基于小波包变换的单道水上地震数据去噪方法研究

基于小波变换的多尺度分解去噪技术是近年来发展起来的一种新技术,其在地震勘探领域中具有广泛的应用.在小波变换的基础上发展起来的小波包变换,可以更好地像小波变换分解低频一样分解高频信息,在信号的去噪方面也有着重要的用途.将小波包变换应用于噪音含量较多的浅水域单道地震数据处理中,获得的有效地震信号突出,噪音被明显压制,处理效果良好.     

小波分析技术在地震信号噪声处理中的应用

小波分析是20世纪80年代中后期逐渐发展起来的一个新的数学分支,它具有多分辨率分析的优良特性,在许多方面获得了广泛应用。信号中混入噪声之后,会引起信号的奇异性变化。随机噪声和有效信号本身在奇异点的奇异指数大小不同,从而它们的小波变换的模极大值在不同尺度下的传播行为也不一样。依据此区别,对于一个含噪地震道记录信号进行小波分解(即多分辨率分解)之后,在模极大值图上去除那些幅度随尺度增加而减小的极值点(对应噪声的极值点),而保留幅度随尺度增加而增大的点(对应信号突变点位置),这样就可以在模极大值图上达到去除噪声的目的。小波分析技术在地震信号噪声处理中,去噪效果明显优于传统的傅立叶变换方法。     

基于小波减噪的滚动轴承故障频率的识别

研究了振动信号局部奇异性在小波变换下的特性,定量分析了小波变换方法的减噪特性。根据滚动轴承故障振动信号和噪声的局部奇异性在小波变换下模极大值在不同尺度上的传播特性不同的特点,利用小波分解和重构算法,对轴承振动信号进行了分解、减噪、重构和谱分析。实验表明,小波减噪方法非常适于低信噪比情况下滚动轴承微弱振动信号的故障频率检测。     

基于小波变换的矿震信号去噪方法研究与应用

从小波变换的基本原理出发,对实际矿震信号进行了去噪处理,通过用傅里叶变换和小波变换对北京木城涧煤矿实际矿震信号去噪效果分析,小波变换在对非平稳的矿震信号去噪方面有着傅里叶分析不可比拟的优点。并探索了不同的小波基和阈值选取准则以及分解尺度对矿震信号去噪结果的影响。     

基于Curvelet变换的地震资料弱信号识别及去噪方法

针对地震资料中背景噪声较强,有效弱信号淹没其中难以识别,且在时间域地震有效信号和随机噪声又较难分离的问题,尝试将其通过Curvelet变换进行信噪分离。在Curvelet的不同尺度域采用自适应阈值函数对噪声进行压制,保留有效信号系数;同时,阈值函数中引入不同尺度域地震剖面信噪比,通过与信噪比相关的权值系数降低具有高信噪比的尺度域阈值,从而保留被随机噪声淹没的弱信号;最后对残留噪声系数再应用中值滤波,进一步压制噪声,突出弱信号。与常用于弱信号识别处理的小波变换,以及Curvelet变换的固定阈值处理方法相比,具有多尺度多方向性的Curvelet变换能够更加有效的刻画地震信号,结合自适应的阈值处理时,在弱信号识别及去噪方面具有明显优势。     

基于小波变换的矿山微震信号滤波方法研究

基于小波变换的多尺度分析思想,针对矿山微震信号具有频带较宽、谱成分丰富的特性,提出了对不同频率范围的信号和噪声进行滤波处理的方法.利用该方法可将噪声与信号分离以及将不同频段信号分解,从而达到滤波的目的.实验结果表明,该小波变换方法能够有效去除微震异常信号的噪声,可应用于微震信号的预处理.     

煤矿随钻地震信号处理中小波域算法的应用

信号处理水平的发展,使提高复杂信号的分解清晰度问题得以实现。以煤矿随钻地震信号为研究对象,提出了小波变换域互相关算法在处理地震信号降噪中的应用。通过数值模拟分析及实验分析,验证了小波变换域互相关算法相对传统时域互相关算法的优越性。     

基于小波变换的矿震波的P波和S波的识别

对矿震震相的自动识别是矿震信号分析和处理的主要目标之一。基于小波变换的多尺度分析思想,采用对信号进行小波处理后的小波系数代替原始信号,应用包含在小波变换系数中的信号偏振信息,提出了确定三分向的矿震信号P波和S波震相的小波变换方法。通过对矿震数据进行小波变换得到不同尺度下的P波和S波识别因子,进而形成确定P波和S波的特征函数,从而确定P波和S波的到时。通过用小波变换对木城涧矿矿震的实际资料进行处理分析,实现了P波和S波到时的自动拾取,取得了满意的结果。     

小波变换在地质雷达信号处理中的应用

地质雷达信号处理的关键是去除噪声提取有用信息。小波变换是近年发展起来的信号处理手段,通过设定不同的尺度参数,来提取不同空间域的信号。将小波变换用于雷达信号处理中,阐述了小波变换用于信号去噪的基本原理,实际应用结果表明,去噪效果良好,提高了信噪比。     

基于包络谱分析的滚动轴承故障诊断方法研究

分别用小波分解、小波包分解和EMD分解处理滚动轴承故障数据,并结合Hilbert变换进行包络谱分析实现滚动轴承故障诊断。对滚动轴承故障数据进行小波阈值降噪。小波阈值降噪后分别进行小波分解、小波包分解和EMD分解。分别求出小波分解、小波包分解和EMD分解后各个频带的能量谱。再根据能量谱确定故障频带范围并对其进行信号重构。采用Hilbert变换对重构信号进行包络谱分析实现滚动轴承故障诊断。通过对滚动轴承内圈故障信号的分析验证了小波分解、小波包分解和EMD分解结合Hilbert变换进行包络谱分析的滚动轴承故障诊断方法的有效性。