EO-1Hyperion高光谱数据FLAASH模块大气纠正

EO-1Hyperion高光谱遥感影像在实际应用中,需对图像进行大气纠正及补偿等预处理,以便获得较好质量的图像,为进一步分析和应用提供保障.笔者运用FLAASH大气校正模型对中国云南香格里拉地区的Hyperion卫星影像进行大气校正,利用图像MNF转换法对光谱曲线进行去噪平滑优化,再对校正前后影像进行遥感影像和典型地物光谱曲线对比分析.结果表明,影像经FLAASH大气校正和MNF平滑后,较好地消除了大气影响和Hyperion高光谱遥感图像的光谱噪声.     

基于经验模态分解的重力异常分离

根据重力异常水平梯度特性,建立了基于经验模态分解的新型重力异常分离方法。通过不同模型实验对比,发现该方法分离所得异常和模型理论异常能很好地吻合,可进行异常定量划分。实测数据处理中,将该方法与平均对数功率谱分析相结合,所分离出的区域异常可以有效描述研究区的区域地质特征。模型试验和实测数据处理都充分表明该方法所分离出的重力异常基本没有畸变和虚假信息产生,具有良好的实际应用价值。     

经验模态分解和独立分量分解在航磁数据处理中的应用

以东天山1∶20万航磁数据为例,利用经验模态分解(EMD)方法对航磁数据进行分解,然后利用独立分量分析(ICA)方法对分解出的固有模态函数(IMF)数据进行重构。分解出来的从高频到低频IMF与地质体的分布具有一定的相关性,不同频率的IMF代表了一定的地质意义。经过ICA重构后的独立分量(IC)能够对异常IMF函数从盲源分离的角度进行有效的重构,其结果可以在一定程度上解释不同的地质事件对磁异常的贡献,并对构造识别和构造区域划分具有一定的指示意义。     

珠海一号高光谱影像融合方法对比

本文采用HSV、Brovey、CN、GS、PC、NND等6种常用融合方法,对吉林一号、高分二号、高分六号光学全色图像和珠海一号高光谱图像进行融合实验,通过目视分析和均值、平均梯度、信息熵、相关系数等指标对融合影像定性定量评价。结果表明,GS方法综合效果和光谱保真度最好,PC次之,NND方法清晰度和信息量保持能力最好。从数据源比较,吉林一号与高光谱数据融合后图像,目视效果和评价指标值稳定性相对更好。高分数据全色数据空间分辨率与高光谱空间分辨率相差越小,融合效果越好。     

基于变分模态分解算法的探地雷达信号去噪研究

探地雷达信号属于非平稳信号,容易受到干扰噪声影响导致探测能力降低.为了消除雷达信号的噪声,经验模态分解(EMD)、总体经验模态分解(EEMD)和完全总体经验模态分解(CEEMD)等方法被应用到雷达数据处理中.EMD虽然不断被改进,但仍存在一些不足,例如容易受到噪声干扰,存在模态混叠现象,依赖经验性等问题.因此笔者采用变...     

基于经验模态分解的MT数据脉冲类电磁噪声处理

电磁脉冲干扰是大地电磁测深系统(MT)信号的主要噪声之一,严重影响后续视电阻率和阻抗的计算及目标信息的提取。针对脉冲类噪声在时间域中的变化特征,利用经验模态分解（EMD）对脉冲类电磁噪声进行压制处理。首先,对大地电磁信号经EMD分解后得到N个本征模态函数（IMF）;然后,对每一阶的IMF选择一个合适的阀值,对于该IMF中超出该阀值的部分进行截断;最后,进行EMD重构。实测数据测试表明:改正后信号能量损失小, 与改正前信号相关性高, 可有效地抑制脉冲类噪声干扰。     

基于经验模态分解的水文时间序列预测研究

径流预报是一类经典的水文问题,对水资源的调配管理和防洪减灾的决策有着重要的意义.本文利用近年来刚刚提出的经验模态分解理论和方法对水文序列进行分解,然后对不同成分分别建立回归预测模型,最后将这些模型的预测结果进行组合,得到最终预测结果.以南京下关站次日高潮位预测为例,取得了令人满意的预报精度,表明本文提出的方法具有一定的创新性和较高的实用价值.     

基于经验模态分解的曲波阈值去噪方法

针对曲波阈值去噪方法阈值选取单一造成的有效信号损失或随机噪声压制不完全的问题,笔者提出了一种基于经验模态分解的曲波阈值去噪方法。该方法首先对带噪信号进行经验模态分解得到一系列固有模态函数,根据每个固有模态函数所含噪声强弱的不同,选取不同的阈值分别对分解得到的含噪固有模态函数进行曲波阈值降噪处理;最后将去噪后的固有模态函数与不含噪声的固有模态函数进行信号重构得到最终压噪的结果。由于引入经验模态分解,对分解得到的不同含噪程度的固有模态函数,选取不同的阈值进行处理,这样能够有效减小直接曲波阈值方法阈值选取单一产生的问题。模型和实际数据试算表明,该方法在提高数据信噪比的同时,能够有效地保留有效信号,是一种相对保幅的去噪方法。     

基于二维经验模态分解的重磁异常分离

由于地质过程的复杂性及成矿过程的多期次叠加性,原始重磁异常往往是多种地质因素的混合信息,既包含区域背景异常信息,也包含与矿床(体)、矿化蚀变带以及隐伏岩体等与找矿密切相关的地质要素所引起的局部重磁异常.如何从复杂的叠加重磁异常中分离出具有找矿意义的局部异常,是当前矿产勘查和资源潜力评价工作中面临的难题之一.采用经验模态分解(EMD)方法来分解重磁异常,为提高分解的稳健性提出了用双调和样条插值(BSI)进行包罗面插值的新方法,并以云南个旧地区重磁数据为例,对其进行非线性多尺度分解,实现对区域异常与局部重磁异常的分离,揭示了深层次找矿信息并拓宽了经验模态分解方法的应用领域.      

基于经验模态分解的航空重力测量动态误差分离

航空重力测量数据在测量的过程中很容易受到飞机动态运动的影响,飞机动态运动强时,航空重力测量数据的质量也随之降低,虽然经过数字滤波后可以将航空重力异常数据中的大部分噪声去除,但一部分与信号重叠的噪声还是无法被消除.利用经验模态分解对受飞机动态影响较大的一组实测数据进行深化处理.结果表明,在不影响航空重力异常数据分辨率的情况下,该方法很好地消除了由飞机动态运动引起的动态误差,使得航空重力测量的内符合精度由1.43mGal提升到了1.27mGal.     

二维EMD方法在物化探数据处理中的应用研究——以云南个旧地区为例

文章采用二维EMD方法对云南个旧地区物化探数据进行非线性的多尺度分析与分解,有效分离了物化探异常,揭示深层次找矿信息.证明了二维EMD分解得到的所有分量都具有实际地质意义,它将是一种新的物化探数据处理方法.     

经验模式分解与小波变换在模拟信号中的对比分析

经验模式分解和小波分解是当前有效处理非平稳信号的两种时频分析方法,它们各具优缺点,适用于不同的领域。模拟信号突变性检测、趋势检测和频率检测的对比实验表明：在突变检测方面,小波分解优于经验模式分解;但经验模式分解在低频信号检测及趋势检测方面优于小波分解。     

应用二维经验模分解(BEMD)法提取滇东Pt、Pd元素地球化学异常

应用二维经验模分解(BEMD)法从滇东Pt-Pd含量数据中提取2类Pt-Pd异常,即由二维内蕴模函数3(BIMF3)表征的区域Pt-Pd异常和由二维内蕴模函数2(BIMF2)表征的局部Pt-Pd异常。根据异常产出的地质特征,区域Pt-Pd异常可进一步划分为2个亚类：其一是位于受SN向小江断裂和NE向寻甸-宣威深大断裂控制的二叠纪峨眉山玄武岩分布区的异常,其特征是具有明显的浓集中心,异常强度大;其二是分布于研究区中南部的黑色岩系中的异常,异常强度弱。其中前者是滇东Pt-Pd找矿的有利地段。局部Pt-Pd异常可进一步划分为3个亚类：①分布于玄武岩区,受SN-NE向深大断裂与其次级断裂交会域控制的异常;②分布于不同地质时期黑色岩系中的异常;③哀牢山断裂北侧与基性、超基性侵入岩有关的异常。其中,分布于玄武岩区的Pt-Pd局部异常强度高、规模大,是进一步找寻Pt-Pd资源的远景地段。     

应用二维经验模分解(BEMD)法提取滇东Pt、Pd 元素地球化学异常

应用二维经验模分解(BEMD)法从滇东Pt-Pd含量数据中提取2类Pt-Pd异常,即由二维内蕴模函数3(BIMF3)表征的区域Pt-Pd异常和由二维内蕴模函数2(BIMF2)表征的局部Pt-Pd异常。根据异常产出的地质特征,区域Pt-Pd异常可进一步划分为2个亚类：其一是位于受SN向小江断裂和NE向寻甸-宣威深大断裂控制的二叠纪峨眉山玄武岩分布区的异常,其特征是具有明显的浓集中心,异常强度大;其二是分布于研究区中南部的黑色岩系中的异常,异常强度弱。其中前者是滇东Pt-Pd找矿的有利地段。局部Pt-Pd异常可进一步划分为3个亚类：①分布于玄武岩区,受SN-NE向深大断裂与其次级断裂交会域控制的异常;②分布于不同地质时期黑色岩系中的异常;③哀牢山断裂北侧与基性、超基性侵入岩有关的异常。其中,分布于玄武岩区的Pt-Pd局部异常强度高、规模大,是进一步找寻Pt-Pd资源的远景地段。     

应用奇异值分解与二维经验模型分解提取金矿化致矿重力异常

奇异值分解(singular value decomposition,SVD)和二维经验模型分解(bi-dimensional empirical mode decomposition,BEMD)2种方法用于鲁西铜石金矿田的金矿化致矿重力异常提取.通过对比研究得出如下结论:①基于重力数据,由BEMD和SVD 2种方法获...     

基于优化经验模态分解和聚类分析的滑坡位移智能预测研究

针对三峡库区"阶跃式"滑坡的变形特征,提出了一种新的滑坡位移预测方法。以白水河滑坡ZG118和XD-01监测点位移数据为例,采用基于软筛分停止准则的经验模态分解(SSSC-EMD)将累计位移-时间曲线和影响因子时间序列自适应地分解为多个固有模态函数(IMF),并采用K均值(K-Means)聚类法对其进行聚类累加,得到有物理含义的位移分量(趋势性位移、周期性位移以及随机性位移)和影响因子分量(高频影响因子和低频影响因子)。使用最小二乘法对趋势性位移进行拟合预测;采用果蝇优化-最小二乘支持向量机(FOA-LSSVM)模型对周期性位移和随机性位移进行预测。将各位移分量预测值进行叠加处理,实现滑坡累计位移的预测。研究结果表明,所提出的(SSSC-EMD)-K-Means-(FOA-LSSVM)模型能够预测"阶跃式"滑坡的位移变化规律,且预测精度高于传统的支持向量机回归(SVR)、最小二乘支持向量机(LSSVM)模型;并通过改变训练集长度,进行单因素分析,发现其与预测精度之间呈正相关关系。     

基于经验低秩表示的自适应多次波减去方法

多次波压制一直是海洋地震数据处理的研究重点,SRME（surface-related multiple elimination）方法通过多次波预测、自适应减去两个步骤实现多次波压制,具有压制精度高、模型依赖度低等优点,是工业界广泛采用的方法。但是常规减去方法在一次波、多次波交叉位置易出现一次波损伤、多次波残留等现象,进而增加后续地震处理、解释的难度。本文在前人研究的基础上,提出了基于经验低秩表示的自适应多次波减去方法。首先,采用经验低秩表示方法,将地震数据自适应地分解为信噪比高、倾角单一、同相轴相位圆滑的低秩倾角分量,简化地震数据倾角成分的复杂程度,以优化低秩表示过程中局部窗口的参数选择问题;然后,在不同低秩倾角分量中分别采用基于能量最小原则的匹配减去方法,避免匹配过程出现同相轴交叉,并重构各分量,在保证计算效率的前提下提升多次波压制效果。针对理论数据和实际数据进行了有效性测试,本文方法在多次波压制结果和保幅性两方面优于传统方法,并采用抗噪性测试证明了该方法的鲁棒性。     

希尔伯特—黄变换(HHT)在EH-4数据去噪处理中的应用

工频噪声源于社会生产活动中产生的电磁噪声,常会造成视电阻率曲线病态或发散。为了提高数据处理与解释的精度,本文针对EH-4数据中常见的工频噪声,采用希尔伯特—黄变换进行去噪处理,通过对实际数据的时间序列处理分析可知,该方法利用数据自身的时间尺度特征自适应地分解信号,能够很好地去除工频噪声,为大地电磁信号的去噪提供了一条有效的路径。另外,本文还针对经验模态分解过程中产生严重的模态混叠及“端点效应”进行分析,运用聚合经验模态(EEMD)对仿真信号及实测数据的时间序列进行分解,有效地解决了模态混叠等问题。