一种GPS单历元动态求解模糊度的算法

高精度动态差分定位要求利用正确求解整周模糊的载波相位观测值。在恶劣的环境中,如可能发生失锁的情况下,将会从单历元模糊求解中受益。本文详细介绍了单历元解模糊型及算法,并列出了静态数据的单历元求解结果,结果证明实时求解模糊度是可能的。     

标记乳糖基白蛋白SPIO作为磁共振肝细胞受体显影剂的实验研究

目的是探讨标记乳糖基白蛋白的超顺磁性氧化铁粒子（ＬＡＣ－ＨＳＡ－ＳＰＩＯ）作为配体与肝细胞膜去唾液酸糖蛋白受体（ＡＳＧ）特异性结合可能性;评价ＬＡＣ－ＨＳＡ－ＳＰＩＯ增强磁共振受体成像对大鼠微小肝癌灶的显示能力。方法：将Ｆｅ３＋Ｆｅ２＋混合液与ＬＡＣ－ＨＳＡ在碱性条件下制备出ＬＡＯ－ＨＳＡ－ＳＰＩＯ;应用　二乙基亚硝酸胺建立大鼠肝癌模型;电镜及Ｐｅｒｌｓ（普鲁士蓝）染色,观察ＬＡＣ－ＨＳＡ－ＳＰＩＯ在肝组织的颁;并比较ＬＡＣ－ＨＳＡ－ＳＰＩＯ增强前后大鼠肝癌的显示情况。得到结果是（１）Ｐｅｒｌｓ染色证实有ＬＡＣ－ＨＳＡ－ＳＰＩＯ分布到肝细胞浆内;电镜下也显示肝细胞膜表面及胞浆内有电子致密ＳＰＩＯ粒子分布;（２）注射小剂量ＬＡＣ－ＨＳＡ－ＳＰＩＯ可观察到明显明显肝脏强化效果,大鼠肝癌检出率由平扫３６．８％（７／１９）提高到７８％（１５／１９,Ｐ＜００１）。结论：ＬＡＣ－ＨＳＡ－ＳＰＩＯ是一种新型的具有肝细胞ＡＳＧ受体靶向性显影剂,对提高肝脏微小瘤灶检出率有章要价值。     

低信噪比地震资料FDOC-seislet变换阈值消噪方法研究

地震数据本质上是时变的,不仅有效同相轴表现出确定性信号的时变特征,而且复杂地表和构造条件以及深部探测环境总是引入时变的非平稳随机噪声.标准的频率-空间域预测滤波只适合压制平面波信号假设下的平稳随机噪声,而处理非平稳地震随机噪声时,需要将数据体分割为小窗口进行分析,但效果不够理想,而传统非预测类随机噪声压制方法往往适应性不高,因此开发能够保护地震信号时变特征的随机噪声压制方法具有重要的工业价值.压缩感知是近年出现的一个新的采样理论,通过开发信号的稀疏特性,已经在地震数据处理中的数据插值以及噪声压制中得到了应用.本文系统地分析了压缩感知理论框架下的地震随机噪声压制问题,建立了阈值消噪的数学反演目标函数;针对时变有效信息具有的可压缩性,利用有限差分算法求解炮检距连续方程,构建有限差分炮检距连续预测算子(FDOC),在seislet变换框架下,提出一种新的快速稀疏变换域———FDOC-seislet变换,实现地震数据的高度稀疏表征;结合非平稳随机噪声不可压缩的特征,提出了一种整形迭代消噪方法,该方法是一种广义的迭代收缩阈值(IST)算法,在无法计算稀疏变换伴随算子的条件下,仍然能够对强噪声环境中的时变有效信息进行有效恢复.通过对模型数据和实际数据的处理,验证了FDOC-seislet稀疏变换域随机噪声迭代压制方法能够在保护复杂构造地震波信息的前提下,有效地衰减原始数据中的强振幅随机噪声干扰.     

基于站间天然电磁场单位脉冲响应的大地电磁时间序列去噪方法

针对天然大地电磁场信号在人文活动密集地区易受噪声干扰的问题,本文提出利用两个同步测点天然电磁场时间序列之间的单位脉冲响应,合成本地点受干扰时段的数据,从而去除大地电磁噪声.首先,选择高信噪比时段的数据,采用最小二乘法,估算本地点与参考点之间的单位脉冲响应,再根据卷积定律,结合参考磁场合成本地点的磁场和电场.最后用合成数据替换含噪声时段数据,实现时间域去噪.实测高信噪比数据和含噪数据的处理结果表明,该方法可以高精度合成本地点磁场与电场信号,有效去除本地点电场和磁场噪声,包括相关噪声,提高大地电磁数据质量.     

南海深水盆地改善中深层地震成像关键技术研究

南海深水区某盆地受复杂地质条件与崎岖海底等因素的影响,地震资料信噪比低,中深层成像差.经多次重处理后,盆地内大部分地区基底成像依旧不理想,严重制约了该区勘探研究工作的深入.有效恢复地震反射信号的能量和频率信息,提高叠前资料的信噪比是改善中深层成像的基础.针对该盆地中深层成像问题,研究了两项新技术:(1)基于自动寻优的鬼波压制技术;(2)基于高速倾角预测的seislet变换去噪技术——恢复了中深层低频信息,有效提高了中深层信噪比.实际地震资料应用效果表明:在目前常规深水资料处理流程中加入两项针对性的新技术后,该盆地地震资料中深层的成像质量得到了显著改善,特别是基底成像更加清晰、连续,为盆地区域研究与目标评价工作提供了可靠保障.     

最优小波基选择法在测震数据干扰处理中的研究与应用

选取成都地震台的测震数据作为研究样本,将不同的小波基进行了以重构精度、相对SNR值以及去噪后频谱的分析结果为依据的筛选流程。结果显示:bior2.4小波基重构精度最佳、去噪效果良好、更加完整地保留了样本的有效高频信号,是适合成都地震台测震数据的最优小波基。将其应用于成都地震台的测震数据干扰处理,波形去噪效果明显,波形的信噪比得到明显提高,对震级计算并无显著影响。     

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。     

基于融合残差注意力机制的卷积神经网络地震信号去噪

由于U型卷积神经网络(Unet)在地震数据去噪中存在计算量大、网络退化和泛化能力弱等问题,本文为了提高去噪效果以及增强模型的泛化性,提出了一种融合残差注意力机制的卷积神经网络(RAUnet)。该网络结构主要由编码和解码两部分构成,网络的每个卷积层之后都加入了批标准化和带泄露整流激活函数。在编码器中,为了提高对噪声的提取能力,引入了残差结构和卷积块注意力模块。残差结构利用残差跳跃连接的方式减弱了网络退化,降低了特征映射的难度。卷积块注意力模块使用通道和空间的混合注意力权重,能提升相关度高的特征并抑制相关度低的特征。在解码器中,为了提升特征融合的维度恢复能力,选用双线性插值方式进行上采样。实验测试结果表明,对于合成地震信号,本文方法对简单模型和复杂模型随机噪声的压制效果均更有效,并且更好地保护了有效信号;对于实际地震信号,本文方法仍然能在去噪的同时尽量保持有效信号中的细节,对叠前数据和叠后数据都展现出了良好的泛化性。     

基于载噪比加权的BDS周跳探测方法研究

针对现有的周跳探测方法中载噪比(carrier-to-noise ratio, CNR)数据未被有效利用这一问题,在分析BDS卫星种类对MW(Melborne-Wubbena)组合观测值影响的基础上,基于传统TurboEdit算法,根据BDS不同种类卫星提出一种基于载噪比加权的MW组合周跳探测模型。测试结果表明,相比于传统TurboEdit算法,该方法可以有效减少BDS-2的IGSO卫星和MEO卫星因系统偏差引起的周跳漏检和误检,具有一定的优越性。     

M-Cholesky分解法快速求解GNSS整周模糊度

为解决传统最小二乘模糊度去相关算法(least-square ambiguity decorrelation adjustment, LAMBDA)中LDL^T分解的对角矩阵D、下三角矩阵L及其转置矩阵L^T计算过程复杂、耗时较长等问题,提出M-Cholesky分解法。该方法利用四角规则法,逐步消元计算合成矩阵各元素,每次消元计算中最多只用到3个元素,可减少存储空间、提高计算效率。仿真与实测实验结果表明,相比于Cholesky分解法,M-Cholesky分解法求解GNSS整周模糊度的计算效率提高约15%。