小波变换：一种解释重磁数据的新方法

长期以来。干扰异常是位场解释中的主要问题,然而,由于常规的滤波技术不够完善,这一问题一直没有得到解决。小波变换滤波器为一种全新的位场解释方法提供了可能性。它具有增强数据中的最高的特性,而不率数据频率本身的大小如何,在许多情况下,这种滤波器能克服干扰。     

多尺度地震信号属性分析

地震信号的瞬时属性分析对地震岩性解释和烃类检测很有帮助,通过采用希尔伯特变换的复数道分析方法。利用这种方法,可以比较方便地从地震记录中分离出波的瞬时振幅、瞬时相位等参数。信号的不同频带具有不同的属性特性,而小波变换具有对信号进行多尺度分解的特性,如采用解析小波则分解后的小波系数仍为一解析信号,且其虚部是其实部的希尔伯特变换。因此根据这一特点可以研究地震信号在不同分辨率下的属性特征。     

宁苏地区500多年来的旱涝趋势及近期演变特征

本文采用小波分析等多种统计技术研究了宁苏扬地区１４７０－１９９５年间旱涝变化的趋势。５００多年可划分差异显著的６个旱涝气候阶段,进一步还揭示出了在各个旱涝阶段内低频振荡的周期和振幅的不同的特征以及最近一个阶段的旱涝演变特征。     

一种基于小波熵的时间尺度算法

结合小波分析和熵的基本理论,在分析国际原子时TAI的基础上,提出了基于小波熵的时间尺度算法．通过对原子钟信号进行多尺度分解,根据能量划分,综合所有尺度的小波系数得到小波熵,然后利用小波熵对原子钟进行加权．最后,通过某实验室的实测数据对算法进行了检验,结果表明:这种方法能够综合各原子钟信号在不同尺度上的频率波动特征,明显提高了时间尺度的稳定度．     

数字滤波技术在潮汐观测中的应用研究

潮汐是重要的海洋物理要素。瞬时变化的海面高度信息除了包含潮汐信息外,还包括波浪等高频干扰信息,因此需要对干扰信息进行滤除。如何从获取到的海面瞬时高度变化中提取出潮汐信息就成为一个关键问题。海洋学中通常是通过低通滤波来获取低频的潮汐信息。通过分析常用的3种低通数字滤波的方法,即滑动平均法、快速傅里叶变换法和小波变换法,对3种低通滤波方法应用于潮汐数据处理的效果进行了比较分析,得出滑动平均法在潮汐信息提取中具有较高应用价值的结论。     

冲绳海槽高分辨率层序地层研究

冲绳海槽为西太平洋内弧盆体系中一个典型的弧后盆地,其形成和发展与太平洋板块、欧亚板块和菲律宾板块活动有关,为海底扩张的结果,具有高的热流值和活火山的岩浆活动。中新世以来的太平洋活化区,沉积物包括海洋的生源物质和陆源碎屑物质,地层中记录了古海洋环境和大陆古气候变化的有关信息,对该区进行高分辨率层序地层研究和计算沉积速率显得尤为重要。在小波变换的基础上建立高分辨率的层序地层格架,以米兰科维奇思想对测井曲线和天文周期进行频谱分析,从而求得地层的沉积速率是沉积时限,另外对测井曲线和天文周期曲线运行调谐,建立起地层的天文年代标尺,从而对地层进行精确的定年。     

基于小波去噪的BP神经网络在变形监测中的应用

在变形监测领域中,对沉降数据的准确预测能够提前获悉检测对象的变形趋势,避免事故发生.原始监测数据普遍含有异常值,从而会对预测模型精度造成一定影响,降低预测结果的准确性.以BP(Back Propagation)神经网络为基础,采用小波去噪的方式针对剔除和插补原始数据中的异常值,分别建立去噪前后BP神经网络预测模型,并利用工程实例对预测模型精度进行分析.结果表明,小波去噪后的BP神经网络预测模型相比去噪前精度有所提升,精度更高,能够更为准确地反映监测对象的变形趋势.     

InSAR技术支持下的高速铁路沿线沉降监测与预测

针对盘营铁路专线、哈大铁路专线沿线沉降监测研究较少,采用InSAR技术获取了研究区地表形变信息,还对其进行了相关分析.用SBAS-InSAR对35景Sentinel-1A SAR数据进行处理,获取VV、VH极化下的年均沉降速率及沉降序列;以年均沉降速率为研究对象,进行沿线沉降特征分析及交叉验证;利用小波变换对沉降序列降噪处理,用改进BP神经网络对降噪后沉降序列预测分析.研究结果表明,研究区内高速铁路沿线共监测出6个明显沉降区域,最大沉降速率达50mm/a;两种极化年均沉降速率具有较高的一致性,降噪处理后的沉降序列更加平滑;改进BP神经网络具有较高的收敛速度,其预测精度有较大提高.     

一种改进的小波域均值滤波算法

针对传统的小波域均值滤波算法在重建之后会产生马赛克效应的缺陷,提出一种基于形态学开运算改进的小波域均值滤波算法,利用开运算的滤波特性,从几何结构的角度针对性地处理马赛克效应,从而降低马赛克效应对干涉相位图像质量的影响,并将改进的小波域均值滤波算法与传统的小波域均值滤波算法、InSAR干涉相位图去噪中经典的自适应均值滤波、自适应中值滤波、Goldstein滤波以及非局部均值滤波滤波进行实验对比.实验结果表明:改进的小波域均值滤波算法优于其他几种算法.     

LMD和小波阈值的GNSS坐标时间序列降噪应用

局部均值分解方法降噪过于粗糙,将认定为噪声的乘积函数(PF)分量直接剔除,导致有用信息丢失.为了有效提取GNSS站坐标时间序列的有用信息,该文提出一种局部均值分解和小波阈值相结合的降噪方法.通过局部均值分解将坐标时间序列分解为一系列PF分量和余项,依据消除趋势波动分析方法计算各PF分量的Hurst指数,利用小波阈值提取H≤1的PF分量中的有用信息,将提取出的信息与剩余PF分量叠加重构获得最终降噪的坐标时间序列.通过对5个测站的坐标时间序列进行实验,结果表明局部均值分解和小波阈值相结合的方法能够有效提取噪声分量中的有用信息,信噪比提高了27.8％,从而验证了该方法的有效性.