小波降噪与粒子群优化综合回归爆破震动参数

爆破震动测试得到的数据常常具有较大的离散性,采用剔除错误数据和小波降噪对爆破震动检测数据进行预处理,以标准残差平方和作为爆破振动实测数据与萨道夫斯基公式拟合值偏差大小的判断依据,应用小波降噪对实测数据进行处理的方法,优化了粒子群算法对萨道夫斯基公式中的k和 的回归分析。研究结果表明,小波降噪和粒子群优化算法结合使用,能够较真实地反映爆破震动测试的真实情况,从而提高了对爆破震动测试模拟的精度。研究结果对爆破振动测试理论和工程实践具有一定的参考价值。     

基于SSA的GPS坐标序列去噪及季节信号提取

基于SSA技术对GPS时序的去噪及季节信号分离进行研究。通过对模拟数据及GPS实测数据的分析,并与经验模式分解EMD（empirical mode decomposition）和小波分析方法进行对比,结果表明,SSA、EMD和小波分析均是有效的去噪方法,但SSA去噪性能更优越,且能更有效和稳定地从GPS时序中提取周期项信号。     

一种遥感影像Min/max流去噪方法的研究

提出一种曲面Min/max流去噪方法,利用图像曲面曲率代替经典方法曲线曲率并修改开关机制,增强对复杂噪声环境的适应性,同时加入梯度权控制边缘曲面演化速度,在噪声压制的同时尽量保持边缘。实验表明,该方法能够在去除噪声的同时保持比较清晰的图像边缘。     

形态学重度污染文本图像去噪处理

为处理扫描与复印图像产生的重度污染噪声,对噪声与文本信息的形态差异进行研究。利用灰度形态学原理,构建四方向形态学结构元素模版去除复杂的背影噪声,保留具有明显方向性的文字信息。针对噪声与文字在图像局部梯度上的特点,引入局部结构张量信息构造动态尺度的形态学结构元素,在可能的噪声区域采用较大尺度结构元素较好地滤除噪声,在可能含有文字的区域采用较小的结构元素以完整地保留易丢失的文字笔划与标点。最后利用灰度形态学重建恢复原始的文本内容,得到只含文本信息的图像。     

微地震数据去噪方法综述

随着常规油气藏资源不断枯竭,非常规油气藏的勘探开发已逐渐成为一种必然趋势,从而使得微地震监测技术快速发展。微地震事件的发生持续时间短、声波频率高,使得实际采集到的微地震数据信噪比较低。本文首先简要介绍了微地震监测技术能够在非常规油气藏开发中保证高效的增产,以及微地震噪声压制在微地震监测技术数据处理流程中是关键一步,直接影响着后续微地震研究的准确性和可靠性;并对地面微地震监测数据中的噪声源进行分析,归纳了地面微地震监测中常见噪声：强脉冲干扰、工业交流电干扰、钻井干扰、声波干扰、规则干扰等,分析了其各自的基本特点。然后,概述了地面微地震数据去噪方法已取得的成果,按频率、传播方向、空间分布区域等特性进行分类,分析各种去噪方法在实际应用过程中针对的噪声类型,以及在去噪过程中对有效信号造成的影响等。最后,基于深度学习具有更强的复杂函数表征能力,分析了3种典型深度学习模型的结构及特点;结合在其他相关领域数据去噪问题的成功应用,深度学习可以解决目前微地震数据噪声压制存在的问题,可以作为微地震数据去噪的一种新方法;考虑到目前微地震数据样本数量可能影响深度学习在微地震监测中大规模的应用,本文提出用生成式对抗网络来构建微地震数据样本库以解决该问题,并将其用于后续深度学习过程中的模型训练。     

ICESat-2 ATL08去噪算法实现及精度评价

针对光子计数激光点云特点，研究实现了ICESat-2卫星ALT08技术文档点云去噪算法与精度评估。首先逐点计算目标点邻域范围内点的总数作为局部密度值，由于信号通常比噪声在空间分布上更集中，密度直方图常呈噪声在左、信号在右的双峰特点；然后通过峰值计算、距离判断等计算噪声与信号高斯函数初值，并采用高斯函数加期望方差最大算法拟合两个精确的波形位置；最后将双高斯函数交点位置作为去噪阈值，小于阈值的点标记为噪声，大于阈值的为信号。通过MABEL数据的试验结果表明：当信号噪声呈现典型双峰分布特征时，算法去噪效果优秀，精度优于98%，处理不符合双峰特征数据时效果变差。     

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。     

基于模拟退火法的磁共振测深多源谐波噪声压制方法

磁共振测深找水方法在高电磁噪声环境下应用时,往往会因为电磁噪声的干扰导致实测数据信噪比降低,反演结果难以准确地确定实际地下水体的分布状况,降低方法的应用效果。针对磁共振测深找水方法在实际野外数据采集工作中常面临的多源谐波噪声干扰问题,在模型去噪的基础上推导出网格搜索同步删除法,进一步提出了效率更高的模拟退火同步删除法。仿真结果表明,2种方法均能有效压制多源谐波噪声,而模拟退火同步删除法能够更快速地搜索谐波基频值,相较网格搜索同步删除法在双基频谐波情况下工作效率提高2.35倍,大大降低了去噪流程的时间成本,且对多源谐波噪声也能取得较好的去噪效果。将该去噪算法应用于实例中,反演结果和钻孔资料的对比表明,模拟退火同步删除法可以有效压制磁共振测深方法实测数据中的多源谐波噪声,显著提高磁共振测深方法的应用效果。     

基于SVM的高耸圆形建筑物沉降数据分析及预报研究

随着高耸圆形建筑物大量修建,高耸圆形建筑物监测成为防治和减少灾害发生的一项极为重要的工作之一。针对小波降噪的平稳特性、小样本条件下支持向量机机器学习和预测的准确性,建立了高耸圆形建筑物的小波去噪、支持向量机机器学习和预测分析模型。实验表明,不确定性支持向量机的预测结果和学习效果的均方差比遗传算法更小,可即时发现高耸圆形建筑物不均匀下沉或倾斜现象。这种数据处理方法经试验表明可以应用到其他预测方面。