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。     

基于小波的被动声纳降噪研究

基于小波的降噪理论,研究了水下舰船辐射噪声的被动声纳降噪问题。通过对船辐射噪声的建模和仿真,分析对比了不同方法对舰船辐射噪声信号降噪的效果,并利用各种小波基和采用不同阈值条件下对信号进行降噪处理的效果。该研究在分析对比的基础上,进行小波包软阈值去噪并且取得了较好的效果,对被动声纳降噪提供了较好的应用前景。     

基于广义S变换时频滤波的MT数据去噪

针对油气勘探中大地电磁(MT)数据易受各类干扰的污染,且信噪难以分离的问题,把基于广义S变换的时频滤波技术应用于MT数据处理中来,得到MT数据的S域时频分布,分析受噪MT数据在S域的时频分布特征,再在S变换时频域进行时频阈值去噪,并对滤波后的S域时频谱进行逆变换重构,分离得到去噪后的MT数据。给出了基于广义S域时频滤波的方法原理与应用步骤,对被污染的仿真和实测MT数据进行了时频阈值滤波,并与小波阈值去噪方法进行了比较研究。结果表明：基于广义S变换的时频滤波方法可有效抑制MT数据中的干扰,从噪声信号中分离出有效的大地电磁数据,且减少了人为参与,提高了MT勘测的数据质量。     

基于组合滤波的矿集区大地电磁信号去噪

针对矿集区大地电磁(MT)信号受环境噪声和人文噪声污染严重的问题,提出一种结合了经验模态分解(EMD)和数学形态学滤波的组合滤波方法,对矿集区大地电磁信号的时域信号进行滤波处理。介绍了方法原理和计算步骤,评估了该方法的去噪效果;在与小波变换去噪效果对比的基础上,用仿真实验验证了方法的可靠性,并对某矿集区的实测数据进行了去噪处理。结果表明,组合滤波方法充分利用了EMD多尺度分解及其可重构特性和数学形态学滤波方法的优点,在滤除噪声的同时为MT信号尽可能多地保留了有用信息。去噪后,估算的响应曲线方差减小到原来的一半,为进一步正确资料处理和地质解释提供了保障。     

基于形态小波的核磁共振测井信号去噪及现场应用研究

核磁共振测井中采集到的回波串信号十分微弱,而背景噪声很强,使信噪分离困难。为解决这一问题,引入了结合数学形态学的特征识别和小波分解的多分辨率分析特性的形态小波方法。讨论了方法的数据基础和应用步骤,并与小波软阈值方法处理结果进行了对比分析。实测数据处理结果表明:形态小波去噪方法具有良好的细节保留和抗噪声能力,去噪效果优于小波软阈值滤波方法;在消除测井信号随机噪声的同时,能很好地保留信号的波形和特征,在较低信噪比下仍可有效地提取测井信号的有用信息,提高了T2谱的反演精度。     

基于小波包变换的不同强度煤样的声发射特性

为了研究在单轴压缩下不同强度煤样的声发射特征,利用RMT-150C型岩石力学伺服试验系统和CDAE-1型声发射检测仪,对硬煤、中硬煤和软煤煤样进行实验研究。为了解决煤样在声发射实验中存在的各种信号干扰和信号处理方面的问题,运用小波包变换对煤样的声发射信号进行了分解、去噪和重构。研究结果表明:经过处理之后的声发射信号能够更清晰地反映硬煤、中硬煤和软煤煤样在单轴压缩下失稳破坏的变化特征。软煤、中硬煤和硬煤的声发射信号特征各不相同,随着煤样强度的增加,煤样失稳破坏时声发射累计能量和累计计数逐渐减小,煤样在受力过程中声发射能量和计数的峰值也逐渐减小,并且在峰值处释放的能量也逐渐减小。      

A combinatorial filtering method for magnetotelluric data series with strong interference

In highly industrialized areas, magnetotelluric (MT)-induced variations are contaminated by strong manmade noise signals. A method is described as an alternative approach for noise removal, based on a combination of empirical mode decomposition (EMD) with independent component analysis (ICA). The filtering procedure takes advantage of the fact that data are analyzed through different scale levels, which requires a minimum of human intervention and leaves good data sections unchanged. Principle and steps of method are discussed, and de-noising results are evaluated by some parameters. After the filtering stage, data is processed in the frequency domain to yield two sets of reliable MT transfer functions and the result was compared with that of the EMD-Wavelet method. Simulated signal and measured MT data series are processed. The results show that this procedure can lead to greatly improved apparent resistivity and phase curves after processing. Point defects are filtered out to eliminate their deleterious influence, which yields reliable estimates of the MT transfer functions. The EMD-ICA method provides a new method for the de-noising of MT data series under the condition of low SNR.     

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。     

小波变换在位场资料去噪和位场分离中的应用

根据小波变换的原理,研究了小波阙值去噪方法和位场分离方法在某实测布格重力异常的应用及效果。多矩形棱柱体模型试验表明:选取合适的小波基和小波参数,可以更好地提取出重力异常中的有用信息,为下一步在实测重力数据中的应用提供理论基础。实测布格重力资料处理结果表明:基于小波变换的去噪方法和位场分离方法,能够较好地去除随机噪声,更好地区别出局部异常和区域异常,提高数据处理与解释中有用信号识别的精度。     

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Shearlet变换的尺度方向自适应阈值地震数据随机噪声压制方法

地震勘探的有效信号常受到随机噪声的干扰而难以识别,需要进行随机噪声和有效信号的分离。传统Shearlet全局阈值不随方向与尺度变化,在去噪的同时也会损失许多有效信号。Shearlet变换作为一种新的多尺度多方向时频分析方法,具有最优的稀疏表示能力、局部化特征和方向敏感性。本文将含噪地震信号通过Shearlet分解后计算各尺度与方向上Shearlet域系数的L₂范数,并对其进行数据重排后发现,随着方向改变L₂范数不断减小,进而提出一种基于L₂范数的尺度方向自适应阈值计算方法。将其与小波变换、曲波变换、Shearlet全局阈值去噪方法对比,模拟数据与实际地震记录去噪结果表明,本文方法在去除随机噪声的同时,深部弱信号也得到了很好的恢复,地震数据的信噪比比其他3种方法有所提高,在0.929 9 dB条件下提升至11.565 1 dB。     

LIFT去噪方法在低信噪比资料处理中的应用

传统去噪一般都是通过各种方法将原始数据分离为有效信号和噪声,从而达到去噪目的,在去噪的过程中,忽略了信号保真的处理原则,在去掉噪声的同时有可能也损害了有效信号。这里从传统去噪方法存在的问题入手,通过对传统去噪方法的原理分析,研究了LIFT去噪技术。LIFT去噪的核心是首先建立信号模型,然后将原始地震信号和信号模型相减,求得剩余信号。通过对剩余信号进行针对性的去噪处理,去除剩余信号中存在的噪声,然后再与信号模型进行合并重构,得到新的具有高信噪比、高保真的地震信号。将该方法在低信噪比地震资料处理中进行了实例测试,取得了理想的应用效果。     

大地电磁测深数据的时频分析

大地电磁测深(MT)数据表现出非线性、非平稳、非最小相位特征,不符合以Fourier变化为基础的传统谱分析的基本要求.为寻求更好的谱分析方法,把最新发展的Hilbert-Huang变换(HHT)引入到大地电磁测深数据的时频分析当中来,针对湖北宜万线实测的MT信号,与短时Fourier变换(STFT)、Winger-Ville分布(WVD)和小波变换(WT)进行了时频分析比较.比较分析表明:HHT方法克服了其它一些方法的缺陷,完全取消了窗函数的作用,其结果不受核函数影响与时频测不准原理限制,具有完全的局部时频特性和更好的时频聚集性.分析认为HHT是一种全新而更优越的分析与处理大地电磁测深信号的时频方法,能更好地提取信号的时频本质特征,用于指导生产勘测实践.     

小波分析和RBF神经网络在地基沉降预测中的应用研究

地基沉降是一种危害很大的环境灾害。地基沉降的监测数据经常受降雨及工程施工等诸多外界因素的干扰,故而在沉降曲线中存在许多数据突变点。为此,提出基于小波分析与RBF神经网络相结合的新的地基沉降预测方法,首先采用小波分析对对原始监测数据进行数据去噪处理,进而得到反映实际变化的地基沉降曲线,然后采用径向基函数（RBF）神经网络方法对其进行预测,为工程设计提供依据。最后结合工程实例分析,通过多种小波去噪与预测结果的对比研究,表明3次B样条小波的去噪及预测效果最好,与实测值能较好地吻合,具有较好的工程应用前景。     

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     

小波分析在矿井高密度电法数据处理中的应用

矿井高密度电阻率法数据由于受地电干扰、地形、接地电阻等因素的影响,通常会遇到具有一定水平尺度和垂向幅度的类似尖脉冲假异常。在数据处理过程中,对于高幅度和宽尺度的噪声,特别是与有用信息的幅度及尺度相近时,即使应用广泛的Donoho软阈值函数和硬阈值函数去噪,也存在着难以克服的问题。为此提出了一种基于线性软阈值的去噪方法：根据噪声尺度确定分解层数,而每一层的阈值则采用线性函数确定。通过实测资料分析可知,这种方法能有效地消除高频随机噪声和特定尺度的噪声,尤其是在处理类似尖脉冲的噪声信号时有较好的效果,同时又能较好地保持原有地质信息。     

考虑气象因素影响的大坝监测沉降小波分析

为了消除大坝沉降监测数据受温度、湿度及光照等气象因素及外界不确定因素的噪声响应,提出考虑气象因素影响的大坝监测沉降小波分析方法。首先建立原始监测数据与各气象因素的函数关系,进而消去气象因素对坝体沉降的影响,然后采用小波分析对监测数据进行去噪处理,最后得到大坝真实的荷载响应沉降曲线,为大坝稳定性评价提供依据。实例应用表明,考虑气象因素影响的大坝监测沉降小波分析方法能有效地去除气象因素及外界不确定因素引起的噪声响应,比小波直接去噪法效果更佳,与数值模拟计算值能较好地吻合,具有更好的实际应用价值。     

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。