小波包分解树结点与信号子空间频带的对应关系及其应用

小波包变换的Mallat分解算法可以把较宽的信号频带划分成相等带宽且互不重叠的窄频带,但由于信号子空间频带的频率大小并非按照分解树结点（node）编号的大小顺序排列,各个结点重构信号的频率范围不易判定. 本文通过分析小波包变换的Mallat分解算法与分解滤波器的关系,设定频带编号与结点编号间进行二进制转化的运算规则,得到了小波包分解树结点与信号子空间频带的对应关系,然后通过模拟信号进行了验证. 结果表明,本文给出的小波包信号子空间频带的排列规则是正确的.      

基于支持向量机和小波包的金属矿床地震数据去噪

针对深部找矿地震资料信噪比很低的问题,结合小波包和支持向量机的理论,提出了一种新的去噪算法.该算法首先从地震资料中找出噪声干扰极小的和噪声很强的数据,利用支持向量机进行训练学习,提取噪声和有效信号的样本特征.然后将地震资料实施小波包变换得到更加精细和不同频带的信号,利用支持向量机训练出的样本特征对小波包变换后的数据进行...     

基于双树复小波包变换的地震信号分析方法

尝试性地将一种双树复小波包变换方法应用于地震信号分析中 .复小波包变换综合了实小波包变换与连续复小波变换各自的优点 ,不但能提取信号的相位信息 ,而且选取与被分析信号相频特性相匹配的复小波包 ,可以对信号产生更好的“聚焦”作用 .本文描述了一种双树复小波包变换算法 ,并给出了模拟信号及实际地震记录的分析实例 .研究结果表明 ,双树复小波包变换是分析具有非线性相位地震信号的一种较为有效的方法 .     

基于双树复小波包变换的地震信号分析方法

尝试性地将一种双树复小波包变换方法应用于地震信号分析中. 复小波包变换综合了实小波包变换与连续复小波变换各自的优点，不但能提取信号的相位信息，而且选取与被分析信号相频特性相匹配的复小波包，可以对信号产生更好的聚焦作用. 本文描述了一种双树复小波包变换算法，并给出了模拟信号及实际地震记录的分析实例. 研究结果表明，双树复小波包变换是分析具有非线性相位地震信号的一种较为有效的方法.      

基于小波变换的信号突变检测滤波和瞬态谱研究

该文简述了小波理论产生的背景和发展过程,详细介绍了小波变换的概念、基本特性以及基于小波变换的信号突变检测、滤波及基于小波包变换的瞬态谱研究方法和结果。文后对小波变换在地震信号处理中的应用前景进行了讨论。     

基于小波包变换的滤波方法

基于小波包变换的基本原理,提出了对不同频率范围的信号和噪声进行滤波处理的方法．利用该方法可将噪声与信号分离以及将不同频段信号分解,从而达到滤波的目的．仿真结果表明,小波包变换具有许多其它分析手段所不具备的优点,是一种有效的滤波方法,可应用于地震信号的预处理     

基于小波分析和神经网络的框架结构损伤诊断方法

本文提出了基于“能量—损伤”原理，综合利用小波包分析和神经网络的框架结构损伤诊断方法。在结构损伤诊断中，时域信号经小波分析后其缺损特征会更加明显，把分布在不同频带的结点能量作为神经网络的训练样本能够很好地反映结构缺损特征。以美国土木工程师学会提出的基准结构为例，阐述了结构损伤的发生、位置和程度诊断过程，取得了令人满意的结果。     

基于小波包变换的弱震相识别方法

描述了一种新的用小波包变换识别弱震相的方法．它基于小波变换的多尺度分析思想,是小波变换的完善与发展．该方法能刻画出二进尺度下地震波初至信号瞬态谱异常变化特征的信息,可实现确定震相特别是弱震相的目标．文中给出了模拟数字信号和实际地震震相识别的实例．研究结果表明,小波包变换方法是一种进行弱信号分析的有力工具,与传统的震相识别方法相比,有着无可比拟的优点,具有诱人的应用前景．      

Hilbert-Huang变换与宽频带爆破信号的时频分析

利用小波变换、S变换、Wigner-ville分布(WVD)和Hilbert-Huang变换(HHT)对模拟信号进行时频分析并比较,结果表明基于经验模态分解的HHT具有更强的适应性,能较为准确地提取信号的时变特征。利用HHT对实际记录的宽频带爆破振动信号进行了时频分析,其结果较为准确地描述了信号的时变特征。     

小波变换与地震信号特征分析

地震波的瞬时信号,如瞬时振幅、瞬时频率及瞬时相位等,是研究地球介质的重要参数。根据小波定义,对Morlet 小波进行了修正,并对修正后的小波形态进行了深入讨论。理论分析表明,小波变换效果受到整形参数、小波长度、中心频率、频带宽度及小波个数等参数的制约,特别是整形参数与小波中心频率及频带之间关系对小波变换起到决定性作用。在地震波信号的实际处理中,可选取恰当的整形参数,同时采用合适的小波中心频率以避免小波变换对信号产生的遗漏和冗余。文中给出了实际地震记录处理的示例。     

Corresponding relationships between nodes of decomposition tree of wavelet packet and frequency bands of signal subspace

Mallat decomposition algorithm of wavelet packet transform can divide broader band into narrower ones with equal bandwidth and no overlapping each other. However, order by size of frequency within signal subspace is not in accordance with that of node label of decomposition tree. Therefore, it is not easy to determine frequency range of reconstructed signal from each node. In this paper, by analyzing the relationship between Mallat decomposition algorithm of wavelet packet transform and decomposition filter and setting operation rule of binary conversion of band labels into node labels, we find the corresponding relationships between nodes of decomposition tree and frequency bands of signal subspace. Then, the conclusion is verified by analog signals. Also, it shows that the ar- ranged rule of bands of signal subspace summarized in the paper is correct.     

Seismic signal analysis based on the dual-tree complex wavelet packet transform

We tried to apply the dual-tree complex wavelet packet transform in seismic signal analysis. The complex wavelet packet transform (CWPT) combine the merits of real wavelet packet transform with that of complex continuous wavelet transform (CCWT). It can not only pick up the phase information of signal, but also produce better “focalizing” function if it matches the phase spectrum of signals analyzed. We here described the dual-tree CWPT algorithm, and gave the examples of simulation and actual seismic signals analysis. As shown by our results, the dual-tree CWPT is a very effective method in analyzing seismic signals with non-linear phase. Foundation item: Cultural Heritage Protection Program of State Administration of Cultural Heritage (200001).     

基于小波包变换的地震数据时频分析方法

介绍了瞬时频率的概念和瞬态谱的小波包计算方法,并结合时间域模拟信号给出了其时频分布,结果表明,小波包变换可准确技术地震信号的时变特征,值得推广应用。     

Identification method of weak seismic phases on the basis of wavelet packet transform

This paper describes a sort of new method identifying seismic phase by the name of wavelet packet transform. Perfectness and development of the wavelet packet transform is based upon the idea of its multiscale analysis. The method of wavelet packet transform can depict the anomalous changes information of transient spectra of seismic wave onset, and come true the target of identifying seismic phase especially weak seismic phase. Then this paper presents discriminating examples of simulating digital signals and actual seismic phase. Compared with conventional seismic phase discrimination, studied results show that the wavelet packet transform method is an available tool of weak signal analyses, and have unexampled merits and attractive application foreground. This research gets hold of Higher School Doctor Scientific Research Foundation (No. 157 WJ0704 9435611) and supported by the National Natural Science Foundation (No. 49474211).     

基于小波包和峰度赤池信息量准则的P波震相自动识别方法

基于小波包变换和峰度赤池信息量准则(AIC), 提出了一种新的自动识别P波震相的综合方法, 即小波包-峰度AIC方法． 首先对由加权长短时窗平均比(STA/LTA)法粗略确定的P波到时前后3 s的记录进行小波包三尺度的分解与重构, 分别计算每个尺度重构信号的峰度AIC曲线并将其叠加, 叠加曲线的最小值则为P波震相到时; 然后对原始地震记录进行有限冲激响应自适应滤波以提高信噪比和识别精度; 最后将小波包-峰度AIC方法应用到合成理论地震图及实际地震记录的P波初至自动识别中. 结果表明: 初至清晰度对识别精度的影响比信噪比对其影响更大; 与单独使用加权STA/LTA方法和峰度AIC法相比, 小波包-峰度AIC法具有更强的抗噪能力, 识别精度更高; 当初至清晰时, 小波包-峰度AIC法自动识别与人工识别的P波到时平均绝对差值为(0.077±0.075) s．      

基于小波分频叠前相干噪声压制方法

基于小波分析的去噪方法在地震资料叠前处理中得到了广泛应用.本文主要介绍利用小波变换的分频特性来压制相干噪声.通过小波分频技术将叠前地震信号分解为不同频带,然后利用有效波和相干干扰波的频谱差异来区分有效信号和噪声,最后利用加权方法去掉不需要的噪声信息来达到去除相干噪声的目的.实际资料的处理结果表明：基于小波分频方法能很好地压制相干噪声,从而提高地震资料信噪比和分辨率.     

Method for Identifying Micro-seismic <Emphasis Type="Italic">P</Emphasis>-Arrival by Time-frequency Analysis Using Intrinsic Time-Scale Decomposition

A method to identify the P-arrival of microseismic signals is proposed in this work, based on the algorithm of intrinsic timescale decomposition (ITD). Using the results of ITD decomposition of observed data, information of instantaneous amplitude and frequency can be determined. The improved ratio function of short-time average over long-time average and the information of instantaneous frequency are applied to the time-frequency-energy denoised signal for picking the P-arrival of the microseismic signal. We compared the proposed method with the wavelet transform method based on the denoised signal resulting from the best basis wavelet packet transform and the single-scale reconstruction of the wavelet transform. The comparison results showed that the new method is more effective and reliable for identifying P-arrivals of microseismic signals.     

基于小波与分形理论的地震异常检测

为了提高地震异常检测精度,探讨了小波与分形结合的地震异常检测方法.首先采取功率谱密度对地震波的分形性质进行分析,得出其具有且仅在几个高频段具有自仿射分形性质,这为分形的合理应用提供了依据并揭示了现有单一综合分形维方法的不足;继而提出了频率、时间有序的无次采样小波包变换(FOTO NWPT),该算法为地震波分形分析创造了优良平台.基于前两者,提出了小波与分形优势结合的地震异常检测方法：由FOTO NWPT将地震波分解在若干尺度上,依据尺度关联维分析构建地震剖面分形参数空间,参数奇异标志了地震异常.工程实验证明,该方法比现有方法的科学性和实用性更强,为实现度量参数化精细地震勘探提供了一条新的思路.