基于模局部极大值的连续小波变换时变参数识别原理,利用结构的输出响应进行瞬时模态参数识别,采用三自由度的时变结构体系进行数值模拟,该方法能够准确识别时变结构的瞬时模态参数值。通过设计具有质量参数可变的两层钢框架模型进行测试,验证了方法的有效性与可行性。     

The Application of Wavelet Transform in Analysis of Digital Precursory Observational Data

Digital data of precursors is noted for its high accuracy. Therefore, it is important to extract the high frequency information from the low ones in the digital data of precursors and todiscriminate between the trend anomalies and the short-term anomalies. This paper presents a method to separate the high frequency information from the low ones by using the wavelet transform to analyze the digital data of precursors, and illustrates with examples the train of thoughts of discriminating the short-term anomalies from trend anomalies by using the wavelet transform, thus provide a new effective approach for extracting the short-term and trend anomalies from the digital data of precursors.     

基于运营环境和提升小波变换的桥梁损伤检测研究

根据损伤桥梁在车辆荷载作用下的动力响应特点,以及提升小波变换对信号突变信息的放大功能,提出了利用桥梁运营荷载作用下加速度响应提升小波变换系数的分布特性对结构损伤进行识别的方法。首先,采集桥梁在行车荷载作用下的加速度响应信号;然后,对加速度响应信号进行提升小波变换,分别利用加速度响应信号、加速度响应信号差,提升小波变换系数空间变化的峰值识别损伤位置;最后,对行车速度、损伤位置、损伤程度和测量噪声对损伤识别效果的影响进行了分析讨论。结果表明：在行车速度8m/s以下、测量噪声不高于5%情况下,利用运营荷载作用下桥梁单点动力响应信号提升小波变换,可以实现桥梁多处损伤的检测和识别。     

Enhancement of Signal-to-noise Ratio in Natural-source Transient Magnetotelluric Data with Wavelet Transform

—For audio-frequency magnetotelluric surveys where the signals are lightning-stroke transients, the conventional Fourier transform method often fails to produce a high quality impedance tensor. An alternative approach is to use the wavelet transform method which is capable of localizing target information simultaneously in both the temporal and frequency domains. Unlike Fourier analysis that yields an average amplitude and phase, the wavelet transform produces an instantaneous estimate of the amplitude and phase of a signal. In this paper a complex well-localized wavelet, the Morlet wavelet, has been used to transform and analyze audio-frequency magnetotelluric data. With the Morlet wavelet, the magnetotelluric impedance tensor can be computed directly in the wavelet transform domain. The lightning-stroke transients are easily identified on the dilation-translation plane. Choosing those wavelet transform values where the signals are located, a higher signal-to-noise ratio estimation of the impedance tensor can be obtained. ? In a test using real data, the wavelet transform showed a significant improvement in the signal-to-noise ratio over the conventional Fourier transform.     

基于改进环形生成对抗网络的浅地层剖面去噪方法

为解决浅地层剖面数据噪声多、分辨率低问题,本文将环形生成对抗网络的方法应用于浅地层剖面资料的去噪,实现智能去噪。首先,选择具有特殊对称生成对抗网络循环机制以及“循环一致性”损失的环形生成对抗性网络,并对其进行结构改进,提升网络学习和训练的性能。然后,基于优化的浅地层剖面样本集训练网络,实现对于浅地层剖面数据随机噪声的去除,提升数据的信噪比。通过对实验和实际资料的试算,以及与传统带通滤波方法的对比,验证本文方法对浅地层剖面数据去噪的有效性和适应性。     

Desert Noise Suppression for Seismic Data Based on Feature Enhancement Denoising Network

Izvestiya, Physics of the Solid Earth - Abstract—Increasing the quality of seismic data is the basis for subsequent seismic data processing and interpretation. In the acquisition of seismic...     

基于小波变换尺度相关性的轮廓数据去噪

针对机械零件CT切片轮廓数据存在大量噪声的特点,在总结小波变换方法的基础上,提出了基于曲率小波变换的多尺度分析方法,利用尺度间相关性达到去噪和特征点检测目的,不仅解决了单一尺度无法有效去除切片轮廓存在的冗余数据和噪声,而且由于线特征剧烈波动而导致轮廓特征点检测困难,拟合精度差等的问题也得到有效地解决。     

基于Db小波与中值滤波的安检图像噪声消除算法

设置成像安检系统是机场等重要场所通常采用的安全措施。根据CT安检图像既含高斯白噪声又含脉冲噪声的特点,运用将Db小波变换与中值滤波相结合的综合去噪方法,以同时滤除高斯噪声和脉冲噪声,以获得更好的视觉效果。     

重构小波阈值函数在信号去噪中的应用与研究

实际工程应用中,通过物理手段采集到的信号都带有噪声信息,这样就会淹没很多有用信号,传统的“带通、低通、高通”滤波技术往往显得无能为力,因此提取有用的特征信息就需要对原始信号进行去噪。常用的小波阈值去噪（硬、软阈值函数）方法,含有诸多缺点,本文在其基础上重新构造了一个新的阈值函数。在MTALAB（2014a）环境下,用传统的硬、软阈值函数及重构阈值函数对混入高斯白噪声信号进行去噪仿真分析,结果表明,重构的阈值函数处理的信号效果更好,更清晰。